Dmitry Kachmar, grundlægger af Playgama – interviewserie

Dmitry Kachmar er grundlægger af Playgama og bringer sin erfaring med annonceteknologi og digital distribution ind i browsergaming. Før han grundlagde virksomheden, arbejdede han 16 år hos Yandex, hvor hans arbejde med annoncering og kommerciel ledelse prægede hans tilgang til at forbinde produkter med målgrupper og skabe bæredygtig indtjening. Hos Playgama fokuserer han på den infrastruktur, udviklere har brug for til at teste spil, nå ud til spillere og lære af, hvordan folk faktisk spiller.

Playgama leverer værktøjer til distribution, indtjening og analyse for udviklere af webspil, herunder deres open source Bridge SDK og tjenester til spilportaler og andre platforme. Deres AI Game Index følger både de AI-værktøjer, udviklerne oplyser, at de bruger, og spillernes reaktioner på de spil, der er udviklet med værktøjerne. I dette interview taler Kachmar om, hvad spilleradfærd afslører om AI-skabte spil, begrænsningerne ved sammenligninger af modeller, og hvorfor introduktion, fastholdelse, synlighed og kreativ dømmekraft er vigtige, efterhånden som spilproduktion bliver mere tilgængelig.

Din baggrund spænder over annonceteknologi og rubrikannoncer, brancher, hvor distribution og indtjening er afgørende. Hvilken mulighed så du inden for browsergaming, som fik dig til at grundlægge Playgama, og hvordan prægede den erfaring virksomhedens tilgang til at hjælpe udviklere med at nå ud til spillere?

Jeg arbejdede 16 år hos en virksomhed ved navn Yandex, en af de få aktører på verdensplan, der kunne slå Google på et større lokalt marked. Jeg endte med at stå i spidsen for annonceringen som kommerciel direktør og administrerende direktør og havde ansvaret for annonceindtægter på over 2 milliarder dollar. På det niveau lærer man én ting: Et godt produkt uden distribution er usynligt, og distribution uden indtjening er en hobby.

Da jeg så nærmere på webspil, så jeg et marked med reel efterspørgsel og et reelt udbud, men næsten ingen fungerende infrastruktur imellem dem. Det er som et isbjerg: Det synlige er kun en lille del af det, der faktisk findes. Hundredvis af millioner mennesker spiller browserbaserede spil hver måned, og tusindvis af udviklere laver dem. Alligevel var tre dele af markedet helt i stykker.

For det første indtjeningen. De fleste webspil viste annoncer med en meget enkel opsætning, så gode spil tjente langt mindre, end de kunne have gjort. For det andet synligheden. Spillerne fandt spil gennem endeløse kataloger og ved rent held i stedet for via algoritmer, der var tilpasset deres interesser. Og så var der annonceringen af selve spillene: Hvis man havde et godt browserspil, fandtes der ingen ordentlig måde at købe spillere til det på og se, om investeringen tjente sig hjem.

Derfor begyndte vi med pengene og trafikken, ikke med indholdet. Vi byggede vores egen annonceplatform til webspil, koblede den direkte til en stor efterspørgsel og brugte de samme data til at se, hvilke spil der fastholder spillerne og fortjener at nå ud til flere. For mig er det to sider af samme problem: Et spil, der tjener godt, har råd til at købe spillere, og et spil, der fastholder spillerne, tjener godt.

Hvad har du lært af at se folk spille AI-skabte spil, som du aldrig ville have opdaget ved kun at vurdere koden? Kan du nævne et spil, der overraskede dig positivt eller negativt?

Koden fortæller dig, om spillet kører, og spillerne fortæller dig, om det er et spil. AI-skabte spil fejler næsten aldrig på grund af koden. De fejler i løbet af de første 30 sekunder, netop i det tidsrum, hvor man skal lære spillerne reglerne uden at miste deres opmærksomhed. Spillet fungerer og ser godt ud, men spilleren lukker bare fanen. Det kan man ikke se ved en kodegennemgang, for udvikleren ved allerede, hvordan man spiller, og er fra starten engageret.

Et andet godt eksempel er en udvikler, der ikke kunne vinde sit eget spil. Agenten gjorde sværhedsgraden så høj, at selv ophavsmanden tabte hver gang. Han opdagede det først, da han så, at ingen kom forbi niveau to.

Dit AI Game Index skelner mellem, hvor udbredt udviklerne bruger et værktøj, og hvordan spillerne reagerer på de spil, der skabes med det. Hvad forklarer forskellen mellem udviklernes brug af værktøjet og spillernes tilfredshed, og hvad bør et lille studie tage med i sine overvejelser, når det vælger værktøjer?

