Mono Lake en de toekomst van gamedesign: als AI beslist wat jij leuk vindt

Nexon presenteerde begin 2026 Mono Lake, een AI-platform dat getraind is op miljarden speelsessies en decennia aan live-ops data. Het systeem weegt mee bij elke ontwerpbeslissing: van balancing tot monetisatie, van content-updates tot feature-prioritering. CEO Junghun Lee noemt het een doorbraak die ontwikkelaars “bevrijdt” om creatief te zijn. Maar de vraag die daarbij opkomt is fundamenteel: wat gebeurt er als AI bepaalt wat spelers willen, en ontwikkelaars die inzichten klakkeloos overnemen? En belangrijker nog: hoe voorkom je dat elk spel naar hetzelfde gemiddelde convergeert?

Die vraag raakt direct aan de kern van hoe moderne live-service games ontstaan. Roblox, het UGC-platform waar miljoenen creators hun eigen ervaringen bouwen, staat voor exact dezelfde spanning. Ook daar worden AI-tools uitgerold die objecten en scenes genereren op basis van engagement-patronen. Ook daar draait alles om retentie, sessielengte en conversie. De parallel is niet toevallig: beide ecosystemen zijn datagedreven tot in hun DNA, en beide worstelen met de vraag hoe je creativiteit en optimalisatie in balans houdt.

Van ontwerpvisie naar datagedreven beslissingen

Traditioneel begint gamedesign met een visie. Een creatief team bepaalt wat een spel uniek maakt, welke emoties het oproept, welke mechanics centraal staan. Live-ops data speelt daarna een rol bij iteratie: je ziet waar spelers afhaken, waar progressie stagneert, welke content weinig engagement genereert. Maar Mono Lake draait die volgorde om. Het systeem analyseert miljarden sessies en stelt voor welke designkeuzes statistisch gezien de beste resultaten opleveren. Ontwikkelaars krijgen aanbevelingen gebaseerd op wat bij andere games werkte, wat retentie verhoogde, wat conversie stimuleerde.

Lee benadrukt dat Mono Lake geen creatieve mensen vervangt, maar hen “bevrijdt om te creëren met context”. Die context is echter geen neutrale achtergrondinformatie. Het is een dataset die specifieke uitkomsten beloont: langere sessies, hogere retentie, meer monetisatie. Als AI voorstelt om een bepaalde mechanic aan te passen omdat dat elders de churn verlaagde, dan is dat geen bevrijding. Het is een sterke druk om te conformeren aan wat statistisch succesvol is, zelfs als dat haaks staat op de oorspronkelijke ontwerpvisie.

Het risico zit in de feedback loop. Als elk ontwikkelteam dezelfde AI-inzichten gebruikt, gebaseerd op dezelfde dataset van succesvolle games, dan convergeren ontwerpkeuzes naar een gemiddelde. Lee waarschuwt zelf voor een “race to the arithmetic middle”, maar presenteert Mono Lake tegelijk als oplossing omdat het Nexons eigen data bevat. Dat lost het fundamentele probleem niet op: ook Nexons dataset weerspiegelt wat in het verleden werkte, niet wat morgen innovatief is. De vraag is of videogames hierdoor hun unieke identiteit verliezen of juist efficiënter worden in het leveren van wat spelers willen.

Roblox en de optimalisatiemachine

Roblox illustreert hoe die dynamiek in de praktijk werkt. Het platform introduceert AI-tools die creators helpen objecten en scenes te genereren. Die tools zijn getraind op miljoenen bestaande ervaringen en hun engagement-metrics. Een creator die een obby bouwt krijgt suggesties die gebaseerd zijn op wat bij populaire obbies het beste werkte. Dat klinkt handig, maar het betekent ook dat elke nieuwe obby dichter bij het gemiddelde komt. De AI optimaliseert voor wat bekend en bewezen is, niet voor wat verrassend of experimenteel is.

Roblox draait volledig op retentie en engagement. Ervaringen die spelers langer vasthouden krijgen meer zichtbaarheid in de discovery-algoritmes, wat meer spelers oplevert, wat weer meer data genereert. Creators leren snel welke patronen werken: dagelijkse login-rewards, grindy progressiesystemen, social hooks die vrienden naar je ervaring trekken. AI-tools versterken die patronen door ze te identificeren en te repliceren. Het resultaat is een platform waar duizenden ervaringen op elkaar lijken omdat ze allemaal geoptimaliseerd zijn voor dezelfde metrics.

