Rock Matrix가 어텐션 KV 캐시를 시퀀스당 72 MiB로 고정한 소형 모델 EdgeRock-4B의 코드와 가중치를 공개했습니다. OpenAI Codex의 계정 전환 공지와 Runway의 Character Swap, 영국 정부의 PlanAssist 15개 지자체 확대도 이어집니다. 네 소식에서 공개된 범위와 아직 비어 있는 부분을 함께 살펴봅니다.
오늘 담긴 것
- Rock Matrix, EdgeRock-4B 공개…KV 캐시 72 MiB 고정, Apple Metal은 미시험: Rock Matrix의 모델 공개
- OpenAI Codex·Work 계정 전환, 두 계정 로그인 유지 지원…28일 시리즈 Day 26: OpenAI 커뮤니티 스레드의 기능 공지
- Runway App Studio 공개…기본 앱 Character Swap으로 영상 속 인물 교체: Runway의 제품 공개
- 영국 인허가 심사 AI PlanAssist, 15개 지자체로 확대…초기 시험서 업무 시간 58% 감소: 영국 정부의 보도자료
모델과 개발 도구
Rock Matrix, EdgeRock-4B 공개…KV 캐시 72 MiB 고정, Apple Metal은 미시험

10월 31일 기준 Rock Matrix의 EdgeRock-4B 저장소에는 텍스트와 이미지를 읽고 텍스트를 생성하는 모델의 추론·평가 코드와 가중치가 공개돼 있다. README는 정확한 공개일을 적지 않았다. 핵심은 요청이 길어져도 어텐션 KV 캐시가 늘지 않는 설계다.
- 핵심: README에 따르면 어텐션 KV 캐시가 시퀀스당 72 MiB로 고정되고, 256K 컨텍스트에서 Qwen3.5-4B의 8 GiB보다 99.1% 적다. 모델 설정에서 계산한 값이다.
- 성능: AIME 2024~2026 평균 pass@1 82.9%는 Rock Matrix의 자체 평가 값이다. 처리량 6.42배는 Hopper 80GB GPU 한 장에서 각 모델의 최고 배치로 잰 값이다.
- 공개 범위: 런타임 코드는 Apache-2.0이고 가중치는 별도 모델 라이선스를 따른다.
무엇이 달라지나
긴 대화나 긴 추론에서도 기록 메모리가 일정해, 같은 GPU에 더 많은 동시 요청을 올릴 수 있다는 것이 Rock Matrix의 설명이다. 다만 고정되는 것은 어텐션 KV 기록이고 모델 가중치 메모리는 따로 든다.
한계
MLX 패키지로 맥에서 쓰는 길은 README 기준으로 검증되지 않았다. README에 따르면 MLX 패키지 4종은 Linux CUDA에서만 기능 점검을 했고 Apple Metal은 시험되지 않았다. 반응 게시물에는 PyTorch 런타임을 맥북 프로의 GPU에서 돌렸다는 시연 주장이 있으나, 이를 독립적으로 검증한 자료는 제공되지 않았다. 맥에서의 속도 수치는 저장소에 없다. 벤치마크는 Rock Matrix의 자체 평가이고 처리량은 Hopper GPU 기준이다. 원본 모델의 점수가 압축 패키지의 정확도와 처리량을 보여 주지 않는다고 README가 밝혔다. 가중치의 모델 라이선스 조건은 README 본문에 적혀 있지 않다.
커뮤니티 반응
■유료 파트너십 표시가 붙은 소개 글들이 최근 토큰은 그대로 두고 오래된 세부 정보를 별도 뱅크에 저장하는 방식을 알렸다. 맥북 프로에서 로컬로 돌려 곱셈 문제를 푼 시연도 함께 소개됐다.
■뱅크에 무엇을 넣을지가 학습된 방식인지 휴리스틱인지, 긴 입력의 바늘 찾기 시험 결과는 어떤지 묻는 답글이 달렸다. 높은 AIME 점수는 독립 실행이 필요한 주장이라는 지적도 나왔다.
