Agentic AI의 빠른 발전에 따른 혼란을 해소하기 위해, 본 논문은 에이전트 시스템을 Symbolic/Classical과 Neural/Generative의 두 가지 계보로 분류하는 새로운 이중 패러다임 프레임워크를 제시한다. 90개의 연구(2018-2025)를 PRISMA 기반으로 분석하여, 각 패러다임의 이론적 기초, 아키텍처 원리, 도메인별 구현, 윤리적/거버넌스 문제를 조사한다. 특히, 안전이 중요한 분야(예: 헬스케어)에서는 Symbolic 시스템이, 데이터가 풍부한 환경(예: 금융)에서는 Neural 시스템이 주로 사용됨을 밝힌다. 또한, Symbolic 시스템의 거버넌스 모델 부족과 하이브리드 신경-기호 아키텍처의 필요성을 지적하며, 적응성과 신뢰성을 모두 갖춘 시스템을 구축하기 위한 두 패러다임의 통합을 제안한다.
