[논문 리뷰] Generative to Agentic AI: Survey, Conceptualization, and Challenges

Johannes Schneider|ArXiv.org|2025. 04. 26.

Artificial Intelligence in Healthcare and Education인용 수 4

한 줄 요약

이 논문은 Generative AI (GenAI)와 Agentic AI를 조사하고, 개념을 정의하며, 능력을 비교하고, AGI를 향한 진화, 추론, 상호 작용, 도전 과제를 개관한다.

ABSTRACT

Agentic Artificial Intelligence (AI) builds upon Generative AI (GenAI). It constitutes the next major step in the evolution of AI with much stronger reasoning and interaction capabilities that enable more autonomous behavior to tackle complex tasks. Since the initial release of ChatGPT (3.5), Generative AI has seen widespread adoption, giving users firsthand experience. However, the distinction between Agentic AI and GenAI remains less well understood. To address this gap, our survey is structured in two parts. In the first part, we compare GenAI and Agentic AI using existing literature, discussing their key characteristics, how Agentic AI remedies limitations of GenAI, and the major steps in GenAI's evolution toward Agentic AI. This section is intended for a broad audience, including academics in both social sciences and engineering, as well as industry professionals. It provides the necessary insights to comprehend novel applications that are possible with Agentic AI but not with GenAI. In the second part, we deep dive into novel aspects of Agentic AI, including recent developments and practical concerns such as defining agents. Finally, we discuss several challenges that could serve as a future research agenda, while cautioning against risks that can emerge when exceeding human intelligence.

연구 동기 및 목표

• GenAI와 Agentic AI를 정의하고 차이점과 유사점을 명확히 한다.
• 문헌을 바탕으로 GenAI와 Agentic AI의 능력과 한계를 비교한다.
• GenAI에서 Agentic AI로의 진화를 설명하고 주요 이정표를 식별한다.
• Agentic AI의 추론, 기억, 도구, 상호 작용 구성 요소를 분석한다.
• AGI를 향한 평가 전략과 연구 과제 및 책임 있는 배치를 논의한다.

제안 방법

• GenAI와 Agentic AI를 대조하는 구조화된 문헌 조사를 수행한다.
• 특성의 공식 정의와 높은 수준의 분류 체계(Table 1)를 제공한다.
• GPT-2/3/ChatGPT 3.5에서 에이전트 아키텍처와 RL 기반 상호 작용으로의 진화를 추적한다.
• 추론 패턴(CoT, ToT, FoT, GoT)과 기억/도구 상호 작용 메커니즘을 종합한다.
• Agentic AI의 평가 기준을 제시하고 향후 연구 의제를 개요한다.

실험 결과

연구 질문

• RQ1 GenAI와 Agentic AI가 추론, 상호 작용 및 자율성에서 어떻게 다른가?
• RQ2 다단계 작업 해결 및 환경과 도구와 상호 작용하는 능력을 가능하게 하는 능력은 무엇인가?
• RQ3 Agentic AI를 어떻게 정의, 명시, 평가해야 하는가(단일 및 다중 에이전트 시스템)?
• RQ4 Agentic AI를 향한 AGI 진전에 따라 어떤 도전 과제와 위험이 나타나는가?
• RQ5 Agentic AI 배치를 위한 실용적이고 윤리적인 고려 사항은 무엇인가?

주요 결과

• Agentic AI는 GenAI를 넘어 반복 계획, 반성, 환경/도구 상호 작용을 추가한다.
• Agentic AI의 추론 개선은 검증 및 재귀를 통한 오류 및 환각 감소에 기여할 수 있다.
• 메모리, 검색 보강, 동적 자원 할당은 더 확장 가능하고 제어 가능한 AI 워크플로를 가능하게 한다.
• 실제로 GenAI는 도메인별 데이터가 풍부하거나 비용이 고려될 때 일부 영역에서 Agentic AI보다 우수할 수 있다.
• Agentic AI는 AGI로의 중요한 진전이지만 데이터, 학습, 안전성 및 해석 가능성의 문제에 직면해 있다.
• 다양한 추론 분해(CoT, FoT, GoT)와 반성 전략은 더 깊은 문제 해결을 가능하게 한다.