■라이선스 설명이 부족하다는 글, 긴 컨텍스트에서 품질이 유지되는지 묻는 글, 아이폰에서 돌릴 수 있는지 묻는 글이 이어졌다.
본문 펼치기 · 약 5분
KV 캐시 72 MiB는 설정에서 계산한 값이고 256K 기준 Qwen3.5-4B보다 99.1% 적다
README에 따르면 EdgeRock-4B는 Qwen3.5-4B를 바탕으로 8개의 전체 어텐션 층을 바꾼 모델이다. 24개의 Gated DeltaNet 층과 피드포워드 블록은 그대로 두었다. 기록은 세 부분이 나눠 맡는다. 순환 상태가 맥락을 요약하고, 1,024개 위치의 로컬 어텐션이 최근 정보를 처리한다. Rock Memory Anchors(RMA)는 멀리 떨어진 세부 정보를 골라 보관한다.
RMA 뱅크는 KV 그룹당 1,024개 기록을 담고, 256개 위치의 후보를 모았다가 256토큰마다 어떤 기록을 남길지 정한다. 이 용량이 고정이라 기록 메모리가 입력 길이와 무관하다는 설명이다. README 표에서 EdgeRock-4B는 32K부터 256K까지 72 MiB이고, Qwen3.5-4B는 1,024 MiB에서 8,192 MiB까지 커진다. 이 용량은 모델 설정에서 계산한 값이며 BF16 KV 기준이다.
멀리 있는 정보를 실제로 꺼내는지는 별도 시험이 있다. Rock Matrix는 README에서 16K에서 13만 토큰 사이의 입력 256개를 시험했다고 밝혔다. 먼 기억 질문의 정확도는 94.1%였고, RMA 모듈 8개를 모두 끈 조건에서는 0.4%였다. 질문 네 개를 모두 맞힌 입력은 80.1%였다. 시험 입력의 최대 길이가 약 13만 토큰이어서, 256K 기준의 캐시 감소 수치와 같은 길이에서 잰 정확도는 아니다.
AIME 82.9%는 같은 고정 기록 모델 사이의 비교이고 기록이 늘어나는 Qwen3.5-4B는 더 높다
README가 내세우는 82.9%는 AIME 2024~2026 평균 pass@1이다. 비교 대상 가운데 가장 강한 고정 기록 모델은 14B급 RWKV-7 G1j로 18.8%였다. 고정 기록 모델 비교에서는 29개 텍스트 평가 중 24개에서 앞선다. 평균은 77.2%로 AHN-GDN Qwen2.5 14B의 53.4%보다 높다고 Rock Matrix는 밝혔다.
기록이 계속 늘어나는 소형 모델과 나란히 놓으면 그림이 달라진다. 같은 README 표에서 AIME 평균은 Qwen3.5-4B가 86.1, MiniCPM5-2B가 87.8로 EdgeRock-4B의 82.9보다 높다. EdgeRock-4B가 앞서는 항목은 MMLU-Pro(79.8)와 SuperGPQA(60.0)이다. GPQA-Diamond는 64.6 대 77.3, LiveCodeBench v6는 61.6 대 75.7, IFEval은 88.0 대 89.6으로 Qwen3.5-4B가 앞선다.
변환 뒤 유지율도 같은 맥락에서 읽어야 한다. README에 따르면 Qwen3.5-4B를 EdgeRock-4B로 바꾸면서 AIME 평균의 96.3%를 유지했고 MATH-500은 97.5%였다. 시각 평가 6개의 평균은 84.9%로 Qwen3.5-4B 평균의 95.3%라고 한다. 모두 원본 대비 유지율이므로 원본을 넘었다는 뜻은 아니다. 이 점수는 모두 Rock Matrix가 보고한 값이다.
