Richard Lucas da Silva Miranda, empreendedor do setor de games, e o que a inteligência artificial muda em testes e balanceamento de jogos
AGÊNCIA DE COMUNICAÇÃO Conteúdo de responsabilidade da empresa 10 de novembro de 2026
Agentes automatizados jogam milhares de partidas, apontam falhas e ajudam a ajustar a dificuldade antes do lançamento, reduzindo custos e prazos de produção.
Richard Lucas da Silva Miranda, fundador da LT Studios, estúdio independente de desenvolvimento de jogos localizado no Rio de Janeiro, atua em um setor em que, antes de estar nas mãos do jogador, um jogo passa por milhares de horas de testes. Cada etapa deve ser concluída, cada sistema deve ser pressionado ao limite e cada nível de dificuldade deve parecer justo.
Durante décadas, essa etapa dependeu quase só de equipes humanas de controle de qualidade, o que tornava o processo lento e caro. Hoje, a inteligência artificial nos games assume parte da tarefa, com agentes que jogam de forma repetitiva, registram falhas e simulam perfis variados de jogador.
Esse avanço altera o ritmo de produção e a relação entre estúdios e prazos. A automação de testes deixou de ser curiosidade técnica. Passou a ser critério de eficiência para equipes de todos os portes. A mudança, porém, levanta dúvidas sobre confiabilidade e sobre o que ainda exige o olhar humano.
Agentes que jogam sozinhos e encontram falhas em escala
A principal tendência está nos agentes de teste treinados por aprendizado por reforço. Esses sistemas recebem um objetivo, como concluir uma fase, e aprendem por tentativa e erro. Ao repetir o percurso milhares de vezes, esbarram em falhas raras. Exemplos são paredes atravessáveis, itens que travam o progresso e combinações de ações que quebram o jogo.
Outra frente é o teste de desempenho. Agentes percorrem o mapa em diferentes configurações de hardware e apontam quedas de quadros, travamentos e consumo excessivo de memória. Esse retorno chega ainda na fase de produção, quando corrigir custa menos.
Além disso, esses agentes trabalham o dia inteiro, sem cansaço, e geram registros detalhados de cada tentativa. Com isso, programadores conseguem reproduzir o erro com precisão e corrigi-lo mais rápido. O ganho mais relevante não está em substituir o testador. Está em entregar a ele um mapa de onde olhar primeiro.
——————————————————————————–
O desafio de calibrar a dificuldade sem perder a graça
Equilibrar a dificuldade é uma das tarefas mais delicadas do design. Um jogo fácil demais entedia, e um jogo difícil demais frustra. Com a inteligência artificial nos games, simulações reproduzem jogadores iniciantes, intermediários e experientes e medem em que ponto cada perfil abandona a partida. Os dados revelam picos de dificuldade que a intuição da equipe dificilmente perceberia.
Há também o ajuste dinâmico de dificuldade, em que o próprio jogo se adapta ao desempenho do jogador durante a partida. A técnica exige testes extensos, porque cada combinação de ajustes pode gerar situações inesperadas. Simulações automáticas ajudam a mapear esses cenários antes que o público os encontre.
Por outro lado, números não definem diversão. Um agente pode concluir uma fase com eficiência máxima sem indicar se a experiência foi prazerosa. Nesse contexto, o designer segue responsável por interpretar os resultados e decidir o que merece ajuste. Quando a métrica passa a mandar sozinha, o jogo tende a ficar homogêneo e previsível.
——————————————————————————–
Oportunidades para equipes menores e para o mercado brasileiro
A automação de testes também altera a economia do desenvolvimento. Estúdios pequenos raramente podem manter grandes equipes de qualidade, e falhas descobertas após o lançamento custam caro em reputação e em correções. Com a inteligência artificial em testes de jogos, é possível ampliar a cobertura sem multiplicar a folha de pagamento.
Há ainda um efeito sobre o planejamento. Com estimativas mais confiáveis de quanto tempo cada fase exige de correção, produtoras conseguem negociar cronogramas realistas com parceiros e plataformas. Isso reduz adiamentos de última hora, que costumam desgastar equipes e orçamento.
Nesse sentido, o desenvolvedor independente ganha acesso a uma rotina antes restrita a grandes produtoras. No setor em que atua Richard Lucas da Silva Miranda, o mercado brasileiro, formado por equipes enxutas, tende a se beneficiar dessa redução de barreiras. Mais testes antes da publicação significam lançamentos mais estáveis e maior chance de boas avaliações dos jogadores.
——————————————————————————–
Limites e riscos da automação na análise de qualidade
A confiança excessiva em agentes automáticos é um risco real. Eles encontram o que foram treinados para procurar e podem ignorar problemas fora do padrão esperado. É o caso de textos confusos, falhas de acessibilidade ou desconforto na jogabilidade. Esses pontos dependem de percepção humana.
Diante disso, equipes maduras combinam as duas abordagens. A máquina cobre o volume e a repetição, enquanto jogadores reais avaliam clareza, ritmo e emoção. Há ainda a questão dos dados. Simulações baseadas em poucos perfis de jogador reproduzem as limitações desse conjunto e podem favorecer um tipo de público.
Por fim, existe a necessidade de transparência. Quando um relatório automático aprova uma fase, a equipe precisa saber com base em quais critérios. Sem essa clareza, o resultado vira uma caixa-preta e as decisões perdem lastro.
——————————————————————————–
Para onde caminha o controle de qualidade nos jogos?
A tendência é que a inteligência artificial nos games se torne parte da rotina de qualquer produção. O mesmo já ocorreu com os motores gráficos e as ferramentas de versionamento. Testes automáticos, simulações de jogadores e análises de dificuldade devem ser vistos como etapas comuns do ciclo de desenvolvimento, e não como diferenciais.
A LT Studios, que desenvolve Estado Paralelo: Rise to Power, simulador de império do crime em primeira pessoa em produção para PC, pela Steam, utiliza a inteligência artificial como ferramenta de processo, na ideação, na busca de referências e na aceleração de atividades. A tecnologia não entra como arte final dentro do jogo, e na programação o uso é livre.
O desdobramento mais importante envolve a divisão de papéis. O valor dessa tecnologia depende das perguntas feitas aos sistemas. Depende também da capacidade da equipe de interpretar as respostas. Assim, a automação amplia o alcance do trabalho criativo, mas não define sozinha o que torna um jogo memorável. Esse papel segue com quem o projeta e com quem o joga.
A OESP não é(são) responsável(is) por erros, incorreções, atrasos ou quaisquer decisões tomadas por seus clientes com base nos Conteúdos ora disponibilizados, bem como tais Conteúdos não representam a opinião da OESP e são de inteira responsabilidade da Agência Saftec