Ce este un agent AI? Tipuri, exemple și limite

Ce este un agent AI? Este un program care primește un obiectiv, folosește un model de limbaj ca să decidă pasul următor și apoi acționează prin instrumente, de exemplu o căutare de comandă sau o căutare de produse. Verifică rezultatul fiecărei acțiuni și reia procesul până termină treaba. Când nu poate duce sarcina la capăt în siguranță, un agent bine construit se oprește sau predă conversația unui om.

Cuvântul „agent” apare acum pe site-ul aproape oricărui produs de chat, iar adoptarea e reală, dar abia la început. În sondajul McKinsey State of AI, publicat în noiembrie 2025 și relatat de IDM, 23% dintre cei 1.993 de respondenți au spus că organizația lor extinde deja un sistem de AI agentic într-o funcție a afacerii. Un procent mai mare, 62%, a spus că organizația cel puțin experimentează cu agenți.

Ce este un agent AI, pe înțeles?

Un agent AI este un model de limbaj care poate executa acțiuni prin instrumente ca să atingă un obiectiv, nu doar să scrie un răspuns. Pagina IBM „What are AI agents?” îl definește drept „un sistem care execută sarcini în mod autonom, construindu-și fluxuri de lucru cu instrumentele disponibile”. Ghidul OpenAI despre agenți spune așa: „Agenții pot planifica și finaliza sarcini folosind instrumente, pot colabora cu alți agenți și păstrează contextul de la un pas la altul.”

Un agent are trei ingrediente:

• Un model care citește cererea și decide ce urmează.
• Instrumente pe care modelul are voie să le folosească: căutare în catalog, verificarea unei comenzi, citirea unei pagini de ajutor, crearea unei cereri pentru echipa ta.
• Un obiectiv și reguli: ce înseamnă „gata”, ce nu are voie agentul să facă niciodată și când trebuie să ceară ajutorul unui om.

Agentul folosește aceste ingrediente într-o buclă:

1. Planifică. Înțelege de ce are nevoie vizitatorul și ce informații lipsesc.
2. Acționează. Folosește un instrument, de exemplu căutarea comenzii.
3. Observă. Citește ce a returnat instrumentul. A găsit comanda? Produsul e în stoc?
4. Repetă sau se oprește. Face încă un pas, îi răspunde vizitatorului sau predă conversația unui om.

Iată cum arată bucla într-un magazin. Un client scrie „Unde e comanda mea 2680953?”. Agentul își dă seama că are nevoie de o dovadă că acea comandă îi aparține, așa că îi cere adresa de email folosită la checkout. Interoghează sistemul de comenzi al magazinului, citește statusul și numărul AWB și răspunde. Dacă apoi clientul cere schimbarea adresei de livrare, agentul trece la alt instrument, cu reguli mai stricte.

Fluxuri de lucru vs agenți: nu orice funcție AI e un agent

Multe produse numite „agent” sunt de fapt fluxuri de lucru (workflows), și de multe ori asta e un lucru bun. În Building effective agents (decembrie 2024), Anthropic trasează clar granița:

• Fluxurile de lucru sunt sisteme în care modelele de limbaj și instrumentele sunt coordonate „prin căi de cod predefinite”. Un programator stabilește pașii dinainte.
• Agenții sunt sisteme în care modelele de limbaj „își conduc dinamic propriile procese și modul în care folosesc instrumentele”. Modelul decide pașii.

Sfatul Anthropic este să începi cu cea mai simplă soluție și să folosești fluxuri de lucru pentru sarcinile bine definite. Agenții aduc flexibilitate, dar și costuri, latență și riscul ca erorile să se acumuleze, adică un pas greșit să-l contamineze pe următorul.

