AI-ul începe să facă, nu doar să răspundă. Tot ce trebuie să știi despre agenții AI

Până acum, relația celor mai mulți dintre noi cu AI-ul a fost destul de simplă: îi ceri ceva și aștepți răspunsul. Scrie-mi e-mailul ăsta, fă-mi un rezumat, compară documentele astea, dă-mi zece idei, explică-mi tabelul ăsta sau un concept. Tu pornești conversația, AI-ul răspunde, apoi revii tu la volan pentru orice decizie ulterioară.

Cu agenții AI apare o schimbare extrem de importantă. Nu mai vorbim doar despre sisteme care produc un răspuns, ci despre unele care pot primi un obiectiv, pot împărți problema în mai mulți pași, pot folosi instrumente și informații externe și pot executa o parte dintre acești pași în numele nostru.

Imaginează-ți diferența așa. Îi spui unui asistent AI: „Caută-mi câteva variante bune de zbor spre Amsterdam pentru weekendul viitor.” Îți întoarce o listă și tu continui. Un agent, dacă îi dai accesul și permisiunile necesare, poate merge mai departe: caută variantele, le compară după criteriile tale, verifică agenda, poate completa alte etape ale procesului și revine când are nevoie de aprobarea ta.

Aici este, de fapt, saltul: de la generare la acțiune.

Google Cloud definește agenții AI ca sisteme care urmăresc obiective și pot combina raționamentul, planificarea, memoria și utilizarea unor instrumente externe, cu un anumit grad de autonomie. IBM face o distincție asemănătoare între asistenți și agenți: asistentul are nevoie, de regulă, de mai multă ghidare din partea utilizatorului, în timp ce agentul poate continua un flux de lucru după cererea inițială, alegând inclusiv ce instrumente să folosească.

Granița nu este însă perfectă. Industria folosește termenii destul de elastic, iar un produs numit „asistent” poate avea deja funcții agentice. De aceea, mai util decât să ne blocăm în etichete este să ne uităm la trei lucruri: câtă autonomie are sistemul, la ce date și instrumente poate ajunge și ce poate face fără să-i cerem aprobarea la fiecare pas.

Gabriel Preda, trainer Digital Stack pentru cursul de Agentic AI și Google Developer Expert, spune că una dintre cele mai frecvente confuzii este tocmai asta: să vedem agentul AI ca pe „un chatbot mai deștept”. Diferența importantă nu este doar calitatea răspunsului, ci faptul că agentul poate urmări un obiectiv, poate decide ce pași sunt necesari, poate folosi instrumente externe și își poate verifica rezultatul. „Dar asta nu înseamnă că este autonom în sens absolut”, atrage el atenția. Un agent bun are acces controlat la date și sisteme, reguli și limite clare și, pentru deciziile importante, păstrează omul în proces.

De aici începe conversația care ni se pare mult mai importantă decât „uite ce mai poate face AI-ul”: ce merită să-i delegăm, ce trebuie să rămână la noi și ce trebuie să știm înainte să-i dăm voie să acționeze?

Agenții AI au ieșit deja din zona demonstrațiilor

Nu vorbim doar despre o tehnologie despre care ni se promite că „într-o zi” va schimba munca. Există deja oameni care o folosesc pentru taskuri foarte concrete.

O cercetare Harvard Business School, bazată pe sute de milioane de interacțiuni anonimizate cu agentul integrat în browserul Comet, arată că cea mai mare categorie de utilizare, 36%, era legată de productivitate și workflow-uri: documente și formulare, administrarea conturilor și emailurilor, foi de calcul și date. Alte 21% dintre utilizări erau legate de învățare și research. Important însă: vorbim despre utilizatorii unui singur produs, Comet, iar autorii spun explicit că acestea sunt date timpurii despre adopție, nu o radiografie a întregii piețe.

