에이전트 AI: 정의, 프레임워크, 도전과제

최근 등장한 에이전트 AI 시스템은 자율성, 적응성, 목표 지향적 추론에 중점을 두어 기존 AI, 생성형 AI, 자율 시스템을 넘어서는 중요한 접근 방식입니다. 본 연구는 에이전트 AI 시스템의 정의, 프레임워크, 아키텍처를 통합적으로 검토하고, 생성형 AI, 자율 컴퓨팅, 다중 에이전트 시스템과 같은 관련 분야와 비교하여 명확한 이해를 제공합니다. 이를 위해 현재 LLM 기반 및 비LLM 기반 에이전트 시스템에 대한 143개의 주요 연구를 분석하여 계획, 기억, 성찰, 목표 추구 지원 방식을 살펴보았습니다. 또한, 에이전트 AI가 적용되는 작업 도메인을 기반으로 아키텍처 모델, 입출력 메커니즘 및 응용 분야를 분류하고, 실제 사례 연구를 강조하는 표 형식 요약을 통해 이를 뒷받침했습니다. 평가 지표는 시스템 성능과 신뢰성을 확인하기 위한 정성적 및 정량적 측정으로 분류되었으며, 에이전트 AI 시스템의 가용 테스트 방법도 함께 제시되었습니다. 본 연구는 기술적, 아키텍처적, 조정, 윤리 및 보안 문제를 포괄하는 에이전트 AI의 주요 도전과 한계점도 조명합니다. 이 연구는 에이전트 AI의 개념적 기반, 가용 도구, 아키텍처 및 평가 지표를 체계적으로 정리하여 에이전트 AI를 이해하고 발전시키기 위한 구조화된 토대를 마련했습니다. 이러한 결과는 연구자와 개발자가 다양한 도메인에서 책임감 있는 배포를 지원하는 더 나은, 명확하고 적응성 있는 시스템을 구축하는 데 기여할 것입니다.