Avantaje și dezavantaje ale inteligenței artificiale

1 Ce este, pe scurt

Prin inteligență artificială se înțelege astăzi, în majoritatea discuțiilor de business, o categorie de programe care învață tipare din cantități mari de date și le folosesc pentru a face predicții sau a genera conținut nou. Cele mai vizibile sunt modelele lingvistice mari, care stau în spatele asistenților de tip chat și al instrumentelor de AI generativ.

Distincția utilă pentru un antreprenor nu este între „AI” și „non-AI”, ci între sisteme care prezic ceva verificabil (de exemplu, ce clienți au probabilitate mare să nu ridice coletul la livrarea cu ramburs) și sisteme care produc text, imagini sau cod. Primele se evaluează cu metrici clasici de acuratețe. Celelalte se evaluează prin verificare umană, pentru că nu au o noțiune internă de adevăr.

2 Avantajele reale, cu exemple de business

Reducerea timpului pe muncă textuală repetitivă. Un magazin online cu câteva mii de produse are nevoie de descrieri, titluri, meta descrieri și texte de categorie. Scrise manual, sunt săptămâni de muncă. Generate ca prim proiect și apoi editate de un om care cunoaște produsul, devin zile. Aceeași logică se aplică la răspunsurile standard pe e-mail, la fișele de post, la procesele-verbale sau la rezumatul unei ședințe. Câștigul nu vine din faptul că textul iese perfect, ci din faptul că pagina albă dispare.

Suport pentru clienți pe întrebări repetitive. Într-un magazin din România, o parte semnificativă din mesajele primite sunt variații pe aceleași teme: unde e comanda, cum returnez, ce garanție are produsul, livrați în localitatea X. Un chatbot conectat la informațiile reale ale firmei poate prelua stratul acesta, cu condiția să escaladeze către un om când nu are răspuns. Firmele care greșesc aici sunt cele care lasă botul să improvizeze politici de retur inexistente.

Traducere și localizare. Pentru companiile care vând și în afara țării, calitatea traducerii automate este suficient de bună pentru un prim strat, urmat de revizie umană pe textele care contează comercial sau juridic. Costul de intrare pe o piață nouă scade real.

Sortare, clasificare, extragere de date. Facturi, contracte, CV-uri, formulare de contact, recenzii. Un model poate extrage câmpuri și le poate categoriza mult mai rapid decât un om, iar erorile sunt vizibile la o verificare prin sondaj. Aici stă, pentru multe firme mici, cel mai puțin spectaculos și cel mai profitabil caz de utilizare.

Analiză exploratorie. Un model poate citi câteva sute de recenzii sau răspunsuri la un chestionar și poate scoate temele recurente în câteva minute. Rezultatul nu e concluzie finală, dar direcționează unde să te uiți.

3 Dezavantajele și riscurile reale

Halucinațiile. Cel mai important risc practic. Un model generativ poate produce nume de legi, articole, cifre, surse sau specificații care sună corect și nu există. Fenomenul are un nume și un mecanism explicabil, descris pe larg în definiția de halucinații AI. Consecința operațională: orice afirmație factuală care ajunge la un client, la un partener sau într-un document oficial trebuie verificată de un om. Textele de marketing scrise cu AI copywriting fără verificare sunt o sursă frecventă de afirmații false despre propriile produse.

Datele confidențiale. Ce introduci într-un serviciu extern părăsește infrastructura ta. Contracte, date de clienți, liste de prețuri, cod sursă, date medicale sau financiare. Regimurile de prelucrare diferă între furnizori și între planuri comerciale, iar setările implicite nu sunt neapărat cele mai protective. Sub GDPR, răspunderea principală rămâne la operatorul de date, adică la firma ta: tu alegi furnizorul și scopul prelucrării. Furnizorul are însă și el obligații proprii ca persoană împuternicită, iar dacă folosește datele tale pentru scopuri proprii, de exemplu pentru antrenare, își poate schimba rolul juridic. Criteriile după care se stabilește cine e operator și cine e persoană împuternicită sunt detaliate în Ghidul 07/2020 al Comitetului European pentru Protecția Datelor. Verifică în contract ce rol își asumă furnizorul, nu presupune. Regulamentul european privind inteligența artificială, cunoscut ca AI Act, intrat în vigoare în august 2024, adaugă obligații suplimentare care se aplică etapizat, în funcție de nivelul de risc al utilizării; calendarul oficial este publicat de Comisia Europeană.

Bias și reproducerea prejudecăților. Modelele învață din text produs de oameni, cu tot ce conține acesta. În contexte cu impact asupra persoanelor, cum ar fi trierea CV-urilor sau scoringul, un sistem poate dezavantaja sistematic anumite categorii, fără ca cineva să fi programat asta intenționat. Riscul nu se elimină prin bunăvoință, ci prin testare pe date reale și prin păstrarea deciziei finale la om.

Dependența și eroziunea competenței. Când o echipă externalizează complet gândirea pe un asistent, capacitatea de a evalua rezultatul scade în timp. Este un risc lent și greu de observat. Se manifestă prin oameni care nu mai pot spune dacă textul primit e bun sau doar fluent.

Dependența de furnizor. Prețurile, termenii de utilizare și comportamentul modelelor se schimbă fără preaviz. Un proces de business construit strict pe un singur furnizor, fără alternativă, este un risc de continuitate, nu doar o preferință tehnică.

