들어가며
저는 포커 학습 앱 ‘POKER Q’z’ 개발에 참여하는 엔지니어로서, 매일 포커×AI 분야의 제품 개발과 알고리즘 설계에 힘쓰고 있습니다.
최근 몇 년 사이 일본 포커 앱 시장은 단숨에 달아올랐고, EDGE POKER, m HOLD'EM, 포커 체이스(Poker Chase), EARN POKER, Poker Fate 등 스마트폰으로 부담 없이 포커를 즐길 수 있는 환경이 점점 늘어나고 있습니다. 플레이어로서도, 개발자로서도 매우 반가운 흐름입니다.
그중 최근 화제가 되고 있는 것은 포커×AI를 내세운 ‘EDGE POKER’입니다. 자체 AI인 ‘EDGE AI’를 탑재한 것이 특징인데, 직접 사용해 보면 ‘이건 대단하다’ 싶은 부분도 있고 ‘조금만 이렇게 되면 더 재미있을 텐데’ 싶은 부분도 있었습니다.
이 글에서는 EDGE POKER를 하나의 사례로 삼아, 포커 앱이 앞으로 어떻게 진화할 수 있을지, 그리고 그 과정에서 POKER Q’z가 다루고 있는 기술을 개발자의 관점에서 정리해 보겠습니다.
※본 글은 비판을 위한 것이 아니라, ‘업계 전체가 더 재미있어졌으면 좋겠다’는 마음으로 작성했습니다.
※EDGE POKER의 화면 캡처는 이용약관을 고려해 게재하지 않습니다.
눈에 띈 부분 ①: AI의 활용 방식
GOD's MOVE
먼저 GOD's MOVE(AI가 최적 액션을 자동 선택하는 기능)에 대해 말씀드리겠습니다. ‘크리스털(Crystal)’이라는 결제 아이템을 사용하면 레이팅 모드인 ‘랭크 게임’에서도 이 기능을 쓸 수 있는 구조입니다. 즉, 이는 사실상 플레이어의 의사 결정 자체를 보조하거나 대체하는 상태입니다. 이런 기능이 랭크 게임에서 쓰일 수 있게 되면 플레이 결과가 순수한 실력만으로 결정되지 않게 됩니다.
게다가 랭크 게임에서의 결제자 우대(이른바 Pay to Win)는 GOD's MOVE에만 국한되지 않습니다. 연속 입상 보너스 유지처럼 랭크의 오르내림에 직접 영향을 주는 효과도 마련되어 있습니다.
이처럼 결제에 따라 플레이상의 유리함과 불리함이 생기는 설계가 존재하면, 랭크는 ‘플레이어의 강함’이 아니라 ‘기능과 아이템을 얼마나 활용했는가’를 보여주는 지표에 가까워집니다. 결과적으로 랭크 본래의 의미와 경쟁으로서의 공정성이 흐려질 수 있다고 느꼈습니다.
포커는 원래 동일한 조건에서 판단력과 전략을 겨루는 게임입니다. 물론 비레이팅 모드인 ‘싱글 게임’ 같은 환경에서 GOD's MOVE를 쓸 수 있는 것 자체는 학습과 체험 측면에서 아주 좋은 시스템이라고 생각합니다. 하지만 적어도 랭크 게임에서는 Pay-to-Win이 아닌 스킬 기반 설계가 전제되어야 한다고 봅니다. AI를 활용한다면, 대국 중에 대신 쳐 주는 것이 아니라 이후의 복기나 리뷰 같은 ‘학습 지원’에 한정하는 편이 포커라는 게임의 본질에도 더 맞지 않을까요.
예를 들어 해설 기능은 그 대표적인 접근 방식 중 하나로, POKER Q’z는 이 분야를 핵심 기능으로 삼아 꾸준히 강화해 왔습니다. 플레이 내용에 따른 해설문을 자동 생성하는 시스템, 플레이 이력에서 사고 경향과 플레이 스타일을 분석해 사용자별로 최적화된 피드백을 제공하는 기술 등 학습 효과를 높이기 위한 시스템을 개발하고 있습니다. 이 기술들은 당사의 독자적인 코어 기술이며, 현재 특허 출원 중입니다.
BUDDY AI
또 한 가지 눈에 띈 것은 BUDDY AI(자신의 플레이를 모방하는 AI)입니다. 사용자의 플레이 경향을 학습해 대신 쳐 주는 콘셉트 자체는 기술적으로 아주 흥미로운 시도라고 생각합니다. 다만 체험 측면에서 보면 약간의 의문도 남았습니다.