6.42배 처리량은 배치 크기가 다른 두 모델의 최고 기록을 비교한 값이다
README는 32K 입력과 32K 출력, Hopper 80GB GPU 한 장에서 각 모델의 최고 배치를 비교했다. EdgeRock-4B는 배치 512에서 초당 12,124토큰, Qwen3.5-4B는 배치 64에서 초당 1,889토큰이다. 출력 토큰만 세고, 걸린 시간에는 prefill이 포함된다.
공통 조건은 GPU 한 장, 입출력 길이, 출력 토큰만 세는 방식, prefill 포함 시간이다. 달라지는 조건은 배치 크기로, 비교 모델의 최고 배치는 32에서 128 사이였다. 서빙 엔진과 세부 설정은 README 본문에 나오지 않으며, 측정 프로토콜은 접힌 항목에 따로 있다.
단일 요청 디코딩은 README 표 기준으로 128K 입력과 128K 출력, 배치 1에서 초당 233.7토큰 대 151.3토큰(1.54배)이고 prefill은 제외한 값이다. 254K 입력과 2K 출력에서는 226.6 대 133.9(1.69배)다. 512개 동시 시퀀스에서는 가중 디코딩 초당 12,497토큰에 최대 61.26 GiB가 할당됐다. 내 GPU와 내 입출력 길이에서는 다른 값이 나올 수 있으므로 도입 전에 직접 재야 한다.
맥에서 돌리려면 패키지별 시험 범위부터 따져야 한다
README의 모델 목록은 런타임별로 나뉜다. 원본 BF16 모델과 NF4, INT8, FP8, AWQ, GPTQ, NVFP4 압축 패키지는 Hopper GPU에서 텍스트 추론을 점검했다. 맥을 겨냥한 패키지는 MLX 4종(8bit, 6bit g64, 4bit g32, 혼합 4bit)이다. MLX 패키지는 포함된 EdgeRock MLX 런타임을 쓰는데, 기능 점검은 Linux CUDA에서 했고 Apple Metal은 시험되지 않았다고 README는 밝혔다.
다른 경로에도 제약이 있다. GGUF는 7개 프로필이 있지만 EdgeRock 전용 RMA 백엔드가 필요하고 기존 llama.cpp나 Ollama는 지원하지 않는다. 함께 들어 있는 네이티브 바이너리는 Linux x86-64 Hopper용이다. ONNX는 제공된 상태 유지 실행기가 필요하고 모바일 ONNX Runtime은 시험되지 않았다. LiteRT-LM INT8과 INT4는 CPU 미리보기이며 Android 기기 시험이 진행 중이고 이미지와 오디오 입력은 빠져 있다.
맥에서 시험하려는 사람은 MLX 패키지 카드의 설치 방법과 시험 범위를 먼저 읽고, 자기 맥에서 정확도와 속도를 따로 재야 한다. 원본 모델의 벤치마크 점수가 압축 패키지에 그대로 적용되지 않는다고 README가 직접 밝혔기 때문이다.
자세히 읽기 · Rock Matrix의 EdgeRock 저장소 README ↗
OpenAI Codex·Work 계정 전환, 두 계정 로그인 유지 지원…28일 시리즈 Day 26

OpenAI 개발자 커뮤니티의 28일 품질 개선 스레드는 10월 6일에 시작됐고, 26일째 항목으로 두 계정에 로그인한 채 쉽게 전환하는 기능이 목록에 올랐다. 목록은 한 줄만 적었다.
- 핵심: Day 26 항목은 “두 계정에 로그인한 채 쉽게 전환한다”는 한 줄이다.
- 시리즈: 스레드 첫 글은 Codex 또는 Work 사용자 대부분에게 하루에 하나씩 개선을 내고, 개선이 없는 날은 전체 리셋을 준다고 소개했다.
