Glosar chatbot & agenți conversaționali AI.

Model lingvistic de mari dimensiuni, antrenat pe volume uriașe de text, care generează răspunsuri prezicând cuvântul următor. Este motorul care produce limbajul unui asistent conversațional. Exemple folosite în implementări: GPT-4o, Claude, Llama, Mistral.

Apariție

Arhitectura Transformer — 2017 (Google); LLM-uri de larg consum — din 2022 (ChatGPT).

În implementare

Alegem modelul după caz: GPT-4o pentru raționament conversațional, Claude pentru documente lungi și ton nuanțat, modele open-source (Llama, Mistral) pentru on-premise sau buget redus.

Tehnică prin care, înainte de a răspunde, asistentul caută fragmentele relevante din documentele tale și le oferă modelului ca context. Astfel răspunsul e ancorat în date reale, nu în memoria generică a modelului — metoda principală de a reduce halucinațiile.

Apariție

Concept formalizat în 2020 (paper Facebook AI / Meta), devenit standard în asistenții de business din 2023.

În implementare

Spargem documentele în fragmente, le transformăm în embeddings, le stocăm într-un vector database și, la fiecare întrebare, injectăm fragmentele potrivite în prompt.

Colecția de surse pe care le „știe" asistentul — catalog de produse, prețuri, FAQ-uri, manuale, politici interne. Este sursa de adevăr din care se construiește fiecare răspuns. Cu cât e mai curată și mai completă, cu atât asistentul răspunde mai precis.

Apariție

Concept de suport clienți pre-AI; redefinit ca sursă pentru RAG din 2023.

În implementare

Importăm catalog, documente, FAQ-uri și manuale; le structurăm și le actualizăm periodic. Pachetul Starter acoperă până la 50 de documente; Business și Enterprise — knowledge base nelimitat.

Reprezentarea unui text sub formă de listă de numere (vector) care surprinde sensul, nu cuvintele exacte. Texte cu înțeles apropiat au vectori apropiați. Permite căutarea semantică: asistentul găsește fragmentul relevant chiar dacă utilizatorul folosește alte cuvinte decât documentul.

Apariție

Word2Vec — 2013; embeddings la nivel de propoziție/document, mainstream din 2022.

În implementare

Transformăm fiecare fragment din knowledge base în embeddings și le comparăm cu embedding-ul întrebării, pentru a regăsi cele mai relevante pasaje.

Bază de date optimizată pentru stocarea și căutarea rapidă a embeddings. Răspunde la întrebarea „care fragmente seamănă semantic cu această întrebare?" în milisecunde, chiar și la milioane de documente. Componenta de „memorie de lungă durată" a unui sistem RAG.

Apariție

Categorie consolidată în 2022–2023 (Pinecone, Weaviate, pgvector, Qdrant).

În implementare

Alegem soluția după volum și cerințe de hosting; pentru deployments EU/on-premise folosim variante self-hosted, conform GDPR.

Reantrenarea unui model pe exemple proprii, ca să adopte un stil, un format sau un comportament specific. Spre deosebire de RAG (care adaugă cunoștințe la momentul răspunsului), fine-tuning modifică modelul însuși. Util pentru ton și sarcini repetitive; mai costisitor de întreținut.

Apariție

Practică standard de transfer learning; aplicată comercial pe LLM-uri din 2023.

În implementare

Rezervat pachetului Enterprise, când brandul are nevoie de un model dedicat. Pentru majoritatea cazurilor, RAG + system prompt bine scris obțin rezultate similare, mai ieftin.

Setul de instrucțiuni invizibile pentru utilizator care fixează rolul, tonul, regulile și limitele asistentului înainte de orice conversație. Aici se definesc persona, ce are voie și ce nu are voie să spună, și cum escaladează. Coloana vertebrală a comportamentului.

Apariție

Mecanism standard al LLM-urilor de chat din 2022.

În implementare

Codificăm aici persona, guardrails și regulile de fallback. Un system prompt prost scris produce un asistent generic; unul bine scris înlocuiește, adesea, nevoia de fine-tuning.

Cantitatea maximă de text (măsurată în tokenuri) pe care un model o poate procesa într-un singur schimb — incluzând instrucțiunile, istoricul conversației și documentele injectate. Când conversația o depășește, modelul „uită" partea cea mai veche dacă nu există un mecanism de memorie.

Apariție

Concept de la primele LLM-uri; ferestrele au crescut puternic din 2023.

