본 논문은 AI 에이전트와 에이전틱 AI를 비판적으로 구분하고, 그들의 상이한 설계 철학과 기능을 명확히 하기 위한 구조화된 개념 분류, 응용 매핑 및 과제 분석을 제공합니다. AI 에이전트를 좁고 특정 작업 자동화를 위해 대규모 언어 모델(LLM)과 대규모 이미지 모델(LIM)에 의해 구동되는 모듈식 시스템으로 특징지으며, 생성형 AI를 그 전 단계로 위치시키고, 도구 통합, 프롬프트 엔지니어링 및 추론 개선을 통해 AI 에이전트가 발전한다고 설명합니다. 반면 에이전틱 AI 시스템은 다중 에이전트 협업, 동적 작업 분해, 지속적인 메모리 및 조율된 자율성으로 특징지어지는 패러다임 전환을 나타냅니다. 건축 진화, 작동 메커니즘, 상호 작용 스타일 및 자율성 수준에 대한 순차적 평가를 통해 두 패러다임에 걸친 비교 분석을 제시합니다. 고객 지원, 스케줄링 및 데이터 요약과 같은 응용 분야는 연구 자동화, 로봇 조정 및 의료 의사 결정 지원 분야의 에이전틱 AI 배포와 대조됩니다. 또한 환각, 취약성, 출현 행동 및 조정 실패를 포함한 각 패러다임의 고유한 과제를 조사하고 ReAct 루프, RAG, 조정 계층 및 인과 모델링과 같은 표적 솔루션을 제안합니다. 이 연구는 강력하고 확장 가능하며 설명 가능한 AI 에이전트 및 에이전틱 AI 기반 시스템을 개발하기 위한 명확한 로드맵을 제공하는 것을 목표로 합니다.