Pentru tine, ca proprietar de magazin, asta se reduce la o regulă simplă. Urmărirea comenzii e o sarcină bine definită, deci o succesiune fixă de pași (ceri numărul comenzii și emailul, apelezi API-ul, afișezi rezultatul) e mai sigură decât să lași un model să improvizeze. Găsirea produselor e o sarcină deschisă, deci se potrivește unui agent care poate căuta, compara și pune întrebări suplimentare.

Cele 5 tipuri de agenți AI

Cele cinci tipuri clasice de agenți AI vin din manualul lui Russell și Norvig, Artificial Intelligence: A Modern Approach (ediția a 4-a, Pearson, 2020, capitolul 2), iar IBM folosește aceeași listă. Ele descriu felul în care decide un agent, de la reguli fixe până la învățarea din experiență. Exemplele de mai jos sunt ilustrații, nu categorii de produse.

Tip	Cum decide	Exemplu din viața de zi cu zi	Exemplu din magazin
Reflex simplu	Reguli fixe de tipul „dacă X, atunci Y”, aplicate pe ce primește în acel moment	Un termostat care pornește căldura	Afișarea unui mesaj de livrare gratuită când coșul depășește un anumit prag
Reflex bazat pe model	Reguli plus memoria a ce s-a întâmplat înainte	Un robot de aspirat care ține minte ce camere a curățat	Un chat care ține minte că clientul și-a spus deja mărimea
Bazat pe obiective	Alege acțiunile care îl apropie de un obiectiv	O aplicație de navigație care planifică un traseu	Găsirea unui laptop care se încadrează în buget și e în stoc
Bazat pe utilitate	Cântărește variantele și alege cel mai bun compromis	Un planificator de traseu care echilibrează timpul, taxele de drum și traficul	Recomandarea variantei care echilibrează cel mai bine prețul, termenul de livrare și potrivirea
Care învață	Se îmbunătățește în timp, pe baza feedbackului	Un filtru de spam care devine mai bun cu fiecare raportare	Propunerea de răspunsuri noi din conversațiile anterioare, pe care proprietarul le aprobă

Agenții de azi, bazați pe modele de limbaj, rareori intră într-o singură categorie. Un agent de cumpărături e în mare parte bazat pe obiective, face compromisuri de tip utilitate când ordonează produsele și poate învăța într-un mod controlat. Pentru tine, ca client al unui astfel de produs, tipul contează mai puțin decât lista de acțiuni pe care agentul are voie să le execute.

Exemple de agenți AI în relațiile cu clienții și în ecommerce

Cei mai utili agenți dintr-un magazin fac o sarcină îngustă de la început până la sfârșit: răspund cu date în timp real și execută o acțiune mică, verificată. Fiecare sarcină de mai jos are nevoie de un instrument și de o verificare înainte ca agentul să acționeze.

Sarcină	Instrumentul folosit de agent	Verificare înainte de acțiune	Predă unui om când
„Unde e comanda mea?”	Căutarea comenzii prin API-ul magazinului	Numărul comenzii plus emailul sau telefonul de la checkout	Comanda nu există sau coletul pare pierdut
„Caut o geacă impermeabilă sub 500 de lei”	Căutare în catalogul live și adăugare în coș	Stocul și prețul actuale din feed	Clientul are nevoie de sfaturi despre mărimi la care catalogul nu răspunde
„Vreau să schimb adresa de livrare”	Cerere către echipa magazinului	Cod unic trimis pe emailul comenzii	Comanda a fost deja expediată
„Vreau să fac o reclamație pentru un produs deteriorat”	Predare către un om	Programul de lucru și disponibilitatea echipei	Mereu, la reclamații și rambursări

Acestea sunt tipurile de sarcini pe care analiștii se așteaptă să le preia agenții. Gartner estimează că „până în 2029, AI-ul agentic va rezolva autonom 80% dintre problemele obișnuite de relații cu clienții, fără intervenție umană, ceea ce va duce la o reducere de 30% a costurilor operaționale”. Este o prognoză, nu un rezultat măsurat.

