Dmitry Kachmar, oprichter van Playgama – interviewreeks

Dmitry Kachmar is oprichter van Playgama. Hij brengt ervaring mee op het gebied van advertentietechnologie en digitale distributie naar de wereld van browsergames. Voordat hij het bedrijf oprichtte, werkte hij zestien jaar bij Yandex. Zijn werk in de reclame en zijn commerciële leiderschapsrollen vormden zijn aanpak voor het verbinden van producten met doelgroepen en het opbouwen van duurzame inkomstenmodellen. Bij Playgama richt hij zich op de infrastructuur die ontwikkelaars nodig hebben om games te testen, spelers te bereiken en te leren van hoe mensen daadwerkelijk spelen.

Playgama biedt distributie-, monetisatie- en analysetools voor ontwikkelaars van webgames, waaronder de opensource-Bridge SDK en diensten voor gameportals en andere platforms. De AI Game Index houdt bij welke AI-tools ontwikkelaars zeggen te gebruiken en hoe spelers reageren op de games die ermee zijn gemaakt. In dit interview bespreekt Kachmar wat het gedrag van spelers onthult over games die met AI zijn gemaakt, wat de beperkingen zijn van modelvergelijkingen en waarom onboarding, spelersbehoud, ontdekking en creatief inzicht belangrijk zijn nu gameproductie toegankelijker wordt.

Uw achtergrond omvat advertentietechnologie en rubrieksadvertenties, sectoren waarin distributie en monetisatie cruciaal zijn. Welke kans zag u in browsergames die u ertoe bracht Playgama op te richten, en hoe heeft die ervaring de aanpak van het bedrijf gevormd om ontwikkelaars te helpen spelers te bereiken?

Ik heb zestien jaar gewerkt bij een bedrijf dat Yandex heet, een van de weinige spelers ter wereld die Google op een grote lokale markt kan verslaan. Uiteindelijk gaf ik als commercieel directeur en CEO leiding aan de advertentietak en beheerde ik meer dan 2 miljard dollar aan advertentie-inkomsten. Op die schaal leer je één ding: zonder distributie is een goed product onzichtbaar, en distributie zonder monetisatie is een hobby.

Toen ik naar webgames keek, zag ik een markt met een echte vraag en een echt aanbod, maar met vrijwel geen functionerende infrastructuur daartussen. Het is als een ijsberg: wat zichtbaar is, vormt slechts een klein deel van wat er werkelijk is. Elke maand spelen honderden miljoenen mensen browsergames en maken duizenden ontwikkelaars zulke games. Toch waren drie onderdelen ervan volledig stuk.

Ten eerste: monetisatie. De meeste webgames vertoonden advertenties met een zeer eenvoudige opzet, waardoor goede games veel minder opleverden dan ze hadden kunnen doen. Ten tweede: ontdekking. Spelers vonden games via eindeloze catalogi en met een beetje geluk, in plaats van via algoritmen die op hun voorkeuren waren afgestemd. En dan was er nog de promotie van de games zelf: als je een goede browsergame had, bestond er geen gebruikelijke manier om spelers ervoor te werven en te zien of die investering zich terugverdiende.

Daarom begonnen we bij het geld en het verkeer, niet bij de content. We bouwden onze eigen advertentietechnologie voor webgames, koppelden die rechtstreeks aan grote adverteerders en gebruikten dezelfde gegevens om te zien welke games spelers vasthouden en meer spelers verdienen. Voor mij zijn dit twee kanten van hetzelfde probleem: een game die goed verdient, kan het zich veroorloven spelers te werven, en een game die spelers weet vast te houden, verdient goed.

Wat hebt u geleerd door mensen games te zien spelen die met AI zijn gemaakt, wat u nooit had ontdekt door alleen de code te beoordelen? Kunt u een game noemen die u verraste, positief of negatief?

Aan de code zie je of de game werkt; aan de spelers zie je of het een game is. Games die met AI zijn gemaakt, schieten bijna nooit tekort op het gebied van code. Ze falen in de eerste 30 seconden, precies in dat moment waarop je de regels moet uitleggen zonder de aandacht van spelers te verliezen. De game werkt en ziet er goed uit, maar de speler sluit gewoon het tabblad. Dat zie je niet bij een codebeoordeling, omdat de ontwikkelaar al weet hoe je de game speelt en er vanzelf al in geïnteresseerd is.

Er is nog een mooi voorbeeld van een ontwikkelaar die zijn eigen game niet kon winnen. De agent had de moeilijkheidsgraad zo hoog ingesteld dat zelfs de maker telkens verloor. Hij merkte dat pas toen hij zag dat niemand verder kwam dan level twee.

Uw AI Game Index maakt onderscheid tussen hoe vaak ontwikkelaars een tool gebruiken en hoe spelers reageren op de games die ermee zijn gemaakt. Waardoor ontstaat het verschil tussen de acceptatie door ontwikkelaars en de tevredenheid van spelers, en wat kan een kleine studio hiervan leren bij het kiezen van tools?

