Evoluția software-ului nu este neapărat cea mai fascinantă, dar este probabil cea mai accelerată poveste a lumii moderne. În doar câteva decenii am trecut de la cartele perforate — unde fiecare greșeală costa timp, hârtie, nervi și câteodată joburi — la sisteme distribuite și aplicații cloud care rulează la scară globală și uneori se prăbușesc tot la scară globală. Schimbările nu au fost doar tehnice, ci și culturale: fiecare salt a adus cu el o nouă categorie de programatori. Pentru cei care se tem că "AI-ul ne va fura joburile", istoria ne arată că, de fapt, doar ni le transformă. Adevărata noastră sarcină acum este să ne adaptăm.
Astăzi suntem martorii unui nou salt. Inteligența artificială și, mai ales, modelele de limbaj au început să devină parte din "stackul" zilnic al unui programator. Dacă înainte învățam un nou framework sau un nou limbaj de programare, acum ne confruntăm cu o provocare diferită: cum să integrăm AI-ul în munca noastră fără să pierdem controlul asupra codului și, uneori, asupra bunului-simț al AI-ului.
Se vorbește mult despre boți, agenți și workflow-uri — termeni care par similari, dar care ascund diferențe importante. În același timp, apar și întrebări practice: ce AI alegem, cât ne costă să "gândească" și cum îl putem transforma din mister în unealtă.
În acest articol încerc să aduc puțină claritate cu privire la diferențele dintre aceste concepte. Voi împărtăși din experiența mea cu instrumente precum ChatGPT, Claude și lovable.dev, plus câteva tips & tricks pentru a naviga cu încredere în noua eră a programării.
Mai întâi, să înțelegem scurta, dar intensa istorie a programării. La început, codul era scris pe cartele perforate. Apoi au apărut limbajele de nivel înalt, compilatoarele, mediile integrate de dezvoltare, open-source-ul, frameworkurile și cloudul. Iar acum: Inteligența Artificială. Fiecare etapă a schimbat nu doar tehnologia, ci și felul în care programatorii lucrează zi de zi.
Ceea ce au toate aceste momente în comun este ritmul: progresul nu a fost liniar, ci constant accelerat. Fiecare salt a deschis ușa către un nou mod de gândire și i-a obligat pe programatori să se adapteze sau să rămână în urmă.
Astăzi, trăim un alt astfel de moment. Inteligența artificială nu e doar "încă un tool" de adăugat la lista lungă, ci o schimbare de paradigmă. Dacă până acum învățam să scriem cod mai repede și mai bine, acum trebuie să învățăm cum să îl scriem împreună cu AI-ul.
Acest ritm accelerat ne-a mutat treptat din rolul clasic de "scriitori de cod" spre unul mai apropiat de arhitecți. Exact cum primii programatori au trebuit să învețe să comunice prin limbaj în loc de perforații pe o cartelă. Nu mai este vorba doar despre ce linii de cod tastăm, ci despre cum orchestrăm tehnologii diferite pentru a construi sisteme tot mai complexe. Iar odată cu apariția AI-ului în "stack", programatorul devine mai mult un dirijor decât un solist: coordonează boți, agenți și workflow-uri care, fiecare în felul lui, contribuie la rezultat.
Definiție: programe rule-based care execută sarcini repetitive — de la respondere automatizată la FAQ-uri, până la crawling web masiv. Sunt rapide, dar inflexibile.
Exemple: ChatGPT (cu funcțiile sale de AskChatGPT) sau Claude. De remarcat că majoritatea LLM-urilor oferă o opțiune de bot care poate face ceva (generează o imagine, răspunde la întrebări, prelucrează date), dar nu firma este ceea ce îl face bot, ci capacitatea sa de a primi un input, de a-l procesa pe baza unui script și de a returna un răspuns. Boții nu pot, de exemplu, să acceseze o altă aplicație.
Caz de utilizare: ideal pentru automatizări simple și scalabile: triggere de evenimente, notificări sau parsarea de date.
Costuri: de la gratuit la foarte scump; în medie, 20\$/lună pentru o versiune Pro.
Comparație cu stackul actual: un bot este doar o funcție. Ceva intră, ceva se prelucrează, ceva este returnat.
Definiție: agenții sunt următorul pas după boți. Spre deosebire de boți, care răspund la o cerință umană, agenții pot decide singuri ce pași să urmeze. Pot lua decizii despre ce să facă cu inputul, bazat pe tipurile de acces și permisiuni pe care le au. Un agent are un obiectiv și știe să îl urmărească folosind context, reguli și unelte externe.
Exemple: ChatGPT cu funcții avansate (când poate apela unelte, căuta pe web sau rula cod); Microsoft Copilot Agents (în Office: scriu drafturi de mail, fac rapoarte, sintetizează ședințe). De reținut că AI-ul nu este un stack util doar pentru programatori, ci poate deveni esențial și în alte meserii.
Caz de utilizare: ideal pentru taskuri multi-pas și repetitive, dar care necesită un pic de decizie (nu decizii importante — așa cum spunea un manual IBM din 1979: "O mașină nu poate fi trasă la răspundere, deci o mașină nu trebuie să ia niciodată decizii în locul oamenilor"). Exemplu: un agent poate să citească zilnic un fișier de log, să detecteze erori, să trimită un raport și să creeze automat un ticket în Jira.
