AI-ul nu funcționează în cele mai multe firme pentru că e pus peste procese gândite pentru felul în care se muncea înainte: informații împrăștiate, reguli care există doar în capul oamenilor, date în dezordine. Fabricile care au pus un motor electric pe vechiul ax central au câștigat puțin timp de decenii. Câștigurile au venit când au reorganizat hala în jurul sarcinii. Cu AI-ul e la fel: întâi procesul, apoi tool-ul.
În septembrie am stat de vorbă cu Marius Ciurariu și Emil Muthu în podcastul REWIRED, în engleză, și o bună parte din discuție a fost exact despre întrebarea din titlu. Mai jos sunt cele șapte motive care, după mine, contează cel mai mult, fiecare cu soluția lui, apoi fragmentele din podcast pe care se sprijină, cu link la momentul exact din video.
Care sunt cele 7 motive pentru care AI nu aduce rezultate în firmă?
Pe scurt: aproape niciunul nu ține de model. Țin de proces, de date și de cine decide ce înseamnă „corect”.
1. AI-ul a fost pus peste procesul vechi
Primul reflex e să păstrezi clădirea și să schimbi motorul. Comparația cu motorul electric merge pentru că ambele tehnologii produc muncă: motorul produce muncă fizică, un model de limbaj produce muncă cognitivă. Cum arată un ax central într-un birou? E punctul prin care trebuie să treacă tot: Excel-ul pe care îl înțelege un singur om, aprobarea care stă în inbox-ul unui manager, emailul de la client care e forwardat de trei ori până răspunde cineva. Pune un model de limbaj lângă axul ăsta și o să citească mai repede decât oricine din firmă. Axul nu-l mută.
Soluția: pune o întrebare mai simplă decât „ce tool luăm?”. Dacă sarcina asta ar fi gândită azi, în jurul a ce se poate automatiza acum, cum ar arăta? Uneori răspunsul e o schimbare mai mică decât se tem oamenii. Alteori dispare un pas întreg, care exista doar ca să-l hrănească pe cel vechi.
2. Informația de care are nevoie sistemul nu stă într-un singur loc
Să luăm un tabel tipic cu datele de la furnizori. Are celule îmbinate, ca să arate bine pentru omul care se uită la el. Nu e o greșeală: documentul a fost făcut pentru un om care îl citește, și pentru procesul vechi asta era alegerea corectă. Problema reală e alta: o parte din tabel se completează sunând la depozit, iar când la depozit nu răspunde nimeni, sunând la client. Asta nu o repară niciun model.
Soluția: o hartă înaintea codului. Unde se naște fiecare informație, cine o modifică și unde ajunge. Când harta încape pe o pagină, automatizarea e de obicei partea ușoară. Când nu încape, harta e proiectul.
3. Regulile există doar în capul unui om, iar excepțiile se rezolvă la telefon
Un proces care n-a fost scris niciodată nu poate fi predat unui sistem. Omul care îl face știe regulile, știe excepțiile și știe pe cine sună. Sistemul nu știe nimic din toate astea.
Soluția: trei întrebări care scot de obicei la iveală axul central:
- Unde stă informația de care e nevoie pentru sarcina asta și în câte locuri e copiată?
- Care reguli sunt scrise undeva și care există doar în capul unui singur om?
- Ce se întâmplă cu excepțiile și cine decide în cazul lor?
4. Datele sunt în dezordine, iar AI-ul amplifică haosul
Un model optimizează spre obiectivul pe care i-l dai, cu materialul pe care i-l dai. Nu știe că două dintre regulile tale se bat cap în cap. O va respecta pe cea pe care contextul o face mai probabilă, sigur pe el, de o mie de ori pe zi. Un om care face treaba de mână absoarbe haosul fără să-și dea seama. Un sistem îl amplifică.
Soluția: curăță datele pe care le va citi sistemul înainte de a alege orice model, nu după. Ce înseamnă asta pentru e-Factura, exporturile din contabilitate și Excel-urile „de afișat” am scris în ce trebuie să schimbi în firmă ca să folosești AI.
5. Nimeni n-a stabilit ce înseamnă un rezultat corect
Dacă firma și cine construiește sistemul nu au căzut de acord asupra regulilor și asupra a ce înseamnă un rezultat bun, nu are cine să spună dacă AI-ul funcționează. Rămâne o impresie, iar impresiile nu trec de ședința de buget.
Soluția: stabilește în scris, înainte de pilot, cum arată un rezultat corect pentru sarcina aleasă și verifică pilotul pe cazuri reale față de standardul ăsta.
6. Firma așteaptă ca AI-ul „să se descurce singur”
De asta mă și feresc de ofertele care promit că AI-ul „se descurcă singur”. Se descurcă, sigur, cu ceva. Dacă e lucrul pe care l-ai vrut ține de munca făcută înainte.
Soluția: tratează munca asta ca fiind de ambele părți ale mesei. Cine construiește trebuie să înțeleagă procesul, iar firma trebuie să i-l explice, ceea ce e mai greu decât pare când procesul n-a fost scris niciodată nicăieri. Cineva din firmă trebuie să răspundă de explicația asta; despre cine ar trebui să fie am scris în cum organizezi firma pentru AI.
