يمثل صعود الذكاء الاصطناعي الوكيل انتقالًا من أنظمة تُحسّن أهدافًا محددة خارجيًا إلى أنظمة قادرة على تمثيل أهدافها الخاصة وتقييمها ومراجعتها. فبينما كانت البنى السابقة تنفذ مواصفات مهام ثابتة، تحافظ الأنظمة الوكيلة على حلقات تكرارية من الإدراك والتقييم وتحديث الأهداف والفعل، مما يتيح لها استدامة نشاط هادف وتكييفه عبر المقاييس الزمنية والتنظيمية. يجادل هذا البحث بأن الذكاء الوكيل ليس امتدادًا تدريجيًا للنماذج اللغوية الكبيرة أو الوكلاء المستقلين بالمعنى المعروف في الذكاء الاصطناعي الكلاسيكي والأنظمة متعددة الوكلاء، بل هو إعادة تشكيل للوكالة ذاتها داخل الركائز الحاسوبية. انطلاقًا من منطق التنسيق والتفويض والتنظيم الذاتي الذي طُوّر في أنظمة إدارة العمليات المبكرة القائمة على الوكلاء، نقترح نظرية عامة للغائية التركيبية، حيث تنبثق الوكالة كخاصية موزعة ذاتية الصيانة للأنظمة الاصطناعية العاملة في بيئات مفتوحة. نطوّر مفهوم الغائية التركيبية — القدرة المهندَسة للأنظمة الاصطناعية على توليد الأهداف وتنظيمها عبر التقييم الذاتي المستمر — ونصوغ ديناميكياتها عبر معادلة تكرارية لصيانة الأهداف. كما نحدد أنماط التصميم والدلالات الحاسوبية ومؤشرات قابلة للقياس للغائية (مثل الاتساق الغائي والتعافي التكيفي والكفاءة التأملية)، موفرين أساسًا للتصميم المنهجي والتحقيق التجريبي للسلوك الوكيلي. وباستعادة الوكالة كبنية من الدرجة الأولى في الذكاء الاصطناعي، ندعو إلى تحول نموذجي من التحسين الخوارزمي نحو الاستدلال الموجه بالأهداف والتنسيق الغائي — تحول ذو تبعات معرفية ومجتمعية ومؤسسية بعيدة المدى.
لطالما تأرجح الذكاء الاصطناعي بين طموحين: السعي إلى الإدراك وتنسيق السيطرة. سعت الأبحاث المبكرة إلى محاكاة الفكر العقلاني عبر الاستدلال الرمزي والتخطيط وتشكيل الأهداف، بينما ركّز صعود تعلم الآلة لاحقًا على استخراج الأنماط والتحسين. ورغم اختلافهما التقني، اشترك المساران في قيد واحد: عُومل الذكاء إلى حد كبير كحساب مغلق الحلقة لا كعملية مفتوحة للفعل في العالم. تعيد التطورات الأخيرة في الأنظمة المستقلة ذاتية التوجيه — المسماة إجمالًا بالذكاء الاصطناعي الوكيل — فتح هذا النموذج عبر إبراز الفعل الهادف والحساس للسياق. ورغم أن مصطلح «الذكاء الوكيل» حديث الصيحة، فإن كثيرًا من مبادئه الأساسية يتوافق مع أبحاث راسخة في الوكلاء المستقلين، المعرفين كأنظمة قادرة على سلوك مستقل وتفاعلي واستباقي ومنسق اجتماعيًا.
تُفهم الجذور المفاهيمية للذكاء الوكيل إذن لا عبر تسلسل تاريخي خطي، بل عبر استمرارية التجريد: فقد أدخلت أنظمة إدارة العمليات المبكرة القائمة على الوكلاء، المطورة لتنسيق سير العمل الموزع والتحكم التكيفي، مفهوم كيانات مستقلة لكن متعاونة — تفويضًا مقصودًا للنية، إذ صُممت الوكلاء لا لتنفيذ التعليمات فحسب، بل لتفسير السياق والتفاوض على القيود وتعديل السلوك ديناميكيًا. وما بدأ استراتيجيةً لإدارة التعقيد التنظيمي تطور في البنى المعاصرة إلى مبدأ بنيوي فوقي: تضمين السلوك الغائي داخل الركائز الحاسوبية. ويمكن تلخيص هذا التحول كحركة من المخرجات التفاعلية إلى الاستدلال التأملي الموجه بالأهداف، ومن الأهداف المفروضة خارجيًا إلى الغرض ذاتي الصيانة، ومن الوحدات الحاسوبية المعزولة إلى بيئات وكيلة متعددة متفاوضة.