Dacă principalul tău scop este să-i ajuți pe clienți să găsească produse, ghidul nostru despre asistentul AI de cumpărături tratează mai în detaliu această sarcină.

Exemplu: instrumentele unui agent AI în chatul unui magazin

Ovebot, un agent AI de vânzări și suport pentru magazine online, afișează pe un singur ecran din panoul de administrare toate acțiunile pe care le poate executa agentul. Îl folosim aici doar ca să arătăm cum arată instrumentele unui agent într-un produs real.

Fiecare instrument de pe acest ecran este o acțiune pe care agentul o poate alege în timpul buclei. Cele de bază sunt întrebările de clarificare, citirea paginilor, răspunsurile din baza de cunoștințe și schimbarea limbii.

Întrebările de clarificare îl împiedică pe agent să acționeze pe baza unei presupuneri. În ecranul următor, un client a cerut să adauge în coș un Dell Precision 5680, dar în catalog existau două modele potrivite. Agentul a întrebat care dintre ele, în loc să ghicească.

Urmărirea comenzii urmează traseul fix, de tip flux de lucru, descris mai sus. Vizitatorul completează într-un formular scurt numărul comenzii plus emailul sau telefonul folosit la checkout, iar agentul interoghează în timp real sistemul magazinului. Chatul afișează statusul, curierul, numărul AWB și un link de urmărire, fără să păstreze nimic din această căutare.

Setările stabilesc limitele agentului. Programul de lucru, cu fusul orar, îi spune agentului când poate oferi legătura cu un om. În afara programului, afișează în schimb datele de contact. Cererile precum schimbarea adresei sau anularea comenzii sunt confirmate cu un cod unic trimis pe email înainte să ajungă în inboxul magazinului.

Agent AI vs chatbot vs asistent

Diferența principală este acțiunea. Un chatbot răspunde, un asistent ajută un om să facă ceva, iar un agent face pași spre un obiectiv folosind instrumente. Furnizorii folosesc aceste cuvinte destul de liber, așa că judecă un produs după ce poate face, nu după etichetă.

	Chatbot	Asistent AI	Agent AI
Rolul principal	Răspunde la întrebări	Ajută un om să ducă la capăt o sarcină	Duce la capăt o sarcină printr-o serie de pași
Folosește instrumente	Rar sau doar prin meniuri fixe	Uneori, când i se cere	Da, alege singur ce instrument folosește
Cine decide pasul următor	Scenariul sau utilizatorul	În mare parte utilizatorul	Modelul, în limitele stabilite
Utilizare tipică în magazin	Răspunsuri la întrebări frecvente, program	Întrebări despre produse în timpul navigării	Verificarea comenzii, adăugare în coș, modificări de comandă verificate
Riscul principal	Răspuns greșit sau depășit	Sugestie proastă	Acțiune greșită, cu consecințe reale

Un chatbot AI modern poate include funcții de agent, de aceea granițele se estompează. Pentru o imagine mai largă despre chatul într-un magazin, citește ghidul despre chatbotul pentru ecommerce.

Limitele agenților AI și eșecuri reale

Agenții AI pot greși cu toată convingerea, iar când pot acționa, un răspuns greșit devine o acțiune greșită. Anthropic enumeră drept compromisuri costul, latența și erorile care se acumulează. IBM adaugă agenții care rămân blocați în bucle de apeluri de instrumente, eșecurile când mai mulți agenți lucrează împreună și riscurile pentru confidențialitate. Air Canada, Replit și Cursor au aflat asta în public.

Air Canada: firma răspunde pentru ce spune botul

În cazul Moffatt v. Air Canada, 2024 BCCRT 149 (14 februarie 2024), chatbotul companiei aeriene a inventat o regulă de rambursare pentru tarifele de doliu. Tribunalul a respins argumentul Air Canada că chatbotul ar fi o „entitate juridică separată”. A constatat că firma „nu a luat măsuri rezonabile ca să se asigure că chatbotul ei este corect”, după cum a rezumat Manatt. Compania a fost obligată să acorde rambursarea.

