Aunque el mercado global ha presenciado una proliferación de diversos juegos de rompecabezas de combinación de 3, lograr el éxito en este mercado competitivo sigue siendo un desafío. Los factores cruciales que determinan el éxito de los juegos de rompecabezas de combinación de 3 son la creación de numerosas etapas atractivas y un equilibrio preciso de niveles. El propósito de este estudio es proponer un sistema de juego de rompecabezas de combinación de 3 que tiene como objetivo identificar el algoritmo más efectivo para entrenar agentes de inteligencia artificial en la construcción de etapas y la verificación del equilibrio de niveles. Para validar la utilidad de los sistemas, este documento realizó experimentos con el algoritmo de Optimización de Política Proximal (PPO) y obtuvo gráficos de recompensa acumulativa y valor de entropía. En consecuencia, se ha confirmado que el sistema puede ser utilizado para comparar los resultados de aprendizaje de cada algoritmo e identificar el algoritmo óptimo adecuado para los juegos de rompecabezas de combinación de 3. El uso de la tecnología de aprendizaje automático en los juegos de rompecabezas de combinación de 3 promete revolucionar el desarrollo de juegos y llevar a la creación de experiencias de juego más cautivadoras y gratificantes para los jugadores.