7. Ai pornit de la un tool, nu de la un proces
Și, adesea, aștepți un tool care să facă reorganizarea inutilă. Tool-ul ăla nu există. Cred că tot aici se blochează și mulți piloți: pilotul arată bine în demo, dar procesul din jurul lui a rămas neschimbat și nimeni n-a măsurat cât dura treaba înainte.
Soluția: pornește de la un singur proces care te costă ceva în fiecare săptămână și de care oamenii deja se plâng. Îl desenezi, îi scrii regulile, măsori cât durează azi și abia apoi întrebi ce parte se poate automatiza. Versiunea lungă e în ghidul pas cu pas pentru implementarea AI în companie, iar Sapio are un ghid despre cum rulezi un pilot AI înainte să scalezi. Dacă nu e clar dacă procesul tău are nevoie de un agent sau de o automatizare simplă, am explicat diferența în ce este un agent AI.
Ce am spus în podcastul REWIRED și ce aș corecta azi?
Motivele de mai sus vin din partea din discuție la care tot revin. Fragmentele sunt traduse din engleză după subtitrările automate de pe YouTube, ușor editate ca să se poată citi, și fiecare are link la momentul exact din video. În două locuri corectez ce am spus.
Motorul electric (motivul 1)
Înainte de motoarele electrice, fabricile aveau motoare cu abur. Un motor cu abur nu e eficient să ai multe, așa că aveau un singur ax central care se rotea prin toată fabrica, și fiecare mașină se lega la axul ăla. Un singur lucru alimenta tot. Apoi a apărut motorul electric. Au înlocuit pur și simplu motorul cu abur cu cel electric, pe același ax central [...]
În podcast am dat o cifră pentru întârziere și am zis că nu s-a îmbunătățit nimic. Am exagerat în ambele privințe. Paul David, istoricul economic care a făcut celebră comparația în The Dynamo and the Computer (1990), descrie o întârziere de aproape patru decenii, cu câștiguri lente, nu cu zero. Forma poveștii rămâne în picioare: electricitatea a ajuns în fabrici cu mult înainte ca productivitatea să vină după ea.
Ce s-a schimbat, și asta e comparația pe care voiam s-o arăt: și-au dat seama că motoarele electrice pot fi configurate pentru fiecare sarcină. Așa că au reconstruit fabrica. Au refăcut organizarea fabricii astfel încât să fie centrată pe sarcină. [...] Ce învățăm de aici pentru firmele care vor să implementeze AI? Nu poți să implementezi AI fără să-ți reorganizezi propriile procese.
Celulele îmbinate (motivele 2 și 3)
Dacă vor să automatizeze un tabel în care intră toate datele de la furnizori și le zic: ok, hai să mă uit la tabelul ăla, pot să pariez că are undeva celule îmbinate, ca să arate mai bine pentru omul care se uită la el.
De aceea cred că primul livrabil al unui proiect AI nu ar trebui să fie cod. Ar trebui să fie harta de la motivul 2.
Trash in, trash out (motivul 4)
AI-ul poate face o grămadă de lucruri, dar trebuie să-i dai material bun. Trash in, trash out. E un maximizator. Dacă îi dai un proces nestructurat, reguli care se contrazic și date în dezordine, o să iasă prost.
„Maximizator” a fost un cuvânt spus din mers, și l-aș face mai precis: un model nu maximizează haosul din proprie inițiativă, ci optimizează spre obiectivul primit, cu materialul primit. Efectul e cel de la motivul 4: sistemul amplifică ce un om ar fi absorbit.
Firmele mici (motivul 7)
Ce cred eu e că o să vedem firme mari depășite de firme mici care merg 100% AI-first. Se vede deja la produsele tech: startup-urile merg mult mai repede în dezvoltare decât companiile mari, iar jucătorii mari de obicei așteaptă să se așeze piața.
Jumătatea mai bună a argumentului a spus-o unul dintre gazde chiar înainte: o firmă mică își poate schimba un proces într-o săptămână, pe când o corporație are nevoie de acordul tuturor celor care dețin o bucată din el. Firmele mici au mai puține procese scrise, dar sunt mult mai ieftin de reorganizat.
Cifrele spun că avantajul ăsta stă mai mult nefolosit. În 2025, 19,95% dintre firmele din UE cu cel puțin zece angajați foloseau măcar o tehnologie AI, iar România era pe ultimul loc, cu 5,21% (Eurostat). În podcast am dat o medie europeană mai mică; cifra pentru 2025 e cea de mai sus. Iar în România diferența e la firmele mici: 4,1% dintre firmele cu 10–49 de angajați foloseau AI, față de 20,8% dintre cele cu peste 250 (Eurostat, rezultatele-cheie AI 2026).
Tot cred că firma mică pornește din poziția mai bună. Doar că trebuie să nu mai aștepte un tool care să facă reorganizarea inutilă.
Discuția întreagă, inclusiv cum a pornit ai-aflat.ro și cum aș convinge un developer sceptic să încerce AI, e pe YouTube.
Deci, de unde începi?
De la procesul care te costă cel mai mult în fiecare săptămână, nu de la tool-ul de care se vorbește cel mai mult luna asta.
Motorul electric n-a fost niciodată partea grea. Exista și funcționa. Partea grea a fost să accepți să muți mașinile din loc, și bănuiesc că tot acolo așteaptă și azi cele mai multe câștiguri.
Dacă vrei să ne uităm așa la unul dintre procesele tale: consultanță AI.