OpenAI와 PNNL, federal permitting에 coding agents 적용… 초안 작성 시간 최대 15% 단축 가능성

OpenAI와 U.S. Department of Energy 산하 Pacific Northwest National Laboratory는 February 26, 2026에 federal permitting 병목을 겨냥한 새 협력을 발표했다. 이번 프로젝트는 PNNL의 PermitAI team과 OpenAI를 연결해, coding agents가 National Environmental Policy Act 관련 workflow, 특히 environmental impact statements와 각종 review documents 초안 작성 업무를 얼마나 가속할 수 있는지 평가하는 데 초점을 맞춘다.

핵심 산출물은 DraftNEPABench다. OpenAI에 따르면 이 benchmark는 NEPA review process를 잘 아는 19명의 subject matter experts와 함께 설계됐고, 18개 federal agencies에서 사용하는 drafting tasks를 대표 샘플로 삼았다. 그 결과 generalized coding agents가 subsection당 1 to 5 hours의 작업 시간을 줄여, 전체 drafting time 기준 최대 약 15% 단축 효과를 낼 수 있다는 평가가 나왔다. 이는 permitting 전체를 autonomous하게 처리한다는 뜻은 아니지만, 수개월에서 수년이 걸릴 수 있는 workflow에서 분명한 생산성 개선 가능성을 보여준다.

이번 발표가 의미 있는 이유는 평가 대상이 단순 chat prompt가 아니라는 점이다. OpenAI는 PNNL이 GPT-5 같은 reasoning models와 함께 Codex CLI를 사용해 research, technical analysis, structured report writing을 수행하는 일반 목적 interface로 실험했다고 설명했다. Agent는 수백 페이지에 이르는 technical·regulatory 자료를 읽고 요약해야 했고, environmental 및 engineering sources 사이에서 사실을 검증해야 했으며, legal·technical 기준을 만족하는 문서를 작성해야 했다. 즉 file system 기반 workflow에서 agent-style system이 어느 정도 동작할 수 있는지를 본 셈이다.

동시에 OpenAI는 한계도 분명히 적었다. DraftNEPABench는 관련 context가 주어진 잘 정의된 drafting task를 평가하는 것이지, 실제 permitting decision 전체의 모호성과 재량을 대신 판단하는 테스트는 아니다. 회사는 outdated references나 약한 evaluation criteria가 일부 실패 사례에 영향을 줬다고도 설명했다. 실제 배포 환경에서는 expert feedback, iteration, human oversight가 계속 필요하다는 점도 강조했다. Environmental, legal, public-interest 영향이 큰 영역인 만큼 당연한 경고다.

그럼에도 policy 측면의 함의는 크다. Federal agencies는 bridges, transmission lines, power plants, manufacturing facilities 같은 infrastructure projects를 검토하며, 그 속도는 투자와 competitiveness에 직접 연결된다. OpenAI는 PermitAI가 더 발전하면 federally reviewed infrastructure projects의 평균 승인 시간을 months에서 weeks 수준으로 낮출 수 있을 것으로 기대한다고 밝혔다. 이 전망은 실제 현장 검증이 필요하지만, 이번 협력은 AI가 office productivity를 넘어 regulated government workflow로 들어가고 있음을 보여주는 중요한 신호다.