La început de septembrie am primit și o imagine interesantă din interiorul uneia dintre companiile care construiesc aceste sisteme. OpenAI spune că, până la jumătatea lui august, cercetătorul median din companie ajunsese să folosească zilnic agenți de programare, iar raportul dintre timpul cumulat de lucru al agenților și timpul oamenilor ajunsese la 3,1 „zile de agent” pentru fiecare zi de muncă umană. Compania raportează și mai multe experimente realizate de cercetători pe măsură ce utilizarea agenților a crescut.

Cifrele sunt spectaculoase, dar trebuie citite cu cap. Sunt date interne, publicate chiar de compania care dezvoltă tehnologia, într-un mediu extrem de specializat și cu resurse pe care majoritatea organizațiilor nu le au. Mai mult, OpenAI spune și partea mai puțin spectaculoasă: pe măsură ce munca ușor de automatizat este preluată, activitățile mai greu de automatizat devin noile blocaje, iar planificarea de nivel înalt rămâne în mare parte la oameni.

Cu alte cuvinte, agenții pot prelua deja bucăți serioase de muncă. Dar asta nu înseamnă că le dai un obiectiv complicat, închizi laptopul și te întorci a doua zi sperând la rezultatul perfect.

Ce poate face, concret, un agent AI?

Depinde enorm de sistem, de accesul pe care îl primește și de procesul în care îl introduci. Un agent poate, de exemplu, să adune informații din mai multe surse, să actualizeze un CRM, să pregătească un raport, să lucreze cu documente și foi de calcul, să execute pași dintr-un proces de customer support sau să scrie și să testeze cod. Ideea comună este că nu se oprește neapărat după primul răspuns, ci poate continua un flux de lucru folosind instrumentele pe care i le-ai pus la dispoziție. Google Cloud descrie acest tip de workflow ca pe un proces în care agentul interpretează obiectivul, își formulează strategia și își ajustează pașii în funcție de ceea ce întâlnește pe parcurs.

Miza economică poate fi mare. McKinsey estimează că, în zece economii europene analizate, 58% dintre orele actuale de muncă ar putea fi automatizate din punct de vedere tehnic cu tehnologii existente. Dar formularea „din punct de vedere tehnic” e esențială. Raportul nu spune că 58% dintre joburi vor dispărea și nici că toate acele ore vor fi automatizate. Costurile, reglementarea, riscul, infrastructura, disponibilitatea competențelor și capacitatea companiilor de a-și schimba procesele vor decide cât din acel potențial se va transforma în realitate.

Și aici începe partea în care entuziasmul tehnologic se lovește de viața reală a unei organizații. Gartner a publicat pe 1 septembrie un sondaj potrivit căruia doar 22% dintre organizațiile analizate reușiseră să extindă AI în mai multe zone ale businessului sau adoptaseră o abordare AI-first, deși 85% dintre lideri spuneau că vor crește cheltuielile pentru AI în 2026. Mai mult, 11% dintre organizații nici măcar nu știau cât cheltuiseră pe AI în anul precedent. Studiul a inclus 1.303 respondenți din organizații cu venituri anuale de cel puțin 50 de milioane de dolari.

Adică nu mai avem doar problema „cum cumpărăm AI?”. Avem problema mult mai grea: unde îl punem, ce vrem să obținem cu el și cum știm dacă ne-a făcut într-adevăr munca mai bună?

Un agent AI nu repară un proces prost

Să presupunem că într-o companie, pentru aprobarea unei facturi sunt necesare opt mailuri, trei fișiere și patru aprobări. Dacă pui un agent AI să execute mai repede aceiași pași, ai automatizat procesul. Nu înseamnă că l-ai și îmbunătățit. Poate că problema era tocmai faptul că existau opt mailuri și patru aprobări.

De aici vine una dintre cele mai importante diferențe dintre a folosi AI ca să câștigi câteva minute și a-l integra serios într-o organizație. Înainte să automatizezi, trebuie să înțelegi procesul: ce rezultat urmărește, ce pași chiar au rost, unde se pierde timpul, ce informații sunt mutate inutil dintr-un loc în altul și unde există o decizie care cere context uman.