- 직전 항목: Day 25는 Pro와 Business Premium의 사용 한도 두 배, Day 24는 iMessage나 RCS로 Dot에 문자 보내기다.
무엇이 달라지나
계정을 두 개 쓰는 사용자가 로그인 상태를 유지한 채 전환한다는 취지다. 다만 어느 화면에서 어떻게 전환하는지는 공지 목록에 나오지 않는다.
한계
이 스레드는 OpenAI 제품 문서가 아니라 커뮤니티 게시판의 목록이다. 이 목록에는 지원 기기(모바일, 데스크톱, 웹), 적용 플랜, 전환 방법이 적혀 있지 않다. 반응 게시물은 모바일에서 전환할 수 있고 데스크톱은 곧 지원된다고 전하지만, 이것이 Day 26의 Codex·Work 각각에 어떻게 적용되는지는 제공된 자료만으로 확정할 수 없다. 이 기능이 Codex에만 해당하는지 Work까지 포함하는지도 목록에 없고, Day 26 항목의 게시 시각도 없다. 28일째 발표 내용 역시 목록에 없다.
커뮤니티 반응
■모바일에서는 이미 쓸 수 있고 데스크톱은 곧 지원된다는 안내와 함께, 다음 이틀은 리셋이고 적립해 둔다는 말이 붙었다. 기능이 있어도 설정에서 찾기 어렵다는 지적이 나왔다.
■무거운 사용자에게 계정을 여러 개 쓰라는 신호처럼 읽힌다는 글이 있었고, 구독을 두 개 사서 한도를 늘리라는 말이냐는 불만도 이어졌다.
■한 기기에서 유료 계정을 여러 개 쓰면 기기 한도에 걸려 로그인이 막힐 수 있다는 OpenAI 도움말을 인용한 경고 글도 올라왔다.
본문 펼치기 · 약 4분
공지 목록은 Day 26을 한 줄로만 적어 사용 조건이 비어 있다
스레드 첫 글은 Day 1부터 Day 26까지 항목을 나열하고 각 항목의 글로 이동하는 링크를 단다. Day 26은 “Stay signed in to and easily switch between two accounts”라는 한 줄이 전부다. 어느 기기와 화면에서 되는지, 어느 플랜에서 되는지, 설정 어디에서 켜는지는 목록에 적혀 있지 않다. 이 글은 직접 써 보지 않았으므로 전환 방법을 안내할 수 없다.
첫 글의 성격도 짚어 둘 만하다. 작성자 VeitB는 OpenAI 팀이 DevDay 발표만으로는 부족하다고 판단한 것처럼 보인다고 쓰고, 오늘부터 매일 개선을 하나씩 내고 개선이 없는 날은 모두에게 전체 리셋을 준다고 소개했다. 스레드는 이 글을 계속 갱신하는 형태여서, 공식 릴리스 노트처럼 항목마다 상세 조건이 붙어 있지 않다.
28일 시리즈는 개선과 리셋이 번갈아 나오는 일정이 아니다
목록에는 모델과 한도, 도구 항목이 섞여 있다. Day 1은 GPT-6-Astra와 GPT-6.1-Sol의 성능 개선, Day 7은 GPT 6.1-Sol의 기본 컨텍스트 길이 500k 토큰, Day 16은 API의 12시간 캐시 선택이다. Day 22는 GPT-6.1 Terra 출시, Day 24는 Dot과의 iMessage·RCS 문자, Day 25는 Pro와 Business Premium의 사용 한도 두 배로 적혀 있다.
개선 없이 리셋만 적힌 날도 여러 번 있고, Day 17·18이나 Day 20·21처럼 리셋이 이어진 날도 있다. Day 15처럼 영상과 전체 리셋이 같은 날 함께 적힌 경우도 있어서, 개선과 리셋이 번갈아 나오는 일정은 아니다. Day 23은 iCloud와 캘린더 플러그인이 개선으로 치지 않아 리셋을 받는다고 적었다. Day 26 이후의 두 날은 아직 목록에 항목이 없다. 계정 전환이 이 일정의 마지막 개선인지, 28일째에 더 큰 발표가 있는지는 공개되지 않았다.
