Agentic AI는 목표를 받아 계획을 세우고, 도구를 써서 실행하며, 중간 결과를 보고 다음 행동을 조정하는 AI 시스템 설계 방식이다. AI Agent는 그 안에서 실제로 계획을 실행하고 도구를 호출하는 단위다. Agentic AI가 '어떤 구조로 설계할 것인가'의 아키텍처 개념이라면, AI Agent는 '그 구조 안에서 무엇이 일하는가'의 실행 주체다.
Agentic AI는 목표를 받아 계획을 세우고, 도구를 써서 실행하며, 중간 결과를 보고 다음 행동을 조정하는 AI 시스템 설계 방식이다. AI Agent는 그 안에서 실제로 계획을 실행하고 도구를 호출하는 단위다. Agentic AI가 '어떤 구조로 설계할 것인가'의 아키텍처 개념이라면, AI Agent는 '그 구조 안에서 무엇이 일하는가'의 실행 주체다.
이 글에서는 Agentic AI의 정의와 개념 구조, AI Agent와의 구분을 다룬다. 특정 제품이나 구현 방법, 도입 판단은 다루지 않는다.
일반적인 LLM 활용은 질문을 받아 한 번 답하고 끝난다. Agentic AI는 다르다.
"경쟁사 분석 보고서를 작성해줘"라는 목표가 들어오면, 에이전트는 먼저 어떤 순서로 무슨 작업을 할지 계획을 세운다. 대상 기업 선정 → 공개 정보 수집 → 비교 기준 설정 → 요약 정리 순으로 흐름을 구성하는 식이다. 그런 다음 최신 공시 자료는 웹 검색으로, 내부 계약 데이터는 사내 DB API로, 수치 계산은 코드 실행으로 처리하며 필요한 정보를 외부에서 가져온다.
이 과정에서 두 가지 정보가 함께 유지된다. 상태(state)는 "현재 3번째 기업 데이터를 수집 중"처럼 지금 어느 단계에 있는지를 나타낸다. 메모리(memory)는 "앞서 조사한 A사·B사의 결과 요약"처럼 이미 쌓인 맥락이다. 이 둘이 함께 있어야 에이전트는 처음부터 다시 시작하지 않고 작업을 이어갈 수 있다.
결과가 기대에 미치지 못하면 계획을 수정한다. 특정 기업의 공개 정보가 부족하다면 다른 출처를 탐색하거나, 그 기업을 분석 범위에서 제외하는 결정을 내린다. 이 재계획 능력이 "한 번 답하고 끝나는 도구"와 Agentic AI를 가르는 핵심이다.
Agentic AI가 시스템 전체의 설계 방식이라면, AI Agent는 그 안에서 일하는 실행 주체다. 업무 처리 방식을 정한 조직 구조가 Agentic AI라면, 그 구조 안에서 실제로 일을 맡아 처리하는 담당자가 AI Agent다. 하나의 Agentic AI 시스템이 여러 AI Agent를 포함할 수 있다.
구분Agentic AI단일 LLM 응답입력목표질문처리 방식계획 기반 단계적 실행1회 응답상태·메모리포함 (설계에 따라 범위 다름)제한적도구 활용핵심 메커니즘선택적실패 대응재계획·재시도 가능단일 응답 내 제한
"Agentic AI는 더 크고 강력한 AI 모델을 뜻한다"
모델 규모가 아니라 구조가 핵심이다. 작은 모델도 목표·계획·실행을 연결하는 구조 안에서 에이전트로 동작할 수 있다.
"AI Agent와 Agentic AI는 같은 말이다"
Agentic AI는 시스템 전체의 설계 방식이고, AI Agent는 그 안의 실행 단위다. 하나의 시스템이 여러 에이전트를 포함할 수 있다는 점에서 개념의 층위가 다르다.
"항상 반복 실행이 필수다"
재계획과 재시도는 선택적 메커니즘이다. 목표에 따라 단일 실행으로 완료되는 Agentic AI 시스템도 있다.
Q1. Agentic AI는 새로운 AI 모델인가?
아니다. 기존 LLM을 포함해 여러 구성요소를 결합한 시스템 설계 개념이다.
Q2. 규칙 기반 자동화(RPA)와 어떻게 다른가?
RPA는 미리 정해진 절차를 따른다. Agentic AI는 목표에 따라 계획을 세우고, 중간 결과에 따라 행동을 스스로 조정한다.
Q3. 에이전트 하나만 있어도 Agentic AI인가?
가능하다. 단일 에이전트도 목표 기반 계획·실행과 도구 사용을 포함하면 Agentic AI로 볼 수 있다.
Q4. 어떤 업무에서 Agentic AI가 주로 쓰이는가?
목표가 명확하고, 단계적 작업 분해와 외부 도구 호출이 필요하며, 중간 결과에 따라 방향을 조정해야 하는 업무에서 주로 다뤄진다.