Costuri: mai consistente decât pentru boți. Există opțiuni gratuite sau low-cost (10-30\$/lună), dar un MVP serios ajunge la mii de dolari, iar implementările enterprise depășesc 50.000\$/an.
Comparație cu stackul actual: un scheduled task complex — sau o struțo-cămilă între un asistent personal și un cron job.
Definiție: un workflow nu este o "creatură digitală" singulară, ci un ecosistem în care mai mulți boți și agenți colaborează pentru a rezolva o sarcină mai mare. Gândește-te la el ca la un șef de orchestră: nu cântă nimic singur, dar coordonează instrumentele pentru a ieși muzica.
Exemple: Activepieces, Zapier, n8n. Aici putem lega un bot (ChatGPT care rezumă un email), cu un agent (care decide dacă emailul e important) și cu o aplicație (Slack, Jira). Workflow-ul face legătura și asigură că datele circulă fără intervenție umană constantă.
Caz de utilizare: scenarii business logic sau automatizări complexe: procesarea formularelor, răspunsuri personalizate, rapoarte săptămânale din surse multiple.
Costuri: planuri gratuite limitate, Pro la 20-30\$/lună, iar pentru enterprise sute sau mii de dolari. Activepieces este gratuit cât timp e folosit personal sau rulat local.
Comparație cu stackul actual: un "flow" de metode care preiau informații una de la alta.
Pe lângă boți, agenți și workflow-uri, există și alte roluri secundare, care s-au desprins ca identități proprii:
Asistenții - țin minte preferințele și se mulează pe stilul de lucru/căutare (ex: Google Gemini, OpenAI Assistants).
Copiloții - nu conduc, dar completează intențiile deja existente (ex: GitHub Copilot, Microsoft Copilot).
Plugins & Tools - accesorii pentru LLM-uri, pentru customizare detaliată (ex: ChatGPT Plugins, WolframAlpha, Zapier).
Aceste "specii" completează ecosistemul digital în care lucrăm deja. Și, la fel ca în orice ecosistem, apar mereu forme noi de viață — ceea ce face programarea de azi o provocare constantă de descoperire și integrare a tehnologiilor.
Orice model AI — fie că procesează text, imagini sau audio — transformă datele în bucăți discrete numite tokeni. Acest proces, numit tokenizare, reduce complexitatea și permite modelului să lucreze eficient.
În cazul LLM-urilor, cuvintele scurte pot fi un singur token, iar cele lungi sunt împărțite în mai mulți. De exemplu, "darkness" devine "dark" și "ness".
Tokenii sunt fundamentali atât în antrenare (unde miliarde sau trilioane definesc calitatea finală a modelului), cât și în inferență (când procesăm un prompt și primim un răspuns). Cu cât modelul procesează mai mulți tokeni, cu atât "gândește" mai mult — dar și costurile cresc.
În termeni economici, tokenii sunt combustibilul inteligenței artificiale. Ei determină viteza, calitatea și prețul fiecărui output, iar optimizarea consumului devine o abilitate esențială pentru oricine folosește AI în mod serios.
Prompturile se scriu precum funcțiile: clare, concise, cu parametri. Mai puțin balast = mai puțini tokeni consumați.
Împărțim problemele în pași mici: AI-ul se descurcă mai bine cu bucăți logice decât cu un roman într-o propoziție.
Testăm mereu outputul: codul generat de AI e rapid, dar predispus la buguri subtile.
Observăm că ajungem să aplicăm principii de clean code și în acest nou habitat. Indiferent de saltul tehnologic, avem nevoie de cunoașterea principiilor fundamentale de logică și design. Pentru că, până la urmă, noi suntem cei care luăm deciziile, orchestrăm planul și evaluăm situațiile.
Fără programator, AI-ul rămâne doar o unealtă complicată, fără manual de instrucțiuni.
Script pentru un bot de generat imagini (despre Scripts, în curând): "O scenă ilustrată stil flat design / vector art cu mai mulți roboței prietenoși, fiecare reprezentând o categorie digitală: Bot: un roboțel mic, simplu, cu o tastatură în față, care doar răspunde la întrebări (ca un asistent de helpdesk). Agent: un roboțel mai complex, cu mai multe brațe, care ține un laptop și câteva documente, sugerând că ia decizii și organizează informații. Workflow: un roboțel-dirijor cu baghetă, care coordonează mai mulți roboței mici conectați prin săgeți sau linii, sugerând fluxuri de date. Alte creaturi digitale: Asistent: un roboțel cu un carnețel și un creion, care pare să țină minte lucruri. Copilot: un roboțel așezat pe scaunul din dreapta într-o mașinuță, care ține o hartă. Plugin/Tool: un roboțel cu o trusă de scule mică (șurubelniță, cheie franceză). AGI wannabe: un roboțel cu un glob de cristal, privind spre viitor. Fundalul: abstract, tehnologic, cu linii de circuit și culori moderne (albastru, mov, verde). Atmosferă prietenoasă și jucăușă, nu înfricoșătoare."
Programarea, securitatea și AI-ul
Marți, 30 Septembrie, ora 18:00
msg systems Romania
Timișoara
Facebook Meetup StreamEvent YouTubede Ovidiu Mățan
de Ovidiu Mățan
de Paul Orha