Jeg vil gerne være forsigtig med, hvad jeg konkluderer her. Vores indeks er et termometer, ikke en dommer. Det viser, hvad der sker, men forklarer ikke hvorfor.

I slutningen af oktober 2026 stod Claude Opus bag mere end halvdelen af alle nye AI-spil, mens OpenAI-spil fik flere likes pr. spilafspilning. Begge dele kan godt være sande på samme tid.

Det er et gæt, og jeg har ingen beviser. Den mest populære model bruges sandsynligvis af alle, også folk, der laver deres allerførste spil, mens en mindre populær model er et bevidst valg blandt mere motiverede skabere. Så måske sammenligner vi mennesker og ikke modeller. Når én model desuden står bag halvdelen af alle spil, bliver dens mønstre genkendelige, og spillerne begynder at hungre efter noget nyt.

Indekset bygger på modelbetegnelser, som udviklerne selv oplyser, og på spil, der får forskellige mængder trafik. Hvordan skelner I mellem modellens bidrag og udviklerens færdigheder, genren eller den målgruppe, spillet tiltrækker?

Helt ærligt skelner vi ikke fuldstændigt mellem dem, og det skriver vi også på siden. Vi filtrerer grundlæggende kun den åbenlyse støj fra. Et spil tæller først, når det når op på 20 spilafspilninger, og en model får først en vurdering, når der er registreret 15 spil. Vi bruger medianen for spillene, ikke gennemsnittet, så ét viralt hit ikke kan trække en hel række op. Alle tal er dateret, og små rækker er markeret som små.

Færdigheder og genre afspejles stadig i tallene. En model, der tiltrækker erfarne udviklere, vil klare sig bedre. En model, der er populær til simple arkadespil, vil se anderledes ud end en, der bruges til simulatorer. Det kan vi ikke fjerne endnu, så vi skjuler det ikke. Senere vil vi gerne tilføje opdelinger efter genre og udviklererfaring. Indtil da er den bedste måde at læse indekset på at se, hvordan rigtige spillere interagerer med spillene.

Hvor går AI-byggede spil oftest galt som spil: styringen, sværhedsgraden, banedesignet, originaliteten eller noget andet? Hvilken af disse svagheder kræver stadig mest indgriben fra en erfaren spildesigner?

Introduktionen og sværhedsgraden er vigtige. Spilleren forstår ikke målet i løbet af de første sekunder, eller også er spillet enten for let eller umuligt. Styringen på mobilen er den tredje udfordring, fordi agenter ofte bygger til mus og glemmer tommelfingeren.

Den gode nyhed er, at problemerne kan ses i dataene. Hvis mange spillere stopper ved det tredje trin i vejledningen, kan en agent se det i telemetridataene og forenkle trinnet. Sværhedsgraden kan justeres på samme måde.

Det, der stadig kræver en erfaren spildesigner, er det, dataene ikke kan fortælle: Hvad handler spillet om, og hvorfor bør det findes? Agenter er gode til at rette et spil. De er endnu ikke gode til at afgøre, hvilket spil det er værd at lave. Originalitet, sans for kvalitet og følelsen af »Det her har jeg ikke set før« er stadig menneskearbejde.

For et lille studie er det kun ét skridt på vejen mod en bæredygtig forretning at fremstille en spilbar prototype. Hvor forbedrer AI økonomien i udviklingen af webspil mærkbart, og hvilke omkostninger er fortsat særligt svære at reducere?

AI har gjort produktionen næsten gratis. Det eneste, der helt sikkert ikke er blevet billigere, er spillernes opmærksomhed. Rigtige spillere, ægte opmærksomhed og god smag – intet af det er blevet billigere. Det koster det samme eller endda mere at præsentere et spil for folk, der faktisk gerne vil spille det, fordi der nu er mange flere spil, der konkurrerer om den samme aften.

Så økonomien har ændret sig. Før var det dyreste at lave spillet. Nu er alt det, der kommer bagefter, dyrest. Det handler om at teste på rigtige mennesker, distribution, fastholdelse og indtjening. Et lille studie bør bruge det sparede produktionsbudget på de ting, ikke på at lave ti prototyper mere.

Hvordan bør platforme sikre, at spillerne stadig kan finde relevant indhold, efterhånden som det bliver lettere at generere og udgive spil? Hvilke kriterier bruger Playgama til at afgøre, hvilke spil der fortjener synlighed, især når titler, der ser polerede ud, måske ikke byder på ret meget dybde?

Man bør først træffe en beslutning, når folk har prøvet spillet, ikke før. Det er meget nemt at lave en salgstale, en trailer eller flotte skærmbilleder nu om dage. Ti minutters faktisk spilletid er ikke.

