Dmitry Kachmar, fundador de Playgama – Serie de entrevistas

Dmitry Kachmar es fundador de Playgama y aporta al sector de los juegos de navegador su experiencia en tecnología publicitaria y distribución digital. Antes de lanzar la empresa, pasó dieciséis años en Yandex, donde su trabajo en publicidad y en puestos de liderazgo comercial moldeó su enfoque para conectar productos con audiencias y crear modelos de monetización sostenibles. En Playgama, se centra en la infraestructura que necesitan los desarrolladores para probar juegos, llegar a los jugadores y aprender de cómo juegan realmente las personas.

Playgama ofrece herramientas de distribución, monetización y análisis para desarrolladores de juegos web, entre ellas su SDK de código abierto Bridge y servicios para portales de videojuegos y otras plataformas. Su AI Game Index registra las herramientas de IA que declaran usar los desarrolladores y las reacciones de los jugadores a los juegos creados con ellas. En esta entrevista, Kachmar habla de lo que revela el comportamiento de los jugadores sobre los juegos creados con IA, de los límites de las comparaciones entre modelos y de por qué la incorporación de usuarios, la retención, el descubrimiento y el criterio creativo son importantes a medida que producir juegos se vuelve más accesible.

Tu trayectoria abarca la tecnología publicitaria y los anuncios clasificados, sectores en los que la distribución y la monetización son fundamentales. ¿Qué oportunidad viste en los juegos de navegador que te llevó a fundar Playgama, y cómo influyó esa experiencia en el enfoque de la empresa para ayudar a los desarrolladores a llegar a los jugadores?

Pasé dieciséis años en una empresa llamada Yandex, uno de los pocos actores del mundo capaces de vencer a Google en un mercado local importante. Acabé dirigiendo el área de publicidad como director comercial y director ejecutivo, y gestionando más de 2.000 millones de dólares en ingresos publicitarios. A esa escala, aprendes una cosa: un buen producto sin distribución es invisible, y la distribución sin monetización es un pasatiempo.

Cuando me fijé en los juegos web, vi un mercado con una demanda real y una oferta real, pero prácticamente sin infraestructura funcional que las conectara. Es como un iceberg: lo que se ve es apenas una pequeña parte de lo que realmente hay. Cientos de millones de personas juegan a juegos de navegador cada mes, y miles de desarrolladores los crean. Sin embargo, tres aspectos del mercado estaban completamente rotos.

En primer lugar, la monetización. La mayoría de los juegos web mostraban anuncios con una configuración muy básica, así que los buenos juegos generaban mucho menos de lo que podrían. En segundo lugar, el descubrimiento. Los jugadores encontraban juegos en catálogos interminables y por casualidad, en vez de mediante algoritmos adaptados a sus gustos. Y, además, estaba la publicidad de los propios juegos: si tenías un buen juego de navegador, no había una forma adecuada de invertir en captar jugadores y comprobar si esa inversión daba frutos.

Así que empezamos por el dinero y el tráfico, no por el contenido. Creamos nuestra propia plataforma publicitaria para juegos web, la conectamos directamente con una gran demanda publicitaria y usamos los mismos datos para ver qué juegos retienen a los jugadores y merecen llegar a más personas. Para mí, son dos caras del mismo problema: un juego que genera buenos ingresos puede permitirse captar jugadores, y un juego que retiene a los jugadores genera buenos ingresos.

¿Qué han aprendido al observar a la gente jugar a juegos creados con IA que nunca habrían descubierto evaluando solo el código? ¿Podrías compartir algún juego que te haya sorprendido, para bien o para mal?

El código te dice si el juego funciona; los jugadores, si realmente es un juego. Los juegos creados con IA casi nunca fallan por el código. Fallan en los primeros 30 segundos, justo en ese intervalo en el que hay que enseñar las reglas sin perder la atención de los jugadores. El juego funciona y tiene buen aspecto, pero el jugador simplemente cierra la pestaña. No puedes verlo al revisar el código, porque el desarrollador ya sabe cómo jugar y, de entrada, tiene interés.

Hay otro ejemplo muy bueno: un desarrollador no podía ganar a su propio juego. El agente había elevado tanto la dificultad que ni siquiera el autor lograba ganar; solo se dio cuenta cuando vio que nadie superaba el nivel dos.

Tu AI Game Index distingue entre la amplitud del uso de una herramienta por parte de los desarrolladores y la reacción de los jugadores a los juegos creados con ella. ¿Qué explica la diferencia entre la adopción por parte de los desarrolladores y la satisfacción de los jugadores, y qué debería tener en cuenta un estudio pequeño al elegir sus herramientas?