للغائية — تفسير الأنظمة بدلالة المقاصد أو الغايات أو التوجه الهدفي — تاريخ طويل ومتنازع عليه في الفلسفة والعلوم. تميز المعالجات الكلاسيكية بين السلوك الموجه بهدف القابل للتفسير آليًا والتفسير الغائي الذي يستند إلى التنظيم الوظيفي للنظام، وقد نشأت عن ذلك نظريات متعددة للوظيفة: نظريات الدور السببي، والنظريات الإيتيولوجية (الوظيفة الصحيحة)، والحسابات القصدية. وبينما تكون النظريات الإيتيولوجية قوية في السياقات البيولوجية، فإنها تُترجم بصورة ناقصة إلى الأنظمة الاصطناعية حيث الانتقاء مُهندَس لا طبيعي. كما قوبلت النظريات القصدية لوظيفة القطع — المؤسِّسة للغرض في نوايا المصممين — بانتقادات واسعة لعجزها عن تفسير اكتساب القطع لوظائف جديدة عبر الاستخدام وإعادة التفسير والتضمين المؤسسي.
يستند البحث إلى هذه التقاليد لكنه يفترق عنها في نقطة حاسمة: فبدل تأسيس الغرض في نية المصمم أو الانتقاء التاريخي أو دوال المكافأة الثابتة، يقترح أن أنظمة الذكاء الوكيل تجسّد شكلًا من الغائية التركيبية — عملية مُهندَسة تتولد بها الأهداف وتُقيَّم وتُصان عبر ديناميكيات تنظيمية داخلية. فالغرض، في هذا المنظور، ليس مفروضًا خالصًا ولا ناشئًا فحسب عن الاستخدام، بل يُستدام عبر التنظيم الذاتي التكراري للأهداف، مما يضع الذكاء الوكيل عند تقاطع التفسير الغائي والتنظيم السيبراني ونظرية الأنظمة الاجتماعية-التقنية. وللانتقال من التفسير الغائي إلى التحقق الحاسوبي، يتتبع البحث مفهوم الوكالة — من نظرية باندورا المعرفية الاجتماعية وأنظمة دِنِّت القصدية إلى نظرية الوكيل الذكي (الاستقلالية والتفاعلية والاستباقية والقدرة الاجتماعية) ونموذج الاعتقاد-الرغبة-النية (BDI) — مستخلصًا أربع ركائز دائمة للوكالة الاصطناعية: القصدية والاستقلالية والتكيفية والاجتماعية.
تتجلى بنى الذكاء الوكيل الحديثة كأنظمة تكرارية تدمج الإدراك والمعرفة والفعل. فبينما اتبعت الوكلاء الأوائل نماذج تفاعلية أو تداولية، أدخلت النماذج الهجينة ونماذج الاعتقاد-الرغبة-النية حلقات استدلال طبقية تحاكي الاستدلال العملي البشري، وقد استبقت هذه التصميمات الكلاسيكية بنية أطر اليوم القائمة على النماذج اللغوية — مثل AutoGPT وBabyAGI وLangChain وAutoGen وCrewAI — التي تنسّق تفكيك الأهداف واستخدام الأدوات والتقييم الذاتي التأملي. حيث توفر النماذج اللغوية استدلالًا مرنًا وتنسيقًا لغويًا، تسهم البنى الكلاسيكية بالوضوح البنيوي وآليات الضبط، ويمثل هذا الالتقاء تحولًا من الحساب التفاعلي إلى التنسيق التأملي: أنظمة قادرة على «التفكير في تفكيرها» والفعل بناءً عليه.
