Ce veți învăța
- Ce este un chatbot AI modern
- LLM-uri și limitările lor (de ce RAG)
- Arhitectura RAG explicată
- Embeddings și baze de date vectoriale
- Pregătirea și chunking-ul datelor
- Construirea unui chatbot pas cu pas
- Prompturi de sistem și persona
- Instrumente și platforme (no-code vs cod)
Despre curs
Chatboți AI pentru afaceri (RAG) este ghidul complet pentru construirea unui chatbot AI care răspunde din datele reale ale afacerii dumneavoastră, nu din cunoștințe generale. Cursul acoperă arhitectura RAG (Retrieval-Augmented Generation) de la principii până la implementare practică.
Indiferent dacă doriți un chatbot de suport clienți, un asistent de vânzări sau un instrument intern pentru angajați, acest ghid vă oferă toate cunoștințele necesare pentru a-l construi corect, de la pregătirea datelor până la integrarea pe website sau WhatsApp.
Chatboți AI pentru afaceri (RAG)
Un chatbot AI conectat direct la un model de limbaj poate suna convingător, dar poate inventa politici de retur, prețuri sau caracteristici de produs care nu există. RAG rezolvă exact această problemă: chatbot-ul caută mai întâi în documentele reale ale afacerii, apoi construiește răspunsul pe baza acelui conținut verificabil.
Ghidul explică pas cu pas fiecare componentă a unui sistem RAG: embeddings, baze de date vectoriale, chunking-ul datelor, prompturile de sistem și evaluarea continuă a calității răspunsurilor.
Ce veți învăța
- De ce un LLM generic nu este suficient pentru o afacere și cum rezolvă RAG această limitare
- Arhitectura completă RAG: ingestie, embeddings, vector store, retrieval, generare
- Cum pregătiți și „tăiați" (chunking) documentele afacerii pentru rezultate precise
- Construirea unui chatbot funcțional, pas cu pas, cu exemple de cod
- Scrierea unui prompt de sistem care reduce halucinațiile și menține tonul potrivit
- Alegerea instrumentelor potrivite: platforme no-code sau framework-uri de cod
- Integrarea pe website (widget) și pe WhatsApp, Messenger sau Telegram
- Evaluarea calității răspunsurilor, guardrails și optimizarea costurilor
Structura ghidului
Fundamentele RAG
Ghidul explică de ce modelele de limbaj, oricât de capabile, nu cunosc datele private ale afacerii dumneavoastră, și de ce RAG este alternativa recomandată față de fine-tuning sau prompt stuffing pentru majoritatea cazurilor.
Embeddings, baze de date vectoriale și chunking
Comparație practică între modelele de embedding disponibile (OpenAI, Voyage, Cohere) și bazele de date vectoriale (pgvector, Qdrant, Pinecone, Weaviate), cu recomandări clare pentru un prim proiect.
Construirea și integrarea chatbot-ului
Exemple de cod pentru fiecare etapă, de la ingestia documentelor până la un API propriu, plus integrare directă pe website și pe canalele de mesagerie cele mai folosite în România.
Evaluare, guardrails și costuri
Cum măsurați dacă răspunsurile sunt corecte, cum preveniți halucinațiile prin limite de siguranță, și cum estimați și optimizați bugetul lunar al unui chatbot RAG.
Cui se adresează acest ghid
- Proprietari de afaceri care iau în calcul un chatbot AI pentru suport, vânzări sau uz intern
- Echipe de marketing și produs care coordonează un astfel de proiect
- Dezvoltatori care implementează pentru prima dată un sistem RAG
- Oricine dorește să înțeleagă cum funcționează tehnologia din spatele chatboților AI moderni
De ce să alegeți acest ghid
Ghidul este actualizat cu tehnologiile și prețurile din 2026 și acoperă atât partea tehnică (arhitectură, cod, evaluare), cât și partea de decizie de business (alegerea instrumentelor, estimarea costurilor, cazuri de utilizare relevante pentru piața din România).
La finalul ghidului, veți ști exact ce pași urmați pentru a construi un chatbot AI care răspunde corect, verificabil și cu costuri controlate, indiferent dacă alegeți o platformă no-code sau o implementare cu cod propriu.
