Estúdios de jogos como serviço usam bots de IA para rodar testes de regressão, não para descobrir o que torna um jogo divertido

Jogos como serviço lançam atualizações de conteúdo semanalmente ou a cada duas semanas, e cada uma dessas atualizações precisa passar por testes de regressão contra todo o jogo existente antes de entrar no ar. Essa conta — velocidade de conteúdo constante multiplicada por uma superfície de teste legada que cresce — é o que vem empurrando os estúdios para bots de teste automatizado nos últimos dois anos, não uma ambição geral de substituir testadores humanos. O resultado é um pipeline de QA que está se bifurcando: as máquinas estão absorvendo o trabalho repetitivo de regressão, e os cortes de pessoal caem quase inteiramente nesse grupo.

O que os bots realmente fazem

As ferramentas de teste automatizado agora em uso de produção em estúdios médios e grandes se dividem em duas categorias amplas. A primeira são agentes roteirizados ou de aprendizado por reforço que jogam uma build do início ao fim, seguindo caminhos conhecidos ou explorando espaços de estado, sinalizando travamentos, bloqueios, colisões quebradas e quedas de taxa de quadros sem que um humano precise percorrer o mesmo nível pela quadragésima vez. Tanto a ferramenta Automated QA da Unity quanto a startup dinamarquesa Modl.ai vendem versões disso para estúdios que não querem construir internamente. A segunda categoria é o teste de regressão visual: comparação automatizada de capturas de tela contra uma referência conhecida como correta, detectando quebras de UI e HUD, pop-in de texturas e falhas de renderização que um patch de conteúdo introduziu sem que ninguém notasse até um jogador capturar a tela nas redes sociais.

Estúdios maiores construíram versões internas de ambos. Activision Blizzard e Epic falaram publicamente sobre o uso de suítes de regressão guiadas por bots para cobrir a parte de QA que é puramente mecânica — a build trava, o nível carrega, a nova arma registra acertos corretamente — executando durante a noite em centenas de configurações antes de um humano sequer tocar na build.

Por que isso corta pessoal em um lugar específico

O trabalho no qual os bots de teste de regressão são bons é exatamente o trabalho que costumava exigir o maior quadro de QA: executar a mesma suíte de testes contra cada build, cada plataforma, cada localização de idioma, repetidamente, para detectar as falhas mecânicas que a velocidade de conteúdo introduz. Isso é trabalho inerentemente repetitivo, que é exatamente o que o torna automatizável, e exatamente por que cortá-lo se traduz em uma redução real de pessoal em vez de uma história de produtividade que não muda o quadro de funcionários.

O que os bots não fazem bem, e o que os estúdios explicitamente não estão tentando automatizar, são os testes subjetivos e adversariais: se uma nova arma parece excessivamente poderosa, se uma mudança de matchmaking realmente melhora a qualidade das partidas, e — de forma crítica — encontrar o exploit que um jogador criativo vai descobrir na primeira semana, algo em que nenhum caminho de bot roteirizado jamais tropeçaria. Esse trabalho exige um tipo de pensamento adversarial e intuitivo sobre como um humano vai tentar quebrar o jogo, o que é uma habilidade genuinamente diferente de executar a mesma passagem de regressão mil vezes. Estúdios que adotaram testes de regressão automatizados relatam realocar, não eliminar, seu pessoal humano de QA restante precisamente para esse trabalho de equilíbrio e caça a exploits.

A nuance que se perde nas manchetes «a IA está substituindo o QA»

Esta é uma história diferente do recuo do modelo de negócios de jogos como serviço amplamente coberto este ano, em que estúdios de médio porte se retiraram completamente dos jogos como serviço porque a economia de sustentá-los não funcionava. Isto trata especificamente do pipeline de testes para estúdios que ainda operam jogos como serviço e precisam entregar conteúdo em uma cadência fixa sem que a conta de testes de regressão cresça linearmente com cada novo recurso que adicionam. A redução de pessoal é real, mas está concentrada em funções que já eram a parte mais mecânica e menos diferenciada do QA — o tipo de trabalho que, pode-se argumentar, sempre foi candidato à automação uma vez que as ferramentas maturassem o suficiente para serem confiáveis.

Como um estúdio menor deveria realmente adotar isso

Se você administra um título de jogo como serviço e está considerando testes automatizados, o sequenciamento importa mais do que a escolha da ferramenta. Comece com bots de teste de fumaça que detectam travamentos que quebram a build e falhas de carregamento antes que um patch diário ou semanal seja lançado — essa é a automação de maior valor e menor risco, porque uma falha ali bloqueia o lançamento completamente. Adicione em seguida a comparação de regressão visual, especificamente em torno de mudanças de UI e HUD, já que são verificações de alta frequência e baixa complexidade que os bots lidam de forma confiável. Mantenha seus testadores humanos concentrados em testes de equilíbrio e caça a exploits durante todo o processo — não tente automatizar isso primeiro, porque as ferramentas para testes subjetivos e adversariais estão longe de ser tão maduras quanto a automação de regressão, e tratar isso como resolvido deixará problemas reais de equilíbrio e segurança chegarem aos jogadores.

Os testes de localização merecem menção separada porque ficam entre as duas categorias. Verificar se o texto traduzido não vaza de uma caixa de UI, se layouts da direita para a esquerda são renderizados corretamente, e se um patch não removeu silenciosamente um arquivo de idioma são todas verificações mecânicas que um bot pode executar em cada idioma suportado em cada build — trabalho que antes consumia horas de QA desproporcionadas precisamente porque escalava tanto com o volume de conteúdo quanto com o número de idiomas ao mesmo tempo. Isso o torna um dos melhores alvos de automação antecipada para um estúdio menor com orçamento de QA limitado, já que libera os testadores humanos da parte mais tediosa do teste de localização, deixando a decisão mais difícil — se uma tradução realmente soa natural para um falante nativo — com as pessoas, onde ela pertence.