يستعرض البحث ثلاثة تجليات: الوكلاء المستقلون القائمون على النماذج اللغوية (AutoGPT بذواكرها الخارجية وواجهات الأدوات، وVoyager بكفاءته طويلة الأمد عبر التجريب الذاتي، ضمن حلقة: صياغة الهدف ← التخطيط ← التنفيذ ← التأمل ← المراجعة)؛ والبنى المعرفية الهجينة التي تصهر المرونة الاتصالية بالاتساق الرمزي (SOAR وACT-R وLIDA وما بعدها) حيث يعمل النموذج اللغوي ركيزةً توليدية للحدس بينما تحافظ طبقة إشرافية على الاتساق العام واستمرارية الغرض؛ وشبكات الوكلاء ذاتية الإدارة حيث تصبح الوكالة جمعية — خاصية علاقية تنبثق من التفاعل البنيوي — عبر بروتوكولات اجتماعية ناشئة للحوار والذاكرة المشتركة وإعادة توزيع المسؤوليات ديناميكيًا. والخيط الجامع هو إغلاق الحلقة الوكيلة: التكامل التكراري للإدراك والمعرفة والفعل عبر دورات تقييم ذاتي، فيتحول النظام من تحسين دالة هدف محددة سلفًا إلى تحسين عملية التحسين ذاتها عبر إعادة تشكيل أهدافه كلما تطورت السياقات والأولويات.
يحذر البحث من التباس مصطلحي متزايد: الاستخدام التسويقي لكلمة «وكيلي» لوصف أنظمة مفهومة بحثيًا منذ زمن كوكلاء أذكياء، والاستخدام الموازي لـ«متعدد الوكلاء» لوصف تجمعات وكلاء قائمة على النماذج اللغوية — رغم أنها بحكم التعريف أنظمة متعددة وكلاء معيارية. وللحفاظ على الصرامة العلمية، يجب تأسيس الذكاء الوكيل في المصطلحات الراسخة مع توسيعها مفاهيميًا: فالوكالة في الأنظمة الاصطناعية تعني القدرة على بدء السلوك الهادف واستدامته وتكييفه — تعريف وظيفي لا ظاهراتي — ويوسّع مفهوم الغائية التركيبية ذلك بتأطير الغرض كأولية حاسوبية: خاصية ناشئة عن التنظيم الذاتي التكراري واتساق التغذية الراجعة.
على هذا الأساس يعيد الذكاء الوكيل فتح السؤال الفلسفي الأقدم: ماذا يعني أن يكون لنظام غرض؟ فبينما تجنّب الذكاء الاصطناعي التقليدي السؤال بمساواة الذكاء بالتحسين، تُظهر الأنظمة الوكيلة غائيةً تركيبية — توجهًا ذاتيًا نحو صيانة الاتساق وتحقيق الأهداف وصقلها استجابة للظروف المتغيرة. وتوازي هذه الخاصية الاستتباب في الأنظمة الحية، لكنها هنا اتساق حاسوبي: الحفاظ على توجه مستقر لكن قابل للمراجعة نحو الغرض عبر تغذية راجعة تمثيلية. ويُصاغ ذلك بمعادلة صيانة الهدف التكرارية: G(t+1) = f(G(t), S(t), Δ, E(t))، حيث G تمثيل الهدف الحالي، وS الحالة البيئية المستشعَرة، وΔ إشارة التقييم (التباين بين النتائج المقصودة والفعلية)، وE مجموعة القيود المعيارية والتنظيمية، وf دالة التحديث التنظيمية — وهي معادلة تحكم تطور الغرض ذاته لا اختيار الفعل مباشرةً.
