Dmitry Kachmar, grundare av Playgama – intervjuserie

Dmitry Kachmar är grundare av Playgama och tar med sig erfarenheter av annons­teknik och digital distribution till webbl spelbranschen. Innan han startade företaget tillbringade han sexton år på Yandex, där hans arbete med annonsering och kommersiellt ledarskap formade hans sätt att knyta samman produkter med målgrupper och skapa hållbara intäktsmodeller. På Playgama fokuserar han på den infrastruktur som utvecklare behöver för att testa spel, nå spelare och lära sig av hur människor faktiskt spelar.

Playgama erbjuder distributions-, intäktsgenererings- och analysverktyg för utvecklare av webblspel, däribland deras SDK Bridge med öppen källkod och tjänster för spelportaler och andra plattformar. Deras AI Game Index följer vilka AI-verktyg utvecklare uppger att de använder, tillsammans med spelarnas reaktioner på spelen som skapats med dem. I den här intervjun diskuterar Kachmar vad spelarnas beteenden avslöjar om AI-skapade spel, begränsningarna med att jämföra modeller och varför introduktion, spelarretention, upptäckbarhet och kreativt omdöme spelar roll när det blir mer lättillgängligt att skapa spel.

Du har en bakgrund inom annons­teknik och köp- och säljtjänster, branscher där distribution och intäktsgenerering är avgörande. Vilken möjlighet såg du inom webblspel som fick dig att grunda Playgama, och hur påverkade de erfarenheterna företagets sätt att hjälpa utvecklare att nå spelare?

Jag tillbringade sexton år på ett företag som heter Yandex, en av få aktörer i världen som kan mäta sig med Google på en stor lokal marknad. Till slut ledde jag annonsverksamheten som Chief Commercial Officer och vd och ansvarade för över 2 miljarder dollar i annonsintäkter. På den nivån lär man sig en sak: en bra produkt utan distribution är osynlig, och distribution utan intäktsgenerering är en hobby.

När jag tittade på webblspel såg jag en marknad med verklig efterfrågan och ett verkligt utbud, men nästan ingen fungerande infrastruktur däremellan. Det är som ett isberg: det som syns är bara en liten del av det som faktiskt finns. Hundratals miljoner människor spelar webblspel varje månad, och tusentals utvecklare skapar dem. Ändå var tre delar av marknaden helt trasiga.

För det första intäktsgenereringen. De flesta webblspel visade annonser med en mycket enkel lösning, så bra spel tjänade betydligt mindre än de hade kunnat. För det andra upptäckbarheten. Spelarna hittade spel genom ändlösa kataloger och ren tur, i stället för genom algoritmer anpassade efter deras smak. Och så marknadsföringen av själva spelen: om du hade ett bra webblspel fanns det inget vettigt sätt att köpa spelare till det och se om investeringen lönade sig.

Därför började vi med pengarna och trafiken, inte med innehållet. Vi byggde vår egen annonslösning för webblspel, kopplade den direkt till en stor efterfrågan och använde samma data för att se vilka spel som håller kvar spelarna och förtjänar att få fler. För mig är det två sidor av samma problem: ett spel som tjänar bra kan ha råd att köpa spelare, och ett spel som håller kvar spelarna tjänar bra.

Vad har du lärt dig av att se människor spela AI-skapade spel som du aldrig hade upptäckt genom att enbart granska koden? Kan du berätta om ett spel som överraskade dig, positivt eller negativt?

Koden visar om spelet fungerar, och spelarna visar om det är ett spel. AI-skapade spel fallerar nästan aldrig på grund av koden. De fallerar under de första 30 sekunderna, just i det ögonblick då man måste lära ut reglerna utan att tappa spelarnas uppmärksamhet. Spelet fungerar och ser bra ut, men spelaren stänger helt enkelt fliken. Det går inte att se vid en kodgranskning, eftersom utvecklaren redan vet hur man spelar och är intresserad från början.

Det finns ett annat bra exempel där en utvecklare inte kunde vinna sitt eget spel. Agenten gjorde spelet så svårt att till och med upphovspersonen förlorade varje gång. Det upptäckte han först när han såg att ingen klarade sig förbi nivå två.

Din AI Game Index skiljer mellan hur utbredd användningen av ett verktyg är bland utvecklare och hur spelarna reagerar på spelen. Vad förklarar skillnaden mellan utvecklarnas användning och spelarnas nöjdhet, och vad bör en liten studio ta med sig av det när den väljer verktyg?