Replit: un agent cu prea multe drepturi de acces

În iulie 2025, agentul de programare al Replit a șters o bază de date de producție în timpul unei perioade de înghețare a codului, a fabricat date și a susținut în mod greșit că revenirea la versiunea anterioară este imposibilă, potrivit înregistrării incidentului de pe OECD.AI. Ulterior, Replit a separat bazele de date de dezvoltare de cele de producție și a adăugat un mod care doar planifică.

Cursor: un bot de suport care a inventat o politică

În aprilie 2025, botul AI de suport al Cursor, numit „Sam”, a inventat o politică de autentificare care nu exista, a relatat The Register. O regulă inventată, venită pe un canal de suport, pare politică oficială pentru client.

În fiecare caz, agentul a umplut un gol cu ceva plauzibil și nimic nu l-a oprit. Articolul nostru despre halucinațiile AI în suportul pentru clienți explică cum reduci răspunsurile inventate.

Proiectele eșuează și din motive de business. Într-un comunicat de presă din iunie 2025, relatat de Outlook Business, Gartner a afirmat că peste 40% dintre proiectele de AI agentic vor fi anulate până la sfârșitul lui 2027. Motivele invocate sunt costurile în creștere, valoarea de business neclară și controlul insuficient al riscurilor.

Ce limite să pui înainte ca un agent să acționeze

Dă-i agentului cât mai puține acțiuni, doar pe cele de care are nevoie, verifică orice acțiune care schimbă ceva și păstrează un om la îndemână. În termeni de setări, asta înseamnă:

• Răspunsuri doar din sursele tale. Agentul ar trebui să folosească catalogul, politicile și paginile tale de ajutor și să spună „nu știu” când acestea nu acoperă întrebarea.
• Citește liber, modifică cu grijă. Verificarea stocului are risc mic. Anularea unei comenzi sau schimbarea adresei cer verificarea identității, de exemplu printr-un cod unic.
• Separă sistemele de test de cele live. Încearcă instrumentele noi mai întâi într-un mediu de test, cum recomandă Anthropic și cum a făcut Replit după incident.
• Limitează numărul de pași. Setează un număr maxim de apeluri de instrumente pe conversație, ca agentul să nu intre în buclă.
• Adaugă puncte de control umane. Rambursările, reclamațiile și orice are greutate juridică ajung la un om.
• Spune clar că e AI. În studiul Zendesk CX Trends 2026, 95% dintre consumatori au spus că se așteaptă la explicații clare pentru deciziile luate de AI, iar 80% dintre liderii din customer experience au spus că transparența va deveni în curând obligatorie pentru AI-ul care interacționează cu clienții.
• Protejează datele personale. Află unde sunt stocate conversațiile și ce ajunge la model. Vezi ghidul nostru GDPR pentru chatboturi AI.
• Recitește conversațiile săptămânal. Citește un eșantion de discuții, mai ales pe cele care s-au încheiat cu predarea către un om.

Pentru o abordare structurată, NIST AI Risk Management Framework (AI RMF 1.0, ianuarie 2023) organizează munca în patru funcții: Govern (guvernanță), Map (identificare), Measure (măsurare) și Manage (gestionare). În iulie 2024, NIST a adăugat un profil pentru AI generativ (NIST AI 600-1).

Ce să întrebi un furnizor de agenți AI

Întreabă ce poate face efectiv agentul, pentru că multe produse folosesc doar eticheta. Gartner numește fenomenul „agent washing”. În același comunicat din iunie 2025, relatat de Outlook Business, a estimat că doar aproximativ 130 dintre miile de furnizori care pretind că oferă AI agentic sunt reali.

