Un chatbot așteaptă să fie întrebat. Un agent nu așteaptă pe nimeni — își stabilește singur pașii, cheamă instrumentele de care are nevoie și continuă până își atinge obiectivul, chiar și după ce tu ai închis laptopul. Această diferență, aparent subtilă, este cea mai semnificativă schimbare de paradigmă din inteligența artificială aplicată de la apariția modelelor transformer în 2017: un agent AI nu mai este un asistent care răspunde, ci un sistem software care percepe mediul, planifică secvențe de acțiuni, utilizează instrumente externe și operează autonom până la atingerea unui obiectiv definit. Iar granița dintre „un apel deștept la un LLM" și „un agent adevărat" este exact locul unde majoritatea proiectelor fie generează valoare economică reală, fie ard bani fără rezultat.
De la Chatbot la Agent: O Taxonomie a Autonomiei
Pentru a înțelege ce sunt agenții AI, trebuie mai întâi să stabilim o taxonomie clară a nivelurilor de autonomie în sistemele bazate pe modele lingvistice mari (LLM). Această taxonomie nu este doar academică — ea dictează deciziile arhitecturale, costurile operaționale și profilul de risc al fiecărui sistem.
Nivelul 0 — LLM ca funcție pură (Stateless Completion). La acest nivel, un model precum Claude Opus 5.5 sau GPT-6.1 Sol primește un prompt și returnează un răspuns. Nu există memorie între apeluri, nu există instrumente, nu există planificare. Exemplu: un endpoint API care traduce text din engleză în română. Fiecare cerere este independentă. Costul este previzibil (tokens intrare + tokens ieșire), iar riscul este minim deoarece output-ul nu declanșează nicio acțiune în lumea reală.
Nivelul 1 — Copilot (Human-in-the-Loop permanent). GitHub Copilot, Cursor sau Claude Code în modul interactiv operează la acest nivel. Modelul sugerează, dar omul decide. Fiecare acțiune potențial distructivă (ștergerea unui fișier, executarea unei comenzi) necesită aprobare explicită. Sistemul poate avea acces la instrumente (terminal, file system), dar delegarea este granulară și supervizată.
Nivelul 2 — Agent semi-autonom (Human-on-the-Loop). Agentul execută secvențe de acțiuni fără aprobare individuală, dar operează sub constrângeri stricte: buget maxim de tokens, listă albă de instrumente permise, timeout-uri, și un mecanism de escaladare când incertitudinea depășește un prag. Omul monitorizează și intervine doar când agentul semnalează o situație excepțională. Majoritatea implementărilor enterprise din 2026 operează la acest nivel.
Nivelul 3 — Agent autonom cu self-governance. Agentul stabilește sub-obiective, alocă resurse, selectează strategii și se auto-corectează fără intervenție umană. Acest nivel este încă experimental în producție, cu excepția domeniilor cu risc scăzut (generare de conținut, analiză de date non-critice). Cercetările recente din 2026 de la Anthropic și Google DeepMind explorează mecanisme formale de verificare care ar permite autonomie completă în domenii critice.
Nivelul 4 — Sisteme multi-agent cu emergență coordinată. Multiple agenți autonomi colaborează, negociază și se coordonează pentru a rezolva probleme complexe. Fiecare agent are competențe specializate, iar comportamentul colectiv emergent depășește capacitățile individuale. Proiectele pilot din 2026 (de exemplu, sistemele de dezvoltare software fully-agentic de la Anthropic și OpenAI) demonstrează potențialul acestui nivel.
┌─────────────────────────────────────────────────────────┐
│ TAXONOMIA AUTONOMIEI ÎN SISTEME BAZATE PE LLM │
├─────────────────────────────────────────────────────────┤
│ Nivel 0: LLM Stateless │ prompt → completion │
│ Nivel 1: Copilot │ sugestie → aprobare umană │
│ Nivel 2: Agent Semi-Auto │ obiectiv → execuție suprav│
│ Nivel 3: Agent Autonom │ obiectiv → self-governance│
│ Nivel 4: Multi-Agent │ misiune → coordonare │
├─────────────────────────────────────────────────────────┤
│ Risc: ▓░░░░ → ▓▓▓▓▓ │
│ Control: ▓▓▓▓▓ → ▓░░░░ │
│ Valoare: ▓░░░░ → ▓▓▓▓▓ │
└─────────────────────────────────────────────────────────┘