Quiero ser prudente en este punto. Nuestro índice es un termómetro, no un juez. Muestra lo que está pasando, pero no explica por qué.

A finales de octubre de 2026, Claude Opus se utilizó para crear más de la mitad de los nuevos juegos de IA, mientras que los juegos creados con OpenAI recibieron más Me gusta por partida. Ambas cosas pueden ser ciertas al mismo tiempo.

Es una hipótesis, pero no tengo pruebas. Probablemente todo el mundo utiliza el modelo más popular, incluidas las personas que crean su primer juego, mientras que optar por un modelo menos popular es una decisión deliberada de creadores más motivados. Así que quizá estemos comparando a las personas, no a los modelos. Además, cuando un modelo crea la mitad de todos los juegos, sus patrones se vuelven reconocibles y los jugadores empiezan a buscar novedades.

El índice se basa en las etiquetas de modelo declaradas por los desarrolladores y en juegos que reciben distintas cantidades de tráfico. ¿Cómo distinguen la contribución del modelo de la habilidad del desarrollador, el género o el público que atrae un juego?

La verdad es que no los distinguimos por completo, y lo decimos en la página. Básicamente, solo filtramos el ruido evidente. Un juego cuenta cuando alcanza las 20 partidas, y un modelo no recibe una calificación hasta que se registran 15 juegos. Usamos la mediana de los juegos, no el promedio, para que un éxito viral no pueda elevar por sí solo toda una fila. Cada cifra lleva una fecha, y las filas pequeñas se señalan como tales.

La habilidad y el género siguen reflejándose en las cifras. Un modelo que atrae a desarrolladores experimentados tendrá mejores resultados. Un modelo popular para juegos arcade sencillos tendrá un aspecto distinto de uno utilizado para simuladores. Todavía no podemos eliminar este sesgo, así que no lo ocultamos. Más adelante queremos añadir desgloses por género y por experiencia de los desarrolladores. Hasta entonces, la mejor manera de interpretar el índice es observar cómo interactúan los jugadores reales con estos juegos.

¿En qué aspectos suelen fallar más como juegos los juegos creados con IA: los controles, la progresión de la dificultad, el diseño de niveles, la originalidad u otros? ¿Cuál de esas debilidades sigue requiriendo más intervención de un diseñador experimentado?

La incorporación y la dificultad son importantes. El jugador no entiende el objetivo durante los primeros segundos, o el juego es demasiado fácil o imposible. Los controles en móviles son el tercer problema, porque los agentes suelen crear juegos para jugar con ratón y olvidarse del pulgar.

La buena noticia es que estos problemas se ven en los datos. Si muchos jugadores abandonan en el tercer paso del tutorial, un agente puede detectarlo en la telemetría y simplificar ese paso. La dificultad se puede reajustar de la misma manera.

Lo que todavía requiere un diseñador experimentado es aquello que los datos no pueden decirte: de qué trata el juego y por qué debería existir. Los agentes son buenos para arreglar un juego. Todavía no son buenos para decidir qué juego vale la pena hacer. La originalidad, el criterio, la sensación de «esto no lo había visto antes»: todo eso sigue siendo trabajo humano.

Para un estudio pequeño, crear un prototipo jugable es solo un paso hacia la construcción de un negocio sostenible. ¿En qué aspectos está mejorando sustancialmente la IA la economía del desarrollo de juegos web, y qué costos siguen siendo obstinadamente difíciles de reducir?

La IA hizo que producir fuera casi gratis. Lo único que definitivamente no se abarató es la atención de los jugadores. Los jugadores reales, la atención de verdad y el buen criterio: nada de eso se abarató. El costo de poner un juego frente a personas que realmente quieren jugarlo es el mismo o incluso mayor, porque ahora hay muchos más juegos compitiendo por esa misma noche.

Así que la economía cambió. Antes, la parte cara era hacer el juego. Ahora, lo más caro es todo lo que viene después. Es probarlo con personas reales, distribuirlo, retener a los jugadores y monetizarlo. Un estudio pequeño debería invertir ahí el presupuesto que se ahorró en producción, no en hacer diez prototipos más.

A medida que generar y publicar juegos se vuelve más fácil, ¿cómo deberían las plataformas lograr que descubrir juegos siga siendo útil para los jugadores? ¿Qué criterios utiliza Playgama para decidir qué juegos merecen visibilidad, sobre todo cuando los títulos de aspecto cuidado pueden ofrecer muy poca profundidad?

Hay que tomar una decisión después de que la gente juegue, no antes. Hoy es muy fácil crear una presentación, un tráiler o capturas de pantalla atractivas. Diez minutos de juego real, no.

