저자가 ChatGPT Work의 GPT-6 Astra(Max) 모델에게 집 주소를 기준으로 5km·10km 순환 러닝 코스를 OSM 데이터로 만들어달라고 요청한 사례를 소개했다. 모델은 27분간 작업해 노미나팀(Nominatim)으로 주소를 찾고 오버패스(Overpass)로 도로·산책로 데이터를 내려받은 뒤 경로를 계산해, 지도 시각화와 GPX·GeoJSON 파일을 함께 제공했다. 다만 대화가 압축(compaction)되면서 실제 실행된 파이썬 코드를 나중에 요청했을 때는 확인할 수 없었고, 저자는 이를 투명성 부족의 사례로 지적하며 압축 기능을 쓰는 LLM 시스템은 압축 전 텍스트를 도구 호출로 다시 조회할 수 있게 보존해야 한다고 주장했다. 지도 시각화는 D3.js를 허용된 CDN에서 불러와 구현한 것으로 확인됐다.

• •GPT-6 Astra(Max)가 Nominatim·Overpass로 OSM 데이터를 활용해 27분 만에 5km·10km 러닝 루프 생성
• •결과물로 지도 시각화, GPX, GeoJSON 파일을 함께 제공
• •대화 압축(compaction) 이후 실제 실행 코드를 재요청했지만 확인 불가능해 투명성 문제로 지적됨
• •저자는 압축 기능 사용 시 원문 보존 및 도구 호출을 통한 재조회 지원이 필요하다고 제안
• •지도 렌더링은 허용된 CDN(cdn.jsdelivr.net)의 D3.js 라이브러리로 구현됨