포커는 본질적으로 스스로 고민하고, 생각하고, 선택하는 것 자체가 즐거운 게임입니다. 그래서 ‘AI가 나를 대신해 플레이하는 것’을 지켜보는 것보다,
직접 치면서 실력을 키워 나가는 과정이 게임 경험으로서는 더 가치 있다고 느꼈습니다.
사용자의 플레이 데이터에 AI를 활용한다면,
- 자신의 플레이 경향을 자동으로 분석해 주는
- 자신의 약점을 지적해 주는
- ‘여기서는 이렇게 액션하는 게 좋다’고 자연어로 설명해 주는
이런 코치·해설자 역할의 AI가 학습과 성장 측면에서는 더 잘 맞는다고 생각했습니다.
눈에 띈 부분 ②: AI의 성능
EDGE POKER는 포커×AI를 강점으로 내세우는 타이틀인 만큼, AI의 정확도와 일관성에 대한 기대치도 자연스럽게 높아집니다. 실제로 플레이해 보면 편리한 기능도 많지만, 학습 도구로 보면 ‘이건 조금 위험할 수도 있겠다’ 싶은 동작도 몇 가지 목격했습니다.
특히 신경 쓰였던 점은 다음 세 가지입니다.
플레이 중 조언과 복기 결과의 불일치
플레이 중에 AI가 ‘추천 액션’으로 제시한 선택지와, 대국 후 복기(리뷰)에서 표시되는 ‘최선 액션’이 다른 경우가 있었습니다. 같은 국면인데도 결론이 달라지면,
- 사용자가 어느 쪽을 믿어야 할지 모르게 되고
- 학습의 축이 흔들리고
- ‘AI가 정말 맞는 걸까?’라는 불신이 생기게 됩니다
학습 지원 AI에게 일관성은 매우 중요합니다. 실시간과 리뷰에서 평가 로직이 다르면, 교재로서의 신뢰성이 크게 떨어진다고 느꼈습니다.
명백히 부자연스러운 액션의 추천
일부 스팟에서는 명백히 이론과 동떨어진 액션이 추천되는 경우도 있었습니다. 예를 들어 ‘완성된 스트레이트를 폴드하도록 추천’이라고 표시되는 등, 실전에서는 거의 있을 수 없는 판단이 제시되는 장면이 있었습니다.
이런 실수는 단순한 최적화의 어긋남이 아니라, 플레이어의 이해를 잘못된 방향으로 이끌 가능성이 있다는 점에서 학습 도구로서는 꽤 치명적입니다. 포커 AI에서는 ‘강한 것’보다 그 전에 ‘명백히 틀리지 않는 것’이 더 중요하다고 느꼈습니다. 최소한의 전략 정합성이 보장되지 않으면, 사용자는 안심하고 AI를 참고할 수 없습니다.
레인지 분석·핸드 분류 로직의 불명확함
레인지 분석 기능도 표시 로직에 몇 가지 위화감이 있었습니다. 애초에 레인지 전체의 전략을 한눈에 조망할 수 있는 형태가 아니었고, 제시되는 정보도 단편적입니다. 게다가
- 강·중·약의 기준이 불명확하고
- 핸드의 성질에 기반한 클러스터링이 아니다
는 점이 신경 쓰였습니다. 예를 들어 실전에서 상당히 강한 드로 핸드인 거트샷+플러시 드로가 보드의 페어를 우선해 ‘원페어’로 표시되는 등, 실전 감각과 명백히 어긋난 분류도 보였습니다.
레인지 시각화는 단지 ‘그럴듯하게 분류하기’ 위한 기능이 아니라, 플레이어의 의사 결정에 직결되는 중요한 정보 설계입니다. 이것이 직관이나 실전 감각과 맞지 않으면 표시 자체에 대한 신뢰를 잃고, 애써 만든 분석 기능도 활용되지 않게 됩니다. 포커에서 레인지를 생각하는 것은 학습 경험의 핵심 영역입니다. 그렇기에 분류 로직의 명확성과 실전에 부합하는 정합성이 강하게 요구된다고 느꼈습니다.
EDGE AI에 대한 고찰
EDGE AI는 플레이 중에 최적 액션을 제시하거나 자동으로 판단을 내리는 등, ‘AI가 포커를 푸는’ 체험을 전면에 내세운 설계입니다.
