에이전틱 AI의 인터넷: 대규모 통신, 조율 및 집단 지능
The Internet of Agentic AI: Communication, Coordination, and Collective Intelligence at Scale
한국어 초록
자율 AI 에이전트의 급속한 등장은 인공지능을 고립된 모델 추론에서 추론, 통신, 행동의 분산 시스템으로 변화시키고 있다. 본 논문은 에이전틱 AI의 인터넷(Internet of Agentic AI, IoAI) 비전을 제시한다. IoAI는 이종 에이전트들이 서로를 발견하고, 책임을 협상하며, 컨텍스트를 교환하고, 도구를 호출하며, 클라우드, 엣지, 디바이스, 조직 및 사이버-물리 환경 전반에 걸쳐 워크플로를 실행하는 개방형 생태계이다. 단일 에이전트 에이전틱 AI, 다중 에이전트 시스템, 분산 컴퓨팅, 통신 네트워크, 게임 이론, 보안 엔지니어링의 기초를 종합하여 확장 가능한 에이전트 생태계에 필요한 아키텍처와 메커니즘을 규명한다. 본 논문은 에이전트 배치 모델, 워크플로 수명주기, 통신 프로토콜, 상호운용성 계층, 리소스 관리 과제, 신뢰 아키텍처를 검토하며, 적응형 제조 및 분산 운영 조율에 대한 사례 연구를 포함한다. 이로써 도출된 프레임워크는 대규모 자율 에이전트 네트워크를 위한 통제된 창발(controlled emergence), 의미적 상호운용성(semantic interoperability), 보안 신원(secure identity), 인센티브 호환 조율(incentive-compatible coordination), 리소스 인지 오케스트레이션(resource-aware orchestration), 거버넌스(governance)와 같은 핵심 연구 과제를 강조한다.
원문 초록
The rapid emergence of autonomous AI agents is transforming artificial intelligence from isolated model inference into distributed systems of reasoning, communication, and action. This paper develops the vision of the Internet of Agentic AI (IoAI): an open ecosystem in which heterogeneous agents discover one another, negotiate responsibilities, exchange context, invoke tools, and execute workflows across cloud, edge, device, organizational, and cyber-physical environments. We synthesize foundations from single-agent agentic AI, multi-agent systems, distributed computing, communication networks, game theory, and security engineering to characterize the architectures and mechanisms required for scalable agent ecosystems. The paper examines agent deployment models, workflow lifecycles, communication protocols, interoperability layers, resource-management challenges, and trust architectures, with case studies in adaptive manufacturing and distributed operational coordination. The resulting framework highlights the central research challenges of controlled emergence, semantic interoperability, secure identity, incentive-compatible coordination, resource-aware orchestration, and governance for large-scale networks of autonomous agents.
요약
고립된 추론에서 분산 시스템으로의 전환을 반영하여, 다양한 환경에서 상호작용하는 이종 에이전트들의 개방형 생태계인 Internet of Agentic AI (IoAI) 비전을 제시합니다. 단일 에이전트 AI 및 다중 에이전트 시스템의 기초를 종합하여 확장 가능한 아키텍처와 통제된 창발, 의미 상호운용성, 거버넌스와 같은 핵심 연구 과제를 규명합니다.
제출 이력
확인된 버전만 표시합니다. 전체 제출 이력은 arXiv 원문에서 확인하세요.
- arXiv:2606.12835v1제출 시각 미확인
함께 살펴볼 논문
공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.