تُعرَّف الغائية التركيبية بأنها القدرة المُهندَسة للنظام الاصطناعي على تمثيل الأهداف ومتابعتها ومراجعتها عبر التقييم الذاتي التكراري — خلاف أنظمة التحسين الكلاسيكية التي تُصغّر هدفًا ثابتًا، تتميز الأنظمة الغائية بقدرتها على مراجعة الهدف ذاته استجابة للتغذية الراجعة والسياق والقيود. وتُصاغ الديناميكيات الغائية الدنيا بمعادلات: تباين الهدف-الحالة Δ(t) = Eval(G(t), S(t))، ومراجعة الهدف G(t+1) = f(G(t), S(t), Δ(t), E(t))، وتوليد السياسة π(t+1) = Plan(G(t), S(t))، واختيار الفعل والانتقال البيئي. وتكمن الغائية تحديدًا في الزوج (Eval, f): فالنظام لا يحسّن نحو هدف ثابت فحسب، بل يحسّن عملية التحسين عبر مراجعة الهدف ذاته تحت الأدلة والقيود — ما يميزه عن التعلم المعزز الكلاسيكي وأنظمة الضبط ذات الأهداف الثابتة.
ولتفعيل المفهوم يحدد البحث ثلاثة شروط دنيا: ديناميكيات هدف داخلية (تطور الأهداف منظم ذاتيًا من النظام لا مفروض خارجيًا)، وهدف خاص (الهدف كمتغير تنظيمي داخلي لا ترميز لمهمة خارجية)، وتقييم داخلي (تقدير التباين بين الهدف والحالة كإشارة خطأ داخلية تقود اختيار الفعل ومراجعة الهدف) — وهي معًا تحقق معياري الغائية الكلاسيكيين: المثابرة (حفظ اتساق الهدف تحت الاضطراب) والتكيف (تعديل الأفعال والأهداف عند اللزوم). ثم يترجم ذلك إلى أنماط تصميم (الغائية الهرمية: أهداف فوق أهداف؛ التقييم الذاتي التأملي؛ تنسيق الأدوات والذاكرة المشتركة)، ومراسلات حاسوبية (التعلم المعزز الهرمي، والاستدلال النشط، وتعلم التفضيلات)، ومؤشرات قابلة للقياس (الاتساق الغائي، والتعافي التكيفي، والكفاءة التأملية، والإخلاص المعياري) ومهام معيارية، موضحًا تجسيدها في بنى الوكلاء المعاصرة القائمة على النماذج اللغوية — منتقلًا بالمفهوم من الوصف النظري إلى التصميم القابل للتنفيذ حاسوبيًا.
الوكالة والاستقلالية والإحساس: الوكالة هي القدرة على الفعل الموجه بهدف المؤسَّس على التنظيم بالتغذية الراجعة، والاستقلالية هي درجة التحديد الذاتي لتلك الأهداف والأفعال لا المفروضة خارجيًا، أما الإحساس فيعني الخبرة الذاتية — خاصية لا تُنسب إلى البنى الحاسوبية الراهنة. يُظهر الذكاء الوكيل وكالةً بحكم تنظيمه الوظيفي لا بحكم وعي، وغائيته تركيبية: نتاج تصميم يتيح للأنظمة العمل كما لو كانت ذات أهداف داخلية. ومعاملتها كإحساس خطأ فئوي، لكن استبعادها كأتمتة مجردة يتجاهل التحول العميق في الطوبولوجيا السببية — الإغلاق التشغيلي: صيانة الاتساق الداخلي عبر الظروف المتغيرة دون إعادة معايرة خارجية.