참고 기사
공식 기사의 설명과 실제 동작을 대조해 보면,
- CFR 알고리즘 등으로 구한 GTO 전략을 교사 데이터로 학습한 모델을 사용
- 그 자리의 상황에서 규칙 기반으로 특징량을 추출해 입력
- 모델에 추출한 특징량을 넣어 각 액션의 EV를 예측하고, EV가 가장 높은 액션을 선택
이런 머신러닝 기반의 근사 솔버형 모델에 가까운 구성이 아닐까 추측됩니다.
접근 방식은 매우 정석이고 기술적으로도 흥미로운 시도라고 느꼈습니다. 한편 실제로 플레이해 보면 포커 AI 특유의 어려움도 동시에 느껴졌습니다. 여기서는 특히 신경 쓰였던 포인트 몇 가지를 정리해 보겠습니다.
학습 상황이 압도적으로 부족하다
먼저 느낀 것은 학습 상황의 부족입니다. 포커는 조건이 아주 조금만 바뀌어도 최적 전략이 크게 달라지는 게임입니다. 포지션, 스택 깊이, 베팅 크기, 보드 텍스처, ICM 상황 등 고려해야 할 요소가 매우 많고, 상태 공간은 거의 무한에 가깝습니다. 그래서 ‘모든 상황을 충분히 학습시키는’ 것 자체가 매우 어려운 문제가 됩니다.
학습이 커버하지 못한 영역에 들어서는 순간 모델의 정확도는 어쩔 수 없이 불안정해지기 쉽습니다. 이것은 알고리즘의 좋고 나쁨이라기보다, ‘애초에 포커는 학습 데이터가 압도적으로 부족해지기 쉬운 게임’이라는 구조적 어려움에서 비롯된 문제라고 느꼈습니다.
특징량 설계가 실전과 맞지 않는다
또 하나 중요하다고 느낀 것은 입력이 되는 특징량의 설계입니다.
동작을 보는 한, 테이블 전체의 스택 상황, 현재의 핸드(하이카드, 원페어 등), 드로 유무 같은 기본 정보는 활용되고 있는 듯했습니다. 다만 실전 포커에서는 그것만으로 충분하다고 할 수 없습니다.
실제로는
- 핸드의 미래 발전성을 포함한 강도 평가
- 액션 이력에 의한 레인지 좁히기
- 블로커 효과
- 적정 디펜스 빈도
- ICM
등 많은 맥락 정보가 의사 결정에 강하게 영향을 미칩니다.
포커 AI에서 특징량 설계는 ‘전략 이해의 해상도’ 그 자체라고 생각합니다. 이것이 거친 채로 남아 있으면 아무리 학습을 거듭해도 실전 감각에 가까운 판단을 재현하기 어려워집니다.
포커 AI는 ‘엔지니어링 역량’만으로는 만들 수 없다
이번에 실제로 접해 보면서 개인적으로 가장 강하게 느낀 것이 바로 이 점입니다. 포커 AI 개발은 단순한 머신러닝이나 모델 정확도의 문제가 아니라, 설계 단계에서 생각해야 할 포인트가 많다고 느꼈습니다.
- 무엇을 특징량으로 가져갈 것인가
- 어떤 정보가 의사 결정에 본질적인가
- 어디까지 추상화해야 전략으로 표현할 수 있는가
이런 질문은 포커라는 게임 자체를 깊이 이해하지 않으면 제대로 판단할 수 없습니다. 즉, 요구되는 것은 알고리즘 구현력뿐 아니라 실전 수준의 포커 이해입니다. 이 두 가지가 갖춰져야 비로소 실용적인 포커 AI가 성립한다고 생각합니다.
그리고 POKER Q’z에는 엔지니어와 플레이어 양쪽의 시선을 가진 멤버가 많이 있습니다. 그래서 학습 경험에 직결된 제품 개발이 실현되고 있다고 느낍니다.
POKER Q’z의 이념
우리 POKER Q’z가 어떤 생각으로 제품을 만들고 있는지, 여기서 잠깐 말씀드리겠습니다. 우리가 지향하는 것은 AI를 활용해 최고의 포커 학습 경험을 제공하는 것입니다.
단순히 ‘즐길 수 있는 포커 앱’을 만드는 것이 아니라, 플레이만 해도 자연스럽게 강해지는 – 그런 제품을 진심으로 실현하고 싶습니다. 포커는 원래 매우 깊고 전략적이며 지적인 재미가 가득한 게임입니다. 한편, 실력 향상의 허들도 높은 것이 사실입니다.
