ARTICOLUL ANTERIOR
Autori: Bogdan Nițulescu· Promise Group | Dan Burlacu · Take the Lead | Lucian Pântece · eMAG | Radu Gabor · BitWise
Autorii sunt membri NEW ECONOMY HUB – platforma de expertiză, instrumente și oameni pentru companii care își clarifică direcția într-o economie în schimbare – și facilitatori în programul executiv COMPETITIV.
Acest material este disponibil și în limba engleză în rubrica COMPETITIV, dezvoltată în parteneriat cu echipa Business Review, partener media și de conținut in cadrul programului COMPETITIV.
„Sunt în mijlocul unui proiect de AI. Nu e un proiect tehnic – tehnologia funcționează. Și totuși, înaintează greu.” Observația îi aparține lui Dan Burlacu, dar tiparul îl recunosc tot mai mulți manageri. Blocajul nu e în liniile de cod, nici în costul licențelor. E în oameni, în structuri, în felul în care o organizație știe – sau nu știe – să ia o decizie și să și-o asume.
Privit din execuție, blocajul arată identic. Pentru Lucian Pântece, diferența dintre un AI care produce și unul care doar adaugă haos nu stă niciodată în model, ci în ce se întâmplă înainte de el. „Dacă procesul este neclar, dacă fiecare om lucrează diferit, dacă datele sunt inconsistente și dacă nu există un responsabil pentru rezultat, AI-ul nu va produce productivitate reală. Va produce mai multe răspunsuri, mai multe alerte, mai multă nevoie de verificare manuală.” Tehnologia funcționează; ce lipsește e claritatea pe care numai business-ul o poate da.
Și totuși, claritatea asta nu înseamnă a întârzia. Bogdan Nițulescu pornește din celălalt capăt: pentru tot mai multe companii, întrebarea nu mai e dacă, ci cum, ce și de unde. Iar prima greșeală apare exact aici – în reflexul de a trata AI-ul ca pe ceva „care vine de la IT”. În realitate, responsabilitatea pentru adopție stă la management și la oamenii din business care cunosc procesul; rolul IT-ului, major dar secund, e să valideze, să integreze și să susțină, nu să dețină decizia.
Indiferent de unghi, observația e aceeași – iar cifrele o confirmă. În cel mai recent studiu global McKinsey, 88% dintre organizații folosesc deja AI, dar doar 6% obțin un impact real în profit, iar ce le diferențiază nu este tehnologia superioară, ci reproiectarea modului în care lucrează. AI-ul care contează nu e cel mai bun model. E cel pe care organizația știe să-l ducă într-o decizie.
AI-ul nu e dificil pentru că e complicat tehnic. E dificil pentru că pune organizația față în față cu ea însăși. – Dan Burlacu
Există un reflex pe care Radu Gabor îl întâlnește des: companiile întreabă „câte date îmi trebuie pentru AI?”. E, spune el, întrebarea greșită. Prima care contează nu e „câte date am?”, ci „este AI-ul cea mai bună unealtă pentru problema pe care vreau s-o rezolv?”. Multe fluxuri pe care companiile le cred „de AI” – calcule, validări după reguli clare, situații cu un singur răspuns corect – se rezolvă mai ieftin și mai predictibil cu un sistem clasic. A recunoaște asta nu înseamnă a renunța la AI, ci a-l păstra pentru ce face el cu adevărat bine: interpretare, nuanță, situații fără un singur răspuns.
Abia după aceea ajungi la date. Și aici, „fundația” nu se măsoară în număr de documente, ci în calitatea lor. „Cel mai mare obstacol în AI nu e tehnologia. Sunt datele tale”, spune Gabor. AI-ul e, de cele mai multe ori, gata de lucru. Datele nu sunt. E ca un bibliotecar foarte priceput: îl poți întreba orice, dar dacă în bibliotecă cărțile sunt aruncate la grămadă, fără rafturi și fără catalog, nici cel mai bun bibliotecar nu te poate ajuta.