두 계정을 쓰는 팀은 전환 뒤에 적용되는 한도와 정책을 먼저 따로 적어 둘 만하다
한 줄짜리 항목만으로는 전환한 계정마다 대화 기록과 결제, 사용 한도가 어떻게 분리되는지 알 수 없다. 개인 계정과 회사 계정을 함께 쓰는 사용자라면, 전환 직후 어느 계정으로 작업이 기록되는지와 어느 계정의 한도가 차감되는지를 작은 작업으로 먼저 확인해 볼 수 있다.
팀 단위로 도입한다면 회사 정책도 함께 봐야 한다. 업무용 계정과 개인용 계정을 한 기기에서 섞어 쓰는 것이 허용되는지, 기기당 로그인할 수 있는 유료 계정 수에 제한이 있는지는 이 목록에 나와 있지 않다. 반응 게시물에는 여러 ChatGPT 계정 사용에 관한 OpenAI 도움말 링크가 있지만, 제공된 미리보기만으로는 기기당 유료 계정 수 제한의 상세 정책을 확인할 수 없다. 해당 도움말과 약관에서 직접 확인할 항목으로 남겨 두는 편이 안전하다.
시리즈에 든 모델 항목의 API 가격은 OpenAI 요금 페이지가 따로 밝힌다
목록의 Day 22 항목은 GPT-6.1 Terra 출시다. OpenAI 요금 페이지는 Terra를 시각적 추론과 정밀한 컴퓨터 사용, 명확하고 자연스러운 글쓰기를 위한 빠르고 효율적인 모델로 소개한다. 표준 처리 요금은 입력 100만 토큰당 1달러, 캐시 읽기 0.05달러, 출력 5달러다. 이 가격은 컨텍스트 길이가 272,000 미만인 경우에 해당한다.
같은 페이지에서 GPT-6.1 Sol은 입력 2달러에 출력 10달러, GPT-6 Astra는 입력 10달러에 출력 50달러, GPT-6 Luna는 입력 0.10달러에 출력 0.50달러로 적혀 있다. 배치 처리는 50% 낮다고 표시된다. 다만 이 페이지는 계정 전환이나 Codex 사용 한도를 설명하지 않는다. 그래서 Day 26 항목의 비어 있는 조건을 채워 주지는 못한다.
자세히 읽기 · OpenAI 개발자 커뮤니티의 28일 품질 개선 스레드 ↗ · OpenAI의 API 요금 페이지 ↗
창작과 공공 서비스
Runway App Studio 공개…기본 앱 Character Swap으로 영상 속 인물 교체

Runway가 10월 26일 App Studio를 공개하면서, 기본 앱 여섯 개 가운데 하나로 Character Swap을 내놓았다. 평문으로 필요한 도구를 설명하면 맞춤 창작 앱이 만들어지는 기능이다.
- 핵심: App Studio는 이미지·영상·오디오를 만드는 맞춤 앱을 코드 없이 만든다. 코드는 원하는 사람이 볼 수 있다.
- 용도: Character Swap은 영상에 자신이나 다른 캐릭터를 넣고, 시장마다 맞는 출연자로 같은 광고를 여러 버전으로 만들거나 재촬영 없이 장면을 다시 구성하는 용도로 소개됐다.
- 요금: 모든 유료 플랜에 포함되고 새로 구매할 것은 없다. 만들기와 실행, 호스팅은 기존 Runway 크레딧에서 나간다.
무엇이 달라지나
같은 영상을 출연자만 바꿔 여러 시장용으로 내야 하는 팀이 재촬영 대신 앱 하나로 버전을 만드는 방법이 생겼다. 팀의 작업 방식을 앱으로 만들어 동료에게 공유할 수도 있다.
