En el món del desenvolupament de programari, la capacitat de materialitzar una idea complexa en un temps rècord sense tenir experiència prèvia en les eines necessàries solia ser una utopia. No obstant això, la convergència entre intel·ligència artificial i plataformes low-code està redefinint els límits del possible. Aquest article analitza un cas real: la creació d'un joc multijugador 4 contra 4 en Unreal Engine 5.8 durant dues setmanes, sense coneixements previs de C++, del motor gràfic ni de desenvolupament de videojocs. El que fa especial aquest relat no és només el resultat, sinó la metodologia: un agent d'IA (Kiro) va actuar com a desenvolupador principal, mentre que l'autor va fer de dissenyador i director tècnic. Aquesta experiència ofereix lliçons valuoses per a qualsevol empresa que vulgui accelerar la creació de prototips i productes de programari, ja sigui en entreteniment, aplicacions empresarials o solucions de negoci.
El punt de partida era gairebé nul: el desenvolupador portava anys escrivint C# i TypeScript, però l'ecosistema d'Unreal Engine, amb la seva jerarquia de classes, macros i model de memòria, era territori desconegut. Sense documentació prèvia, sense tutorials, sense refrescar C++ (vint anys sense utilitzar-lo). L'únic que existia era una descripció funcional del joc desitjat: un clon de DeathRow, un títol de Xbox de 2002 on dos equips de quatre jugadors lluiten per llançar un disc a través d'un arc, podent noquejar els rivals. El repte no era trivial: requeria físiques de disc, comportament d'IA, sistema de combat, flux de partida, menús, so, música i animacions. En només dues setmanes i amb un consum d'uns 20.000 crèdits a la plataforma Kiro, el resultat va ser un prototip jugable de principi a fi.
La clau del procés va ser la iteració constant i la divisió en fases. En lloc d'escriure codi C++, l'autor es va limitar a descriure en llenguatge natural el que volia aconseguir: 'Necessito un disc que reboti a les parets amb físiques configurables i que detecti una puntuació en entrar a la porteria'. L'agent d'IA, utilitzant un servidor MCP experimental per Unreal Engine, creava les classes, configurava propietats, col·locava actors al nivell i escrivia el codi C++ necessari. La persona provava, jugava, i retornava observacions: 'el disc rebota cap enrere en xocar amb un company'. Kiro diagnosticava i corregia. No hi va haver ni una sola línia de C++ escrita pel desenvolupador. La seva feina va ser dissenyar l'experiència, descriure bugs i decidir quan avançar.
La primera setmana va produir un joc funcional: arena, moviment, físiques de disc amb autoapunt, equips de quatre amb canvi de jugador, combat complet amb KOs, set personatges d'IA corrent arbres de comportament, flux de partida amb marcador i descans, menús i suport per a comandament. No obstant això, la IA era determinista, previsible i robòtica. La segona setmana es va centrar a fer que el joc 'se sentís bé'. Per aconseguir-ho es va dissenyar un motor de pesos probabilístics que va reemplaçar la lògica determinista. L'autor va esbossar pseudo-codi amb etapes de pipeline: pesos base modificats per multiplicadors de personalitat, tendències d'equip, estat del joc, consciència espacial i dificultat. Kiro va reconèixer el patró, el va implementar en C++ i el va integrar als arbres de comportament. Però això ho va trencar tot: bugs latents que mai s'havien activat van aparèixer. Les físiques del disc interactuaven incorrectament amb els personatges, les animacions es filtraven a contextes erronis, i els volums de captura resultaven insuficients a altes velocitats. Cada dia, l'autor descrivia símptomes i la IA rastrejava causes arrel.
Més enllà de la IA, es va afegir una mecànica de disc energitzat: mantenir premut el botó de llançament per carregar un tret potent que noqueja a l'instant, el moviment característic del joc original. Es va reescriure el sistema d'animació per suportar prioritats, interrompibilitat i variacions amb pes. Les animacions de captura comencen abans que el disc arribi. El disc no es deixa anar fins que l'animació de llançament arriba al seu punt d'alliberament. Els personatges celebren després d'anotar. Per a l'àudio es van usar eines d'IA com ElevenLabs (efectes sonors i veu del anunciador) i Suno (música). Tot creat sense artistes humans, només amb generació per IA.
El resultat és un prototip que, tot i tenir mancances artístiques (geometria placeholder, animacions de Mixamo gratuïtes, arcs invisibles per falta de malla), demostra que el veritable coll d'ampolla no és escriure codi, sinó saber descriure el que es vol i dirigir la iteració. Des d'una perspectiva empresarial, aquesta metodologia té implicacions directes per al desenvolupament d'aplicacions basades en IA i solucions de programari. La capacitat d'un agent d'IA per aprendre un domini tècnic desconegut (Unreal Engine) i generar codi de producció en múltiples fitxers mostra un camí cap a l'acceleració de prototips i MVPs. Empreses que necessiten validar conceptes ràpidament, ja sigui en el sector de l'entreteniment, la simulació industrial o la visualització arquitectònica, poden beneficiar-se d'aquest enfocament.
Q2BSTUDIO, com a empresa de desenvolupament de programari i tecnologia, observa en aquest cas una confirmació de tendències clau. La combinació de desenvolupament d'aplicacions a mida amb capacitats d'IA generativa permet reduir dràsticament els cicles d'aprenentatge i els temps de lliurament. No es tracta de reemplaçar els desenvolupadors, sinó de potenciar-los amb eines que executin tasques complexes a partir d'especificacions d'alt nivell. En entorns on la velocitat de prototipat és crítica, com la creació de demos per a inversors o la validació de mecàniques de joc, aquest mètode pot marcar la diferència entre una idea que es queda al paper i un producte funcional en setmanes.
A més, l'experiència revela la importància de comptar amb una infraestructura cloud adequada. L'ús de serveis com AWS o Azure per executar els agents d'IA, emmagatzemar actius i gestionar la col·laboració és un complement natural. La ciberseguretat també entra en joc quan es manegen dades d'usuari o propietat intel·lectual durant el desenvolupament. I la presa de decisions basada en dades, mitjançant eines de BI com Power BI, permet monitoritzar el progrés del projecte i ajustar prioritats. A Q2BSTUDIO integrem totes aquestes capacitats en solucions clau en mà, adaptant-nos a les necessitats específiques de cada client.
Les xifres del projecte parlen per si soles: més de 80 fitxers C++, 150 proves basades en propietats escrites per la IA, i zero línies escrites per l'humà. Però el més revelador és que el temps invertit no va ser programant, sinó jugant, observant i descrivint. L'habilitat més valuosa va resultar ser la comunicació clara. 'El disc rebota cap enrere en xocar amb un company' porta a una solució directa. 'Les passades no funcionen' obliga a una conversa. En el món empresarial passa el mateix: una especificació precisa accelera qualsevol desenvolupament, ja sigui de programari a mida, automatització de processos o implementació d'intel·ligència artificial.
En conclusió, construir un joc en Unreal Engine amb Kiro en dues setmanes sense experiència prèvia demostra que la barrera d'entrada al desenvolupament de programari s'està reduint gràcies a la IA. No és una utopia per a entusiastes, sinó una realitat que empreses com Q2BSTUDIO estan aplicant per oferir solucions més ràpides, eficients i personalitzades. La clau és saber què demanar, com iterar i quan considerar que una cosa és prou bona per passar a la següent fase. I, és clar, comptar amb les eines i el soci tecnològic adequat.
