Singura întrebare care separă un agent de un chatbot
Cine decide ce se întâmplă în continuare?
Într-un chatbot, nimeni. Trimiți un mesaj, modelul produce un răspuns, iar tura se încheie. Dacă răspunsul are nevoie de o continuare, tu o scrii. Modelul nu acționează niciodată asupra lumii; el doar scrie text.
Într-un agent, modelul decide. Având un obiectiv, el alege o acțiune, cum ar fi căutarea pe web, rularea unei bucăți de cod, deschiderea unei pagini sau editarea unui fișier, primește rezultatul înapoi ca text, îl citește și alege următoarea acțiune. Continuă până judecă obiectivul atins sau până o limită de pași îl oprește. Modelul este controlorul buclei.
Ghidul tehnic al Anthropic "Building effective agents", publicat în decembrie 2024, trasează linia în același loc: fluxurile de lucru sunt sisteme în care modelul rulează în interiorul unui cod care fixează traseul, iar agenții sunt sisteme în care modelul își direcționează propriul proces și folosirea uneltelor. Ghidul e și el direct despre care dintre cele două să construiești mai întâi, iar răspunsul lui este fluxul de lucru.
Chatbot, flux de lucru, agent: același model, trei bucle diferite
Toate trei pot rula pe același model de limbaj. Ce diferă e ce le înconjoară.
| Chatbot | Flux de lucru | Agent | |
|---|---|---|---|
| Cine alege pasul următor | Nimeni; un răspuns per mesaj | Un script scris de un dezvoltator | Modelul, pornind de la ultimul rezultat |
| Folosește unelte | Uneori, un apel per tură | Da, într-o ordine fixă | Da, în orice ordine alege |
| Când se oprește | După un răspuns | Când scriptul se termină | Când decide că obiectivul e atins, sau atinge o limită de pași |
| Eșec tipic | Un răspuns greșit | Un pas care primește date proaste | O buclă care rătăcește, se repetă sau se oprește prea devreme |
| Cost per sarcină | Un răspuns | Un număr cunoscut de răspunsuri | Necunoscut până se termină |
Coloana fluxului de lucru e locul unde trăiește cea mai mare parte a automatizării utile. Un pipeline care rezumă un document, apoi extrage datele, apoi redactează un răspuns înseamnă trei apeluri de model într-o ordine fixă. E fiabil pentru că dezvoltatorul a decis traseul. Nu e un agent, orice ar spune pagina de prezentare, iar a-l numi așa ascunde compromisul real: un traseu fix e predictibil și ieftin, un traseu ales de model e flexibil, dar nu e niciuna dintre celelalte.
Cum arată bucla, pas cu pas
O rulare concretă. Obiectivul: "Află dacă concurentul nostru și-a schimbat prețurile luna asta și scrie-mi un rezumat de două paragrafe."
- Modelul citește obiectivul și decide prima acțiune: o căutare pe web pentru pagina de prețuri a concurentului.
- Unealta de căutare returnează o listă de rezultate ca text. Modelul o citește și alege unul de deschis.
- Unealta de navigare returnează pagina. Modelul extrage prețurile actuale.
- Modelul decide că are nevoie de prețurile vechi, caută o copie arhivată și o deschide.
- Le compară, judecă că are suficient și scrie rezumatul.
Cinci pași, patru apeluri de unelte, șase apeluri de model. Fiecare pas e un răspuns complet din partea modelului, cu tot istoricul de până atunci ca input. Acel ultim detaliu este factorul de cost: până la pasul cinci, modelul recitește la fiecare apel patru pagini de rezultate de căutare și text de pagină. Ce sunt token-urile în IA explică de ce un input care crește la fiecare tură este forma cea mai costisitoare.
Și fiecare pas e un loc unde se poate greși. Dacă la pasul 1 căutarea returnează compania greșită, pașii 2 până la 5 rezumă cu încredere prețurile greșite. Buclă compune greșelile la fel cum compune progresul. O limită de pași și un punct de control uman înainte ca ceva să fie trimis nu sunt opționale.
Cât costă o rulare de agent față de un singur răspuns
Aritmetica e simplă, dar lumea o sare. Un răspuns standard, 1.000 de token-uri la intrare și 500 la ieșire, are un preț de listă per model în indexul de cost al modelelor AI, cu tarife OpenRouter preluate pe 2026-08-20. O rulare de agent cu 20 de pași înseamnă cel puțin 20 de astfel de răspunsuri, iar în practică mai mult, pentru că input-ul crește la fiecare pas.
Douăzeci de pași pe Claude Sonnet 5 costă $0.14 la limita de jos, față de $0.007 pentru un singur răspuns; pe Claude Opus 5 e $0.35, iar rulat în fiecare oră asta înseamnă aproximativ $250 pe lună înainte de multiplicatorul dat de input-ul în creștere. În credite Whizi, aceeași aritmetică se citește pe scara Auto de mai sus: 100 de credite înseamnă 100 de întrebări rapide pe modelul din casă sau 5 ture de raționament pe GPT-5.6 Sol, deci o buclă de 20 de pași la treapta de raționament costă 400 de credite, aproximativ o șesime dintr-o lună Pro de 2.500 de credite, iar aceeași buclă pe modelul din casă costă 20. De aceea designul corect trimite pașii de planificare către un model puternic și pașii de rutină către unul ieftin, și de aceea un spațiu de lucru multi-model este casa firească pentru munca de agent, nu un abonament la un singur model.
