기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# 기존 AI와 소프트웨어 에이전트 및 에이전트 AI 비교
<a name="comparison"></a>

다음 표에서는 기존 AI, 소프트웨어 에이전트 및 에이전트 AI를 자세히 비교합니다.


| 기능 | 기존 AI | 소프트웨어 에이전트 | 에이전트 AI | 
| --- | --- | --- | --- | 
|  예제  |  스팸 필터, 이미지 분류기, 추천 엔진  |  챗봇, 작업 스케줄러, 에이전트 모니터링  |  AI 어시스턴트, 자율 개발자 에이전트, 다중 에이전트 LLM 오케스트레이션  | 
|  실행 모델  |  배치 또는 동기  |  이벤트 기반 또는 예약  |  비동기식, 이벤트 기반 및 목표 기반  | 
|  자율성  |  제한적입니다. 종종 인적 또는 외부 오케스트레이션이 필요합니다.  |  중간, 사전 정의된 경계 내에서 독립적으로 작동  |  높음, 적응형 전략과 독립적으로 작동함  | 
|  반응성  |  입력 데이터에 대한 대응  |  환경 및 이벤트에 대응  |  대응적이고 선제적입니다. 조치를 예상하고 시작합니다.  | 
|  사전 대응  |  드물게  |  일부 시스템에 있음  |  핵심 속성, 목표 지향 동작 주도  | 
|  통신  |  미니멀, 일반적으로 독립 실행형 또는 API 바인딩  |  에이전트 간 또는 에이전트-인간 메시징  |  풍부한 다중 에이전트 및 human-in-the-loop 상호 작용  | 
|  의사 결정  |  모델 추론 전용(분류, 예측 등)  |  심볼 추론 또는 규칙 기반 또는 스크립팅된 결정  |  컨텍스트, 목표 기반, 동적 추론(대개 LLM 강화)  | 
|  위임된 의도  |  아니요. 사용자가 직접 정의한 작업을 수행합니다.  |  부분적, 범위가 제한된 사용자 또는 시스템을 대신합니다.  |  예. 종종 서비스, 사용자 또는 시스템 전반에서 위임된 목표를 가지고 행동합니다.  | 
|  학습 및 적응  |  종종 모델 중심(예: ML 훈련)  |  때때로 적응형  |  임베디드 학습, 메모리 또는 추론(예: 피드백, 자체 수정)  | 
|  기관  |  없음, 인간을 위한 도구  |  암시적 또는 기본적  |  명시적, 목적, 목표 및 자기 주도적으로 운영됨  | 
|  컨텍스트 인식  |  낮음, 상태 비저장 또는 스냅샷 기반  |  보통, 일부 상태 추적  |  높음, 메모리, 상황 컨텍스트 및 환경 모델 사용  | 
|  인프라 역할  |  앱 또는 분석 파이프라인에 내장  |  미들웨어 또는 서비스 계층 구성 요소  |  클라우드, 서버리스 또는 엣지 시스템과 통합된 구성 가능한 에이전트 메시  | 

요약하면 다음과 같습니다.
+ 기존 AI는 도구 중심이며 기능적으로 좁습니다. 예측 또는 분류에 중점을 둡니다.
+ 기존 소프트웨어 에이전트는 자율성과 기본 통신을 도입하지만 규칙 바인딩 또는 정적인 경우가 많습니다.
+ 에이전트 AI는 자율성, 비동기성 및 기관을 결합합니다. 복잡한 시스템 내에서 추론, 행동 및 적응할 수 있는 지능형 목표 기반 엔터티를 지원합니다. 따라서 에이전트 AI는 클라우드 네이티브 AI 기반 미래에 이상적입니다.