AI
연구난이도 쉬움Google DeepMind · 10월 31일(토) 공개

주택 계획 심사에서 반복 업무를 돕는 PlanAssist의 초기 결과

영국 3개 지방정부의 초기 시험에서 담당자의 주택 신청 평가 시간을 58% 줄였다고 보고했으며, 최종 결정은 사람이 맡습니다.

쉽게 말하면비유하자면 심사 담당자 옆에서 서류가 다 왔는지 확인하고 관련 규정을 찾아 근거를 단 보고서 초안까지 써 두는 보조 직원이다. 담당자는 그 초안을 검토하고 고친다. 허가를 내줄지 말지는 여전히 담당자가 정한다.

왜 봐야 하나
AI가 초안을 쓰고 사람이 최종 결정하는 방식을 영국 지방정부 3곳의 주택 변경 신청 심사에서 시험한 초기 결과다. 58% 단축은 담당자의 평가 업무 시간만 잰 값이다. 표본 건수와 오류율이 공개되지 않아 정확도까지 판단할 수는 없다.

이 글은 영국의 주택 신청 심사에서 계획 담당 공무원의 행정 부담을 줄이기 위해 개발된 AI 도구 'PlanAssist'의 초기 파일럿 결과를 소개한다. Barnet, Camden, Dorset 세 지방자치단체에서 시험한 결과, 담당자가 주택 변경 신청 평가 업무에 쓰는 시간이 평균 58% 줄었고, 도구가 생성한 보고서의 70% 초과이 수정 없이 승인되었다. 이는 전체 신청 처리 기간 단축이나 정확도 향상을 의미하지 않으며, 2027년 잉글랜드 전역 확대는 성공적인 시험을 전제로 한 계획이다.

알아낸 것

  • Gemini 기반 도구가 신청 서류·도면의 정보 누락, 관련 보존·계획 규정, 기존 이의 제기를 확인한 뒤 출처를 단 보고서 초안을 작성합니다.
  • Barnet·Camden·Dorset 초기 파일럿에서 담당자의 신청 평가 업무 평균 시간이 58% 줄었고 생성 보고서의 70% 넘게 수정 없이 승인됐다고 보고했습니다.
  • 12개 지방정부를 더해 총 15곳으로 확대하는 12개월 베타를 계획하며, 모든 평가는 자격을 갖춘 담당자가 검토·승인하도록 합니다.

한계와 주의할 점

  • 58%는 담당자의 평가 업무 시간에 관한 초기 시험 수치이며 신청 접수부터 최종 허가까지의 전체 기간이나 정확도 개선 수치가 아닙니다.
  • 업무 비중 최대 70%와 수정 없이 승인된 보고서 70% 초과는 분모가 다른 수치입니다. 승인 결과가 항상 옳다는 뜻은 아닙니다.
  • 표본 신청 건수·측정 시간의 절대값·통제군·오류율은 공개하지 않았습니다. 2027년 잉글랜드 전역 확대는 성공적인 시험을 전제로 한 계획입니다.

용어 풀이

주택 변경 신청(householder application)
주택 소유자가 다락방 개조, 온실, 증축 등 자신의 집에 대한 소규모 변경을 신청하는 계획 허가 유형. 일상적이고 승인하기 쉬운 경우가 많지만 행정 처리에 시간이 많이 든다.
계획 담당 공무원(planning officer)
지방자치단체에서 건축 및 토지 이용 신청을 검토하고 승인 여부를 결정하는 공무원. PlanAssist는 이들의 업무를 보조하지만 최종 결정 권한은 그대로 유지된다.
보존수목 지정(tree preservation order)
원문이 든 나무 보호 관련 제약의 예. 해당 신청과 어떤 관련이 있는지 도구가 확인할 정보에 포함되며, 구체적인 법적 적용은 이 글에 설명되어 있지 않다.
인용 포함 보고서(fully cited report)
평가의 근거가 된 정책이나 규정을 명시적으로 인용한 보고서. PlanAssist가 초안을 생성하고 담당자가 편집할 수 있다.
베타 단계(Beta phase)
실제 신청을 대상으로 도구를 시험하는 12개월간의 단계. 파일럿보다 넓은 범위에서 성능과 신뢰성을 검증한다.

더 깊이 읽기 읽는 데 약 5분

배경과 문제

영국 정부는 2029년까지 150만 채의 새 주택을 짓겠다는 목표를 세웠지만, 계획 허가 과정의 병목 현상이 이를 가로막고 있다. 다락방 개조, 온실, 증축 같은 단순한 주택 변경 신청조차 승인까지 몇 달을 기다려야 하는 경우가 많다. 이런 지연은 가정의 일상 계획을 늦출 뿐 아니라 경제 성장에도 부담이 된다.