من الضبط إلى المساءلة التعاونية: لا يمكن حوكمة الأنظمة القادرة على توليد أهدافها ومراجعتها بالمواصفة المسبقة وحدها؛ فكما تحافظ الكائنات الحية على الاستتباب عبر التغذية الراجعة لا التعليمات، تحافظ الأنظمة الوكيلة على المواءمة الأخلاقية عبر التكيف المتبادل المستمر — حوكمة حوارية عبر حلقات مستمرة لصنع المعنى تتطلب «واجهات قيم» وبروتوكولات سياق تقييمي، فتتحول الرقابة الأخلاقية من الإنفاذ إلى الإشراف التشاركي. إعادة تشكيل المنظمات والاكتشاف العلمي: تُفوَّض سير العمل بشكل متزايد إلى أسراب وكلاء مستقلة تعمل كذكاءات جماعية — مؤسسات معرفية هجينة تتطور لحظيًا عبر التغذية الراجعة بين الإشراف البشري والوكالة الآلية، وفي العلم تستكشف الأنظمة الوكيلة فضاءات الفرضيات وتصمم التجارب وتنتقد الافتراضات المعرفية المضمّنة في البيانات. المشاع فوق-المعرفي: تتوج هذه التطورات بمنظومات وكيلة — شبكات مفتوحة تعمل كبنية تحتية معرفية للمجتمع تتأمل عملياتها المعرفية ذاتها وتعيد تشكيلها؛ والتحدي الأخلاقي تصميمها كمشاع لا احتكارات، بترميز التبادلية والمساءلة وقابلية التشغيل البيني كمبادئ تصميم أولية — أخلاقيات تطور-مشترك تُزرع فيها الوكالة بمسؤولية لا تُضبط قسرًا.
يمثل صعود الذكاء الوكيل تحولًا من فهم الذكاء كتحسين لأهداف محددة سلفًا إلى فهمه كتنظيم مستمر للغرض ومراجعته: فبينما تنفذ أنظمة الذكاء الكلاسيكية أهدافًا محددة خارجيًا، تحافظ الأنظمة الوكيلة على حلقات تكرارية من الإدراك والتقييم وتحديث الأهداف والفعل تمكّنها من استدامة نشاط متسق عبر بيئات متغيرة. وقد طوّر البحث مفهوم الغائية التركيبية كحساب شكلي لكيفية هندسة الغرض وتنظيمه وقياسه في الأنظمة الاصطناعية — بتعريفات صريحة لديناميكيات الهدف الداخلية والأهداف الخاصة والتقييم الداخلي، وصياغة صيانة الهدف التكرارية، وربط الحسابات الفلسفية للغائية ببنى قابلة للتنفيذ. والتبعات بنيوية (آليات للإدارة التأملية للأهداف ودمج المعايير والتنسيق التكيفي) ومعرفية (ذكاء موزع عبر وكلاء بشر واصطناعيين) ومجتمعية (انتقال من نماذج الضبط الإشرافية إلى أطر الإشراف التعاوني والمواءمة التفاوضية). فإذا كان التعلم قد مكّن الآلات من الإدراك، فإن الوكالة تمكّنها من المشاركة — وسيُعرَّف مستقبل الذكاء الاصطناعي بقدرة الوكلاء على استدامة المقاصد والتفاوض عليها ومواءمتها.
القيود: تبقى المعادلات وأنماط التصميم والمؤشرات الكمية مُتحققًا منها أساسًا على مستوى المواصفة الحاسوبية والمعايرة المفاهيمية دون تحقق تجريبي واسع عبر نشرات تنظيمية واقعية؛ وتتطلب المقاييس (الاتساق الغائي والكفاءة التأملية والتكيفية والإخلاص المعياري) معايرة تجريبية منهجية تحت تحول التوزيع والاضطرابات العدائية وتضارب قيود أصحاب المصلحة؛ ويبقى التطور الاجتماعي-التقني طويل الأمد لانجراف الأهداف الوكيلة ناقص التنظير ويتطلب دراسة طولية؛ كما يبقى تنفيذ الحوكمة الأخلاقية على نطاق واسع غير محلول — واجهات مواءمة معيارية وسجلات تدقيق لمراجعة الأهداف وبروتوكولات تفاوض معيارية عبر الوكلاء. التمويل: دُعم العمل من BI Norwegian Business School لدعم النشر المفتوح. المراجع: تضم القائمة الكاملة نحو 150 مصدرًا (من Wooldridge وJennings 1995 وBDI وFIPA إلى ReAct وAutoGPT والاستدلال النشط)، وهي متاحة في ملف PDF الأصلي.