Care produse sunt cu adevărat agenți
Asistenții de programare care editează fișiere și rulează teste sunt agenți în sensul strict: primind un raport de bug, citesc codul, fac o modificare, rulează suita de teste, citesc eșecul și încearcă din nou. Buclă e reală, iar modelul o conduce.
Modurile Deep Research din ChatGPT, Gemini și Perplexity sunt agenți: caută, citesc, caută din nou pe baza a ce au găsit și se opresc când judecă întrebarea acoperită. Numărul de pași variază de la o întrebare la alta, ceea ce e semnul distinctiv.
Majoritatea "agenților" din meniurile produselor sunt personaje sau fluxuri de lucru. Un rând într-un selector de modele etichetat drept agent fiscal sau mentor de studiu e de obicei un prompt de sistem fix plus una sau două unelte. Secțiunea Agents a Whizi este onestă în privința asta: rândul CPA canadian este un preset care forțează o căutare web la fiecare tură, plafonată la șapte căutări, cu un buget de token-uri mai mare, de 55.000 la intrare și 40.000 la ieșire. Asta e un personaj cu o unealtă atașată și un buget mai mare, și este util tocmai pentru că traseul e fix. Nu e o buclă condusă de model, iar ghidul de rutare Auto explică ce alege de fapt modelul din spatele fiecărui mesaj.
Vocabularul alunecă spre a numi totul agent. Întrebarea de pus unui produs e cea de la începutul acestei pagini: cine decide pasul următor? Dacă răspunsul e "un script" sau "nimeni", cumperi un flux de lucru sau un chatbot, și poate fi exact ce vrei.
Când un agent e unealta potrivită și când nu
Un agent își justifică costul atunci când traseul nu poate fi cunoscut dinainte: cercetare în care a doua căutare depinde de primul rezultat, depanare în care remedierea depinde de rezultatul testului, navigare în care următorul clic depinde de pagină. Flexibilitatea este produsul.
Un agent e unealta greșită atunci când traseul e cunoscut. A rezuma, a extrage, a traduce, a reformata, a clasifica: acestea sunt un singur apel sau o secvență fixă de apeluri, iar înfășurarea lor într-o buclă adaugă cost, latență și un nou mod de a eșua fără să adauge capacitate. Sfatul ghidului Anthropic rămâne valabil: începe cu un singur apel, treci la un flux de lucru când un apel nu ajunge, și apelează la un agent doar când fluxul de lucru cere mereu o ramificație pe care n-o poți prezice.
Regula de decizie: dacă poți desena pașii pe o tablă albă înainte să începi, nu construi un agent.
- Întreabă cine decide pasul următor înainte să crezi că un produs e un agent
- Bugetează o sarcină de agent ca pași înmulțiți cu prețul per răspuns, apoi adaugă pentru input-ul care crește
- Pune o limită de pași și un punct de control uman înainte de orice pas care trimite, cumpără, șterge sau publică
- Folosește modelul puternic pentru pașii de planificare și unul ieftin pentru cei de rutină
- Dacă poți desena pașii dinainte, construiește un flux de lucru în loc de un agent
Întrebări frecvente
Care e diferența dintre un agent AI și un chatbot?
Un chatbot produce un răspuns per mesaj și nu ia nicio acțiune. Un agent urmărește un obiectiv pe parcursul mai multor pași, alegând el însuși fiecare acțiune următoare, apelând unelte precum căutarea sau codul, citind rezultatele și decizând când e gata. Același model, buclă diferită: agentul rulează una, chatbot-ul nu.
Care e un exemplu de agent AI?
Un asistent de programare care citește un raport de bug, editează codul, rulează testele, citește eșecul și încearcă din nou până trec. Modurile Deep Research care caută, citesc și caută din nou pe baza a ce au găsit sunt un alt exemplu. Amândouă își decid singure pasul următor, ceea ce e proprietatea definitorie.
Este ChatGPT un agent AI?
Chatul obișnuit nu e; răspunde la un mesaj pe rând. Modurile agent și Deep Research ale ChatGPT sunt, pentru că în acele moduri modelul planifică, folosește unelte și iterează singur. La fel stau lucrurile cu Agent Mode și Deep Research ale lui Gemini, și cu modul Research al Claude și Claude Code. Fiecare produs e un chatbot cu moduri de agent în interior.
De ce sunt scumpi agenții AI?
Pentru că fiecare pas e un apel complet de model, iar input-ul crește la fiecare pas pe măsură ce istoricul se acumulează. O rulare de 20 de pași pe Claude Sonnet 5 costă cel puțin $0.14 la preț de listă, față de $0.007 pentru un răspuns, conform tarifelor OpenRouter preluate pe 2026-08-20, iar input-ul în creștere îl împinge și mai sus. Rutarea pașilor de rutină către un model mai ieftin este metoda standard de a-l ține sub control.
Am nevoie de un agent AI pentru sarcina mea?
Doar dacă traseul nu poate fi planificat dinainte. Cercetarea, depanarea și navigarea, unde fiecare pas depinde de ultimul rezultat, beneficiază de un agent. Rezumarea, extragerea, traducerea și reformatarea sunt un singur apel sau o secvență fixă, iar un agent adaugă cost și moduri de eșec fără să adauge capacitate.