I vores sandkasse får hvert nyt spil en fair første test med rigtige spillere. Derefter afgør deres adfærd det: Hvor længe bliver de? Kommer de tilbage? Kan de lide spillet? Spil, der fastholder spillerne, bliver vist til flere, og de bedste af dem kommer med i vores hovedkatalog og på eksterne platforme. Cirka hvert tiende spil klarer det.

Polerede, men indholdsløse spil klarer sig som regel dårligt her helt af sig selv. De får et godt klik, men folk forlader dem hurtigt. Adfærd er langt sværere at forfalske end udseende. Jeg tror ikke, løsningen er en jury eller et mærkat med teksten »ingen AI«. Spillerne er ligeglade med, hvordan et spil er lavet. De går op i, om det er godt, og deres tid er det mest ærlige signal, vi har.

Hvad skal der til, for at et spil fungerer i en beskedapp, på et socialt netværk eller på en anden platform, der ikke er en spilplatform? Hvordan designer man til den målgruppe uden at få spillet til at føles som en afbrydelse eller et engangstrick til at skabe engagement?

På en platform, der ikke er en spilplatform, er spilleren ikke kommet for at spille. Han er kommet for at chatte eller se videoer. Derfor skal spillet tage hensyn til det.

Tre ting fungerer. For det første: Spillet skal starte med det samme – ingen indlæsningsskærm, ingen lang introduktion, og det skal være forståeligt på tre sekunder. For det andet: Korte spilsessioner, der kan afsluttes når som helst uden at miste fremskridt, fordi personen bliver trukket tilbage til chatten. For det tredje: En grund til at vende tilbage, der føles som en vane, ikke en fælde – en daglig gåde, en vens pointtal eller en kort sejrsrække.

Det fungerer ikke at behandle spilleren som trafik. Hvis spillet kun findes for at holde nogen længere tid i appen, kan folk lugte desperationen.

Din erfaring med annoncebranchen giver dig et indgående blik på spændingen mellem annonceindtægter og spilleroplevelsen. Hvordan bør udviklere af webspil afgøre, hvornår en annonceplacering er afbrydelsen værd, og hvilke målinger viser, at indtjeningen skader fastholdelsen på længere sigt?

Reglen er ret enkel: Annoncer bør kun vises i naturlige pauser og aldrig midt i handlingen. Mellem baner, efter et nederlag eller når spilleren vælger at se en belønningsvideo for at få en bonus. Belønningsannoncer er det mest skånsomme format, fordi spilleren selv vælger.

Hvis du vil se, om annoncer gør skade, skal du ikke kun se på indtægten pr. session. Se på indtægten sammen med fastholdelsen. Hvis du tilføjer en annonceplacering, og indtægten pr. dag stiger, men færre vender tilbage på dag 1 og dag 7, går det ud over dine fremtidige spillere. Hold også øje med sessionslængden og med, hvornår folk stopper: Hvis mange sessioner slutter lige efter en annonce, er den for påtrængende eller placeret forkert.

De bedste teams tester ændringer i annonceringen på samme måde som ændringer i gameplay: én ændring ad gangen, en fair sammenligning og et blik på spillerfastholdelsen efter en uge – ikke kun på indtægterne dagen efter.

Hvis AI gør kompetent spiludvikling bredt tilgængelig, hvorfra skal en uafhængig udvikler så hente sin konkurrencefordel? Hvad vil du råde et lille team til at investere i i dag for at opbygge en forretning, der bliver ved med at skille sig ud, efterhånden som værktøjerne bliver bedre?

Når alle kan lave et kompetent spil, er kompetence ikke længere en fordel. Tre ting forbliver menneskelige.

Smag, fordi det, der adskiller sig fra standarden, bliver værdifuldt. En tydelig stil, en sær idé, et spil, der føles, som om et menneske har skabt det.

Det er vigtigt at lære hurtigt. Ikke at skabe hurtigt – det kan alle nu – men hurtigt at finde ud af, hvad man gjorde forkert. Teams, der hver dag lader rigtige spillere prøve en version og ændrer den ud fra det, de ser, vil klare sig bedre end teams, der udvikler i månedsvis i stilhed.

Og et forhold til spillerne. Et fællesskab, et navn, folk genkender, og en grund til, at de skal prøve jeres næste spil.

Fokuser først på at få feedbacksløjfen på plads. Værktøjerne ændrer sig med få måneders mellemrum, men du behøver ikke lære dem alle at kende. At lytte til spillerne er den ene vane, der aldrig bliver forældet.

Tak for et godt interview. Læsere, der gerne vil vide mere om distribution af webspil, indtægtsgenerering og AI-skabte spil, kan besøge Playgama.