AI 에이전트와 에이전틱 AI: 개념 분류 및 활용
생성형 AI 시대의 정보 융합은 AI 에이전트와 에이전틱 AI를 명확히 구분해야 할 필요가 있습니다. 본 연구는 이 두 개념의 설계 철학과 역량 차이를 규명하기 위해 구조화된 개념 분류 체계, 응용 분야 매핑, 그리고 기회와 도전 과제 분석을 제시합니다. 특히, AI 에이전트는 LLM과 LIM을 기반으로 특정 작업을 자동화하는 모듈형 시스템으로 정의하며, 생성형 AI를 그 기반으로 봅니다. 연구는 검색 전략과 기본 정의를 시작으로, AI 에이전트가 도구 통합, 프롬프트 엔지니어링, 추론 강화를 통해 발전함을 설명합니다. 반면, 에이전틱 AI 시스템은 다중 에이전트 협업, 동적 작업 분해, 영구 메모리, 조정된 자율성을 특징으로 하는 패러다임 전환을 나타냅니다. 아키텍처 진화, 운영 메커니즘, 상호작용 방식, 자율성 수준에 대한 연대기적 평가를 통해 두 패러다임을 비교 분석합니다. AI 에이전트가 고객 지원, 스케줄링, 데이터 요약 등에서 활용되는 반면, 에이전틱 AI는 연구 자동화, 로봇 조정, 의료 의사결정 지원 등에서 배포됩니다. 각 패러다임의 고유한 도전 과제(환각 현상, 취약성, 비예측적 행동, 조정 실패)를 탐구하고, ReAct 루프, 검색 증강 생성(RAG), 자동화 조정 계층, 인과 모델링과 같은 맞춤형 해결책을 제안합니다. 본 연구는 견고하고 확장 가능하며 설명 가능한 AI 기반 시스템 개발을 위한 로드맵을 제공하여, 컴퓨터 과학 분야의 STEM 학생 및 연구자들이 핵심 개념을 명확히 이해하고 실제 응용에 적용할 수 있도록 돕는 것을 목표로 합니다.