Agenți AI pentru companii: automatizăm procese, nu conversații
Un agent AI util nu este o fereastră de chat pe site. Este un sistem care primește o sarcină, citește din sistemele voastre, aplică regulile voastre și produce un rezultat verificabil — sau se oprește și cere un om.
Construim agenți care execută muncă de back-office, de documente și de raportare, integrați în ERP, HRIS și ticketing, cu permisiuni explicite și jurnal complet de acțiuni. Primul pas este întotdeauna același: o analiză de două săptămâni pe procesele voastre reale.
Ce face un agent AI într-o companie
Cele trei exemple de mai jos sunt tipare de proces pe care le întâlnim frecvent, nu descrieri ale unor clienți. Le folosim pentru că arată concret ce înseamnă „agent” în practică: o sarcină delimitată, surse de date clare și un criteriu de succes care se poate verifica.
Triaj și răspuns la tichete interne
Un agent citește tichetele care intră în sistemul de ticketing (IT, HR, financiar), le clasifică, caută răspunsul în documentația internă și propune un răspuns cu trimitere la sursă. Cererile repetitive primesc răspuns direct; cele ambigue merg către un om, cu tot contextul deja adunat.
Extragere și validare de date din facturi
Un agent preia facturile primite, extrage câmpurile relevante, le confruntă cu comanda și cu contractul, semnalează diferențele și pregătește înregistrarea în ERP. Ce trece de reguli merge mai departe automat; ce nu trece ajunge la un om, cu diferența evidențiată, nu ascunsă.
Pregătirea rapoartelor lunare
Un agent adună datele lunii din mai multe sisteme — ERP, HRIS, unelte de proiect — le aduce în același format, calculează indicatorii conveniți și scrie prima versiune a raportului, cu sursa fiecărei cifre. Omul verifică și semnează, în loc să copieze din cinci exporturi.
Automatizare de procese cu AI
Automatizarea clasică — RPA, reguli, scripturi — rămâne cea mai bună alegere pentru fluxurile deterministe: intrare structurată, reguli stabile, volum mare, cost per execuție aproape zero. Nu recomandăm înlocuirea ei cu un model de limbaj. Ar fi mai scumpă, mai lentă și mai greu de verificat.
Un agent AI aduce valoare exact acolo unde regulile se rup: intrare nestructurată (e-mailuri, PDF-uri, note libere), pași care cer judecată — este aceasta o excepție acceptabilă? — și interfețe în limbaj natural, unde omul descrie ce vrea în loc să completeze un formular.
Regula noastră de decizie este simplă. Dacă poți scrie procedura ca o schemă completă, fără „depinde”, automatizeaz-o clasic. Dacă procedura reală conține „depinde” de trei ori pe pagină, ai un candidat de agent. În majoritatea organizațiilor răspunsul corect este hibrid: agentul preia partea ambiguă și predă mai departe unui flux determinist care execută.
Back-office: facturi, documente, raportări
Back-office-ul este locul unde agenții produc cel mai repede un efect măsurabil, pentru că munca este documentară, repetitivă și verificabilă. Nu vindem un produs de facturare și nu ne substituim soluțiilor voastre contabile sau fiscale. Construim stratul de proces dintre documentul care intră și sistemul care înregistrează.
Înțelegerea documentului
Extragere structurată din PDF-uri, scanuri și e-mailuri, cu marcarea explicită a câmpurilor nesigure. Un câmp citit cu încredere scăzută este semnalat, nu completat tacit.
Validare față de reguli
Confruntare cu comanda, contractul, limitele de aprobare, istoricul furnizorului și regulile voastre interne. Regulile rămân ale voastre și sunt scrise explicit, nu deduse de model.
Coadă de verificare umană
Tot ce nu trece validarea ajunge la o persoană, într-o interfață unde vede diferența, sursa și acțiunea propusă. Pragurile le stabiliți voi și se pot strânge pe măsură ce se acumulează date de evaluare.
Agenți peste sistemele voastre: SAP, ERP, HR, ticketing
Un agent fără acces la sisteme este o demonstrație. Îi dăm acces prin unelte definite explicit — funcții cu semnătură clară, expuse de regulă printr-un server MCP — nu prin acces liber la baze de date. Fiecare unealtă are un contract: ce citește, ce scrie și ce validează înainte de a scrie.
Principiul de bază este că agentul acționează prin același model de permisiuni ca un angajat. Rulează cu identitatea unui utilizator sau a unui cont de serviciu cu drepturi minime, vede exact ce ar vedea persoana respectivă și nu poate depăși acele drepturi, indiferent ce i se cere în conversație. Autorizarea rămâne în sistemul sursă — SAP, ERP, HRIS, ticketing — nu în promptul agentului.