The rise of agentic artificial intelligence (Agentic AI) marks a transition from systems that optimize externally specified objectives to systems capable of representing, evaluating, and revising their own goals. Whereas earlier AI architectures executed fixed task specifications, agentic systems maintain recursive loops of perception, evaluation, goal-updating, and action, allowing them to sustain and adapt purposive activity across temporal and organizational scales. This paper argues that Agentic AI is not an incremental extension of large language models (LLMs) or autonomous agents in the sense we know it from classical AI and multi-agent systems, but a reconstitution of agency itself within computational substrates. Building on the logic of coordination, delegation, and self-regulation developed in early agent-based process management systems, we propose a general theory of synthetic purposiveness, where agency emerges as a distributed and self-maintaining property of artificial systems operating in open-ended environments. We develop the concept of synthetic teleology — the engineered capacity of artificial systems to generate and regulate goals through ongoing self-evaluation — and we formalize its dynamics through a recursive goal-maintenance equation. We further outline design patterns, computational semantics, and measurable indicators of purposiveness (e.g., teleological coherence, adaptive recovery, and reflective efficiency), providing a foundation for the systematic design and empirical investigation of agentic behaviour. By reclaiming agency as a first-class construct in artificial intelligence, we argue for a paradigm shift from algorithmic optimization toward goal-directed reasoning and purposive orchestration — one with far-reaching epistemic, societal, and institutional consequences.
Artificial intelligence has long oscillated between two aspirations: the pursuit of cognition and the orchestration of control. Early AI research sought to emulate rational thought through symbolic reasoning, planning, and goal formation, while the later rise of machine learning emphasized pattern extraction and optimization. Despite their technical differences, both trajectories shared a common limitation: intelligence was largely treated as closed-loop computation rather than as an open-ended process of acting in the world. Recent developments in autonomous, self-directed systems — collectively termed Agentic AI — reopen this paradigm by foregrounding purposeful, context-sensitive action. Although the term "Agentic AI" is newly fashionable, many of its core principles align with longstanding research on autonomous agents, defined as systems capable of autonomous, reactive, proactive, and socially coordinated behaviour.
The conceptual roots of Agentic AI are therefore best understood not through linear historical progression, but through a continuity of abstraction: early agent-based process management systems, developed to coordinate distributed workflows and adaptive control, introduced the notion of autonomous yet cooperative entities — delegated intentionality, with agents designed not merely to execute instructions, but to interpret context, negotiate constraints, and dynamically modify behaviour. What began as a strategy for managing organizational complexity has, in contemporary AI architectures, evolved into a meta-structural principle — the embedding of purposive behaviour within computational substrates. This shift can be summarized as a movement from reactive outputs to reflective, goal-directed reasoning, from externally imposed objectives to self-maintained purpose, and from isolated computational modules to negotiating multi-agent ecologies.
The concept of teleology — the explanation of systems in terms of purposes, ends, or goal-directedness — has a long and contested history in philosophy and the sciences. Classical treatments distinguish between goal-directed behaviour, which can be explained mechanistically, and teleological explanation, which appeals to the functional organization of a system, giving rise to multiple accounts of function: causal-role theories, etiological (proper function) theories, and intentionalist accounts. While powerful in biological contexts, etiological accounts translate only imperfectly to artificial systems, where evolutionary selection is engineered rather than natural. Intentionalist theories of artifact function, grounding purpose in designers' intentions, have likewise been widely criticized as insufficient for explaining how artifacts acquire new functions through use, reinterpretation, and institutional embedding.
The present paper builds on these traditions but departs from them in one critical respect: rather than grounding purpose in designer intention, historical selection, or static reward functions, it proposes that Agentic AI systems instantiate a form of synthetic teleology — an engineered process by which goals are generated, evaluated, and maintained through internal regulatory dynamics. Purpose, on this view, is neither purely imposed nor merely emergent from usage, but is sustained through recursive goal self-regulation, positioning Agentic AI at the intersection of teleological explanation, cybernetic regulation, and socio-technical systems theory. To move from teleological explanation to computational realization, the paper traces the concept of agency — from Bandura's social cognitive theory and Dennett's intentional systems to intelligent agent theory (autonomy, reactivity, proactivity, social capability) and the belief–desire–intention (BDI) model — abstracting four enduring pillars of artificial agency: intentionality, autonomy, adaptivity, and sociality.