În implementare

Gestionăm fereastra prin sumarizarea istoricului și prin RAG selectiv, ca să încapă doar contextul relevant — păstrând latența mică.

Personalitatea distinctă a asistentului — ton, vocabular, replici-semnătură, mod de a reacționa la glume și obiecții. Transformă un FAQ animat într-un interlocutor care vorbește ca brandul. Diferența între un chatbot generic și un asistent care chiar vinde stă, în primul rând, în persona.

Apariție

Disciplină de design conversațional consolidată odată cu asistenții AI generativi, 2023–2024.

În implementare

Definim persona într-un workshop cu echipa (Ziua 1): voce, public țintă, obiectiv. Exemple live: Dona (ironică, pharma), Hanna (consultativă, HVAC), Sierra (aventurieră, auto premium).

Conversație care se desfășoară pe mai multe replici succesive, în care asistentul înțelege referirile la mesajele anterioare și completează informația lipsă întrebând natural. Opusul unui bot care tratează fiecare mesaj izolat și uită ce s-a spus cu o replică în urmă.

Apariție

Capabilitate-standard a asistenților LLM din 2022.

În implementare

Asistentul ține firul: dacă întrebi „și pentru menopauză?" după o discuție despre suplimente, înțelege la ce te referi, fără să reiei totul.

Mecanismul prin care asistentul reține informația relevantă pe parcursul unei conversații (memorie de scurtă durată) sau între sesiuni (memorie de lungă durată). Permite continuitatea: utilizatorul nu trebuie să repete contextul, iar răspunsurile devin coerente de la o replică la alta.

Apariție

Tehnici de memorie pentru agenți conversaționali, mature din 2023.

În implementare

Combinăm istoricul recent al conversației cu RAG pe profil/istoric, păstrând doar ce e relevant ca să nu umplem context window.

Scopul real din spatele unui mesaj — ce vrea de fapt utilizatorul, dincolo de cuvintele folosite. „Cât costă?", „aveți reduceri?" și „e scump?" pot avea aceeași intenție. Identificarea corectă a intenției determină dacă asistentul răspunde la întrebarea pusă sau la cea ratată.

Apariție

Concept central în chatbots clasici (din ~2016); reinterpretat de LLM-uri, care îl deduc fără reguli rigide.

În implementare

La asistenții moderni, intenția e dedusă de model în context, nu hardcodată într-un arbore de decizie — de aici flexibilitatea la întrebări nuanțate.

Capacitatea unui sistem de a înțelege limbajul natural — sensul, intenția și entitățile dintr-un mesaj scris liber, cu greșeli, argou sau formulări neașteptate. Componenta care diferențiază un asistent care „pricepe" de un meniu cu butoane care cere formulări exacte.

Apariție

Subdomeniu NLP cu istorie lungă; revoluționat de LLM-uri din 2022.

În implementare

La asistenții AI, NLU vine nativ din LLM: nu mai antrenăm clasificatoare de intenție separat, ci ne bazăm pe înțelegerea contextuală a modelului.

Răspuns care sună plauzibil și sigur pe sine, dar este fals sau inventat — un preț greșit, o politică inexistentă, o sursă fictivă. Cel mai mare risc de business al unui asistent AI: o halucinație distruge încrederea exact când clientul era gata să cumpere.

Apariție

Termen popularizat odată cu LLM-urile de larg consum, 2022–2023.

În implementare

O combatem prin RAG (ancorare în date reale), grounding, limite clare de cunoaștere și reguli de fallback: când nu știe, asistentul spune că nu știe și escaladează. Niciodată nu inventează.

Practica de a obliga asistentul să-și construiască răspunsurile exclusiv din surse verificabile — documentele tale — și, ideal, să citeze de unde provine informația. Un răspuns „grounded" poate fi verificat; unul negrounded e doar o presupunere bine formulată a modelului.

Apariție

Principiu consolidat odată cu adopția RAG în producție, 2023.

În implementare

Configurăm asistentul să răspundă din knowledge base, nu din cunoștințe generice, și să recunoască explicit când o informație lipsește.

Regulile care stabilesc ce are voie și ce nu are voie să facă asistentul — subiecte interzise, ton obligatoriu, obligația de a nu inventa, de a nu se da drept om, de a escalada în anumite situații. „Linia roșie" care protejează brandul de un asistent scăpat de sub control.

