Când cineva mă întreabă „ce tipuri de inteligență artificială există?”, știu din experiență că în spatele întrebării stau de fapt alte trei: ce e chestia asta pe care o folosesc deja?, ce pot să fac cu ea concret? și de care variantă să mă tem sau nu?. Manualele răspund cu taxonomii academice care nu ajută pe nimeni la birou; articolul ăsta răspunde practic — cu clasificările care chiar contează când decizi ce unelte folosești, plus traducerea fiecărui tip în „ce înseamnă pentru munca mea”.
Sunt developer și implementez automatizări cu AI pentru firme mici — deci perspectiva de mai jos e a omului care leagă uneltele astea de procese reale, nu a cercetătorului. Exact perspectiva care cred că îți trebuie.
Clasificarea 1: după capacitate — singura cu „AI-ul din filme”
Împărțirea filosofică, utilă mai ales ca să știi despre CE vorbește presa:
AI îngust (ANI — tot ce există azi). Sisteme excelente la sarcini specifice: recunosc imagini, traduc, scriu text, recomandă filme, conduc mașini pe autostradă. TOT ce folosești — de la asistentul din telefon la cele mai avansate modele de limbaj — e AI îngust. „Îngust” sună peiorativ și nu e: îngustul de azi scrie cod și diagnostichează radiografii; e doar specializat, nu universal.
AI general (AGI — nu există încă). Sistemul ipotetic cu inteligență flexibilă de nivel uman pe ORICE sarcină intelectuală: învață un domeniu nou singur, transferă cunoștințe între domenii, raționează despre lume complet. Marile laboratoare lucrează explicit spre asta, iar dezbaterea „cât de aproape suntem” e cea mai fierbinte din industrie — cu răspunsuri serioase de la „câțiva ani” la „decenii”.
Superinteligența (ASI — speculativ). Dincolo de nivelul uman, pe toate planurile. Materialul discuțiilor de filosofie și siguranță pe termen lung — relevant pentru omenire, irelevant pentru planul tău de firmă pe 2026.
Traducerea practică: când citești „AI va face X”, verifică despre care vorbește autorul. Deciziile tale de business se iau exclusiv pe AI-ul îngust real, cu capacitățile lui demonstrabile azi — nu pe promisiunile AGI de peste câțiva ani și cu atât mai puțin pe scenariile SF.
Clasificarea 2: după cum funcționează — cea care explică uneltele tale
Împărțirea tehnică, simplificată la ce schimbă în practică:
Sistemele bazate pe reguli (AI-ul „clasic”). Logica scrisă de oameni: dacă X, atunci Y. Chatboturile vechi cu răspunsuri fixe, filtrele simple, validările. Nu „învață” — execută. Încă utile exact acolo unde vrei predictibilitate totală: o automatizare de facturare vrea reguli, nu creativitate.
Machine learning (învățarea din date). Sistemul care își extrage singur regulile din exemple: detecția fraudelor, prognozele de vânzări, recomandările. Punctul-cheie practic: calitatea lui = calitatea datelor tale — ML pe date proaste e superstiție cu grafice.
Deep learning și rețelele neuronale. Sub-familia ML care a produs revoluția: straturi de „neuroni” artificiali care învață reprezentări tot mai abstracte — baza recunoașterii de imagini, a vorbirii și a modelelor de limbaj. (Rețelelor neuronale le pregătesc o explicație separată pe înțelesul tuturor.)
AI-ul generativ — vedeta ultimilor ani. Modelele care CREEAZĂ: text (modelele mari de limbaj — LLM), imagini, muzică, video, cod. Diferența de esență față de tot ce era înainte: nu clasifică realitatea existentă, produc conținut nou. Tot ce numește lumea „AI” în conversațiile de zi cu zi din 2026 e, aproape mereu, AI generativ.