Ik wil hier voorzichtig mee zijn. Onze index is een thermometer, geen scheidsrechter. Hij laat zien wat er gebeurt, maar legt niet uit waarom.

Eind oktober 2026 zat Claude Opus achter meer dan de helft van alle nieuwe AI-games, terwijl games van OpenAI per speelsessie meer likes kregen. Twee dingen kunnen tegelijkertijd waar zijn.

Ik vermoed het, maar ik kan het niet bewijzen. Waarschijnlijk wordt het populairste model door iedereen gebruikt, ook door mensen die voor het eerst een game maken, terwijl makers die voor een minder populair model kiezen daar bewuster voor gaan en meer gemotiveerd zijn. Misschien vergelijken we dus mensen in plaats van modellen. Bovendien worden de patronen herkenbaar wanneer één model de helft van alle games maakt, en krijgen spelers behoefte aan iets nieuws.

De index is gebaseerd op modelnamen die ontwikkelaars zelf opgeven, terwijl games uiteenlopende hoeveelheden verkeer krijgen. Hoe maakt u onderscheid tussen de bijdrage van een model en de vaardigheden van de ontwikkelaar, het genre of het publiek dat een game aantrekt?

Eerlijk gezegd maken we dat onderscheid niet volledig, en dat vermelden we op de pagina. We filteren in feite alleen de duidelijke ruis eruit. Een game telt pas mee als die 20 keer is gespeeld, en een model krijgt pas een beoordeling nadat er 15 games voor zijn geregistreerd. We gebruiken de mediaan van de games, niet het gemiddelde, zodat één virale hit niet een hele rij kan vertekenen. Bij elk getal staat een datum, en kleine rijen worden als klein aangeduid.

Vaardigheid en genre zijn nog steeds in de cijfers verdisconteerd. Een model dat ervaren ontwikkelaars aantrekt, zal er beter uitzien. Een model dat populair is voor eenvoudige arcadespellen, zal er anders uitzien dan een model dat voor simulators wordt gebruikt. We kunnen dit nog niet weghalen, dus verbergen we het ook niet. Later willen we uitsplitsingen toevoegen naar genre en ervaring van ontwikkelaars. Tot die tijd kun je de index het beste lezen door te kijken hoe echte spelers met deze games omgaan.

Waar schieten games die met AI zijn gemaakt het vaakst tekort: in de besturing, de opbouw van de moeilijkheidsgraad, het levelontwerp, de originaliteit of iets anders? Voor welke van die zwakke punten is nog steeds de meeste tussenkomst van een ervaren ontwerper nodig?

De introductie en de moeilijkheidsgraad zijn belangrijk. De speler begrijpt de bedoeling niet in de eerste seconden, of de game is te makkelijk of onmogelijk. De besturing op mobiel is het derde punt, omdat agents vaak voor een muis ontwikkelen en een duim vergeten.

Het goede nieuws is dat deze problemen zichtbaar zijn in de data. Als veel spelers afhaken bij de derde stap van de tutorial, kan een agent dat zien in de telemetrie en die stap vereenvoudigen. De moeilijkheidsgraad kan op dezelfde manier opnieuw worden afgesteld.

Wat nog steeds de expertise van een ervaren ontwerper vereist, is iets wat data je niet kan vertellen: waar de game over gaat en waarom die er zou moeten zijn. Agents zijn goed in het verbeteren van een game. Ze zijn er nog niet goed in om te bepalen welke game het waard is om te maken. Originaliteit, smaak, het gevoel van ‘dit heb ik nog nooit eerder gezien’ — dat blijft mensenwerk.

Een speelbaar prototype maken is voor een kleine studio maar één stap op weg naar een duurzaam bedrijf. Waar verbetert AI de bedrijfseconomie van de ontwikkeling van webgames daadwerkelijk, en welke kosten blijven hardnekkig moeilijk te verlagen?

Dankzij AI kost productie bijna niets meer. Het enige wat zeker niet goedkoper is geworden, is de aandacht van spelers. Echte spelers, oprechte aandacht en goede smaak zijn allemaal niet goedkoper geworden. Het kost evenveel of zelfs meer om een game onder de aandacht te brengen van mensen die hem echt willen spelen, omdat er nu veel meer games zijn die om dezelfde avond concurreren.

De economische verhoudingen zijn dus veranderd. Vroeger was het maken van de game het duurste onderdeel. Nu is alles wat daarna komt het duurst. Het gaat om testen met echte mensen, distributie, spelers behouden en inkomsten genereren. Een kleine studio zou het productiebudget dat ze heeft bespaard daaraan moeten besteden, niet aan het maken van nog eens tien prototypes.

Nu games steeds makkelijker kunnen worden gemaakt en gepubliceerd, hoe kunnen platforms ervoor zorgen dat spelers er nuttig nieuwe games kunnen ontdekken? Welke criteria hanteert Playgama om te bepalen welke games zichtbaarheid verdienen, vooral wanneer fraai ogende titels mogelijk weinig diepgang bieden?