En nuestro entorno de pruebas, cada juego nuevo tiene una primera oportunidad justa de ponerse a prueba con jugadores reales. Después, lo que decide es el comportamiento: cuánto tiempo se quedan, si vuelven y si les gusta. Los juegos que consiguen retener a los jugadores se muestran a más personas, y los mejores pasan a nuestro catálogo principal y a plataformas externas. Aproximadamente uno de cada diez lo consigue.

Los juegos pulidos pero vacíos suelen quedarse atrás por sí solos. Consiguen clics, pero la gente se va rápido. Es mucho más difícil fingir el comportamiento de los jugadores que la apariencia. No creo que la solución sea un jurado o una etiqueta de «sin IA». A los jugadores no les importa cómo se hizo un juego. Les importa que sea bueno, y el tiempo que le dedican es la señal más sincera que tenemos.

¿Qué hace que un juego funcione dentro de una aplicación de mensajería, una red social u otra plataforma ajena al mundo de los videojuegos? ¿Cómo se diseña para ese público sin que el juego parezca una interrupción o una táctica de interacción desechable?

En una plataforma ajena al mundo de los videojuegos, el jugador no había entrado para jugar. Había entrado para chatear o ver videos. Así que el juego tiene que respetar eso.

Hay tres cosas que funcionan. Primero, empezar al instante: sin pantalla de carga ni un tutorial interminable; el juego se entiende en tres segundos. Segundo, sesiones cortas que puedan terminarse en cualquier momento sin perder el progreso, porque la persona volverá al chat. Tercero, un motivo para volver que se sienta como un hábito, no como una trampa: un rompecabezas diario, la puntuación de un amigo o una racha corta.

Lo que no funciona es tratar al jugador como si fuera tráfico. Si el juego existe únicamente para que alguien pase más tiempo dentro de la aplicación, la gente nota la desesperación.

Tu experiencia en tecnología publicitaria te permite observar de cerca la tensión entre los ingresos por publicidad y el disfrute de los jugadores. ¿Cómo deberían decidir los desarrolladores de juegos web cuándo vale la pena interrumpir con un anuncio, y qué métricas revelan que la monetización está perjudicando la retención a largo plazo?

La regla es bastante sencilla: los anuncios solo deberían aparecer durante una pausa natural y nunca en medio de la acción. Entre niveles, después de perder o cuando el jugador elige ver un video recompensado para obtener una bonificación. Los anuncios recompensados son el formato más saludable porque es el jugador quien decide.

Para detectar el daño, no te fijes solo en los ingresos por sesión. Observa los ingresos junto con la retención. Si añades una ubicación para un anuncio y los ingresos diarios aumentan, pero cae el retorno al día 1 y al día 7, estás perdiendo a los jugadores del futuro. Fíjate también en la duración de las sesiones y en cuándo abandona la gente: si muchas sesiones terminan justo después de un anuncio, ese anuncio es demasiado agresivo o está mal ubicado.

Los mejores equipos prueban los cambios en los anuncios como si fueran cambios en la jugabilidad: hacen un cambio, realizan una comparación limpia y revisan la retención al cabo de una semana, no solo los ingresos del día siguiente.

Si la IA hace que producir juegos competentes esté al alcance de todos, ¿de dónde obtendrá su ventaja competitiva un desarrollador independiente? ¿Qué recomendarías a un equipo pequeño que invirtiera hoy para crear un negocio que siga siendo distintivo a medida que mejoren las herramientas?

Cuando cualquiera puede crear un juego competente, la competencia deja de ser una ventaja. Hay tres cosas que siguen siendo humanas.

El criterio, porque lo que se aparta de lo preestablecido adquiere valor. Un estilo definido, una idea extraña, un juego que parece hecho por una persona.

La rapidez para aprender es importante. No la rapidez para crear —eso ya está al alcance de todos—, sino la rapidez para descubrir qué hiciste mal. Los equipos que ponen cada día una versión delante de jugadores reales y la modifican según lo que observan vencerán a los que pasan meses desarrollándola en silencio.

Y la relación con los jugadores: una comunidad, un nombre que la gente reconozca, un motivo para que prueben tu próximo juego.

Concéntrate primero en establecer ese ciclo. Tus herramientas cambiarán cada pocos meses, pero no tienes que aprender a usarlas todas. Escuchar a los jugadores es el único hábito que nunca queda obsoleto.

Gracias por la excelente entrevista. Los lectores que quieran saber más sobre la distribución de juegos web, la monetización y los juegos creados con IA pueden visitar Playgama.