Agenții AI — stratul cel mai nou. Modele generative + capacitatea de a FACE: își planifică pași, folosesc unelte (caută, scriu fișiere, trimit emailuri, execută cod), lucrează spre un obiectiv cu supraveghere minimă. Saltul de la „îmi scrie draftul” la „îmi rezolvă sarcina” — și direcția în care se mută toată valoarea practică; în programare, schimbarea e deja completă.
Clasificarea 3: după ce face pentru tine — harta de business
Cea mai utilă împărțire pentru decizii, pentru că se mapează direct pe procese:
AI care ÎNȚELEGE (analizează ce există): citește documente și extrage esența, sortează emailuri și cereri, detectează anomalii în cifre, transcrie ședințe. Primul strat de automatizat în orice firmă — ieftin, matur, cu rezultate imediate.
AI care CREEAZĂ (produce conținut nou): drafturi de emailuri și oferte, descrieri de produse, materiale de marketing, cod. Al doilea strat — cu regula de aur: AI-ul produce DRAFTUL, omul semnează versiunea. Cine publică generarea brută face economie de 10 minute și pagube de reputație.
AI care DECIDE/RECOMANDĂ (alege dintre opțiuni): scoring de lead-uri, prioritizări, rutare de tichete, prognoze. Al treilea strat — cel care cere cea mai multă grijă: deciziile automate au nevoie de praguri, excepții și om în buclă la cazurile importante.
AI care ACȚIONEAZĂ (agenții, din nou): leagă înțelegerea + crearea + decizia în fluxuri care chiar execută — de la „a venit un email de ofertă” până la „propunerea personalizată e în draft, clientul e în CRM, follow-up-ul e programat”. Aici lucrez eu cel mai mult, de obicei cu n8n ca schelet și modele AI ca muncitori pe noduri.
Exercițiul practic pe care îl fac cu fiecare client: lista proceselor firmei, cu una din cele patru etichete lângă fiecare — în 30 de minute apare harta a ce se poate automatiza și în ce ordine. Recomand oricui exercițiul, chiar fără consultant.
Un exemplu de domeniu în care toate cele trei clasificări se văd deodată — asistent conversațional, recomandare, generare de conținut — e școala: am adunat uneltele pentru profesori, elevi și părinți în articolul despre inteligența artificială în educație.
Tipurile pe care le folosești DEJA (fără să le numeri)
Partea care demontează „noi nu folosim AI”: filtrul de spam (ML de clasificare), predicția textului din tastatura telefonului (model de limbaj mic), navigația cu trafic (ML de predicție), traducerea automată (deep learning), recomandările din streaming și magazine online (ML), sortarea pozelor după chipuri (viziune computerizată), asistentul vocal (mai multe tipuri înlănțuite). Firma „fără AI” rulează deja pe vreo șapte sisteme — întrebarea reală nu e „dacă folosim”, ci „dacă folosim DELIBERAT, acolo unde ne doare”.
Miturile de tip, demontate rapid
Confuziile pe care le aud cel mai des în discuțiile cu clienții — și corecturile lor scurte:
„Chatbotul nostru vechi e AI, deci suntem acoperiți.” Chatbotul cu răspunsuri fixe e sistem pe reguli din anii ‘2000; diferența față de un asistent generativ modern e ca între robotul telefonic și un coleg. Merită re-evaluat — costul upgrade-ului a scăzut dramatic.
„AI-ul generativ știe adevărul.” Nu — generează TEXTUL CEL MAI PROBABIL, ceea ce de obicei coincide cu adevărul și uneori nu (halucinațiile). De aceea rolurile „înțelege” și „creează” cer verificare umană pe tot ce e critic, iar cifrele se trag din sistemele tale, nu din memoria modelului.
„Ne trebuie AI-ul cel mai puternic.” Pentru majoritatea automatizărilor de firmă mică, modelele medii — mai ieftine și mai rapide — sunt suficiente; puterea maximă se plătește doar la sarcinile care chiar o cer (raționament complex, cod dificil). Dimensionarea pe sarcină e jumătate din factura lunară.