문제의 핵심은 일상적인 주택 변경 신청이 계획 담당 공무원 업무의 최대 70%를 차지한다는 점이다. 이런 신청은 대개 승인하기 쉬운데도 서류 확인, 정책 대조, 보고서 작성 같은 반복 행정 작업에 시간을 많이 빼앗긴다. 담당자가 복잡한 사안에 전문성을 집중하기 어려운 구조다.

기존 접근의 한계

원문이 묘사하는 반복 업무에는 신청 서류와 건축 도면 확인, 보존수목 같은 제약과 지역·국가 계획 정책 대조, 기존 이의 제기 확인, 근거를 단 보고서 작성이 포함된다. 이 여러 단계를 돕는 것이 도구의 목표다. 다만 기존 업무가 전부 수작업이었는지, 다른 자동화 도구가 있었는지와 같은 세부 비교 조건은 글에 제시되어 있지 않다.

담당자의 전문적인 판단이 필요한 사안에 더 많은 시간을 쓰게 한다는 것이 제공사가 제시한 취지다. 설명을 위해 비유하면 검토 자료를 미리 정리해 주는 보조자에 가깝다. 보조자가 보고서를 준비해도 최종 판단의 책임까지 넘겨받는 것은 아니며, 자동으로 생성한 문서에 근거가 달려 있다는 사실과 그 근거가 해당 신청에 맞는지는 별도로 살펴야 한다.

PlanAssist의 작동 방식

PlanAssist는 Google DeepMind가 영국 정부, Google Cloud, Faculty와 협력해 개발한 AI 도구다. Gemini 모델을 기반으로 하며, 주택 변경 신청 처리의 '힘든 일'을 대신해 담당자가 중요한 판단에 집중하도록 돕는다. 모든 신청의 최종 결정은 여전히 담당 공무원이 내린다.

작동은 세 단계로 나뉜다. 먼저 신청 서류와 건축 도면을 검증해 필수 정보가 모두 제출됐는지 확인한다. 다음으로 보존수목 지정 같은 유산 제약, 지역 및 국가 계획 정책, 주민 이의 제기 여부를 대조한다. 마지막으로 담당자가 편집할 수 있는 완전한 인용 포함 보고서 초안을 작성한다. 담당자는 이 초안을 검토하고 수정한 뒤 최종 결정을 내린다.

결과와 숫자의 의미

2026년 6월부터 Barnet, Camden, Dorset 세 지방자치단체에서 파일럿 시험을 진행했다. 초기 결과에 따르면 담당자가 주택 변경 신청 평가 업무에 쓰는 평균 시간이 58% 줄었다. 이는 신청 접수부터 최종 허가까지의 전체 기간이 절반으로 줄었다는 뜻이 아니라, 담당자의 평가 업무 시간만 측정한 수치다.

또한 생성 보고서의 70%가 넘는 비중이 담당자에게 수정 없이 승인되었다고 설명한다. 여기에는 신청이 지역 계획 규칙을 준수하는지, 필수 서류가 모두 제출됐는지에 관한 내용이 포함된다. 수정 없이 승인됐다는 것은 수정 부담에 관한 관찰이지 오류가 없다는 판정과 같지 않다. 표본 신청 건수, 측정 시간의 절대값, 통제군, 오류율도 공개되지 않았다.

구체적인 예시

글은 다락방 개조나 증축처럼 집의 일부를 바꾸는 신청과 가족이 아기방을 마련하는 상황을 예로 든다. 여기서 서류 확인과 규정 대조를 빠르게 해 준다는 목표는 이해할 수 있지만, 개별 신청의 기존 처리 시간이 몇 주였는지는 공개하지 않았다. 따라서 하나의 가정에 얼마나 빨리 허가가 나올지를 58%라는 수치만으로 예측할 수는 없다.

예를 들어 다락방 개조 신청이 들어오면, 도구는 건축 도면에 필수 치수가 있는지, 보존수목 지정 구역에 걸리는지, 지역 계획 정책상 허용 가능한지 확인하고 인용이 포함된 평가 보고서 초안을 만든다. 담당자는 이 초안을 바탕으로 승인 여부를 결정한다. 이는 이해를 돕기 위한 가상의 흐름이며, 실제 파일럿에서 다룬 구체적 신청 사례는 공개되지 않았다.

한계와 오해하기 쉬운 점

이 글은 학술 논문이나 통제 실험 보고서가 아니라 제공사의 초기 파일럿 결과 소개다. 58% 단축은 담당자의 평가 업무 시간에 관한 초기 시험 수치이며, 신청 접수부터 최종 허가까지의 전체 기간이나 정확도 개선 수치가 아니다. 업무 비중 최대 70%와 수정 없이 승인된 보고서 70% 초과는 분모가 다른 수치이므로 직접 비교할 수 없다.