Înainte să investești în AI, investește în ordinea datelor tale. – Radu Gabor
Diferența costă concret. Într-un proiect real, o companie cu peste 50.000 de documente cerea un asistent care să răspundă la întrebări simple – de pildă, ce contracte expiră în următoarele trei luni și ce penalități conțin. La prima deschidere a „capotei”: foldere fără logică, fișiere nedenumite, duplicate, surse amestecate – text, PDF-uri scanate, pagini scrise de mână. Nimic nu marca ce e un contract, al cui e, când expiră. Rezultatul: 70-80% din efort s-a dus în ordonarea datelor, nu în funcționalitatea pentru care fusese plătit proiectul. Nu e un caz izolat: Gartner estimează că, până în 2026, organizațiile vor abandona 60% dintre proiectele de AI nesusținute de date pregătite – iar cauza nu e modelul, ci datele de dedesubt.
Iar datele care contează tot mai mult nu sunt doar cele interne, de proces. Sunt și cele de trasabilitate – de unde vine materialul, ce amprentă de carbon are, cum circulă în economie. De când Directiva Omnibus a scos aproximativ 80% dintre companiile europene, și 95% dintre cele românești, din obligația de raportare, aceste cifre au căpătat pentru mulți din conducere statut de raport marginal: ceva ce se face pentru conformare, nu pentru decizie.
Tocmai asta e capcana. În practică, datele de mediu, carbonul și circularitatea intră deja în aceleași decizii – se vede chiar în comportamentul companiilor din prima cohortă COMPETITIV. Și totuși, decizia rar ajunge la ele.
DIN PRIMA COHORTĂ COMPETITIV
- Datele și digitalizarea = 21% din acțiunile companiilor – a doua categorie ca volum
- 21 din 44 de acțiuni de digitalizare sunt legate direct de date de mediu
- 17 acțiuni la intersecția mediu × digitalizare; 7 la mediu × circularitate × digitalizare
- IT și digital apar ca nivel decizional în doar 11,7% din acțiuni
Datele intră deja în aceeași decizie. Decidentul rar ajunge la ele.
La fel ca în cazul carbonului, întrebarea nu mai e dacă măsori, ci dacă cifra schimbă o decizie. Iar AI-ul este exact instrumentul care le poate muta din raport în decizie – dar numai dacă, dedesubt, datele sunt în ordine. Iar atunci, adaugă Gabor, AI-ul nu doar răspunde: începe să descopere – pentru că, la fiecare interacțiune, strânge semnale despre nevoile reale ale oamenilor și scoate la suprafață oportunități pe care nici nu le căutai.
Între aceste poziții, autorii descriu două greșeli opuse – și amândouă pleacă de la aceeași sursă: nu de la tehnologie, ci de la felul în care organizația se raportează la ea.
Prima e frica. Iar frica, spune Dan Burlacu, are argumente. Rezistența pe care o întâlnești când introduci AI nu e irațională: cine răspunde când sistemul greșește? cât de bine e reglementată etica? cum mai distingi o informație de un ecou convingător, generat în câteva secunde? Frica de a fi depășit, de a-ți pierde relevanța, nu e paranoia – e o reacție firească la o schimbare reală. Problema nu e că frica există, ci că, în absența unui management care să o recunoască și să o adreseze deschis, ea blochează decizia, iar proiectul rămâne suspendat între inerție și entuziasm.
La celălalt capăt e o greșeală la fel de costisitoare: managerii care au delegat nu execuția, ci gândirea. Care întreabă AI-ul ce să facă și acceptă răspunsul fără să-l pună la îndoială; care, atunci când propria judecată intră în conflict cu modelul, aleg modelul – nu pentru că e mai bine argumentat, ci pentru că e mai comod. Responsabilitatea pare să se dizolve în recomandare. Paradoxul, observă Burlacu, e că tocmai cei care ar trebui să fie gardienii deciziei sunt adesea primii care renunță la ea.
Lucian Pântece vede aceeași ruptură în operațiuni. Când o companie pornește direct de la o soluție tehnică, fără ca oamenii din business să fi clarificat problema, regulile și rezultatul așteptat, AI-ul nu produce claritate. Amplifică exact dezordinea pe care o găsește.
Dacă acestea sunt capcanele, cum arată drumul care funcționează? Pentru Lucian Pântece, el începe invers față de reflexul obișnuit: nu din IT, ci din business. Oamenii care identifică cel mai bine unde poate aduce AI valoare nu sunt neapărat specialiștii tehnici, ci cei care cunosc activitatea de zi cu zi – din operațiuni, vânzări, suport, finanțe, conformitate. Ei definesc problema, regulile și excepțiile, construiesc un POC simplu care validează un beneficiu real, iar IT-ul intervine după aceea, pentru a integra, securiza și scala ce s-a dovedit deja că merită.
