AI 에이전트와 에이전틱 AI가 다른 개념이라고 해서, 둘을 칼로 자르듯 나누는 접근은 조심해야 한다. 두 개념은 서로 배타적인 범주가 아니라 자율성, 도구 사용, 메모리, 권한, 조율 수준에 따라 이어지는 연속선 위에 놓인 기술이다. AI 에이전트가 자율 행동의 단위라면, 에이전틱 AI는 그런 단위들이 모여 조직적이고 지속적인 작업 체계로 확장된 상태에 더 가깝다. 따라서 개별 시스템을 평가할 때는 이름보다 실제 능력을 봐야 한다. 그 시스템이 스스로 계획을 세우는지, 외부 도구를 호출할 수 있는지, 이전 작업을 얼마나 오래·정교하게 기억하는지, 사람의 승인 없이 실행할 수 있는 범위가 어디까지인지가 더 중요한 판단 기준이다. 이런 질문에 대한 답이 모였을 때 비로소, 그 시스템이 ‘에이전트 수준’에 머무르는지, 아니면 ‘에이전틱 AI 수준’의 운영 체계에 가까운지를 가늠할 수 있다.
---『01_“AI 에이전트와 에이전틱 AI”』 중에서

MCP, A2A, 컴퓨터 사용 능력은 모두 에이전틱 AI 확산을 이끈 기술 변곡점이지만, 같은 층위의 기술은 아니다. MCP는 모델과 외부 도구·데이터를 연결하는 규약이다. AI가 깃허브, 슬랙, 데이터베이스, 업무 시스템에 접근할 수 있게 해 주는 기반에 가깝다. A2A는 에이전트와 에이전트가 서로를 발견하고, 과제를 주고받으며, 협업할 수 있게 하는 통신 규약이다. 컴퓨터 사용 능력은 모델이 사람처럼 화면을 보고 마우스와 키보드를 조작하는 실행 인터페이스의 능력이다. 프레임워크는 이 모든 요소를 실제 업무 흐름으로 엮는 작업 설계 도구다.
---『03_“에이전틱 AI의 기술 변곡점”』 중에서

금융에서 에이전틱 AI를 평가할 때 첫눈에 봐야 할 것은 수익률이 아니라 설명 가능성과 통제다. 누가, 어떤 근거로, 어떤 권한 안에서, 어떤 결정을 내렸는지 사후에 설명할 수 없다면 그 시스템은 신뢰할 수 없다. 투자 에이전트가 고객 동의 없이 자산을 이동하거나, 이유를 설명하지 못한 채 거래를 실행하거나, 로그를 남기지 않고 의사 결정을 처리한다면, 일시적으로 수익률이 높더라도 신뢰 대상이 아니라 잠재적 리스크에 가깝다. 금융 에이전트는 고객의 자산과 권리에 직접 영향을 미치기 때문에, 실행 권한 설정, 인간 승인 절차, 기록 보존, 사후 감사 체계를 하나의 설계 원칙으로 묶어야 한다.
---『06_“금융과 투자 영역의 에이전틱화”』 중에서

학습·건강·돌봄 영역의 AI는 자율성의 수준에 따라 구분할 필요가 있다. 한 문제에 대해 힌트를 주는 AI 튜터, 한 번의 건강 수치를 보여 주는 웨어러블, 한 통의 안부 전화를 수행하는 음성 도우미는 좁은 범위의 단일 AI 에이전트에 가깝다. 사용자가 매번 목표를 제시하고 결과를 확인하기 때문에 위험을 비교적 쉽게 되돌릴 수 있다. 반면 에이전틱 AI는 다르다. 학생의 누적 데이터를 바탕으로 학습 경로를 조정하고, 웨어러블이 장기간 건강 신호를 분석하며, 돌봄 로봇이 복약·정서·안부 데이터를 축적하고 기관과 연결하는 경우에는 시스템이 사용자 개입 없이 판단하는 구간이 생긴다. 이 비감독 구간에서 학습 격차, 의료 오판, 정서적 의존, 프라이버시 침해가 발생할 수 있다.