Un agent AI este un program care primește un obiectiv, nu o listă de pași, și decide singur ce pași face ca să-l atingă: citește documente, caută în sistemele firmei, folosește tool-uri, acționează și verifică dacă a terminat. Un chatbot doar răspunde la întrebări. O automatizare clasică doar execută reguli fixe.
Cuvântul „agent” a ajuns pe toate ofertele din 2025 încoace, așa că merită să-l iau de la capăt, fără jargon. Construiesc sisteme AI pentru firme de dinainte ca ChatGPT să devină subiect de ședință, și cea mai utilă distincție pe care o știu nu e tehnică. E întrebarea: cine decide pasul următor?
Ce este, concret, un agent AI?
Un agent AI e un sistem în care un model de limbaj (LLM) conduce singur execuția unei sarcini: alege ce tool folosește, ce caută, ce face mai departe și când s-a terminat. Diferența față de un program obișnuit e că pașii nu sunt scriși dinainte.
Ghidul OpenAI pentru agenți are o definiție scurtă: „Agents are systems that independently accomplish tasks on your behalf”, și precizează că aplicațiile care folosesc un LLM fără să-l lase să controleze fluxul de lucru („simple chatbots, single-turn LLMs, or sentiment classifiers”) nu sunt agenți (OpenAI, A practical guide to building agents, citit pe 26.09.2026). Anthropic face aceeași separare între workflows, unde pașii sunt fixați în cod, și agents, unde modelul își „dirijează dinamic” propriul proces și folosirea tool-urilor (Anthropic, Building effective agents, decembrie 2024, citit pe 26.09.2026).
Pe limba unui antreprenor: gândește-te la un coleg nou. Un chatbot e colegul care stă la recepție și răspunde la întrebări, dar nu are acces la nimic. O automatizare clasică e o bandă rulantă: face exact același lucru, repede și fără să întrebe. Un agent e colegul nou căruia îi dai un obiectiv („pregătește facturile de furnizor pentru aprobare”), un set de chei (acces la inbox, la ERP, la programul de contabilitate) și câteva reguli. Restul îl decide el.
E o idee la care revin des: AI-ul optimizează spre un obiectiv, dar obiectivul îl stabilește omul. Un agent face bine mijlocul muncii, adică împărțirea în pași și execuția. Formularea obiectivului și judecata dacă rezultatul e bun rămân la tine.
Care e diferența dintre un chatbot, o automatizare clasică (RPA) și un agent AI?
Pe scurt: chatbotul vorbește, automatizarea execută reguli, agentul decide pașii și acționează. Omul rămâne singurul care răspunde pentru rezultat.
| Chatbot | Automatizare clasică / RPA | Agent AI | Om | |
|---|---|---|---|---|
| Ce primește | O întrebare | Un input cu format fix | Un obiectiv | Un obiectiv și contextul firmei |
| Cine decide pașii | Nimeni, răspunde o dată | Programatorul, dinainte | Modelul, pe parcurs | Omul |
| Poate acționa în sistemele firmei? | De obicei nu | Da, doar pe pașii scriși | Da, prin tool-urile și permisiunile primite | Da |
| Ce face cu o excepție | Răspunde ceva plauzibil | Se oprește sau greșește în tăcere | Încearcă o soluție, bună sau nu | O rezolvă sau întreabă |
| Cum greșește | Informație greșită | Previzibil, la aceeași regulă | Mai rar, dar mai greu de anticipat | Obosește, uită, e inconsecvent |
| Unde se potrivește | Întrebări frecvente, informații | Pași stabili, date structurate | Documente, emailuri, decizii cu variații | Judecată, relații, responsabilitate |
Regula mea de decizie e simplă. Dacă poți scrie toți pașii pe o pagină și ei nu se schimbă, îți trebuie o automatizare clasică, nu un agent. E mai ieftină, mai previzibilă și mai ușor de verificat. Agentul își merită locul acolo unde inputul e nestructurat (un email, un PDF scanat, un caiet de sarcini) sau unde regulile au atâtea excepții încât nimeni nu le mai poate scrie. OpenAI dă aceleași trei criterii: decizii complexe, reguli greu de întreținut și dependență de date nestructurate. Am scris separat cum identifici ce merită automatizat, iar mulți dintre candidați nu au nevoie deloc de un agent.
Cum arată agenții AI într-o firmă din România?
Arată mai puțin spectaculos decât în demo-uri: un agent bun preia o sarcină repetitivă cu variații, pregătește munca și lasă decizia cu consecințe unui om. Mai jos sunt șase exemple. Primele trei sunt scenarii ipotetice, ca să se vadă tiparul; ultimele trei sunt proiecte reale.
- Facturile de la furnizori (ipotetic). Să luăm un distribuitor ale cărui facturi B2B vin prin e-Factura, deci deja ca fișier structurat. Agentul potrivește factura cu comanda și cu recepția, semnalează diferențele de cantitate sau preț și pregătește înregistrarea în programul de contabilitate (SAGA, SmartBill sau ce folosește firma). Contabilul aprobă. Partea de potrivire pe reguli clare e automatizare clasică; agentul intră unde factura nu se potrivește și trebuie aflat de ce.