Je moet pas een beslissing nemen nadat mensen de game hebben gespeeld, niet daarvoor. Een pitch, trailer of mooie screenshots zijn nu heel makkelijk te maken. Tien minuten speeltijd van echte spelers niet.

In onze testomgeving krijgt elke nieuwe game een eerlijke eerste test met echte spelers. Daarna bepaalt hun gedrag de uitkomst: hoelang ze blijven, of ze terugkomen en of ze de game leuk vinden. Games die spelers weten vast te houden, worden aan meer mensen getoond. De beste daarvan komen in onze hoofdcatalogus en op externe platforms. Ongeveer één op de tien haalt het.

Gepolijste maar inhoudsloze games vallen hier meestal vanzelf af. Ze krijgen wel klikken, maar mensen haken snel af. Gedrag is veel moeilijker te veinzen dan uiterlijk. Ik denk niet dat de oplossing een jury of een label ‘geen AI’ is. Het kan spelers niet schelen hoe een game is gemaakt. Het gaat hun erom of de game goed is, en hun tijd is het eerlijkste signaal dat we hebben.

Wat maakt een game geschikt voor een berichtenapp, sociaal netwerk of ander platform dat niet op gaming is gericht? Hoe ontwerp je voor dat publiek zonder dat de game aanvoelt als een onderbreking of een vluchtige manier om de betrokkenheid te vergroten?

Op een platform dat niet op gaming is gericht, is de speler niet gekomen om te gamen. Die is er om te chatten of video’s te bekijken. De game moet daar dus rekening mee houden.

Drie dingen werken goed. Ten eerste: meteen kunnen beginnen — geen laadscherm, geen lange tutorial; binnen drie seconden moet duidelijk zijn hoe de game werkt. Ten tweede: korte speelsessies die op elk moment kunnen eindigen zonder dat je voortgang verliest, omdat de speler weer teruggaat naar de chat. Ten derde: een reden om terug te komen die aanvoelt als een gewoonte, niet als een valstrik: een dagelijkse puzzel, de score van een vriend of een korte reeks opeenvolgende dagen.

Wat niet werkt, is de speler behandelen als verkeer. Als een game alleen bestaat om iemand langer in de app te houden, voelen mensen die wanhoop feilloos aan.

Dankzij je ervaring in adtech heb je goed zicht op de spanning tussen advertentie-inkomsten en het plezier van spelers. Hoe moeten ontwikkelaars van webgames bepalen of een advertentie de onderbreking waard is, en aan welke statistieken kun je zien dat inkomsten genereren de spelersretentie op lange termijn schaadt?

De regel is vrij eenvoudig: advertenties mogen alleen op een natuurlijk rustmoment verschijnen, nooit midden in de actie. Bijvoorbeeld tussen levels, na verlies of wanneer de speler ervoor kiest een beloonde video te bekijken voor een bonus. Beloningen via advertenties zijn de prettigste vorm, omdat de speler zelf beslist.

Kijk niet alleen naar de inkomsten per sessie om te zien of er schade is. Bekijk de inkomsten samen met de retentie. Als je een advertentieplaatsing toevoegt en de inkomsten per dag stijgen, maar het aantal spelers dat op dag 1 en dag 7 terugkomt daalt, jaag je toekomstige spelers weg. Houd ook de sessieduur en het moment waarop mensen afhaken in de gaten: als veel sessies vlak na een advertentie eindigen, is die advertentie te opdringerig of staat die op de verkeerde plek.

De beste teams testen veranderingen in advertenties net als veranderingen in de gameplay: één verandering tegelijk, een zuivere vergelijking en na een week kijken naar de retentie, niet alleen naar de omzet van de volgende dag.

Als AI het maken van degelijke games voor iedereen toegankelijk maakt, waar komt dan het concurrentievoordeel van een onafhankelijke ontwikkelaar vandaan? Waarin zou een klein team volgens jou vandaag moeten investeren om een onderscheidend bedrijf op te bouwen dat dat blijft, ook als de tools beter worden?

Als iedereen een degelijke game kan maken, is vakbekwaamheid geen voordeel meer. Drie dingen blijven mensenwerk.

Smaak, want wat afwijkt van de norm wordt waardevol. Een herkenbare stijl, een vreemd idee, een game die aanvoelt alsof die door een mens is gemaakt.

Snel kunnen leren is belangrijk. Niet hoe snel je iets maakt — dat kan nu iedereen — maar hoe snel je ontdekt wat je verkeerd hebt gedaan. Teams die elke dag een versie aan echte spelers voorleggen en die aanpassen op basis van wat ze zien, winnen het van teams die maandenlang in stilte bouwen.

En een band met je spelers. Een community, een naam die mensen herkennen, een reden om je volgende game te proberen.

Richt je eerst op het opzetten van die cyclus. Je tools veranderen om de paar maanden, maar je hoeft ze niet allemaal te leren kennen. Naar spelers luisteren is de enige gewoonte die nooit veroudert.

Bedankt voor het geweldige interview. Lezers die meer willen weten over de distributie van webgames, het genereren van inkomsten en games die met AI zijn gemaakt, kunnen terecht bij Playgama.