한계
Runway 원문에는 Character Swap의 입력 조건, 결과 품질, 크레딧 소모량이 공개되지 않았다. 움직임과 카메라 유지, 오디오 처리 같은 세부 동작은 원문에 없다. 얼굴이나 초상을 쓸 때의 동의 절차도 이 글에는 적혀 있지 않다.
커뮤니티 반응
■노란 점퍼를 입은 스카이다이버 영상에서 사람만 아기, 할머니, 민트색 정장 남성으로 바뀌었다는 Runway 공식 시연 장면 소개 글이 올라왔다.
■팔을 벌린 자세와 카메라 움직임이 그대로 유지되고, 오디오도 새 장면에 맞게 옮기거나 바꿀 수 있다는 설명이 붙었다.
■촬영은 한 번 하고 주인공만 바꾸는 시대이니 이제 찍는 사람은 동작 하나를 얼마나 잘 잡느냐가 관건이라는 댓글이 달렸다.
본문 펼치기 · 약 3분
App Studio는 평문 설명으로 맞춤 앱을 만들고 Character Swap은 그 기본 앱 가운데 하나다
Runway 발표에 따르면 App Studio는 필요한 도구를 평문으로 설명하면 자체 화면을 갖춘 맞춤 앱이 만들어지고, 그 앱이 Brand Kit과 Workflow를 써서 이미지, 영상, 오디오를 생성하는 기능이다. App Studio가 앱의 코드를 작성·테스트·배포하고, 사용자는 평문으로 앱을 계속 다듬는다. 변경은 게시 전에 미리 보고 이전 버전으로 되돌릴 수 있다. 코드는 보고 싶은 사람이 볼 수 있게 열려 있다.
출시와 함께 나온 기본 앱은 여섯 개다. Character Swap 외에 제품을 기존 영상에 바꿔 넣는 AutoComp, 제품 사진 한 장으로 상품 이미지를 만드는 Product Portfolio, 3D 공간에서 카메라 위치와 움직임을 정하는 3D Camera Control, 이미지의 표시한 부분만 고치는 Precise Edit, 제작 파이프라인에 맞춘 자체 Runway를 만드는 Runway Pro다. 이 앱들은 그대로 쓰거나 고쳐서 자기 앱으로 만들 수 있다고 한다.
이미 쓰는 Agent 세션이나 Workflow가 있으면 한 번의 클릭으로 앱으로 바꿀 수 있고, 지시문과 모델 연결, 설정을 고정한 채 동료에게 필요한 입력 칸만 보여 줄 수 있다.
Character Swap의 용도는 시장별 출연자 교체와 재촬영 없는 장면 교체로 소개됐다
원문의 Character Swap 설명은 두 문장이다. 자신이나 어떤 캐릭터든 어떤 영상에든 넣을 수 있고, 시장마다 맞는 출연자로 같은 광고를 여러 버전으로 만들거나 재촬영 없이 장면을 다시 구성할 수 있다는 내용이다. 같은 계열의 AutoComp는 상표와 포장을 정확하게 유지한 채 제품을 기존 영상에 바꿔 넣는 앱으로 소개됐다.
이 설명이 알려 주지 않는 것도 많다. 입력할 수 있는 영상의 길이와 해상도, 결과물을 얻는 데 크레딧이 얼마나 드는지는 공개되지 않았다. 반응 게시물은 Character Swap 공식 시연이라며 스카이다이버를 아기·할머니 등으로 바꿔도 원래 움직임이 유지된다고 전하지만, 영상 자체의 결과는 확인하지 못했다. 얼굴이 나오는 영상을 바꿀 때 동의를 어떻게 받는지도 원문에 없다. 실제 광고에 쓰려는 팀은 자기 영상으로 작은 시험을 먼저 해 봐야 한다.