Două dintre studiile noastre de caz anonimizate descriu exact acest tip de construcție: un server MCP care expune sisteme HR ca unelte autentificate per utilizator, cu mai mulți agenți specializați deasupra, și o infrastructură agentică livrată în mediul clientului, conectată la sistemele lui de identitate și guvernanță. Restul lucrării, după analiză, intră în implementarea AI pentru companii.
Control, permisiuni și audit trail
Întrebarea corectă nu este „ce poate face agentul”, ci „ce nu are voie să facă”. Răspunsul se scrie înainte de prima linie de cod și se verifică în jurnal, nu în discuție.
- Listă explicită de unelte. Agentul are o capacitate enumerată, nu una generală. Ce nu apare în listă nu se poate executa, oricât de convingător ar fi formulată cererea.
- Aprobări pentru acțiunile cu consecințe. Scrierea în sistemele de evidență, comunicarea către exterior și orice depășire de prag trec printr-un om care confirmă. Restul rulează singur.
- Jurnal complet. Fiecare apel de unealtă, cu intrarea, ieșirea, identitatea și marcajul de timp. Poți reconstitui de ce agentul a făcut ce a făcut, și peste șase luni.
- Limite de rulare. Buget, rată și domenii de acces. Un agent care o ia razna se oprește în limite, nu în factură.
- Confidențialitatea datelor, ca strat separat. Unde datele nu au voie să ajungă la model în clar, punem Semantic Firewall între agent și model: numele, sistemele și secretele sunt pseudonimizate la ieșire și restaurate determinist la întoarcere.
Ce nu funcționează
Preferăm să spunem asta înainte de contract, nu în retrospectiva de la finalul pilotului.
Sarcinile deschise produc răspunsuri plauzibile și greșite. Un agent căruia îi ceri „analizează situația și decide” va livra ceva convingător, pe care nimeni nu îl poate verifica. Restrângem sarcina până când există un criteriu de corectitudine verificabil; dacă nu îl găsim, nu construim.
Cazurile-limită rămân la om. Excepția rară, furnizorul cu contract atipic, luna în care s-a schimbat regula — exact acolo greșește un agent, și greșește discret. De aceea coada de verificare și pragurile de încredere intră în arhitectură de la început, nu după primul incident.
Costul de rulare este real. Fiecare execuție consumă token-uri, iar un agent care recitește contexte mari de zeci de ori pe zi devine o linie vizibilă în buget. Estimăm costul per execuție înainte de a construi și îl măsurăm în pilot. Uneori concluzia corectă este că procesul nu merită automatizat cu AI.
De aici obiceiul nostru: evaluări automate pe un set de cazuri reale înainte de producție, monitorizare a calității și a costului după lansare și un prag sub care agentul nu răspunde, ci escaladează.
De la pilot la producție
Traseul obișnuit are patru pași: analiza proceselor, un pilot pe un proces real, integrarea cu permisiuni și date de producție, apoi extinderea la procesele vecine care folosesc aceleași unelte.
Un pilot funcțional se construiește în câteva săptămâni. Trecerea în producție depinde mai puțin de noi și mai mult de organizația voastră: accesul la sisteme și aprobările interne de la proprietarii datelor sunt cele două întârzieri clasice. Le punem pe masă din prima zi, tocmai ca să nu devină surprize.
Ca reper de piață: pe piața din România analizele și auditurile AI se vând în general între 1.000 și 3.000 €, proiectele de implementare între 3.000 și 15.000 €+, iar agenții AI complecși pot ajunge până la aproximativ 25.000 €. Noi lucrăm invers față de piață: începem cu Analiza AI — două săptămâni, preț fix, comunicat în scris înainte de start — iar scopul și costul construcției se fixează abia după ce am văzut procesele, datele și sistemele. Fără estimare înainte de diagnostic.
Arhitectura din spate
Agenții pe care îi construim nu sunt un singur prompt lung, ci un orchestrator care delegă sarcini unor agenți specializați, fiecare cu uneltele și limitele lui — tiparul este descris pe larg în articolul despre pattern-ul multi-agent. Integrarea cu sistemele se face prin servere MCP, ca să nu rescriem conectorii la fiecare caz nou de utilizare, iar pentru echipele tehnice am scris un ghid de MCP servers.
Începe cu procesul, nu cu unealta.
Dacă ai un proces care consumă oameni și care poate fi descris în scris, primul pas este să îl măsurăm împreună. Din analiză ieși cu o hartă a proceselor, o listă prioritizată de candidați pentru automatizare și costuri exacte pentru pasul următor.