Jag vill vara försiktig här. Vårt index är en termometer, inte en domare. Det visar vad som händer, men förklarar inte varför.

I slutet av oktober 2026 låg Claude Opus bakom mer än hälften av alla nya AI-spel, medan spel från OpenAI fick fler gilla-markeringar per spelomgång. Två saker kan vara sanna samtidigt.

Det här är en gissning, men jag har inga bevis. Den populäraste modellen används förmodligen av alla, även av personer som gör sitt allra första spel, medan en mindre populär modell är ett medvetet val för mer motiverade kreatörer. Så kanske är det människor, inte modeller, vi jämför. Dessutom blir modellens mönster lätta att känna igen när den används för hälften av alla spel, och då börjar spelarna längta efter något nytt.

Indexet bygger på modellnamn som utvecklarna själva rapporterar och på att spelen får olika mycket trafik. Hur skiljer ni modellens bidrag från utvecklarens skicklighet, spelgenren eller den publik som spelet lockar?

Ärligt talat skiljer vi inte helt på dem, och det säger vi också på sidan. Vi filtrerar i princip bara bort det uppenbara bruset. Ett spel räknas först när det har fått 20 spelomgångar, och en modell får inget betyg förrän 15 spel har loggats. Vi använder medianen för spelen, inte genomsnittet, så en viral succé kan inte dra upp en hel rad. Varje siffra har ett datum, och små underlag markeras som små.

Färdigheter och genre påverkar fortfarande siffrorna. En modell som lockar erfarna utvecklare kommer att se bättre ut. En modell som är populär för enkla arkadspel kommer att se annorlunda ut än en som används för simulatorer. Vi kan inte ta bort den här effekten ännu, så vi döljer den inte. Senare vill vi lägga till uppdelningar efter genre och utvecklarnas erfarenhet. Fram till dess är det bästa sättet att läsa indexet att se hur riktiga spelare interagerar med de här spelen.

Var brister AI-byggda spel oftast som spel: i kontrollerna, svårighetsgraden, nivådesignen, originaliteten eller något annat? Vilken av de här svagheterna kräver fortfarande mest ingripande från en erfaren speldesigner?

Introduktionen och svårighetsgraden spelar roll. Spelaren förstår inte målet under de första sekunderna, eller så är spelet antingen för lätt eller omöjligt. Mobilkontrollerna är den tredje utmaningen, eftersom agenter ofta bygger för mus och glömmer bort tummen.

Det positiva är att problemen syns i data. Om många spelare slutar spela vid det tredje steget i handledningen kan en agent se det i telemetridata och förenkla det steget. Svårighetsgraden kan balanseras om på samma sätt.

Det som fortfarande kräver en erfaren speldesigner är sådant som data inte kan berätta: vad spelet handlar om och varför det bör finnas. Agenter är bra på att åtgärda problem i ett spel. De är ännu inte bra på att avgöra vilket spel som är värt att skapa. Originalitet, känsla och upplevelsen av att tänka ”det här har jag aldrig sett förut” är fortfarande mänskligt arbete.

För en liten studio är en spelbar prototyp bara ett steg på vägen mot att bygga en hållbar verksamhet. Var förbättrar AI ekonomin för webbaserad spelutveckling påtagligt, och vilka kostnader är fortfarande särskilt svåra att minska?

AI har gjort produktionen nästan gratis. Det enda som definitivt inte har blivit billigare är spelarnas uppmärksamhet. Riktiga spelare, faktisk uppmärksamhet och god smak – inget av det har blivit billigare. Kostnaden för att nå ut med ett spel till människor som faktiskt vill spela det är densamma eller till och med högre, eftersom många fler spel nu konkurrerar om samma kväll.

Därför har ekonomin förändrats. Tidigare var det dyraste att skapa spelet. Nu är allt som kommer efteråt dyrast. Det handlar om att testa på riktiga människor, distribution, att få spelare att återvända och intäktsgenerering. En liten studio bör lägga den produktionsbudget den har sparat på de delarna, inte på att skapa tio prototyper till.

När det blir enklare att skapa och publicera spel, hur kan plattformar göra det lättare för spelare att hitta relevanta spel? Vilka kriterier använder Playgama för att avgöra vilka spel som förtjänar synlighet, särskilt när välpolerade spel kan sakna djup?

Man bör fatta beslutet efter att människor har spelat, inte innan. Det är väldigt lätt att ta fram en presentation, en trailer eller snygga skärmbilder nu. Tio minuters faktiskt spelande är det inte.