요금은 유료 플랜 포함이지만 생성마다 크레딧이 쓰이고 공개 링크는 이용자가 자기 크레딧을 쓴다
App Studio는 모든 유료 플랜에 포함되고 새로 구매하거나 추가할 항목은 없다. 앱을 만들고 실행하고 호스팅하는 데 드는 비용은 모두 기존 Runway 크레딧 잔액에서 나가며, 앱마다 사용량이 표시돼 지출을 관리할 수 있다고 한다. 앱은 만든 사람만 쓰다가 공유할 때 팀원이나 프로젝트, 작업 공간 전체에 열 수 있다.
공개 링크는 유료 플랜 사용자가 만들 수 있다. 링크를 연 사람은 Runway 계정으로 로그인해 자기 크레딧으로 앱을 쓰고, 결과물은 그 사람의 Assets에 저장된다. 앱을 만든 사람은 앱을 만들고, 자기가 생성을 실행하고, 호스팅하는 값만 낸다. 무료 사용자는 기본 앱과 공유받은 앱을 쓸 수 있고, 직접 앱을 만들려면 유료 플랜으로 올려야 한다. 무료 사용자의 크레딧 적용 방식은 원문에 적혀 있지 않다.
Enterprise 고객에게는 관리자가 작업 공간별로 App Studio를 끄고 공개 링크 허용 여부를 정하는 통제가 있다. 관리자 패널에서 끈 모델은 모든 앱에서 꺼지며, Enterprise 앱 링크는 기존 Runway 계정 로그인을 요구한다.
자세히 읽기 · Runway의 App Studio 소개 글 ↗
영국 인허가 심사 AI PlanAssist, 15개 지자체로 확대…초기 시험서 업무 시간 58% 감소

영국 정부가 10월 30일 보도자료에서 AI 계획 심사 보조 도구 PlanAssist를 15개 지자체에서 12개월 동안 쓰고, 2027년 말까지 잉글랜드 모든 지자체에 제공할 의도라고 밝혔다. Google DeepMind, Google Cloud, Faculty와 지자체가 함께 만들었다.
- 핵심: 신청서, 지역 정책, 부지 제약을 한곳에 모아 훈련된 공무원이 검토하게 하는 도구다.
- 수치: 초기 시험에서 핵심 계획 업무에 쓰는 시간이 58% 줄었다고 발표문은 밝혔다.
- 확대: Camden, Barnet, Dorset 시험 뒤 12곳을 더해 15곳에서 12개월 쓴다.
무엇이 달라지나
15개 지자체의 공무원이 기존 절차와 함께 PlanAssist를 써서 대규모 성능을 시험한다. 최종 판단은 계속 담당 공무원이 하고, 도구는 의무 소프트웨어가 아니다.
한계
정부 발표문의 58%는 핵심 계획 업무에 쓰는 시간 감소이고, Google DeepMind 게시물은 주택 소유자 신청 검토 시간을 최대 58% 줄였다고 표현해 두 출처의 표현과 범위가 다르다. 표본 수와 비교 기준은 제공된 자료에 없다. 발표문은 초기 시험 결과가 일상적인 주택 소유자 신청 처리 시간을 8주에서 4주로 절반 줄이는 데 도움이 됐다고 서술하지만, 이를 검증할 표본 수와 비교 기준 등 상세 실측 자료는 제시하지 않았다. 발표문의 게시일은 10월 30일인데 본문은 “오늘(31일)”로 적었다. 시범 운영 초안 보고서가 수정 없이 승인된 비율 같은 수치는 발표문에 없다.
커뮤니티 반응
■Google DeepMind 계정은 Gemini로 만든 PlanAssist가 주택 소유자 신청을 검토하는 시간을 최대 58%까지 줄일 수 있다고 소개하며 12개 지자체 추가 제공을 알렸다.
■시범 운영에서 초안 보고서의 70% 이상이 수정 없이 승인됐고, 12개월 시험이 잘되면 2027년 전국 제공을 계획한다고 정리한 답글이 달렸다.