Die homogenisering is niet per se slecht voor engagement. Spelers weten wat ze krijgen, en veel Roblox-ervaringen leveren precies de dopamine-hits waar het platform op gebouwd is. Maar het drukt wel innovatie de kop in. Experimentele mechanics, onconventionele narratieve structuren, of designs die bewust afstand nemen van optimalisatie hebben het moeilijk. Ze scoren slechter op retentie, krijgen minder zichtbaarheid, en verdwijnen in de ruis. AI-tools maken dat probleem groter omdat ze creators actief naar het gemiddelde duwen.

Wat verdwijnt er als AI beslist?

De belofte van Mono Lake is dat ontwikkelaars minder tijd kwijt zijn aan coderen en meer tijd hebben om na te denken. Maar nadenken over wat? Als de AI al heeft bepaald welke features de beste ROI opleveren, welke progressiecurves de hoogste retentie geven, welke monetisatiehooks het best converteren, dan verschuift het creatieve proces van ontwerpen naar implementeren. Ontwikkelaars worden uitvoerders van datagedreven inzichten in plaats van bedenkers van nieuwe ervaringen.

Dat raakt aan een fundamenteel spanningsveld in live-service ontwikkeling. Games als Fortnite, Destiny 2 of Genshin Impact zijn gebouwd op voortdurende iteratie. Elke patch, elk seizoen, elke content-drop wordt gemeten en geanalyseerd. Teams leren wat werkt en passen aan. Maar die iteratie gebeurt binnen een creatieve visie die bepaalt wat het spel uniek maakt. Fortnite experimenteert wild met crossovers en mechanics omdat Epic die vrijheid neemt, niet omdat de data het voorschrijft. Genshin Impact introduceert regio’s en characters die artistiek gedreven zijn, zelfs als de metrics tijdelijk dalen.

Als AI die beslissingen overneemt, verdwijnt de ruimte voor experiment. Systemen zoals Mono Lake zijn getraind op wat werkte, niet op wat mislukte maar interessant was. Ze herkennen geen waarde in een feature die engagement tijdelijk verlaagt maar op lange termijn een unieke identiteit creëert. Ze zien geen potentie in een mechanic die spelers frustreert voordat het klikt. AI optimaliseert voor het bekende, en dat betekent dat alles wat afwijkt van bewezen patronen als risico wordt gelabeld.

De toekomst: creativiteit onder druk

Nexon en Roblox zijn geen uitzonderingen. Vrijwel elke grote publisher experimenteert met AI-gedreven ontwikkeling. Unity en Unreal Engine bouwen AI-assistentie in hun editors. Studios gebruiken machine learning voor procedural content generation, NPC-gedrag, en balancing. De trend is duidelijk: data en AI krijgen een grotere rol bij ontwerpbeslissingen. De vraag is of die rol ondersteunend blijft of leidend wordt.

Het antwoord hangt af van hoe teams met die tools omgaan. AI kan waardevol zijn als het patronen blootlegt die anders onzichtbaar blijven, als het repetitief werk automatiseert, als het designers helpt hun visie sneller te testen. Maar zodra AI de visie zelf gaat bepalen, wordt het problematisch. Dan verschuift de macht van creatieve leiders naar algoritmes die optimaliseren voor metrics die niet altijd overeenkomen met wat een spel bijzonder maakt.

Voor spelers betekent dit een toekomst waarin games steeds meer op elkaar lijken. Niet omdat ontwikkelaars lui of oncreatief zijn, maar omdat ze allemaal dezelfde AI-inzichten gebruiken, gebaseerd op dezelfde succesformules. Dat levert betrouwbare, gepolijste ervaringen op, maar weinig verrassingen. De games die opvallen zullen die zijn waar teams bewust afstand nemen van optimalisatie, waar creatieve visie zwaarder weegt dan retentie-metrics. Maar die ruimte wordt kleiner naarmate AI dieper in het ontwikkelproces verankerd raakt. Die ontwikkeling zie je ook terug in hoe platforms als Roblox groeien, waar datagedreven optimalisatie en massale schaal hand in hand gaan.

Mono Lake is geen dystopie, maar ook geen bevrijding. Het is een tool die keuzes forceert: volg je de data, of vertrouw je op intuïtie en experiment? Voor Nexon, Roblox en elke andere partij die op live-ops data drijft, is dat de centrale vraag van de komende jaren. Het antwoord bepaalt of we een industrie krijgen vol veilige, voorspelbare hits, of een ecosysteem waar ruimte blijft voor het onverwachte.