AI practic — rezumatul sesiunii

Implementarea AI în afaceri și bune practici · Autonom HQ, Piatra Neamț · joi, 3 septembrie 2026 · Marius Ștefan, CEO & co-fondator Autonom

Mulțumesc că ați venit — și că ați lucrat, nu doar ați ascultat. Mai jos sunt ideile principale, așa cum au fost spuse în sală, exercițiile pe care le-ați făcut și lista de lucruri pe care le puteți face începând de luni. Nimic din ce urmează nu e teorie: e ce am testat noi, la Autonom, cu greșelile incluse.

1. Pe scurt — cinci idei de reținut

1. AI-ul poate lucra doar pe ce e lizibil. Aceeași informație scrisă în trei feluri („preț" / „scump" / „nu s-a încadrat în buget") nu poate fi numărată, filtrată sau auditată — iar un AI pus peste ea produce o statistică fluentă și neverificabilă. Lizibil înseamnă: scris o singură dată, la fel, într-un loc.
2. Automatizare ≠ AI ≠ decizie. Ce se poate scrie ca regulă completă se automatizează fără AI. Ce cere judecată (a citi un document nestandardizat, a extrage cerințe, a redacta) primește AI plus un om responsabil. Decizia — prețul, excepția, „mergem sau nu" — rămâne a omului; sistemul doar pregătește.
3. Modelul e închiriat. Sistemul e al vostru. Modelele se schimbă; avantajul durabil este memoria și disciplina din jurul lor: un folder pe care AI-ul îl citește, un contract de operare, deciziile înregistrate, corecțiile transformate în reguli.
4. Conectează, nu reconstrui. Prin MCP (Model Context Protocol), sistemele pe care le aveți deja — CRM, ERP, e-mail, contabilitate — pot participa într-un flux de lucru comun, cu drepturi pe utilizator, fără migrare imediată. Cereți furnizorilor voștri de software suport MCP.
5. Verificarea e o competență, nu doar o disciplină. Oamenii verifică; problema e ce anume verifică. Un al doilea model care critică primul („red team"), o listă a zonelor unde AI-ul greșește cel mai des și un om care apasă butonul final reduc drastic rata de eroare.

2. Ce ne-ați spus înainte de sesiune

Din formularul de înscriere (17 răspunsuri, 14 companii, anonimizat): tema dominantă a fost ofertarea, urmată de rapoarte și planificare, gestiunea și verificarea comenzilor, prioritizarea comercială, marketing, contracte și documente, programarea pacienților. La bariere, claritatea priorităților a apărut la 11 din 17 răspunsuri — înaintea competențelor (8), timpului (7), instrumentelor (5), datelor (5) și integrării (4).

De aici concluzia care a organizat sesiunea: pentru cei mai mulți, prima barieră nu sunt datele, ci claritatea primului pas. Și de aici exercițiile — ca să plecați cu primul pas scris, nu doar auzit.

3. Povestea Autonom — ce am făcut noi, cu greșelile incluse

Cum a început

Primele experimente, în 2022, cu ChatGPT — un instrument interesant, atât. Două momente au schimbat perspectiva: apariția Claude Code (octombrie 2025), când a devenit evident că poți construi aplicații fără să scrii cod și, mai ales, când programatorii înșiși au adoptat-o masiv; și 13 februarie 2026, când o nouă generație a modelului Claude Opus a adus un salt calitativ de alt ordin de mărime în capacitatea de a procesa date și de a raționa. „Prima dată când nu-mi venea să cred răspunsurile."

Auditul departamentelor și planul

Între ianuarie și martie 2026 am dat AI-ului contextul companiei — organigramă, obiective, rapoartele zilnice de activitate ale departamentelor, capturi de ecran ale software-ului folosit — și am auditat patru departamente. Auditul a scos la iveală, printre altele, unelte AI folosite neoficial de colegi. Pe 1 aprilie 2026, pe baza auditului, AI-ul a generat un plan de implementare detaliat, cu un chestionar de rafinare per departament. Concluzia surprinzătoare: gândeam prea mic — nevoile reale nu erau câteva procese simple, ci proiecte de infrastructură IT de ani de zile, pe care le-am pornit împreună cu colegii din IT.