■NHS에도 이런 도구가 필요하다는 반응과, 이웃이 이미 반대 의견을 냈다는 농담이 나왔다.
본문 펼치기 · 약 3분
58% 감소는 핵심 계획 업무 시간이고 주택 소유자 신청 전체의 처리 시간이 아니다
발표문은 초기 시험에서 핵심 계획 업무에 쓰는 시간이 58% 줄었다고 쓰고, 이것이 일상적인 주택 소유자 신청의 처리 시간을 8주에서 4주로 반으로 줄이는 데 도움이 된다고 설명한다. 발표문은 이를 8주에서 4주로 줄이는 데 도움이 됐다고 서술하지만, 시험 신청 건수와 비교 기준은 적지 않아 그 서술의 근거와 범위는 판단하기 어렵다. 58%가 어떤 업무를 가리키는지도 “핵심 업무”로만 적혀 있다.
Faculty 임원은 이 시스템이 신청서 검토에 걸리는 시간을 반으로 줄인다고 말했다. 이 말은 58%와 범위가 달라서 발표문의 수치와 같은 근거로 읽을 수 없다. 기업 관계자의 발언과 정부가 든 수치를 구분해서 보는 편이 안전하다.
주택 소유자 신청의 비중도 두 가지로 적혀 있다. 본문은 매년 신청의 약 70%라고 하고, 부가 설명은 계획 담당 공무원 업무의 70%라고 한다. 건수 기준과 업무량 기준은 분모가 달라서 같은 수치로 읽으면 안 된다.
시험 3곳을 15곳으로 넓히는 12개월 확대이고 전국 제공은 정부의 의도로 적혔다
Camden, Barnet, Dorset에서 한 시험을 성공적이라고 평가한 뒤, 12곳이 더해져 15곳이 됐다. 추가된 곳은 Ashford, Lambeth, Newcastle, Nottingham, Bristol, Cumberland, North Lincolnshire, Rochdale, Redbridge, South Gloucestershire, Stoke-on-Trent, Westminster다. 이 15곳에서 12개월 동안 공무원이 기존 절차와 함께 PlanAssist를 써서 대규모 성능을 시험한다.
모든 지자체에 제공하겠다는 것은 확정된 일정이 아니라 정부가 의도한다고 적은 목표다. PlanAssist는 의무 소프트웨어가 아니다. 정부는 AI 도입을 막는 요소를 줄이려고 핵심 계획 문서의 디지털화와 오픈 데이터 공개를 2027년 말까지 의무화한다고 밝혔다. 이 이름은 6월에 발표된 AI 시제품에 이제 붙인 것이어서, 이번 확대는 시제품의 후속 단계다.
최종 판단은 담당 공무원이 하고 도구는 근거를 단 초기 평가를 만든다
발표문은 PlanAssist가 공무원에게 필요한 정보를 모아 근거를 단 초기 평가를 내놓는다고 설명한다. 신청서를 검토하고 결정할 책임은 계속 계획 담당 공무원에게 있다. 도구가 결정을 대신 내리는 구조가 아니라, 검토 전에 자료를 한곳에 모아 주는 구조라는 설명이다.
발표문에는 AI와 별개인 조치도 함께 나온다. 10월 31일부터 단순한 신청은 계획 위원회 대신 전문 계획 담당자가 결정하는 국가 위임 체계가 시행되고, 정부 지원 프로그램으로 420명의 계획 담당자를 새로 채용했다고 한다. 발표문은 이 조치들을 묶어 처리 시간 단축으로 소개하지만, 각각이 얼마나 기여하는지는 나누어 적지 않았다. 58% 감소는 AI 도구의 초기 시험 결과이고, 위임 체계와 채용은 다른 주체의 다른 조치다.
자세히 읽기 · 영국 정부의 계획 결정 속도 개선 보도자료 ↗