표본 신청 건수, 측정 시간의 절대값, 통제군, 오류율은 공개되지 않았다. 2027년 잉글랜드 전역 확대는 성공적인 시험을 전제로 한 계획일 뿐 확정된 일정이 아니다. 또한 모든 평가는 자격을 갖춘 계획 담당 공무원이 검토하고 승인해야 하므로, AI가 결정을 대신하는 것은 아니다.

실제로 어떻게 활용할까

PlanAssist는 현재 12개월 베타 단계로 넘어가며, 일부 지방자치단체부터 실제 신청에 적용한다. 12개 추가 지방자치단체가 세 차례에 걸쳐 합류해 총 15곳이 참여한다. 이들에는 도시 지역과 농촌 지역이 모두 포함되어 다양한 커뮤니티에서 도구의 성능을 시험할 수 있다.

시험이 성공적이면 영국 정부는 2027년에 잉글랜드의 모든 지방자치단체에 이 도구를 제공할 계획이다. 다만 모든 평가는 자격을 갖춘 계획 담당 공무원이 검토하고 승인한 뒤에만 결정이 내려진다. 이는 AI가 행정 업무를 줄이되 최종 판단은 사람이 유지한다는 원칙을 보여준다.

원문에서 확인한 근거 4곳
  • PlanAssist는 초기 파일럿 시험에서 담당자가 주택 변경 신청 평가 업무에 쓰는 평균 시간을 58% 줄였다.early pilot testing across Barnet, Camden,
  • 도구가 생성한 보고서의 70%가 넘는 비중이 담당자에 의해 수정 없이 승인되었다.more than 70% of the reports
  • 일상적인 주택 변경 신청이 계획 담당 공무원 업무의 최대 70%를 차지한다.Routine householder applications account for up
  • 시험이 성공적이면 영국 정부는 2027년에 잉글랜드의 모든 지방자치단체에 이 도구를 제공할 계획이다.be made available to all councils

11월 3일(화) 정리 · AI가 쓰고 원문과 대조

다른 AI 글

전체 보기
물리 연구를 통째로 맡겨 보는 AI 시험 FrontierPhysics물리학자 42명이 자기 연구로 만든 과제 56개를 AI 에이전트에게 통째로 맡겼더니, 가장 잘한 AI도 168번 가운데 46…평가·벤치마크난이도 보통AI가 아는 것과 '안다'는 말의 차이를 잰 벤치마크 FinDendro날짜가 붙은 미국 금융 사실 2,226건으로 AI가 실제로 맞히는 것과 '안다'고 말하는 것을 견줬더니, 대부분의 모델에서…평가·벤치마크난이도 보통에이전트 메모에 근거 기록을 연결하는 기억 기법 WikiTraceAI 에이전트가 쌓아 둔 교훈마다 근거가 된 작업 기록을 연결해 되짚게 했더니, 메모 때문에 틀리는 일이 줄고 평균 점수가…연구 · 프리프린트난이도 보통세포 종류별로 DNA 변이 영향을 예측하는 알파게놈 2DNA 100만 글자와 '어떤 세포인지'를 함께 넣는 모델을 만들어, 변이가 세포 종류마다 유전자 활동을 어떻게 바꾸는지 이…공식 연구 발표난이도 어려움시그널 암호 코드 보안을 AI가 증명한 AlphaProof Code사람이 '무엇을 증명할지'를 정하면 AI 에이전트 팀이 증명을 쓰는 방식으로, 메신저 시그널의 암호 코드가 보안 약속을 지킨…공식 연구 발표난이도 어려움AI 모델 파일에 남은 GPU 지문을 읽는 체크포인트 포렌식공개된 AI 모델 파일에 남은 초기값 흔적으로 첫 값을 만든 GPU 계열을 가려내는 방법을 내놓았다. 중국 4개 회사의 모델…기술 보고서난이도 어려움생활 속 일을 실제로 해내는 AI를 평가하는 LifeVal시간 사용 조사와 이용자 설문으로 생활 과제를 정한 평가이며, 공개된 일부 과제 점수의 의미와 한계를 살펴봅니다.평가난이도 쉬움잡음을 지웠더니 언어 판별이 나빠졌다: SceneMaker의 한국어 방송 실험한국어 방송 6편의 발화 3,115구간에서 잡음 제거가 언어 판별 점수를 낮춘 사례를 살펴보고, 검수 방식과 적용 범위를 구…커뮤니티 해설난이도 보통