GPT-6 Astra와 ChatGPT Work로 달리기 경로 생성

(simonwillison.net)

Simon Willison2026년 9월 12일AI 모델

GPT-6 Astra와 ChatGPT Work가 OpenStreetMap 데이터를 활용해 맞춤형 러닝 경로를 생성하고 시각화하는 데 성공하며, AI 에이전트가 단순 텍스트 생성을 넘어 복잡한 지리 정보 처리 및 파일 생성까지 수행할 수 있는 가능성을 보여주었습니다.

이 글의 핵심 포인트

1GPT-6 Astra(Max)를 활용해 특정 주소 기반의 5K, 10K 러닝 경로 생성 성공
2Nominatim(지오코딩)과 Overpass(OSM 데이터 추출) API를 활용한 경로 계산 수행
3GPX, GeoJSON 파일 및 D3.js 기반의 시각화된 HTML 결과물 생성 및 제공
4ChatGPT UI 내에서 실행된 실제 코드와 상세 프로세스 확인이 어려운 투명성 문제 지적
5대화 내용 압축(Compulation) 시 이전 실행 코드에 대한 접근이 불가능해지는 기술적 한계 발생

이 글에 대한 공공지능 분석

왜 중요한가?

AI 에이전트가 외부 API(OSM)와 도구(Python, D3.js)를 결합하여 실질적인 물리적 데이터(경로)를 생성하는 'Actionable AI'의 진화를 보여줍니다. 단순 답변을 넘어 결과물을 파일 형태로 제공하는 기능은 업무 자동화의 새로운 기준을 제시합니다.

어떤 배경과 맥락이 있나?

LLM이 단순한 언able 언어 모델을 넘어, 코드를 실행하고 외부 데이터베이스를 쿼리하며 시각화 라이브러리를 제어하는 'Agentic Workflow'로 진화하고 있습니다. 이는 에이전트가 스스로 도구를 선택하고 사용하는 능력이 고도화되었음을 의미합니다.

업계에 어떤 영향을 주나?

기존의 특정 목적용 앱(예: 러닝 앱, 지도 서비스)이 AI 에이전트의 범용 기능에 의해 대체될 위험(Disruption)이 커집니다. 개발자들은 단순 UI 제공을 넘어, AI 에이전트가 호출할 수 있는 'Skill'이나 'API'를 구축하는 데 집중해야 합니다.

한국 시장에 어떤 시사점이 있나?

한국의 지도 데이터(Naver/Kakao) 기반 서비스들은 AI 에이전트가 접근 가능한 '도구(Tool)'로서의 가치를 재정의해야 합니다. 에이전트가 활용하기 쉬운 구조화된 데이터와 API 생태계를 선점하는 것이 미래 경쟁력이 될 것입니다.

이 글에 대한 큐레이터 의견

이번 사례는 AI 에이전트가 단순한 '채팅 인터페이스'를 넘어 '실행 가능한 워크스탬프'로 변모하고 있음을 증명합니다. 사용자가 자연어로 명령하면 AI가 지리 정보 시스템(GIS) 전문가처럼 행동하여 복잡한 연산을 수행하고 결과물을 시각화까지 완료하는 모습은, 향후 수많은 SaaS 모델의 붕괴와 재편을 예고합니다.

하지만 기술적 투명성 결여와 '컨텍스트 압축(Compaction)'으로 인한 정보 손실 문제는 심각한 리스크입니다. AI가 내부적으로 어떤 로직을 수행했는지 사용자가 추적할 수 없다면, 결과물의 신뢰성을 담보하기 어렵습니다. 스타트업 창업자들은 AI 에이전트 기반의 서비스를 설계할 때, 결과물뿐만 아니라 그 과정의 '검증 가능성(Verifiability)'을 어떻게 사용자에게 전달할 것인가를 핵심 설계 원칙으로 삼아야 합니다.

원문 보기 →