Trei straturi, un om la mijloc

Sistemul cu care lucrez zilnic are trei straturi: o consolă (Claude) pentru sinteză, strategie și pregătirea deciziilor; un verificator care merge în fișiere și dovedește sau infirmă; un adversar — un model din altă familie — pus deliberat să contrazică. Nimic nu se execută orb. Omul rămâne la mijloc și decide. Sfat practic: modele ieftine și limitate pentru sarcinile simple, modelele avansate doar pentru munca grea — analiză, arhitectură, contexte mari.

Eșecul care a devenit regulă

La început, un agent automat a suprascris sute de pagini dintr-o bază de cunoștințe partajată. Am recuperat totul doar pentru că totul era versionat. Lecția n-a fost „mai puțin AI", ci „mai multă disciplină": modificările în masă rulează pe o copie, un om le promovează în producție, iar backup-ul, versionarea (V1, V2…) și accesul doar-citire sunt regulă, nu opțiune.

Guvernanța — regula Autonom

Trei niveluri de date: public (liber), intern (utilizabil, cu sursa notată), restricționat — date personale ale clienților și angajaților, contracte, material de tranzacții — care nu ajung niciodată la un AI extern. Regula se impune prin arhitectură, nu printr-un memo: AI-ul e instruit să se oprească, de exemplu, când detectează un CNP. Este regula noastră, nu un standard universal — fiecare companie își definește nivelurile împreună cu responsabilii legal / protecția datelor. Și de reținut: compania răspunde legal pentru ce fac instrumentele AI pe care le folosește.

Un exemplu concret: amenzile

Primim peste 5.000 de amenzi de circulație pe an, pe numele clienților noștri — de la sute de instituții, în formate diferite, uneori scrise de mână, uneori din alte țări. Dacă ar veni toate în același format, ar fi automatizare pură. Nu vin — deci e nevoie de judecată: un agent intern citește aproape orice tip de document, identifică utilizatorul mașinii, întocmește înștiințarea și factura. Decizia finală de trimitere rămâne însă la un om: „ai 100 de amenzi de trimis — lasă un om să le vadă pe cele 100."

4. Bune practici de adopție — ce a funcționat la noi

5. Ce spun colegii noștri — survey intern (date preliminare)

Paradoxul verificării: oamenii verifică și sunt siguri că ar prinde o eroare — și totuși găsesc erori după ce au acceptat rezultatul. Zonele unde AI-ul greșește cel mai des la noi: legislație redată greșit, calcule în Excel cu mai multe foi, rapoarte agregate din mai multe surse, date tehnice. Răspunsul nu e „mai puțină încredere", ci training de verificare: pentru fiecare tip de sarcină, decideți dinainte ce anume verificați. Și cererea numărul unu a colegilor: AI conectat la sistemele interne.

Sursă: survey intern Autonom pe instrument Harvard Business School, rezultate preliminare din prima zi (211 din ~400 de colegi de birou, export 02.09.2026). Primii respondenți sunt de regulă cei mai implicați — cifrele sunt probabil mai optimiste decât setul final, care se închide pe 11.09.

6. MCP — deblocarea

Model Context Protocol este un standard deschis (inițiat de Anthropic în 2024, adoptat apoi de toți marii furnizori) care descrie cum citește un AI datele — și logica dintre ele — dintr-un sistem extern. Diferența față de o simplă conexiune: MCP nu spune doar „astea sunt câmpurile", ci explică ce reprezintă și cum se leagă. Efectul la noi: AI-ul a trecut de la o fereastră de chat lângă muncă la un instrument în interiorul sistemelor — și atunci colegii au început să vină cu propriile idei, mai repede decât le producea planul de rollout. Exemplu din survey: o colegă care, cu AI-ul conectat la baza de date, extrage singură clienții cu contracte care expiră în 6 luni și construiește campania de reînnoire, fără să depindă de alte departamente.

Ce puteți face voi: (1) întrebați furnizorii de CRM/ERP dacă au suport MCP și puneți-l criteriu de achiziție; (2) conectați întâi surse publice de date — de exemplu registrele de firme (ANAF, Incorpo) — ca să validați automat clienți și furnizori; (3) când construiți ceva nou, gândiți micro-aplicații moderne peste sistemele robuste dar cu interfețe învechite, nu înlocuirea lor.

7. Exercițiile pe care le-ați făcut — de păstrat

Harta fondatorului vs. harta de pe teren

Orice firmă are două hărți: cum ar trebui să funcționeze și cum se face munca de fapt, cu ocolișul construit după ce s-a stricat ceva. AI-ul se poate pune doar pe a doua. Cele patru întrebări: 1 ce retastează echipa de mână? · 2 unde este adevărul operațional — în sistem, într-un Excel, în capul cuiva (numele)? · 3 dacă volumul se dublează, ce se rupe primul? · 4 ar da șeful de operațiuni aceleași răspunsuri? Dacă ați răspuns „da" la 4 cu încredere — întrebați-l luni și bucurați-vă de surpriză.