Apariție

Disciplină de AI safety aplicată comercial din 2023.

În implementare

Liniile noastre roșii: nu construim asistenți fără personalitate, nu permitem minciuna/halucinația, asistentul declară mereu că e AI, procesăm date doar GDPR conform.

Ce face asistentul când ajunge la limita cunoștințelor sau a competenței sale. În loc să inventeze, execută un plan prestabilit: spune că nu știe și sugerează contact uman, escaladează automat la un agent live, sau colectează datele de contact și promite revenire.

Apariție

Concept de design conversațional, esențial în era halucinațiilor.

În implementare

Definim exact varianta de fallback per brand, în faza de Discovery. Fallback-ul bun e invizibil pentru client — pare grijă, nu eșec.

Transferul conversației de la asistentul AI către un agent uman, păstrând tot contextul intact — istoricul, întrebarea și datele colectate. Clientul nu o ia de la capăt. Se declanșează când conversația depășește scopul AI-ului sau când sentimentul indică frustrare.

Apariție

Funcție-standard în platformele de customer engagement; integrată cu AI din 2023.

În implementare

Disponibil din pachetul Business. Transferul e instant și complet — agentul preia exact de unde a rămas asistentul.

Colectarea datelor de contact prin conversație naturală (nu formular sec) și calificarea prospectului după criteriile tale — buget, nevoie, moment — înainte de a-l trimite echipei de vânzări. Asistentul transformă vizitatori curioși în cereri de ofertă calificate, fără efort uman.

Apariție

Practică de marketing automation reinventată conversațional din 2023.

În implementare

Asistentul întreabă firesc, califică după regulile tale și trimite lead-ul direct în CRM. Disponibil din pachetul Business.

Conectarea asistentului la sistemul de management al relațiilor cu clienții, astfel încât lead-urile, conversațiile și sentimentul ajung automat acolo unde lucrează echipa. Elimină copy-paste-ul manual și asigură că niciun prospect generat de asistent nu se pierde.

Apariție

Integrări native AI–CRM, mature din 2023–2024.

În implementare

Conectăm HubSpot, Pipedrive, Salesforce, Monday sau API custom (Enterprise). Lead-ul, transcriptul și scorul ajung în pipeline-ul corect.

Detectarea automată a tonului emoțional al conversației — mulțumit, neutru, frustrat. Permite asistentului să-și adapteze răspunsul și să escaladeze la un om înainte ca un client nemulțumit să plece. La nivel agregat, arată ce subiecte generează frustrare recurentă.

Apariție

Tehnică NLP clasică, integrată în dashboards conversaționale moderne.

În implementare

Sentimentul alimentează decizia de handoff și ajunge în dashboard-ul de analytics, ca date acționabile — nu rapoarte moarte.

Timpul scurs între întrebarea utilizatorului și primul răspuns al asistentului. Latența mare ucide conversația: clientul percepe ezitarea ca pe o defecțiune. Obiectivul practic pentru un asistent de business este un răspuns perceput ca aproape instant.

Apariție

Metrică universală de performanță; critică pentru UX conversațional.

În implementare

Optimizăm latența per canal; ținta operațională este răspuns sub 3 secunde. Alegerea modelului și gestiunea context window sunt principalele pârghii.

Locul în care trăiește asistentul și vorbește cu clienții — widget pe website, WhatsApp Business, Facebook Messenger, Instagram Direct. Aceeași persona, aceleași cunoștințe, pe orice canal. Pentru piața din România, WhatsApp este adesea canalul preferat de comunicare cu brandurile.

Apariție

Strategie omnichannel adaptată asistenților AI, 2023–2024.

În implementare

Widget embed pe orice tehnologie de site (fără reinginerie), plus WhatsApp Business API, Messenger și Instagram din pachetul Business. Răspuns 24/7, aceeași voce peste tot.

Cadrul legal european care reglementează cum sunt colectate, procesate, stocate și șterse datele personale ale utilizatorilor unui asistent conversațional. Include locul procesării, criptarea, consimțământul explicit și durata de păstrare (retention). Pentru companii serioase, conformitatea nu e opțională.

Apariție

GDPR în vigoare din 25 mai 2018; aplicat la sistemele AI conversaționale de la adopția lor.

În implementare

Procesăm datele în EU, cu criptare end-to-end și consimțământ explicit la începutul sesiunii. Retention configurabil. Nu folosim datele tale pentru antrenarea unor modele publice.