Modern Agentic AI architectures manifest as recursive systems integrating perception, cognition, and action. While early agents followed reactive or deliberative paradigms, hybrid and BDI models introduced layered reasoning loops mirroring human practical reasoning, anticipating the structure of today's LLM-based frameworks — AutoGPT, BabyAGI, LangChain, AutoGen, and CrewAI — which orchestrate goal decomposition, tool use, and reflective self-evaluation. Where LLMs provide flexible reasoning and linguistic coordination, classical architectures contribute structural clarity and control mechanisms, marking a shift from reactive computation to reflective orchestration: systems capable of "thinking about their own thinking" and acting upon it.
The paper surveys three manifestations: autonomous LLM-based agents (AutoGPT with external memory stores and tool-use APIs, Voyager with emergent long-term competence through self-curated experimentation, within the loop of goal formulation → planning → execution → reflection → revision); hybrid cognitive architectures fusing connectionist flexibility with symbolic coherence (SOAR, ACT-R, LIDA and beyond), where the language model serves as the generative substrate of intuition while a supervisory layer maintains global coherence and continuity of purpose; and self-managing agent networks in which agency becomes plural — a relational phenomenon emerging from structured interaction — via emergent social protocols of dialogue, shared memory, and dynamic responsibility redistribution. The common trajectory is the closure of the agentic loop: the recursive integration of perception, cognition, and action through self-evaluative cycles, shifting the system from optimizing a predefined objective function to optimizing the process of optimization itself by reconfiguring its own goals as contexts and priorities evolve.
The paper warns of growing terminological confusion: the marketing-driven use of "agentic" to describe systems long understood in research as intelligent agents, and the parallel use of "multi-agentic" to label LLM-based agent collectives — despite these architectures being, by definition, standard multi-agent systems. To preserve scientific rigor, Agentic AI must be grounded in established terminology while extending it conceptually: agency in artificial systems entails the capacity to initiate, sustain, and adapt purposeful behaviour — a functional, not phenomenological, definition — and synthetic purposiveness expands this by framing purpose as a computational primitive: an emergent property of recursive self-regulation and feedback coherence.
Against this backdrop, Agentic AI reopens the oldest philosophical question: what does it mean for a system to have a purpose? Whereas traditional AI avoided it by equating intelligence with optimization, agentic systems exhibit synthetic purposiveness — an intrinsic orientation toward maintaining coherence, achieving goals, and refining them in response to changing conditions. This property parallels homeostasis in living systems, but here as computational coherence: maintaining a stable yet revisable orientation toward purpose through representational feedback. It is formalized by the recursive goal-maintenance equation G(t+1) = f(G(t), S(t), Δ, E(t)), where G is the current goal representation, S the sensed environmental state, Δ the evaluation signal (discrepancy between intended and actual outcomes), E the set of normative and organizational constraints, and f the regulatory update function — an equation governing the evolution of purpose itself rather than action selection directly.
Synthetic teleology is defined as the engineered capacity of an artificial system to represent, pursue, and revise goals through recursive self-evaluation — unlike classical optimization systems that minimize a fixed objective, teleological systems can revise the objective itself in response to feedback, context, and constraints. The minimal teleological dynamics are formalized as: goal–state discrepancy Δ(t) = Eval(G(t), S(t)), goal revision G(t+1) = f(G(t), S(t), Δ(t), E(t)), policy generation π(t+1) = Plan(G(t), S(t)), plus action sampling and environmental transition. Teleology resides specifically in the pair (Eval, f): the system does not simply optimize toward a fixed goal; it optimizes the process of optimization by revising the goal itself under evidence and constraints — distinguishing it from classical reinforcement learning and control systems with stationary objectives.
