생성형 및 에이전틱 인공지능 (AI)은 소프트웨어 및 시스템 엔지니어링을 산출물의 인간 저작 중심 학문에서 자율 시스템을 지시, 검증 및 거버넌스하는 데 집중하는 학문으로 재구성하고 있습니다. 이러한 전환은 새로운 전문가 원형인 extit{에이전틱 엔지니어 (agentic engineer)}를 요구하며, 이들의 지속적인 가치는 의도 명세 (intent specification), 멀티 에이전트 워크플로 (multi-agent workflows)의 오케스트레이션 (orchestration), 기계 생성 출력물에 대한 비판적 평가, 그리고 윤리적 판단에 있습니다. 본 논문은 이 원형을 위한 증거 기반의 교육 아키텍처를 도출하기 위해 공학 교육, 컴퓨팅 교육, 인간-AI 상호작용 (human--AI interaction), 인간 요인 (human factors), 그리고 학습 과학 (learning sciences)을 아우르는 통합적인 개념적 합성을 제시합니다. 우리는 5가지 역량 기둥을 구성하고 이를 세 가지 전달 벡터인 커리큘럼 (curricula), 협업 (collaboration), 지속적 학습 (continuous learning)에 매핑하는 ACCEL 프레임워크 (Agentic Competencies through Curricula, Collaboration, and Enduring Learning)를 소개합니다. 대리인 이론 (agency theory), 자동화 신뢰 (trust-in-automation) 연구, 그리고 AI의 이점이 불균등하게 실현되고 종종 오해받는다는 증거를 포함한 AI 보조 프로그래밍에 대한 실증적 연구를 바탕으로, 우리는 단계적 커리큘럼, 인간-AI 팀워크를 위한 위임-검증 (delegation--verification) 교육 루프, 재설계된 평가, 거버넌스 문해력을 갖춘 윤리 통합, 그리고 현재의 커리큘럼 가이드라인 및 국제 AI 역량 프레임워크와의 정렬을 제안합니다. 우리는 자동화 편향 (automation bias), 기술 퇴화 (deskilling), 피상적 참여 (superficial engagement), 분산된 책임 (diffuse accountability)을 포함한 주요 리스크를 식별하며, 에이전틱 엔지니어를 교육하는 것은 점진적인 커리큘럼 변화가 아닌 시스템적 전환을 필요로 한다고 결론짓습니다. 즉, 교육은 산출물을 생성하는 것에서 점점 더 자율화되는 사회 기술적 시스템 (socio-technical systems)에 대해 판단력을 행사하는 것으로 전환되어야 합니다.