Bayangkan bertemu pedagang dalam RPG yang masih mengingat bahwa Anda pernah mencuri barangnya beberapa hari sebelumnya.
Ia bukan hanya mengulang dialog yang sudah ditulis, tetapi mengubah harga, nada bicara, bahkan menolak membantu berdasarkan pengalaman tersebut.
Konsep seperti ini mulai lebih realistis dengan berkembangnya generative AI dan sistem agent. Namun, Strategi Menggunakan AI untuk Menciptakan NPC yang menarik tidak cukup dengan menghubungkan chatbot ke karakter game.
Developer tetap membutuhkan memori, aturan dunia, tujuan karakter, sistem tindakan, dan guardrail agar NPC terasa hidup tanpa merusak cerita.
Pisahkan “Berbicara” dan “Bertindak”
Salah satu kesalahan paling mudah dilakukan adalah menganggap NPC pintar cukup dengan kemampuan menghasilkan dialog dinamis.
Padahal karakter game juga harus bertindak.
Jika pemain mengatakan, “Ikuti saya ke kastel,” NPC harus memahami permintaan, menentukan apakah permintaan sesuai tujuan karakter, mencari rute, bergerak, dan bereaksi terhadap kejadian selama perjalanan.
Karena itu, generative AI sebaiknya tidak berdiri sendiri.
NVIDIA ACE, misalnya, mengembangkan teknologi untuk karakter dalam game yang mencakup speech, intelligence, animation, serta kemampuan model untuk terhubung dengan tindakan dalam dunia game.
NVIDIA juga menyediakan Game Agent SDK untuk menghubungkan agent dengan game state, contextual knowledge, dan model-driven actions.
Arsitektur yang sehat memisahkan kemampuan percakapan dari sistem gameplay yang mengontrol tindakan nyata.
Berikan NPC Identitas yang Konsisten
Model bahasa dapat menghasilkan banyak jenis respons, tetapi tanpa batasan karakter NPC dapat terasa tidak konsisten.
Seorang ksatria pendiam bisa tiba-tiba bercanda seperti komedian. Pedagang abad pertengahan mungkin membicarakan teknologi modern. Karakter yang seharusnya membenci pemain dapat mendadak bersikap ramah.
Karena itu, setiap NPC membutuhkan character profile.
Profil dapat berisi kepribadian, tujuan hidup, pekerjaan, hubungan sosial, pengetahuan yang boleh diketahui, gaya bicara, ketakutan, moralitas, serta informasi yang dilarang dibicarakan.
NPC kemudian membuat respons dalam batas identitas tersebut.
Teknologi generative AI untuk karakter juga dapat menggunakan fine-tuning, retrieval augmented generation, dan guardrails untuk menjaga jawaban tetap kontekstual dan sesuai domain. NVIDIA secara eksplisit menempatkan pendekatan tersebut sebagai bagian dari sistem ACE.
Dengan begitu, improvisasi tetap ada tanpa menghilangkan identitas karakter.
Bangun Sistem Memori yang Selektif
NPC yang benar-benar mengingat semua kejadian justru tidak selalu praktis.
Bayangkan NPC menyimpan setiap kalimat dari ratusan jam gameplay. Data akan terus membesar dan retrieval menjadi semakin rumit.
Lebih baik buat memori yang selektif.
NPC dapat menyimpan kejadian penting seperti pemain pernah menyelamatkannya, mencuri barang, menyelesaikan quest, menghina anggota keluarga, atau berjanji melakukan sesuatu.
Studi Generative Agents: Interactive Simulacra of Human Behavior menunjukkan pendekatan di mana agent menyimpan pengalaman, membuat refleksi tingkat tinggi dari pengalaman tersebut, kemudian mengambil kembali memori yang relevan ketika merencanakan tindakan.
Dalam eksperimen itu, komponen observation, planning, dan reflection sama-sama berkontribusi terhadap perilaku agent yang lebih believable.
Konsep seperti ini relevan untuk desain NPC meski implementasinya tidak harus sama.
Berikan Bobot pada Memori
Tidak semua kejadian memiliki nilai yang sama.
Percakapan singkat di toko mungkin cepat dilupakan. Pengkhianatan dalam quest besar seharusnya bertahan jauh lebih lama.
Beri skor berdasarkan importance, recency, dan relevance sehingga NPC mengambil memori yang tepat saat berinterkasi dengan pemain.
Hubungkan Memori dengan Relationship System
Memori akan lebih berguna jika memengaruhi state gameplay.
Misalnya, NPC memiliki nilai trust, respect, fear, dan hostility.
Jika pemain menyelamatkannya dari serangan, trust meningkat. Jika pemain mencuri, trust turun dan hostility naik.
Generative AI dapat membaca nilai tersebut ketika membuat dialog, tetapi angka relationship tetap dikendalikan game system.
Pendekatan hybrid ini memberikan dua keuntungan.
Percakapan bisa terasa fleksibel, sementara logic gameplay tetap deterministic dan dapat diuji.
Developer juga menghindari situasi ketika model bahasa tiba-tiba memutuskan seorang musuh menjadi sahabat hanya karena percakapan tertentu.