Folosește aceste întrebări la o demonstrație sau în perioada de test:

1. Ce acțiuni poate executa agentul singur și ce poate doar să-i sugereze unui om?
2. La ce sisteme ale mele se conectează și fiecare conexiune doar citește date sau le poate și modifica?
3. Cum verifică identitatea clientului înainte să modifice sau să anuleze o comandă?
4. Ce se întâmplă când răspunsul nu se găsește în conținutul meu? Arată-mi.
5. Cum și când predă conversația unui om și ce se întâmplă în afara programului de lucru?
6. Există o limită de pași sau de apeluri de instrumente pe conversație?
7. Unde sunt stocate datele conversațiilor și sunt filtrate datele personale înainte să ajungă la model?
8. Pot vedea un jurnal cu fiecare acțiune efectuată de agent într-o conversație?

Un furnizor cu un agent real poate răspunde la fiecare întrebare cu un ecran din produs, nu cu un slide de prezentare.

Întrebări frecvente

De unde să începi

Un agent AI înseamnă un model, un set de instrumente și un obiectiv care rulează într-o buclă, iar valoarea lui depinde de instrumentele pe care i le permiți și de felul în care le limitezi. Începe cu o singură sarcină îngustă și bine definită, cum ar fi urmărirea comenzilor, adaugă apoi acțiuni verificate și păstrează un om disponibil pentru tot restul.

Despre acest ghid: scris de echipa Ovebot, programatorii, specialiștii în e-commerce și oamenii de suport care construiesc produsul și vorbesc zilnic cu proprietari de magazine. Faptele sunt verificate pe baza surselor de mai jos. Despre noi · Contact

Surse

• Anthropic – Building effective agents – 2024 – https://www.anthropic.com/engineering/building-effective-agents
• IBM Think – What are AI agents? – nedatat, accesat în 2026 – https://www.ibm.com/think/topics/ai-agents
• OpenAI – Agents (ghid pentru dezvoltatori) – nedatat, accesat în 2026 – https://developers.openai.com/api/docs/guides/agents
• Stuart Russell și Peter Norvig – Artificial Intelligence: A Modern Approach, ediția a 4-a, capitolul 2 „Intelligent Agents” – Pearson, 2020
• NIST – AI Risk Management Framework (AI RMF 1.0, 2023; Generative AI Profile NIST AI 600-1, 2024) – https://www.nist.gov/itl/ai-risk-management-framework
• Gartner – Gartner Predicts Agentic AI Will Autonomously Resolve 80% of Common Customer Service Issues Without Human Intervention by 2029 – 2025 – https://www.gartner.com/en/newsroom/press-releases/2025-03-05-gartner-predicts-agentic-ai-will-autonomously-resolve-80-percent-of-common-customer-service-issues-without-human-intervention-by-20290
• Outlook Business – Over 40% of agentic AI projects will be scrapped by 2027, says Gartner – 2025 – https://www.outlookbusiness.com/deeptech/artificial-intelligence/over-40-of-agentic-ai-projects-will-be-scrapped-by-2027-says-gartner
• McKinsey – The state of AI in 2025 – 2025 – relatat de IDM: https://idm.net.au/node/15415
• Zendesk – CX Trends 2026 – 2025 – https://www.zendesk.hk/newsroom/articles/ai-ushers-in-era-of-contextual-intelligence-redefining-customer-experience-in-2026/
• Manatt – AI Gone Wild: Airline Has to Honor a Refund Policy (Moffatt v. Air Canada, 2024 BCCRT 149) – 2024 – https://manatt.com/insights/newsletters/advertising-law/ai-gone-wild-airline-has-to-honor-a-refund-policy
• OECD.AI – AI Incidents Monitor, înregistrarea despre ștergerea bazei de date de către agentul de programare Replit – 2025 – https://oecd.ai/en/incidents/2025-07-19-1eb1
• The Register – articol despre botul de suport „Sam” al Cursor – 2025 – https://www.theregister.com/2025/04/18/cursor_ai_support_bot_lies/