Pentru cine este cursul
Cursul este pentru firme care vor un chatbot AI care răspunde din propriile documente, prețuri sau politici de retur, nu din cunoștințe generale, și pentru dezvoltatori sau freelanceri care implementează astfel de soluții pentru clienți. Se potrivește și echipelor de suport care doresc să reducă timpul de răspuns pe WhatsApp sau pe widgetul de pe site.
Pentru cine nu este
Nu este potrivit pentru cine vrea doar un chatbot simplu, cu răspunsuri fixe, fără conectare la documente proprii, pentru asta este suficientă o platformă no-code, fără parcurgerea arhitecturii RAG (Retrieval-Augmented Generation) din acest curs. Nu este nici pentru cine vrea o privire largă asupra agenților AI în general, pentru care există cursul de Agenți AI și MCP.
Ce trebuie să știți înainte
Aveți nevoie de cunoștințe minime tehnice, capitolul despre instrumente compară opțiuni no-code și opțiuni prin cod. Pentru varianta prin cod aveți nevoie de un cont la un furnizor de model AI și, ideal, de documentele afacerii (produse, întrebări frecvente, politici) pe care chatbotul le va folosi.
Ce veți putea face după curs
- Explicați de ce un LLM simplu halucinează și cum rezolvă arhitectura RAG problema.
- Pregătiți documentele unei afaceri pentru un chatbot, prin chunking corect.
- Construiți un chatbot funcțional, de la baza de date vectorială la interfață.
- Scrieți un prompt de sistem care păstrează tonul și limitele afacerii.
- Integrați chatbotul pe site, ca widget, sau pe WhatsApp și Messenger.
- Măsurați costul lunar al unui chatbot, în funcție de volumul de întrebări.
Cuprins
1. Ce este un chatbot AI modern
- Introducere gratuit
- Evoluția chatboților3 min
- De ce contează diferența pentru o afacere3 min
- Unde se folosesc chatboții RAG3 min
- Ce veți învăța în acest ghid3 min
2. LLM-uri și limitările lor (de ce RAG)
- Introducere3 min
- Limitările fundamentale ale unui LLM „gol"3 min
- Cele trei strategii pentru a „învăța" un LLM date noi3 min
- RAG nu elimină halucinațiile, le reduce drastic3 min
- Context window vs. bază de cunoștințe3 min
3. Arhitectura RAG explicată
- Introducere3 min
- Fluxul de ingestie (pregătirea datelor)3 min
- Fluxul de interogare (răspunsul în timp real)3 min
- Căutare semantică vs. căutare pe cuvinte cheie3 min
- Hybrid search - combinația câștigătoare3 min
- Greșeli frecvente în arhitectura RAG3 min
4. Embeddings și baze de date vectoriale
- Ce este un embedding3 min
- Modele de embedding populare (2026)3 min
- Cum arată o cerere de embedding (exemplu API)3 min
- Baze de date vectoriale (vector stores)3 min
- Similaritate: cosine, euclidiană, dot product3 min
- Cum alegeți modelul de embedding potrivit3 min
5. Pregătirea și chunking-ul datelor
- Introducere3 min
- Surse tipice de date pentru o afacere3 min
- Curățarea conținutului3 min
- Strategii de chunking3 min
- Dimensiunea recomandată a unui fragment3 min
- Exemplu de chunking recursiv (Python)3 min
- Metadate - la fel de importante ca textul3 min
6. Construirea unui chatbot pas cu pas
- Introducere3 min
- Pașii pe scurt3 min
- Pasul 1-3: colectare, curățare, chunking3 min
- Pasul 4-5: embedding și stocare3 min
- Pasul 6-7: retrieval și generare3 min
- Pasul 8: testarea înainte de lansare3 min
- Pasul 9: publicarea printr-un API propriu3 min
7. Prompturi de sistem și persona
- Introducere3 min
- Componentele unui prompt de sistem eficient3 min
- Exemplu de prompt de sistem pentru un chatbot de suport3 min
- Persona - cât de „umană" trebuie să fie3 min
- Instrucțiuni de citare a sursei3 min
8. Instrumente și platforme (no-code vs cod)
- Introducere3 min
- Platforme no-code / low-code3 min
