ComBodied 에이전트: 인간 중심 에이전틱 AI의 새로운 패러다임

초록

고령 성인이 약 복용을 놓친 후, 소프트웨어 에이전트는 추가 알림을 보낼 수 있고 구현 에이전트(Embodied Agent)는 약을 가져다줄 수 있다. 그러나 어느 쪽도 그 사람이 단순히 잊었는지, 혼란스러운지, 부작용이 있는지, 아니면 의도적으로 거부했는지를 설명하지 못하며, 어떤 지원이 적절한지도 제시하지 못한다. 이는 에이전틱 AI(Agentic AI)의 구조적 공백을 드러낸다. 디지털 에이전트는 주로 소프트웨어 상태를 변환하고, 구현 에이전트는 물리적 상태를 변환하지만, 어느 쪽도 변화하는 인간의 상태와 행위 주체성(agency)을 모델링, 개입, 평가의 일차적 대상으로 삼지 않는다. 우리는 결합 에이전트(Combodied Agents)를 제안한다. 이는 소프트웨어 도구, 센서, 웨어러블, 로봇, 인간 서비스를 최종 목표가 아닌 행동 채널로 활용하여, 시간에 따른 개인의 인간 상태 궤적을 인지하고 모델링하며 예측하고 지원하는 인간 중심 패러다임이다. 우리는 개인 비서, 건강 에이전트, AI 동반자, 적응형 인간-AI 시스템에 걸쳐 파편화된 역량들을 하나의 폐루프(closed loop)로 통합한다. 즉, 사건 기반 다중 양식 인식(event-based multimodal perception)이 의미 있는 개인 사건을 재구성하고, 종단적이며 수정 가능한 기억이 시간적 맥락을 제공하며, 개인 세계 모델(Personal World Models)이 대안적 결정과 개입 하에서의 미래 개인 상태와 결과를 추정하고, 허용 가능한 개입 정책(admissible intervention policy)이 동의, 불확실성, 안전성, 가역성, 사용자 통제 하에 비례적 지원을 선택한다. 개인과 환경으로부터의 피드백은 루프를 갱신한다. 이 프레임워크는 포괄적인 인간 디지털 트윈(Human Digital Twin)을 요구하지 않으며, 목적에 한정되고 불확실성을 인지하며 사용자가 수정할 수 있는 표상을 사용한다. 우리는 인간 상태 목표, 관계적 맥락, 에이전트 역할에 따라 설계 공간을 조직화하고, 시나리오 중심 평가, 행위 주체성 보존 지표, 벤치마크 요구사항, 엣지 네이티브 개인 모델, 거버넌스 방향을 제안한다. 결합 에이전트는 에이전틱 AI를 외부 과업 완수에서 지속적 인간 이익으로 전환한다.

English

After an older adult misses a medication dose, a software agent can send another reminder and an embodied agent can bring the medication. Yet neither explains whether the person forgot, is confused, has side effects, or deliberately refused, nor what support is appropriate. This reveals a structural gap in Agentic AI: Digital Agents primarily transform software states, while Embodied Agents transform physical states; neither makes a person's evolving state and agency the primary object of modeling, intervention, and evaluation. We introduce Combodied Agents, a human-centered paradigm that perceives, models, predicts, and supports individual human-state trajectories over time, using software tools, sensors, wearables, robots, and human services as action channels rather than end goals. We unify fragmented capabilities across personal assistants, health agents, AI companions, and adaptive human--AI systems into a closed loop: event-based multimodal perception reconstructs meaningful personal events; longitudinal, correctable memory provides temporal context; Personal World Models estimate future personal states and outcomes under alternative decisions and interventions; and an admissible intervention policy selects proportionate support under consent, uncertainty, safety, reversibility, and user control. Feedback from the person and environment updates the loop. Rather than requiring an exhaustive Human Digital Twin, the framework uses purpose-bounded, uncertainty-aware, user-correctable representations. We organize the design space by human-state targets, relational contexts, and agent roles, and propose scenario-centered evaluation, agency-preservation metrics, benchmark requirements, edge-native personal models, and governance directions. Combodied Agents shift Agentic AI from external task completion toward sustained human benefit.