- Emailurile de la clienți (ipotetic). Agentul citește emailul, înțelege dacă e o comandă, o reclamație sau o întrebare, caută statusul comenzii în ERP și scrie o ciornă de răspuns. Omul de la customer service o citește și o trimite. Câștigul e timpul de căutare, nu scrisul.
- Cererile de ofertă (ipotetic). Un client trimite o listă de produse într-un PDF sau în corpul emailului. Agentul extrage pozițiile, verifică stocul și lista de prețuri și pregătește oferta pentru agentul de vânzări, care o ajustează și o trimite.
- Licitațiile publice. La Sapio am construit un agent care citește anunțurile de pe e-licitatie.ro și le compară cu un profil al firmei, construit din proiectele ei anterioare. În testare a găsit licitațiile relevante. E testat, dar nu rulează încă în producție, așa că nu există cifre de timp economisit, și nu le inventez.
- Retail. La Sapio am construit un agent AI pentru retail, integrat cu ChatGPT, pentru un client care a strâns o rundă seed de 4,7 milioane de dolari.
- Cercetare juridică. ai-aflat.ro, asistentul gratuit pe care l-am construit pentru legislația din România, caută în peste 220.000 de acte legislative, actualizate zilnic, și citează legea cu link la sursa oficială. Tehnic, e mai aproape de un asistent de cercetare decât de un agent: caută, compară și răspunde, dar nu acționează nicăieri în numele tău și, intenționat, nu dă verdicte. Exemplul e util tocmai pentru că arată unde am ales să opresc autonomia.
Observi tiparul? În toate cele șase, omul rămâne pe ultimul pas.
Unde se strică un agent AI?
În patru locuri: permisiunile, evaluarea, excepțiile și lipsa unui om în buclă. După mine, modelul rareori e problema.
Permisiunile. Un agent poate face tot ce îi permit cheile primite. Dacă are drept de scriere în ERP, poate scrie greșit în ERP. Regula e cea de la colegul nou: acces de citire larg, acces de scriere îngust, și orice acțiune care costă bani sau pleacă spre un client trece pe la un om.
Evaluarea. „Pare că merge” nu e o măsurătoare. Înainte de lansare îți trebuie un set de cazuri reale, cu răspunsul corect știut dinainte, pe care rulezi agentul la fiecare modificare. Fără el nu știi dacă versiunea de azi e mai bună decât cea de ieri.
Excepțiile. Un agent face zeci de pași, iar o greșeală mică la pasul doi se duce mai departe. Anthropic o spune direct: autonomia agenților înseamnă „higher costs, and the potential for compounding errors” și recomandă testare extinsă într-un mediu izolat, cu limite clare. Factura cu TVA greșit, clientul care scrie în trei limbi în același email, licitația cu anexa scanată strâmb: acolo se vede calitatea.
Omul în buclă. Cred că cele mai bune sisteme nu elimină omul, ci îl mută: de la făcut munca la aprobat munca. Agentul trebuie să știe când se oprește și predă cazul cuiva.
Mai e o capcană, de piață: nu tot ce se vinde ca agent e agent. Gartner estimează că din miile de furnizori care își spun „agentic”, doar în jur de 130 oferă funcționalități agentice reale; restul e agent washing (Search Engine Land, raportând Gartner, citit pe 26.09.2026). Întrebarea de pus furnizorului e cea de la început: cine decide pasul următor?
Am nevoie de un agent AI sau îmi ajunge un chatbot?
Dacă oamenii tăi pierd timp căutând informații, îți ajunge adesea un asistent care răspunde din documentele firmei; pentru un asistent general, vezi ChatGPT sau Copilot pentru firmă. Dacă pierd timp făcând aceeași operațiune în trei sisteme, ai nevoie de automatizare, iar agentul intră doar unde operațiunea are variații pe care regulile nu le prind. E tentant să începi cu agentul pentru că sună mai bine în ședință. Cred că e cel mai scump loc de început.
De unde încep cu agenții AI?
De la un singur proces, nu de la un tool. Pașii pe care îi recomand:
- Alege o sarcină care se repetă de zeci de ori pe săptămână și de care oamenii deja se plâng.
- Scrie pașii pe care îi face azi un om, inclusiv excepțiile și cine decide în cazul lor.
- Taie tot ce e regulă fixă și dă-l unei automatizări clasice. Ce rămâne e candidatul pentru agent.
- Strânge un set de cazuri reale cu rezultatul corect, zeci, nu câteva. Ăsta e setul de evaluare.
- Pornește agentul în modul „propune”: pregătește, iar omul aprobă. Măsoară cât din ce propune e acceptat fără modificări.
- Lărgește autonomia doar unde cifrele o susțin, pas cu pas.
Versiunea lungă, pentru toată firma, e în ghidul pas cu pas pentru implementarea AI, iar motivele pentru care se blochează agenții și celelalte proiecte AI sunt în de ce nu funcționează AI în firma mea. Dacă ai ajuns la construcție, construim agenți AI la Sapio, cu exact regulile de mai sus.
Mă întorc la colegul nou. Nimeni nu dă cheile de la casierie în prima zi, oricât de deștept ar fi omul. Nu pentru că nu are încredere, ci pentru că încrederea se construiește pe cazuri văzute. Cu agenții AI e la fel, doar că de data asta putem număra cazurile.
Dacă vrei să ne uităm împreună la ce proces din firma ta s-ar potrivi: consultanță AI pentru operațiuni.