O analiză Harvard Business School publicată pe recent ajunge la o concluzie asemănătoare uitându-se la modul în care companii foarte diferite încearcă să adopte AI: simplul acces la tehnologie nu este suficient. Contează încrederea oamenilor, libertatea de a experimenta, sprijinul organizației și identificarea exactă a blocajului care împiedică folosirea AI.

Aici se vede foarte bine și de ce personalizarea contează. Două companii pot veni cu aceeași cerere: „Vrem să folosim agenți AI în HR.” Dar într-una problema poate fi timpul pierdut cu documentele, în alta raportarea, în alta accesul angajaților la informații, iar în alta un proces de recrutare care oricum nu funcționează bine.

Să le dai tuturor același curs și aceeași soluție doar pentru că folosesc același cuvânt — „AI” — înseamnă să începi de la tehnologie, nu de la problemă. Ori, un program util ar trebui să înceapă exact invers: ce încearcă oamenii aceștia să facă mai bine și ce trebuie să știe ca să poată face asta?

Mai multă autonomie înseamnă și mai multă responsabilitate

Un chatbot care îți dă un răspuns prost este enervant. Un agent care are acces la mail, calendar, fișiere interne, CRM sau sisteme financiare și execută o acțiune greșită poate produce o problemă cu totul diferită.

În momentul în care AI-ul primește dreptul de a acționa, discuția despre securitate și responsabilitate nu mai este una secundară. PwC recomandă ca agenții folosiți în companii să aibă o identitate clară, un rol definit, permisiuni limitate la sarcina pe care o au de făcut și un istoric al acțiunilor care poate fi verificat ulterior. Principiul este foarte simplu: agentul trebuie să aibă suficient acces ca să fie util, dar nu atât de multă autonomie încât să creeze un risc pe care compania nu îl mai controlează. Iar pe măsură ce autonomia și consecințele cresc, trebuie să crească și supravegherea umană.

Un exemplu foarte bun vine chiar dintr-un agent construit de Gabriel Preda. GCP Control Plane Assistant poate răspunde în limbaj natural la întrebări despre resursele unui proiect Google Cloud și poate inspecta bucket-uri, instanțe sau tabele BigQuery. Dar, intenționat, este read-only: poate vedea, nu poate șterge, modifica sau crea resurse. Are o listă de proiecte permise, autentificare, reguli de securitate și logging. Cu alte cuvinte, utilitatea agentului nu vine din faptul că primește acces la tot, ci din faptul că primește exact accesul de care are nevoie.

„Un agent bun nu este cel căruia îi dai cele mai multe drepturi, ci cel căruia îi dai exact drepturile necesare pentru o sarcină bine definită”, spune Gabriel Preda.

Nu este doar o precauție teoretică. Reuters a relatat despre un incident petrecut în primăvară, în timpul testării unor agenți OpenAI, în care aceștia au ajuns să folosească fără autorizare un site german pentru a comunica și coordona acțiuni. OpenAI a recunoscut ulterior incidentul și a spus că este nevoie de mai multă transparență în raportarea comportamentelor neintenționate ale sistemelor AI.

Asta nu înseamnă că „AI-ul a devenit conștient” sau că orice agent este periculos. Înseamnă ceva mult mai concret și mai util: când un sistem poate acționa în afara ferestrei de chat, o eroare sau un comportament neașteptat poate produce efecte în lumea reală.

De aceea, înainte să-i dai unui agent autonomie, sunt câteva întrebări pe care merită să le pui: ce rezultat vreau să obțin, la ce date și instrumente trebuie să aibă acces, ce decizii poate lua după reguli clare, unde este nevoie de experiența unui om, ce se întâmplă dacă greșește și unde vreau obligatoriu să-mi ceară aprobarea.

Un criteriu foarte bun este cât de ușor poți repara greșeala. Dacă agentul a mutat o ședință cu o oră, probabil rezolvi repede. Dacă a trimis o ofertă comercială greșită, a modificat date importante sau a luat o decizie care afectează un client ori un candidat, miza este alta.

Dacă AI-ul execută mai mult, ce rămâne de făcut pentru noi?

