Ce este un agent AI? Șase definiții puse alături și ce funcționează într-un lanț de retail

„Agent AI” este termenul cel mai folosit în software-ul de business anul acesta și unul dintre cele mai puțin definite. Gartner estimează că doar aproximativ 130 dintre miile de furnizori care vând AI agentic oferă ceva real și se așteaptă ca peste 40% din proiectele de AI agentic să fie anulate până la sfârșitul lui 2027 din cauza costurilor, a valorii neclare sau a controlului slab al riscurilor⁵.

Înainte să decizi dacă un agent are ce căuta în magazinele tale, ajută să știi ce înțeleg prin el cei care au lansat termenul. Iată definițiile lor, citate din propriile documente.

Șase definiții ale unui agent AI

Citite împreună, definițiile sunt de acord asupra a trei elemente: un obiectiv, instrumente care acționează în loc doar să vorbească și o anumită independență față de un om^{1, 2, 3, 4}. Regulamentul european privind inteligența artificială (AI Act), legea care va reglementa mare parte din aceste sisteme în Europa, nu folosește deloc cuvântul agent; reglementează sisteme AI care funcționează cu diferite niveluri de autonomie⁶.

Diferă la al treilea element, iar acesta e cel care contează pentru un comerciant. Un agent care redactează o comandă de achiziție și unul care o trimite furnizorului pot rula pe același model. Ce îi deosebește e cât au voie să facă fără să întrebe, iar cercetători de la University of Washington susțin că aceasta e o alegere a celui care pune agentul în funcțiune, separată de ce poate face modelul⁷.

Agent, chatbot, copilot sau flux de lucru?

Un chatbot răspunde. Un copilot răspunde din datele tale și sugerează; ghidul despre copiloții AI pentru operațiunile din retail arată ce face aceste răspunsuri demne de încredere. Un flux de lucru (workflow) rulează pași fixați dinainte de cineva, cum ar fi o regulă de reaprovizionare care rulează în fiecare noapte. Un agent decide singur următorul pas și folosește instrumente ca să-l facă². În practică, majoritatea sistemelor utile le combină pe ultimele două: regulile fixe fac calculele, iar modelul se ocupă de părțile care cer judecată și explicații.

Unde se află companiile: în sondajul McKinsey din 2026, ponderea organizațiilor cu venituri de peste 1 miliard de dolari care folosesc agenți AI la scară în cel puțin o funcție a crescut într-un an de la 27% la 40%, în timp ce organizațiile mai mici au rămas la 22%. Respondenții din bunuri de consum și retail folosesc agenți cel mai des în marketing și vânzări⁸.

Autonomia e o setare: o acorzi pentru fiecare acțiune

Cercetătorii descriu rolul omului pe măsură ce crește independența agentului: operator, colaborator, consultant, aprobator și, în final, observator, care îl poate doar opri⁷. Ghidul OpenAI adaugă regula practică: evaluează fiecare instrument după cum doar citește sau și scrie, după cum acțiunea poate fi anulată și după impactul ei financiar, și păstrează un om în buclă la acțiuni precum anularea comenzilor, aprobarea rambursărilor mari sau efectuarea plăților¹.

Pentru un lanț de magazine, asta înseamnă că un agent poate avea autoritate diferită pentru acțiuni diferite. Poate citi liber stocul, poate recomanda transferuri, poate pregăti comenzi de achiziție pentru aprobare și tot să aibă nevoie de un om înainte ca ceva să ajungă la furnizor. O scară cu cinci niveluri, acordate pe tip de acțiune, face acest lucru explicit:

Ce greșesc încă agenții

Argumentele pentru limite stau în dovezi. În TheAgentCompany, un benchmark de 175 de sarcini într-o companie simulată, cel mai bun agent testat în lucrare a terminat singur 30,3% dintre ele⁹. Când Anthropic a lăsat un model să conducă un mic magazin de birou timp de aproximativ o lună, acesta a vândut produse sub cost, a dat coduri de reducere oricui le cerea și le-a spus clienților să plătească într-un cont inventat de el; creatorii lui au concluzionat că „nu l-ar angaja”¹⁰.

A doua rundă e cea mai utilă. Procedurile, vizibilitatea costurilor și regula ca un om să verifice fiecare achiziție au eliminat cea mai mare parte a pierderilor, iar echipa a rezumat totul prin „birocrația contează”¹¹. E o lecție de retail: controalele pe care un lanț le aplică deja unui achizitor nou, cum ar fi limitele, aprobările și o analiză după prima lună, sunt cele care fac un agent sigur de folosit.

Șase reguli pentru agenții AI într-un lanț de magazine

1. Lasă regulile fixe să calculeze cantitățile și banii; lasă modelul să le explice și să se ocupe de excepții.
2. Dă fiecărui agent un singur obiectiv măsurabil și limitele pe care nu le poate încălca de dragul lui, cum ar fi disponibilitatea fără umflarea stocului.
3. Acordă autoritate pe tip de acțiune și lasă doar proprietarul să o ridice, după o perioadă de probă cu praguri clare.
4. Coboar-o automat când o limită e depășită sau când datele se învechesc.
5. Păstrează un buton de oprire și o evidență a fiecărei acțiuni. Pentru sistemele cu risc ridicat, AI Act cere ca oamenii să poată trece peste rezultat sau să-l anuleze și să poată opri sistemul⁶.
6. Măsoară efectul față de magazine de control care nu au primit acțiunile agentului, nu față de luna trecută.

Ultima regulă e sărită cel mai des. Disponibilitatea la raft se mișcă odată cu sezonul din motive care n-au nicio legătură cu software-ul; doar o comparație cu magazine similare, în aceleași săptămâni, desparte efectul agentului de cel al sezonului. Ghidul despre rupturile de stoc arată cum se citește disponibilitatea magazin cu magazin.

Cum aplică asta agenții AI marql

La marql, agenții AI sunt construiți ca roluri: șase, de la aprovizionare la financiar, fiecare cu un KPI și cu limite pe care nu le poate încălca. Autoritatea folosește cele cinci niveluri de mai sus, stabilite pe tip de acțiune. Doar proprietarul sau COO-ul ridică un nivel, după o perioadă de probă pe care produsul o verifică în fiecare zi: ca să treacă de la „Recomandă” la „Pregătește”, patru săptămâni la nivelul respectiv și cel puțin 70% din recomandările lui acceptate de oameni; pentru „Execută după confirmare”, un examen promovat pe un simulator de retail și cel mult 10% din liniile ciornelor schimbate de oameni. Nivelul de sus e închis pentru toți clienții.

Cantitățile vin din reguli fixe; modelul de limbaj le explică. Nivelul la care lucrează efectiv un agent e cel mai mic dintre trei: nivelul acordat, ce permite conexiunea cu ERP-ul și cât de proaspete sunt datele. Cu e:corg, ERP-ul creează singur documentul; cu alte ERP-uri, un om introduce ciorna aprobată. Orice agent poate fi oprit cu butonul „Pune pe pauză” și coboară singur un nivel când își depășește limita.

Într-o cincime din magazine fiecare agent doar recomandă, așa că KPI-ul lui poate fi comparat cu magazinele în care nu acționează; un lanț cu mai puțin de cinci magazine vede KPI-ul ca observație, nu ca efect. Ecranul o spune direct: o acțiune finalizată nu înseamnă încă un beneficiu măsurat. Agentul AI de aprovizionare vine primul, pentru că recuperarea cererii pierdute din cauza unui raft gol e partea cea mai pregătită.