Costul de mediu. Antrenarea și rularea modelelor mari consumă energie electrică și apă pentru răcirea centrelor de date. Este un cost real, în creștere odată cu adopția, dar cifrele publice variază foarte mult de la un studiu la altul și de la un centru de date la altul, așa că orice număr rotund citat fără sursă merită tratat cu rezervă. Formularea onestă: consumul este semnificativ la scara industriei și neglijabil la scara utilizatorului individual.

Impactul asupra muncii. Efectele măsurate până acum sunt concentrate, nu generalizate: presiune pe posturile de intrare în ocupațiile expuse, nu dispariția în masă a profesiilor. Cele mai expuse sunt activitățile de rutină pe text și date. Proiecțiile privind numărul total de locuri de muncă afectate diferă radical între instituții și se bazează pe ipoteze, deci nu ar trebui prezentate ca fapte. Măsurătorile arată scădere de ocupare la începutul carierei în ocupațiile cel mai expuse, în timp ce ocuparea pentru lucrătorii cu experiență din aceleași ocupații a rămas stabilă sau a crescut. Este concluzia studiului Canaries in the Coal Mine? al Stanford Digital Economy Lab, făcut pe date reale de salarizare, nu pe modele teoretice. Dacă angajezi juniori, acolo se simte schimbarea întâi.

4 Ce e mit și ce e real

Mit: AI-ul știe dacă ce scrie e adevărat. Real: nu are o noțiune internă de adevăr și nu verifică nimic. Dacă înțelege cu adevărat sau doar imită foarte bine este o dispută deschisă în cercetare, iar oricine îți dă un răspuns tranșant îți vinde o simplificare. Pentru decizia ta de business nu contează: contează că greșește cu aceeași siguranță cu care are dreptate, deci ai nevoie de același control indiferent de răspuns.

Mit: textul generat poate fi detectat sigur. Real: instrumentele de acest tip dau atât fals pozitive, cât și fals negative. Un detector de conținut AI este un indiciu, nu o probă, și nu ar trebui folosit ca bază pentru o sancțiune.

Mit: Google penalizează automat conținutul scris cu AI. Real: criteriul declarat este calitatea și utilitatea, nu metoda de producție. Documentația oficială Google Search Central spune explicit că problema apare la generarea de pagini în volum fără valoare adăugată pentru utilizator, ceea ce intră la politica de spam privind conținutul la scară. Conținutul slab este problema, indiferent cine l-a scris. Principiile de E-E-A-T rămân aceleași.

Mit: trebuie doar promptul potrivit. Real: prompt engineering ajută mult la formă și structură, dar nu adaugă informație pe care modelul nu o are. Un prompt bun nu compensează lipsa datelor tale.

Mit: implementarea e proiect de IT. Real: partea grea este definirea sarcinii, a criteriilor de acceptare și a punctului de control uman.

5 Cum decizi dacă merită pentru firma ta

Pune trei întrebări, în ordinea asta. Prima: sarcina se repetă des și are un rezultat pe care îl poți evalua rapid? Dacă răspunsul e nu, nu automatiza încă. A doua: care e costul unei greșeli? Dacă o eroare ajunge direct la client, într-un document contabil sau într-o decizie despre o persoană, ai nevoie de verificare umană obligatorie, iar economia de timp scade. A treia: ce date trebuie să iasă din firmă ca să funcționeze? Dacă răspunsul include date cu caracter personal sau informații comerciale sensibile, discuția devine una de conformitate înainte de a fi una de productivitate.

Un test simplu de calibrare: rulează manual sarcina de zece ori cu un asistent, notează câte rezultate au fost utilizabile fără intervenție, câte cu editare mică și câte de aruncat. Dacă majoritatea intră în primele două categorii, ai un caz. Dacă nu, problema e fie sarcina prost definită, fie lipsa contextului, fie o așteptare nerealistă.

6 Ce faci concret

1. Fă o listă cu sarcinile repetitive din firmă care implică text, sortare sau căutare. Alege una singură, cu impact mic în caz de eroare, ca punct de plecare. 2. Testează manual, timp de două săptămâni, cu un asistent public. Nu cumpăra nimic în etapa asta. Dacă vrei să începi cu bazele, ghidul despre ChatGPT în limba română acoperă modul de lucru, iar cel despre AI în marketing acoperă aplicațiile comerciale. 3. Scrie o politică internă de o pagină: ce date nu se introduc niciodată în servicii externe, cine verifică rezultatul înainte de publicare, cum se marchează intern conținutul generat. 4. Verifică setările de confidențialitate ale conturilor folosite, inclusiv opțiunea de a nu contribui cu datele tale la antrenare, acolo unde există. 5. Stabilește un criteriu de succes măsurabil înainte de a extinde: timp economisit pe sarcină, rată de rezultate utilizabile, număr de escaladări la om. 6. Păstrează competența umană. Cel puțin o persoană din echipă trebuie să poată face sarcina și fără asistent, altfel nu ai cum să evaluezi calitatea. 7. Reevaluează la șase luni. Costurile, capabilitățile și obligațiile legale se schimbă rapid, iar o decizie luată acum nu rămâne valabilă implicit.