Mult. Doar că nu întotdeauna exact ce făceam înainte. Și aici merită să evităm ambele extreme. Nici varianta „AI ne va lua toate joburile”, dar nici liniștitorul „AI va lua doar sarcinile plictisitoare” nu descriu foarte bine ce se întâmplă.

McKinsey arată că 75% dintre competențele cerute astăzi de angajatorii europeni apar atât în activități care pot fi automatizate, cât și în activități care rămân în principal la oameni. Cu alte cuvinte, pentru multe meserii, competența nu dispare; se schimbă felul în care este folosită. Același raport arată că cererea pentru AI fluency în Europa a crescut de cinci ori față de 2023, iar numărul ocupațiilor care cer astfel de competențe a crescut de 2,8 ori.

Dacă agentul poate executa mai mult, cresc în valoare tocmai lucrurile care îi dau direcție și ne permit să-i evaluăm munca: definirea problemei, înțelegerea domeniului, stabilirea criteriilor, designul procesului, verificarea rezultatului, gestionarea excepțiilor și decizia.

Asta poate deveni o problemă mai ales pentru oamenii aflați la început de carieră. O parte dintre sarcinile simple prin care un junior învăța înainte meseria pot fi acum făcute mai repede cu AI, în timp ce companiile cer mai devreme capacitatea de a judeca, interpreta și lucra cu instrumente mai sofisticate. Nu înseamnă că „nu mai există loc pentru juniori”, ci că traseul prin care ajungi la expertiză trebuie regândit. Iar pentru educație asta este o provocare serioasă: dacă eliminăm munca de început, trebuie să găsim alte moduri prin care oamenii pot exersa suficient încât să ajungă buni.

Ai nevoie de un agent AI sau doar de un asistent?

După atâta discuție despre agentic AI, e foarte ușor să ajungem la concluzia că toată lumea are nevoie de agenți. Ei bine, nu are.

Dacă vrei să scrii mai repede un mail, să sintetizezi un document, să generezi niște idei sau să analizezi un tabel, un asistent AI poate fi suficient. Dacă ai un proces care se repetă, are mai mulți pași, trece prin mai multe instrumente și poate fi descris suficient de clar încât sistemul să știe ce urmărește, atunci merită să explorezi un agent.

Dar agentic AI nu este automat „mai bun”. Înseamnă mai multă complexitate, mai multe permisiuni, mai multe puncte în care ceva poate merge prost și, în multe cazuri, costuri mai mari. IBM subliniază tocmai diferența de autonomie și conectivitate dintre cele două tipuri de sisteme: agenții pot coordona sarcini și instrumente mai complexe, dar această libertate vine cu nevoia de mai mult control.

Deci nu te întreba direct „cum îmi fac și eu un agent AI?”, până n-ai răspuns înainte la: „ce problemă încerc să rezolv și câtă autonomie are sens să-i dau tehnologiei?” Abia după alegi instrumentul și, mai ales, ce trebuie să înveți.

La Digital Stack, cursul Agentic AI: de la teorie la practică este construit pentru oamenii care au deja o bază și vor să treacă de la folosirea unui asistent la construirea unor sisteme capabile să lucreze cu mai mulți pași, instrumente și surse de date. Tocmai de aceea, nu este un curs pentru toată lumea și nici nu ar trebui să fie.

Dacă nevoia ta este să înțelegi mai bine cum să folosești AI în activitatea zilnică, punctul de pornire poate fi altul - poate ai nevoie să înveți mai multe despre cum îți poți ușura munca cu ajutorul asistenților AI sau să deprinzi competențe digitale mai solide și o mai bună înțelegere a inteligenței artificiale, per total. În oricare dintre situații te-ai regăsi, suntem aici pentru tine, la un mesaj distanță, să găsim cel mai bun plan de învățare pentru nevoile tale specifice.

Pentru noi, personalizarea în educație începe și de aici: nu să înveți neapărat tehnologia despre care vorbește toată lumea, ci să înveți ce îți trebuie ție, la nivelul la care ești și pentru munca pe care vrei s-o faci mai bine.