AI Agents vs. Agentic AI: A Conceptual Taxonomy, Applications and Challenges

이 논문은 AI Agent와 Agentic AI를 한 이름으로 섞어 쓰는 문제를 문헌 정리와 비교표 기반 분류로 풀었다.

이 논문은 한마디로 단일 AI Agent와 여러 agent가 협업하는 Agentic AI를 가르는 개념 분류 review다. 저자들은 학술 DB와 AI 검색 도구 열두 곳에서 문헌을 모아 구조, 동작 방식, 적용 영역, 과제를 비교했다. AI Agent는 tool을 부르는 단일 과제 실행기로, Agentic AI는 orchestrator가 조율하는 다중 agent 시스템으로 나눴다. 해법으로 RAG, ReAct loop, memory 구조, 인과 모델링을 포함한 열 가지 설계 전략과 앞으로의 로드맵을 제시했다.

핵심 요약

• 문제: 저자들은 기존 survey가 AI Agent와 Agentic AI를 지능형 agent라는 한 이름 아래 섞어 써서 개념이 모호해지고 시스템 설계가 어긋난다고 보았다. 구분이 흐리면 agent 협업이 필요한 일은 덜 설계하고 단일 agent로 풀 일은 과하게 설계하게 된다고 밝혔다.
• 조사 범위: 이 논문은 문헌을 모아 정리한 review(survey)다. Google Scholar, IEEE Xplore, arXiv 같은 학술 DB와 ChatGPT, Perplexity.ai, Grok 같은 AI 검색 도구를 합쳐 열두 곳에서 AI Agents, Agentic AI 같은 검색어로 문헌을 찾았다. 포함 기준은 새로움, 실증 평가, 구조 기여, 인용 영향이다.
• 분류: AI Agent는 LLM과 LIM(Large Image Model, CLIP 같은 이미지 모델)으로 tool을 불러 좁은 과제를 수행하는 단일 시스템이며, 자율성, 과제 특화, 반응성 세 특성으로 정의했다. Agentic AI는 여러 전문 agent가 목표를 나눠 맡고 통신하며 persistent memory와 orchestrator(meta-agent)로 조율되는 시스템으로 정의했다. 비교표(Table 1부터 Table 9)는 Generative AI를 기준으로 두 유형을 대조하고, Generative Agent를 추론한 네 번째 유형으로 더했다.
• 적용 사례: AI Agent 쪽은 고객 지원과 사내 검색, 이메일 분류, 개인화 추천과 기본 보고, 일정 관리 비서 네 영역을 다뤘다. Agentic AI 쪽은 다중 agent 연구 보조, 로봇 협업, 의료 의사결정 지원, 게임 AI와 workflow 자동화 네 영역을 다뤘다. Table 10과 Table 11에는 2023년부터 2025년까지의 대표 AI Agent와 Agentic AI 시스템을 응용 분야와 동작 방식으로 정리했다.
• 과제와 해법: AI Agent의 핵심 한계로 인과 추론 부족, LLM에서 물려받은 hallucination과 얕은 추론, 불완전한 agent 속성(자율성, 능동성), 긴 계획과 복구 실패 네 가지를 꼽았다. Agentic AI에는 agent 사이 오류 전파, 조율 실패, emergent behavior(agent 상호작용에서 생기는 예상 밖 행동)의 불안정, 확장 한계, 설명 어려움을 포함한 여덟 가지 병목을 들었다. 해법으로 RAG, function calling, ReAct loop, memory 구조, 역할 기반 orchestration, 인과 모델링을 포함한 열 가지 설계 전략을 제시했다.
• 한계: 저자들은 agent benchmark가 인공 환경에 기대고 Agentic AI 개발이 엄밀한 실증 검증보다 구조의 새로움을 앞세운다는 비판을 직접 소개했다. 이 논문의 근거는 문헌과 개념 비교이며, 적용 영역의 자세한 예시는 가상 시나리오로 그렸다. 의료 의사결정 지원은 실제 구현이 아직 부족하다고 저자들이 밝혔다.

논문 링크

외부 연구를 정리한 자료입니다. HDATF가 발표한 논문이나 제품 성능을 측정한 결과는 아닙니다.