Un pilot AI bun nu e un demo tehnic. E o validare de business. – Lucian Pântece
A văzut modelul funcționând în trierea solicitărilor, în verificarea documentelor, în controlul operațional și de risc – și, peste tot, diferența nu a fost făcută de AI singur, ci de oamenii din business care știau să explice nuanțele, excepțiile și criteriile reale de decizie. AI-ul a crescut viteza și consistența; expertiza umană a rămas cea care orchestrează. Avantajul apare când AI-ul nu rămâne blocat într-o echipă centrală, ci devine o capabilitate distribuită, la îndemâna cât mai multor oameni, fără ca toți să devină tehnici.
Bogdan Nițulescu adaugă condiția de leadership: o asemenea cultură nu apare de la sine. Cere ca board-ul și echipa de conducere să fie partizani ai schimbării, nu să aștepte „să le vină rândul”. Pentru că, spune el, companiile vor continua să se bazeze pe expertiza propriilor oameni – dar scalată cu AI; cei care nu o folosesc riscă să fie depășiți de cei care o folosesc.
Și totuși, nimic din toate acestea nu ține fără un singur lucru. În organizațiile pe care le-a văzut, Burlacu descrie un tipar al eșecului: proiectul e al IT-ului pentru că implică tehnologie, al managementului pentru că cere buget, al consultantului pentru că el a propus soluția – și, în final, al nimănui, pentru că rezultatul nu se măsoară și nu se asumă.
Un proiect de AI fără un responsabil pentru rezultat nu e o investiție – e un experiment cu bani, fără termen de responsabilitate. – Dan Burlacu
Soluția nu e o reorganigramă, ci o clarificare: înainte de orice investiție, managementul trebuie să poată numi o singură persoană care răspunde de rezultat. Nu de implementare – de rezultat.
Ce rămâne, atunci, de decis înainte de investiție? Burlacu o reduce la trei lucruri pe care le consideră nenegociabile. Claritatea obiectivului: ce vrea, concret, organizația să facă mai bine – nu „să fie mai eficientă”, ci ce proces, cu ce indicator, măsurat cum. Asumarea rezultatului: cine răspunde dacă nu funcționează. Și păstrarea judecății: AI-ul poate fi un instrument extraordinar de analiză și sinteză, dar decizia finală trebuie să treacă printr-o minte care înțelege contextul, miza și consecințele – și care poate fi trasă la răspundere.
Pusă astfel, întrebarea de capital se schimbă și ea. Pentru Lucian Pântece, managementul nu decide „ce tool de AI cumpărăm”, ci cum devine AI o capabilitate distribuită în organizație și unde merită investit capitalul. Iar investiția, adaugă Bogdan Nițulescu, nu mai e neapărat o cheltuială mare în avans, ci una în capabilitatea oamenilor – cu un efect care se vede și în afara companiei.
O companie devine mai atractivă pentru investitori când dovedește o creștere bazată pe o adopție puternică de AI. – Bogdan Nițulescu
Aici se închide cercul. O companie care dovedește o adopție matură de AI, o cultură a expertizei amplificate și o capacitate reală de a transforma datele în decizii devine, simultan, mai competitivă în piață și mai atractivă pentru cei care o finanțează. Nu pentru că raportează mai mult, ci pentru că decide mai bine.
În fond, AI-ul nu testează cât de avansată e tehnologia unei companii, ci cât de matur decide. Aceasta e decizia reală de management. Restul sunt detalii de implementare.
Aceasta este una dintre conversațiile din spatele COMPETITIV. În șase luni, echipele de management trec de la diagnoză la o decizie pe care o pot duce în execuție – își citesc propria expunere, prioritizează, aleg o acțiune care contează cu adevărat și o validează la nivel de conducere. În jurul AI-ului și al datelor, o echipă dedicată de facilitatori lucrează intens ca această perspectivă să devină transversală în program – prezentă în felul în care companiile învață să decidă. Lucrăm în el pentru că închide exact distanța despre care am scris aici: cea dintre a avea datele și a schimba o decizie. Înscrierile pentru noua ediție sunt deschise; programul începe pe 15 septembrie 2026.
🔒