„Dacă tot vine AGI, ce rost are să automatizăm acum?” Cel mai scump mit: firmele care își automatizează procesele CU AI-ul îngust de azi construiesc exact infrastructura (procese documentate, date curate, echipă obișnuită cu uneltele) pe care orice val viitor o va amplifica. Așteptarea nu e strategie.
Ce urmează: tendințele care contează practic
Fără futurologie — direcțiile deja vizibile în unelte, cu implicații pentru anul-doi care vin:
Agenții devin standard — de la asistentul care răspunde la cel care rezolvă; implicația: procesele firmei tale merită documentate ACUM, pentru că procesul documentat e procesul automatizabil.
Multimodalitatea completă — aceleași modele văd, aud, citesc și vorbesc: dispare granița dintre „AI de text” și „AI de imagini”; implicația: fluxurile care combinau trei unelte se fac cu una.
Modelele mici, locale — AI competent care rulează pe laptop/telefon/server propriu: implicația pentru firmele cu date sensibile — automatizări fără ca datele să plece din casă (întrebarea nr. 1 a clienților mei din zone reglementate).
Specializarea pe domenii — modele antrenate pe medicină, drept, contabilitate: implicația: „AI-ul generic n-a înțeles specificul nostru” devine obiecție expirată, domeniu cu domeniu — iar avantajul competitiv se mută la cine își aduce PROPRIILE date și procese în joc.
Glosarul de buzunar: 10 termeni pe care îi vei tot întâlni
Ca bonus de referință — termenii din articolele și ofertele pe care le citești, traduși într-o propoziție:
LLM — model mare de limbaj: motorul generativ de text (și, tot mai des, de orice). Prompt — instrucțiunea pe care i-o dai; calitatea ei = jumătate din rezultat. Halucinație — răspuns fluent și fals; se tratează cu verificare, nu cu încredere. Fine-tuning — specializarea unui model pe datele/stilul tău. RAG — modelul care „citește” documentele TALE înainte să răspundă: rețeta standard pentru asistenți pe cunoștințe interne de firmă. Token — unitatea de text în care modelele măsoară (și facturează) totul. Context — cât „ține minte” modelul într-o conversație/sarcină. Agent — modelul cu unelte și inițiativă (vezi mai sus). Multimodal — lucrează cu text+imagini+audio simultan. Inferență — rularea propriu-zisă a modelului; costul pe care îl plătești la fiecare utilizare.
Zece cuvinte care acoperă 90% din conversațiile practice — restul jargonului poate fi cerut oricând, culmea, chiar unui LLM.
Concluzia practică
Tipurile de inteligență artificială care contează pentru tine în 2026: îngust vs. general (tot ce există e îngust — decide pe realitate, nu pe titluri), generativ vs. restul (generativul creează drafturi, clasicul clasifică și prezice — amândouă au locul lor) și cele patru roluri de business (înțelege → creează → decide → acționează — automatizează-le în ordinea asta). Restul taxonomiilor sunt pentru examene. Iar dacă vrei versiunea aplicată pe firma ta — care procese, care tip, în ce ordine — exact cu asta încep fiecare colaborare: harta proceselor cu etichetele de mai sus, într-o oră de discuție. E cel mai util „curs de tipuri de AI” pe care îl cunosc: al tău, pe cifrele tale, cu rezultate care se văd în ore lucrate, nu în diplome. Iar dacă vrei să vezi cum arată în practică scheletul unei automatizări, ghidul despre n8n e completarea firească a articolului de azi.
Iar dacă vrei mai întâi să vezi unde te întâlnești deja cu fiecare tip, fără să o știi, am disecat o zi obișnuită plină de AI. Iar dacă după toată teoria asta ți-a venit cheful de învățat serios, am scris ghidul cursurilor de AI în română — cu ce merită plătit, ce e gratuit și cum să nu arunci 2.000 de lei pe un PDF de weekend.