I vår testmiljö får varje nytt spel ett rättvist första test med riktiga spelare. Sedan avgör spelarnas beteende: hur länge de stannar, om de kommer tillbaka och om de tycker om spelet. Spel som håller kvar spelarna visas för fler människor, och de bästa av dem flyttas till vår huvudkatalog och externa plattformar. Ungefär ett av tio spel klarar det.

Välpolerade men innehållslösa spel brukar falla bort av sig själva här. De lockar till klick, men spelarna lämnar snabbt. Beteende är mycket svårare att fejka än utseende. Jag tror inte att lösningen är en jury eller en märkning med ”ingen AI”. Spelarna bryr sig inte om hur ett spel har skapats. De bryr sig om huruvida det är bra, och deras tid är den ärligaste signal vi har.

Vad krävs för att ett spel ska fungera i en meddelandeapp, på ett socialt nätverk eller på en annan plattform som inte är inriktad på spel? Hur utformar man spelet för den målgruppen utan att det känns som ett avbrott eller ett engångsknep för att öka engagemanget?

På en plattform som inte är inriktad på spel har spelaren inte kommit dit för att spela. Hen har kommit dit för att chatta eller titta på videor. Därför måste spelet ta hänsyn till det.

Tre saker fungerar. För det första: omedelbar start – ingen laddningsskärm, ingen lång handledning; spelet ska gå att förstå på tre sekunder. För det andra: korta spelsessioner som kan avslutas när som helst utan att framstegen går förlorade, eftersom personen kommer att dras tillbaka till chatten. För det tredje: en anledning att komma tillbaka som känns som en vana, inte en fälla – ett dagligt pussel, en väns poäng eller en kort svit.

Det som inte fungerar är att behandla spelaren som trafik. Om spelet bara finns till för att få någon att stanna längre i appen märker människor hur desperat det är.

Din erfarenhet inom annonsteknik ger dig god inblick i spänningen mellan annonsintäkter och spelarnas nöje. Hur bör webbaserade spelutvecklare avgöra när en annonsplacering är värd avbrottet, och vilka mätvärden visar när intäktsgenereringen skadar spelarnas långsiktiga återkomst?

Regeln är ganska enkel: annonser ska bara visas under naturliga pauser, aldrig mitt i handlingen. Mellan nivåer, efter en förlust eller när spelaren väljer att titta på en belöningsvideo för att få en bonus. Belöningsannonser är det mest skonsamma formatet, eftersom spelaren själv bestämmer.

För att upptäcka skador ska man inte bara titta på intäkterna per session. Titta på intäkterna tillsammans med spelarnas återkomst. Om du lägger till en annonsplacering och intäkterna per dag ökar, men färre spelare återvänder dag 1 och dag 7, förbrukar du din framtida spelarbas. Håll också koll på sessionslängden och när spelarna slutar: om många sessioner tar slut direkt efter en annons är annonsen för påträngande eller placerad på fel ställe.

De bästa teamen testar ändringar i annonserna på samma sätt som ändringar i spelet: en ändring i taget, en tydlig jämförelse och en kontroll av hur många som kommer tillbaka efter en vecka – inte bara av intäkterna nästa dag.

Om AI gör det möjligt för många att utveckla spel på en kompetent nivå, varifrån kommer då en oberoende utvecklares konkurrensfördel? Vad skulle du råda ett litet team att satsa på i dag för att bygga en verksamhet som fortsätter att sticka ut i takt med att verktygen blir bättre?

När alla kan göra ett kompetent spel är kompetens inte längre någon fördel. Tre saker förblir mänskliga.

Smak, eftersom det som skiljer sig från det vanliga blir värdefullt. En tydlig stil, en udda idé, ett spel som känns som om en människa har skapat det.

Förmågan att lära sig snabbt är viktig. Inte snabbheten i själva skapandet – den har alla numera – utan snabbheten i att upptäcka vad man gjort fel. Team som varje dag låter riktiga spelare testa en version och sedan ändrar den utifrån vad de ser kommer att lyckas bättre än team som utvecklar i månader utan att visa upp något.

Och relationen till spelarna. En community, ett namn som folk känner igen och en anledning för dem att testa ditt nästa spel.

Fokusera först på att få återkopplingsloopen på plats. Verktygen kommer att fortsätta förändras med några månaders mellanrum, men du behöver inte lära dig alla. Att lyssna på spelarna är den enda vanan som aldrig blir föråldrad.

Tack för den fina intervjun! Läsare som vill veta mer om distribution av webbaserade spel, intäktsgenerering och AI-byggda spel kan besöka Playgama.