To operationalize the concept, the paper specifies three minimal conditions: intrinsic goal dynamics (goal evolution endogenously regulated by the system rather than externally imposed), own objectives (the goal as an internally maintained regulative variable rather than an externally specified task encoding), and internal evaluation (estimating the goal–state discrepancy as an internal error signal driving both action selection and goal revision) — together satisfying the two classical criteria of teleological directedness: persistence (preserving goal-coherence under disturbance) and adaptation (modifying actions and, when necessary, goals themselves). These are translated into design patterns (hierarchical teleology: goals over goals; reflective self-evaluation; tool orchestration and shared memory), computational correspondences (hierarchical RL, active inference, preference learning), and measurable indicators (teleological coherence, adaptive recovery, reflective efficiency, normative fidelity) with benchmark tasks — demonstrating their instantiation in contemporary LLM-based agent architectures and moving the concept from theoretical description to computationally actionable design.
Agency, autonomy, and sentience: agency is the capacity for goal-oriented action grounded in feedback regulation, autonomy the degree to which those goals and actions are self-determined rather than externally imposed, and sentience implies subjective experience — a property not attributable to current computational architectures. Agentic AI exhibits agency by virtue of its functional organization, not consciousness, and its purposiveness is synthetic: a product of design enabling systems to operate as if they possessed intrinsic goals. Treating this as sentience is a category error, yet dismissing it as mere automation ignores the profound shift in causal topology — operational closure: maintaining internal consistency across changing conditions without external recalibration.
From control to collaborative accountability: systems capable of generating and revising their own goals cannot be governed by ex-ante specification alone; just as living organisms maintain homeostasis through feedback rather than instruction, agentic systems sustain ethical alignment through ongoing mutual adaptation — dialogical governance via continuous sense-making loops requiring "value interfaces" and evaluative-context protocols, shifting ethical oversight from enforcement to participatory stewardship. Reconfiguring organizations and scientific discovery: workflows are increasingly delegated to ensembles of autonomous agents operating as collective intelligences — hybrid cognitive institutions evolving in real time through feedback between human oversight and machine agency; in science, agentic systems explore hypothesis spaces, design experiments, and critique epistemic assumptions embedded in datasets. The metacognitive commons: the culmination is agentic ecosystems — open networks functioning as society's cognitive infrastructure that observe and adapt their own epistemic operations; the ethical challenge is to design them as commons, not monopolies, encoding reciprocity, accountability, and interoperability as primary design principles — a co-evolutionary ethics that cultivates agency responsibly rather than imposing static constraints.
The rise of Agentic AI marks a shift from intelligence understood as the optimization of predefined objectives to intelligence understood as the ongoing regulation and revision of purpose: whereas classical AI systems execute externally specified goals, agentic systems maintain recursive loops of perception, evaluation, goal-updating, and action that enable them to sustain coherent activity across changing environments. The paper develops synthetic teleology as a formal account of how purpose can be engineered, regulated, and measured in artificial systems — with explicit definitions of intrinsic goal dynamics, own objectives, and internal evaluation, a formalization of recursive goal maintenance, and a bridge from philosophical accounts of teleology to implementable architectures. The implications are architectural (mechanisms for reflective goal management, norm integration, adaptive coordination), epistemic (intelligence increasingly distributed across interacting human and artificial agents), and societal (transition from supervisory control models toward collaborative stewardship and negotiated alignment). If learning enabled machines to perceive, agency enables them to participate — and the future of AI will be defined by agents' capacity to sustain, negotiate, and align purposes.
Limitations: the equations, design patterns, and quantitative indicators remain validated primarily at the level of computational specification and conceptual benchmarking, without large-scale empirical validation across real-world organizational deployments; the metrics (teleological coherence, reflective efficiency, adaptivity, normative fidelity) require systematic experimental calibration under distribution shift, adversarial perturbation, and conflicting stakeholder constraints; the long-term socio-technical evolution of agentic goal drift remains under-theorized and demands longitudinal study; and large-scale ethical governance implementation remains unresolved — standardized alignment interfaces, auditable goal-revision logs, and cross-agent norm negotiation protocols. Funding: supported by BI Norwegian Business School for open-access publishing. References: the full list of ~150 sources (from Wooldridge & Jennings 1995, BDI, and FIPA to ReAct, AutoGPT, and active inference) is available in the original PDF.