Triajul unui flux (exemplul lucrat: ofertarea)

Două treimi din ofertare nu au nevoie de AI; treimea din mijloc are nevoie de un om responsabil. Pasul zero, înainte de orice: desenați procesul pe hârtie — un pix și un flipchart — și observați cum se face munca de fapt, nu cum credeți că se face. Apoi o trecere peste uneltele voastre: absoarbe · păstrează-și-conectează · elimină.

Cinci motive pentru care eșuează implementările

Evaluarea sărită (sistem proiectat pe harta fondatorului) · procesul stricat automatizat · uneltele alese înaintea arhitecturii · AI-ul pus primul, nu ultimul (ordinea corectă: date → fluxuri → inteligență) · nimeni responsabil de trecere, vechile Excel-uri rămân vii. Niciunul nu e tehnic.

8. Hack-uri practice din sală

• Puneți întrebări mai bune. Cel mai important „hack" e curiozitatea. Întrebați AI-ul: „Ce ar trebui să te întreb ca să mă ajuți mai bine?" sau „Ce nu te-am întrebat și ar fi trebuit?"
• Brain-dump vocal. Modul de voce (în mașină, la plimbare) pentru a spune liber idei nestructurate; AI-ul le transcrie și le organizează. A devenit foarte bun la asta în ultimele luni.
• Consiliul personal de administrație. Creați-vă un „board" virtual din oameni pe care îi respectați — cu instrucțiuni despre cum gândește fiecare — și puneți-i să se contrazică pe problema voastră.
• Sarcini programate peste noapte: rapoarte, actualizarea dashboard-urilor, ordinea în e-mail — gata dimineața.
• Fiți agnostici față de modele. Platforme precum OpenRouter / Open WebUI dau acces la sute de modele; nu vă legați de un singur furnizor, iar contextul vostru (fișierele .md) rămâne al vostru indiferent de model.
• Un exemplu de acasă: probleme de matematică personalizate pe programa școlară a copilului, generate de AI — cu un progres vizibil la școală.

9. Costuri, riscuri și o notă despre gândire

Costurile nu sunt neglijabile — abonamente, infrastructură, capacitate de procesare — iar întrebarea „aveți un return imediat?" a primit un răspuns sincer: nu, nu încă în bani. Ce s-a schimbat e modul în care gândim, în care punem problemele, viteza cu care construim procese și platforme noi. Riscul cognitiv e real: sumarizările și copy-paste-ul excesiv slăbesc gândirea critică și înțelegerea profundă — mai ales la studenți. AI-ul trebuie să augmenteze, nu să substituie. Iar pe piața muncii: nu AI-ul ia joburile, ci oamenii care folosesc AI le iau pe ale celor care nu-l folosesc.

10. Pentru studenți — și pentru companiile care îi angajează

Nu contează atât instrumentele pe care le veți folosi — vor fi altele peste un an. Contează calitatea întrebărilor, capacitatea de a critica un document, de a aduce claritate, de a rezolva probleme noi. Decalajul dintre pregătirea teoretică și nevoile practice există și se accelerează; hackathoanele care pun probleme reale în fața studenților îl reduc masiv. Companiile trebuie să-și asume rolul de educator: programe serioase de integrare pentru noii angajați, formare la locul de muncă. Cele 17 probleme reale de pe mesele din sală au fost — și rămân — brief-uri mai bune decât orice temă inventată.

11. Testul de luni dimineață — cardul vostru

„Modelul e închiriat. Sistemul e al vostru. Construiți-vă unul."

12. Resurse

• Starter Pack AI — pachetul de pornire (setup în ~1 oră, prompt de inițializare, ramp de 30 de zile, reguli de date, greșeli de început).
• Prezentarea folosită în sesiune — disponibilă ca pagină separată, direct în browser.
• L. Pierce, How to Run the Perfect AI Implementation (X, 28.08.2026) — sursa cadrului „determinist / judecată / decizie" și a celor cinci motive de eșec, reformulate în sesiune ca întrebări de pus echipei sau oricărui furnizor.
• Model Context Protocol — specificația publică: modelcontextprotocol.io.

Înregistrarea sesiunii