- 무엇이 정답인지 모른다
- 왜 졌는지 모른다
- 어디를 개선해야 할지 모른다
이런 막연한 ‘모르겠음’이 학습의 가장 큰 벽이 되고 있습니다.
그래서 우리는 사용자가 가능한 한 효율적으로 실력을 키울 수 있도록 하는 것을 최우선으로 설계하고 있습니다. 동시에 ‘공부하는 느낌’이 아니라, 즐겁게 플레이하는 사이에 어느새 실력이 늘어 있는. 그런 자연스럽고 긍정적인 학습 경험을 전하고 싶습니다.
포커가 ‘어려운 게임’이 아니라 ‘놀다 보면 어느새 강해져 있는 게임’이 되는 것. 그것이 우리 POKER Q’z가 지향하는 이상적인 모습입니다.
학습 경험을 뒷받침하는 전략의 정확성
그 전제로서 가장 중요한 것이 ‘전략의 정확성’입니다. 우리는 현재 AI/알고리즘 개발을 진행하면서, 임의의 국면에서 가능한 한 이론적으로 올바른 전략을 제시할 수 있는 기반을 만들고 있습니다. 아무리 이해하기 쉬운 해설이 있어도, 바탕이 되는 전략이 올바르지 않으면 의미가 없습니다. 먼저 ‘신뢰할 수 있는 답을 낼 수 있는 것’이 학습 제품으로서의 최소 조건이라고 생각합니다.
코치로서의 AI와 자연어 해설
그리고 또 하나 중요하게 생각하는 것이 ‘어떻게 전달할 것인가’라는 경험 설계입니다. 단지 올바른 전략을 제시하는 것만으로는 플레이어가 진정한 의미로 강해질 수 없습니다. 왜 그 액션이 좋은지, 어떤 사고 과정에 기반하는지를 이해해야 비로소 학습으로 몸에 익게 됩니다.
그래서 우리는 AI를 ‘대신 플레이하는 존재’가 아니라 플레이어의 사고를 뒷받침하는 코치로 활용하는 것을 중요시합니다. 숫자나 전문 용어를 나열하는 대신, 초보자도 직관적으로 이해할 수 있는 말로 설명하는 것. ‘무슨 일이 있었는지’뿐 아니라 ‘왜 그런지’까지 전달하는 것. 생성 AI와 자연어 기술을 활용하면서 ‘생각하는 방법까지 몸에 익는 해설 경험’을 실현하는 것을 목표로 합니다.
실제로 앱 안에는 전략이나 플레이에 대해 자유롭게 질문할 수 있는 AI 어시스턴트를 탑재하고 있으며, 학습을 지원하는 기능으로 많은 사용자에게 호평을 받고 있습니다. 현재도 더 정확한 답변과 초보자에게도 이해하기 쉬운 해설을 제공할 수 있도록 계속해서 개선하고 있습니다. 또한 각 레슨 주제에 연결된 해설이 포함된 연습 문제(엑서사이즈)도 준비되어 있어, 지식을 입력하는 것에 그치지 않고 퀴즈 형식으로 실천하며 이해를 깊게 할 수 있는 구성입니다.
우리는 AI로 ‘답을 가르치는’ 것이 아니라, ‘강해지는 사고 과정을 몸에 익힐 수 있는 학습 경험’의 실현을 목표로 합니다.
마지막으로
우리는 일본과 전 세계의 포커 업계가 더욱 활성화되기를 바라고 있습니다. 아직 많이 부족한 우리지만, 진심으로 포커 업계를 함께 키워 나갈 파트너를 찾고 있습니다.
- 함께 협업해 주실 기업·파트너 분들
- 힘을 보태 주실 인플루언서 분들
은 물론, POKER Q’z의 멤버로서
- 사업 개발(국내·해외 마케팅, 크리에이티브 제작 등)
- 엔지니어
- AI/알고리즘 연구
에 참여해 주실 분도 대환영입니다(인턴 포함).
‘포커를 더 재미있게 만들 수 있을 것 같다’ ‘AI로 더 좋은 경험을 만들 수 있을 것 같다’
이런 주제에 조금이라도 설레는 분이 있다면, 부담 없이 연락해 주세요!
함께 일본 포커 업계를 더 재미있게 만들어 봅시다!