컴포넌트 테스트를 넘어서: 에이전틱 AI 시스템 검증
Beyond Component Testing: Validating Agentic AI Systems
에이전틱 AI(Agentic AI) 시스템은 계획(planning), 도구 사용, 메모리, 상호작용 및 적응을 결합한 다단계 궤적(trajectory)을 통해 동작합니다. 이러한 동작 특성으로 인해 수용 가능한 시스템 동작이 시간에 따라, 그리고 변화하는 환경 조건 하에서 결정이 어떻게 전개되는지에 좌우되므로, 검증(validation) 실무는 기존의 컴포넌트 테스트와 단발성 입출력 평가를 넘어서는 수준으로 확장됩니다. 본 체계적 매핑 연구(systematic mapping study)는 에이전틱 시스템의 검증 문제를 규명하기 위해 에이전트 평가, 소프트웨어 보증, 사이버-물리 시스템, 런타임 모니터링 및 규제 지침에 걸친 262편의 논문을 종합합니다. 본 검토는 행동적, 안전성(safety), 시간적, 규제적, 다중 에이전트 관심사를 다루는 5차원 분류 체계를 중심으로 구성되며, 해당 분류 체계를 사용하여 현재의 접근 방식을 매핑하고 접근 방식과 차원 간의 밀집 및 희소 조합을 식별합니다. 생성된 맵에 따르면 문헌은 행동 평가(262편 중 105편)에 집중되어 있으며 시간적 타당성(14편)이 가장 미흡한 것으로 나타났습니다. 규제 관련 연구는 주로 IEEE 색인 학술 행사에서 발표된 보증 케이스(assurance cases) 및 규제 분석에 기반하고 있으며, 다중 에이전트 연구는 주로 벤치마크에 집중되어 있습니다. 세 가지 교차 도메인 사례 연구(의료 케어, 산업 운영, 스마트 모빌리티 시스템)는 검토된 문헌에 기록된 실패 패턴을 바탕으로 안전이 중요한(safety-critical) 환경에서 5가지 분류 차원이 어떻게 반복적으로 나타나는지에 대한 운영적 예시를 제공합니다. 본 논문은 경계가 지정된 자율성(bounded-autonomy) 명세, 적대적 궤적 생성, 런타임 모니터링, 감사 가능한 증거 구조를 중심으로 한 수명 주기 지향적 연구 과제를 제시하며 마무리됩니다. 본 연구의 핵심 주장은 에이전틱 AI의 신뢰할 수 있는 배포가 고립된 컴포넌트만을 평가하는 것이 아니라 맥락 내에서 궤적을 검증하는 것에 달려 있다는 점입니다.
자율 상거래에서의 동적 검증 가능 다중 에이전트 인간-에이전트 충성 루프(DVM-HALL) 모델과 순 인간-에이전트 점수(NHAS)
The Dynamic Verifiable Multi-Agent Human Agentic Loyalty Loop (DVM-HALL) Model and the Net Human-Agent Score (NHAS) in Autonomous Commerce
에이전트형 인공지능(Agentic Artificial Intelligence)의 급속한 확산은 전통적인 고객 충성도 패러다임을 근본적으로 뒤흔든다. AI가 수동적 추천 알고리즘에서 구매 결정을 실행할 수 있는 자율적이고 목표 지향적 에이전트로 진화함에 따라, 소비자-브랜드 관계에 대한 기존 이해는 구조적 재평가가 필요하다. 인간-기계 팀워크, 소비자 의사결정, 알고리즘적 신뢰 역학에 걸친 기존 문헌을 종합함으로써, 전통적인 충성도 모델이 알고리즘적 제한된 합리성(algorithmic bounded rationality)과 구축된 자율성(constructed autonomy)을 반영하지 못함을 보여준다. 이를 해결하기 위해, 우리는 동적 검증 가능 다중 에이전트 인간-에이전트 충성 루프(DVM-HALL) 모델을 제안한다. 우리는 인간의 감정적 자산, 에이전트형 기계 경험 효용, 보정된 신뢰, 위임된 권한, 검증 가능한 실행이 공동으로 선택을 결정하는 소프트맥스 확률 공식을 통해 브랜드 선택을 형식화한다. 이 모델은 각 상호작용 후 신뢰와 위임을 동적으로 보정하기 위한 재귀적 갱신 메커니즘을 포함한다. 중요한 것은, 이 프레임워크가 분산 금융(DeFi) 및 토큰화된 충성도 설정을 위한 검증 가능한 실행 층을 통합하며, 가스 비용, 슬리피지(slippage), MEV 노출, 스마트 계약 취약점과 같은 실행 위험을 에이전트형 브랜드 선호의 핵심 예측변수로 포함한다는 점이다. 더 나아가, 우리는 인간 피드백, 실행 로그, 벤치마크 비교, 검증 가능한 영수증을 사용하여 인간-에이전트 정렬(alignment)을 측정하도록 설계된 감사 가능하고 위험 가중 지표인 순 인간-에이전트 점수(NHAS)를 제안한다. 마지막으로, 통제된 쇼핑 실험, 다중 에이전트 시장 시뮬레이션, DeFi 테스트베드에 걸친 포괄적인 3단계 실증 검증 계획을 제안한다. 이 프레임워크는 브랜드가 다가오는 기계 고객(machine customers) 시대로의 전환을 헤쳐나가는 데 필요한 기초 이론을 제공한다.