Biarkan NPC Membuat Rencana Sederhana
NPC yang hidup tidak seharusnya hanya menunggu pemain datang.
Berikan goal.
Pedagang ingin memperoleh keuntungan. Penjaga ingin mempertahankan keamanan kota. Petani ingin bekerja pada pagi hari dan pulang sebelum malam. Pencuri mencari target dengan risiko rendah.
Agent dapat menentukan tindakan berdasarkan kebutuhan tersebut.
Riset Generative Agents menunjukkan bahwa agent berbasis language model dapat menggunakan observasi, memori, refleksi, dan planning untuk menghasilkan rutinitas serta interaksi sosial yang muncul secara dinamis.
Dalam sandbox eksperimen mereka, 25 agent dapat membentuk aktivitas dan hubungan berdasarkan informasi yang tersebar melalui interaksi.
Untuk game komersial, developer tidak perlu memberikan kebebasan sebesar itu.
Gunakan bounded autonomy: NPC boleh membuat pilihan, tetapi hanya dari action space yang memang aman bagi sistem game.
Kombinasikan Generative AI dengan Behavior Tree
Generative AI tidak harus menggantikan AI tradisional.
Justru kombinasi keduanya sering lebih mudah dikontrol.
Behavior Tree bisa menangani tugas kritis seperti combat, navigation, quest state, dan interaction rules. Model generatif digunakan untuk dialogue, planning tingkat tinggi, atau pemilihan tujuan.
Unreal Engine mendeskripsikan Behavior Tree sebagai sistem yang menjalankan cabang logic berdasarkan informasi yang tersimpan di Blackboard.
Contohnya, LLM memutuskan bahwa NPC ingin mencari pemain untuk menagih utang.
Setelah tujuan tersebut dipilih, Behavior Tree menangani navigasi, mencari pemain, mengecek apakah pemain sedang bertarung, mendekati pada jarak aman, lalu memulai dialog.
Dengan pendekatan ini, kreativitas AI berada di lapisan atas sementara mekanisme penting tetap dapat diprediksi.
Pertimbangkan Latency dan Biaya Inferensi
Generative NPC membawa masalah teknis baru.
Jika setiap NPC mengirim request ke model cloud setiap frame, biaya dan latency akan menjadi tidak masuk akal.
AI generatif sebaiknya dipanggil berdasarkan event tertentu.
Misalnya saat memulai percakapan, menentukan rencana baru, melakukan refleksi setelah quest besar, atau merespons perubahan kondisi penting.
Untuk respons cepat, model kecil yang berjalan lokal juga menjadi pilihan menarik.
NVIDIA ACE saat ini menawarkan model AI untuk game yang dapat berjalan on-device dan menekankan inference dengan latency rendah serta memory footprint yang lebih kecil.
Gunakan AI mahal hanya pada keputusan yang benar-benar membutuhkan reasoning atau generation.
Perilaku sederhana seperti berjalan ke meja tidak membutuhkan LLM.
Jangan Biarkan NPC Merusak Quest
NPC yang terlalu bebas dapat menciptakan masalah naratif.
Bayangkan karakter utama membocorkan identitas villain sebelum pemain menyelesaikan quest, atau memberi tahu lokasi item yang seharusnya masih rahasia.
Karena itu, pengetahuan NPC harus mengikuti state dunia.
Buat knowledge database yang mengatur informasi apa yang diketahui setiap karakter dan kapan informasi tersebut tersedia.
Quest-critical dialogue juga bisa memakai kombinasi scripted response dan generative variation.
Dengan sistem ini, fakta penting tetap konsisten, tetapi cara penyampaiannya dapat berubah berdasarkan hubungan dan konteks.
Guardrail juga diperlukan agar NPC tidak menghasilkan konten yang tidak sesuai rating game atau dunia cerita.
Kebebasan AI tetap harus berada di bawah kendali creative direction.
Uji Adaptasi dengan Skenario Ekstrem
NPC generatif sulit diuji hanya dengan satu playthrough.
Pemain akan bertanya hal yang tidak pernah diprediksi developer.
Buat automated test yang memberikan ratusan atau ribuan variasi input.
Periksa apakah NPC membocorkan informasi, melupakan identitas, melakukan aksi terlarang, atau menghasilkan respons kontradiktif.
Uji juga konsitensi memori.
Jika pemain sudah menyelesaikan quest dan NPC menyebut seolah quest belum terjadi, immersion langsung rusak.
Telemetry dapat mencatat percakapan yang gagal, response latency, fallback frequency, action rejection, dan penggunaan token atau compute.
Dengan data tersebut, developer dapat memperbaiki sistem berdasarkan pola nyata, bukan sekadar demo terbaik.
Strategi Menggunakan AI untuk Menciptakan NPC yang terasa hidup membutuhkan lebih dari dialog generatif.
Gabungkan identitas karakter, memori selektif, relationship system, planning, Behavior Tree, dan guardrail dalam satu arsitektur.
Berikan AI kebebasan pada area yang tepat, tetapi pertahankan kontrol atas fakta serta gameplay penting. Mulailah dengan satu NPC kecil sebelum memperluas sistem ke seluruh dunia game.