Dictionar termeni
Ce primești în business
Asistent AI / Chatbot
Un asistent pe site sau intern care răspunde clienților, ajută la vânzări, suport și onboarding.
RAG (chat cu documentele tale)
AI-ul caută în fișierele firmei (oferte, proceduri, cataloage) și răspunde pe baza lor, nu “din memorie”.
Agentic workflows (agenți care execută)
AI-ul face pași reali: preia cereri, completează formulare, generează oferte, actualizează CRM, cere aprobare.
Voice AI
AI care înțelege și vorbește. Util pentru programări, suport, triere apeluri sau preluare comenzi la telefon.
Modele AI (motoarele)
LLM (Large Language Model)
Motorul care înțelege și generează text (și uneori imagini/audio). Alegerea lui influențează calitatea, costul și viteza.
Gemini
Familie de modele AI (Google) folosite ca asistent pentru analiză, scris, idei, documente și uneori cod.
Gemini 3
O generație Gemini orientată pe reasoning, multimodal (text + imagini + documente) și integrare în aplicații.
Claude Code
Asistent de programare care lucrează direct pe proiect: citește codul, propune modificări, refactorizează și te ajută să livrezi mai repede.
Claude Sonnet 4.5
Model “echilibrat” (inteligență + viteză + cost), foarte bun pentru coding și agenți.
Claude Opus 4.5
Model “maxim” ca putere, potrivit pentru sarcini grele: analiză complexă, agenți și fluxuri avansate.
Încredere, control, siguranță
Grounding (ancorare în surse)
Răspunsuri legate de date reale (documente/DB/API), ca să reducem “ghicitul” și creștem corectitudinea.
Hallucination (când inventează)
Când AI-ul produce informații false cu încredere. Se reduce prin RAG, validări și reguli clare.
Guardrails (reguli de protecție)
Set de limite: ce are voie să spună/facă, ce date nu expune, cum tratează cazuri sensibile.
Human-in-the-loop (aprobare umană)
Pentru acțiuni critice, AI-ul propune, omul aprobă (ex: prețuri, emailuri, modificări în CRM).
Observability (monitorizare)
Loguri și metrici: ce a întrebat userul, ce surse a folosit, cât a costat, unde a apărut eroarea.
Viteză, cost, experiență
Latency (latență)
Timpul până vine răspunsul. Contează direct în UX și conversii (mai ales în voice și suport).
Tokens
Unități de text pentru input/output. Influențează costul și cât “poate procesa” la o cerere.
Context window
Cât text poate “ține” modelul într-o cerere. Important pentru documente mari și istoricul conversației.
Streaming
Răspunsul apare treptat, în timp real. Pare mai rapid și e ideal pentru chat și voce.
Sub capotă (cum îl construim)
Embeddings
Transformă textul în “amprente numerice” ca să poți căuta după sens (baza căutării semantice).
Vector database
Locul unde stocăm embeddings ca să găsim rapid fragmente relevante pentru RAG.
Chunking
Împărțirea documentelor în bucăți potrivite, ca AI-ul să aducă exact paragraful corect.
Tool calling / Function calling
Când AI-ul poate apela API-uri și sisteme (CRM/ERP/email/DB) pentru acțiuni reale, nu doar text.
Workflow orchestration
Organizarea pașilor într-un flux robust: condiții, retry, aprobări, erori, audit.
Consistență (rezultate repetabile)
Prompt
Instrucțiunea pe care o dai AI-ului. Un prompt bun spune clar scopul, contextul și formatul răspunsului.
Prompt engineering
Metoda prin care scriem prompturi care dau rezultate bune constant: specific, cu context, exemple și format clar.
AI coding
Folosirea AI-ului pentru a scrie/completează cod, a găsi bug-uri și a refactoriza — accelerează execuția.
More powerful software
Aplicații “mai puternice” fiindcă includ componente AI: căutare inteligentă, recomandări, automatizări, analiză.
Faster software engineering
Dezvoltare mai rapidă fiindcă AI-ul reduce timpul pe taskuri repetitive: prototipare, testare, debugging, doc.
Bottleneck de Product Management (blocajul de decizie)
Când “build-ul” devine foarte rapid datorită AI coding, blocajul se mută în zona de produs: ce construim, în ce ordine, pentru cine și cum validăm prin feedback. Resursa rară devine claritatea deciziilor.