신속한 전문 역량 강화를 위한 AI 가속 엔드투엔드 프레임워크
AI-accelerated End-to-End Framework for Rapid Professional Upskilling
2030년까지 100명의 근로자 중 59명이 재교육 또는 역량 강화가 필요하지만, 기업의 스킬 격차를 해소하는 데 걸리는 평균 시간은 2014년 대략 3일에서 2018년 36일로 증가했다. 대부분의 현행 프레임워크는 역량 강화 프로그램의 개별 단계만 가속화하며, 일반적으로 업계 검증이 부족하다. 우리는 지식 습득, 콘텐츠 개발, 콘텐츠 검토 및 검증, 교육, 평가 개발의 다섯 단계 전반에 AI 가속을 적용하고, 생산성과 학습 효율성 모두에 중점을 둔 엔드투엔드 프레임워크를 제시한다. 프레임워크를 검증하는 세 가지 강력한 외부 신호가 있다: 미국 주회계사자격협회(National Association of State Boards of Accountancy)는 이 프레임워크를 기반으로 구축된 역량 강화 프로그램을 검토하고 승인하여 지속적 전문교육(CPE) 학점으로 인정했다; 3명의 학습자가 이 프로그램을 수행하고 매우 짧은 시간 내에 NVIDIA Certified Professional in Agentic AI 시험에 합격했으며, 14명이 추가로 진행 중이다; 프로그램의 지식 베이스는 다중 에이전트(multi-agent) AI 시스템 위험 관리를 위한 1,267개 위험 항목으로 구성된 견고한 데이터셋 생성과 같은 복잡한 하위 분석을 지원한다.
직통 언더라이팅에서의 에이전틱 AI와 검색-증강 모델
Agentic AI and Retrieval-Augmented Models in Straight-Through Underwriting
인공지능(AI)은 보험계리 실무를 재편하기 시작하고 있으며, 특히 비정형 문서, 이질적 데이터 소스, 규제된 의사결정 워크플로우에 대한 추론이 요구되는 영역에서 두드러진다. 보험계리사들은 이제 전통적인 규칙 기반 자동화부터 대규모 언어 모델(LLM), 검색-증강 생성(RAG), 그리고 계획·검색·도구 호출·반성을 수행하는 멀티 에이전트 '에이전틱' 시스템에 이르는 광범위한 설계 공간에 직면해 있다. 본 논문은 이러한 신흥 아키텍처가 직통 의사결정 프로세스에 초점을 맞추어 투명성, 감사 가능성, 인간 감독 거버넌스와 같은 보험계리 우선순위를 어떻게 지원할 수 있는지 검토한다. 이러한 개념을 구체화하기 위해, 소규모 상업용 사업주 종합보험(BOP)의 직통 언더라이팅을 위한 에이전틱 AI 프레임워크를 개발하고 분석한다. 합성되었지만 현실적인 실험 환경을 구성하고, 세 가지 언더라이팅 파이프라인을 비교한다: (i) 단일 LLM 기준선, (ii) 단순 RAG 시스템, (iii) 목표 지향적 검색, 제3자 데이터 확인, 명시적 다단계 규칙 평가를 결합한 멀티 에이전트 '에이전틱 RAG' 파이프라인. 에이전틱 시스템은 전반적으로 가장 우수한 성능을 보이며, 구조화된 검색과 반성이 모델로 하여금 근거 없는 직통 결정을 회피하도록 돕는 다단계 시나리오 및 정보 누락 시나리오에서 가장 큰 성능 향상을 나타낸다.
The Hitchhiker's Guide to Agentic AI: From Foundations to Systems
발견의 엔진으로서의 AI 과학자: 개혁된 제도 내 개발을 위한 주장
AI Scientists as Engines of Discovery: A Case for Development within Reformed Institutions
에이전트형 인공지능(AI) 시스템은 문헌 종합, 코드 생성, 데이터 분석, 가설 제안, 모델 비판에 이르는 작업을 수행하며 과학적 발견을 보조하고, 가속하고, 부분적으로 자동화하기 시작했다. 우리는 이 전환이 점진적이 아니라 질적인 것이라고 주장하며, 적절히 설계된 멀티 에이전트 시스템이 수동적인 계산 도구에서 과학의 가설 생성 및 검증 역량을 확장할 수 있는 'AI 과학자'로 진화할 수 있다고 본다. 이러한 시스템은 목적에 부합하는 과학 생태계 내에서 개발되고 배포되어야 하며, 제도는 검증, 책임성, 해석 가능성, 이중 용도(dual-use) 안전성을 위해 재설계되어야 한다. 우리는 프로토타입 프레임워크 Denario로 예시된 멀티 에이전트 아키텍처가 발견 주기를 가속하고 인간이 도달할 수 없는 모델 공간을 탐색하는 방식의 개요를 제시하고, 이것이 저자성, 동료 심사, 인간 과학자의 지속적 역할에 대해 함의하는 바를 검토하며, AI를 단순한 도구가 아닌 인식론적 행위자(epistemic actor)로 거버넌스하기 위한 권고로 마무리한다.
토론
이 논문과 연결된 포럼 글이 아직 없습니다.