- Abordarea „cu cod" - biblioteci și framework-uri3 min
- Cum alegeți - ghid rapid de decizie3 min
- Hibrid - combinarea instrumentelor3 min
- Cod propriu vs. platformă no-code - avantaje și dezavantaje3 min
9. Integrare pe website (widget)
- Introducere3 min
- Metode de integrare3 min
- Exemplu de snippet de integrare3 min
- Elemente de UX de urmărit3 min
- Checklist înainte de lansare3 min
- Exemplu de răspuns cu streaming (experiență mai naturală)3 min
10. Integrare WhatsApp / Messenger / Telegram
- Introducere3 min
- WhatsApp Business API3 min
- Structura de preț WhatsApp Business (2026)3 min
- Fluxul tehnic - webhook3 min
- Messenger (Facebook)3 min
- Telegram3 min
- Comparație rapidă între canale3 min
11. Evaluare, halucinații și guardrails
- Introducere3 min
- De ce mai halucinează chiar și un chatbot RAG3 min
- Metrici cheie de evaluare pentru sisteme RAG3 min
- Guardrails - limite de siguranță3 min
- Proces recomandat de evaluare continuă3 min
12. Costuri și optimizare
- Introducere3 min
- Componentele de cost3 min
- Exemplu de estimare lunară - afacere mică/medie3 min
- Strategii de optimizare a costurilor3 min
- Monitorizarea costurilor în timp3 min
- Costuri ascunse de urmărit3 min
13. Cazuri de utilizare (suport, vânzări, intern) în România
- Introducere3 min
- Suport clienți3 min
- Vânzări3 min
- Asistent intern (angajați)3 min
- Cum alegeți primul caz de utilizare3 min
14. Resurse și instrumente
- Framework-uri și biblioteci3 min
- Baze de date vectoriale3 min
- Modele LLM și embeddings3 min
- Platforme no-code3 min
- Integrare canale de mesagerie3 min
- Despre acest ghid3 min
Cine predă
Dorel Tănase, fondatorul agenției GOAI din Alba Iulia. În mediul online din 1997, în optimizare SEO din 2007. Cursul pornește de la situații întâlnite în lucrul cu clienți din România și este actualizat pe măsură ce uneltele se schimbă. Experiența autorului.
Dorel Tănase, fondatorul agenției GOAI din Alba Iulia. În mediul online din 1997, în optimizare SEO din 2007. Cursul pornește de la situații întâlnite în lucrul cu clienți din România și este actualizat pe măsură ce uneltele se schimbă. Experiența autorului.
Conținut actualizat la
22 august 2026
22 august 2026
Întrebări frecvente despre curs
Ce unelte trebuie să am pentru acest curs?
Pentru varianta no-code este suficientă o platformă de tip chatbot builder. Pentru varianta prin cod aveți nevoie de un cont la un furnizor de model AI (OpenAI sau Anthropic) și de o bază de date vectorială, cursul recomandă opțiuni concrete în capitolul dedicat instrumentelor.
Cât durează parcurgerea cursului?
Cursul are 82 de lecții și 246 de minute de conținut video, puțin peste 4 ore, împărțite în 14 capitole. Capitolul despre integrare acoperă separat website-ul, WhatsApp, Messenger și Telegram.
Ce înseamnă RAG și de ce nu răspunde chatbotul direct din model?
RAG (Retrieval-Augmented Generation) înseamnă că modelul caută mai întâi informația relevantă într-o bază de documente, apoi formulează răspunsul pe baza ei. Fără RAG, un model AI răspunde din cunoștințe generale și poate inventa prețuri sau politici care nu există la firma dumneavoastră.
Care este diferența față de cursul de Agenți AI și MCP?
Acest curs se concentrează pe un singur tip de aplicație, chatbotul care răspunde din documentele unei afaceri. Cursul de Agenți AI și MCP acoperă agenți mai complecși, care pot executa acțiuni prin unelte externe, nu doar să răspundă la întrebări.
Articole pe această temă
- Prompt engineering: cum scrieți instrucțiuni bune pentru ChatGPT și Claude
- Automatizări cu n8n pentru afaceri mici: 7 fluxuri care economisesc ore
Cursuri din aceeași categorie
