Agentul tău AI este la fel de bun ca sistemul tău de arhivare

Pe 30 decembrie 2025, serviciul poștal al Danemarcei a livrat ultima scrisoare din istoria sa de 401 de ani. Cele 1.500 de cutii poștale rămase au fost scoase din stradă în acel an. Între timp, în iulie 2026 guvernul federal german a aprobat GeDIG, legea privind datele din sănătate și inovația digitală, care va elimina treptat faxul din cabinetele medicilor până în toamna anului 2029 și va face obligatorii trimiterea electronică a recomandărilor.

Deci, cum se face că o țară poate implementa astfel de schimbări, în timp ce alta încă își reduce dependența de faxuri în acest secol? Luând în considerare utilizarea AI în afaceri în fiecare țară, 42 % dintre firmele daneze au folosit cel puțin o tehnologie AI în 2025, cea mai mare cotă din Europa. Germania a înregistrat 26 %, peste media UE, dar cu șaisprezece de puncte în urma Danemarcei.

Pentru mine, contrastul ne împinge să reexaminăm convingerile legate de adoptarea AI. În special credința că alegerea modelului este punctul de plecare al adoptării AI, ignorând condițiile sistemelor din jurul modelului. Ambele țări au acces la aceleași modele și furnizori de cloud, dar diferența constă în faptul dacă procesele de afaceri și cele publice generează deja înregistrări digitale fiabile. Deoarece un agent AI nu lucrează direct cu realitatea, ci cu versiunea realității disponibilă într-un sistem, acest lucru generează în mod firesc anumite constrângeri.

Prima constrângere: informația nu a fost niciodată digitalizată

Un agent nu poate recupera un document care nu a intrat niciodată în sistem. Structura fluxului informațional al organizației determină ce poate percepe un agent ca sarcină.

La nivel de țară, datele Eurostat arată că adoptarea AI în afaceri este corelată cu digitalizarea proceselor administrative. Dar mecanismul cheie este că în țările în care cetățenii primesc deja documente oficiale în format digital există mai puține interacțiuni în afara sistemului pe care firmele să le reconcilieze, reducând cantitatea de muncă de interpretare necesară înainte ca AI să poată fi utilizat în siguranță în operațiuni.

La nivel de firmă, un studiu IZA din 2026 privind 1.907 companii daneze constată că o creștere cu o abatere standard în digitalizare este asociată cu o probabilitate cu 8‑10 puncte procentuale mai mare de adoptare a sistemelor AI de bază. Aceasta sugerează că adoptarea AI depinde de faptul dacă operațiunile interne ale firmei sunt deja organizate într-un mod digital structurat, lizibil de mașini. Dacă procesele sunt fragmentate, există puține informații stabile pe care sistemele AI sau agenții să le poată utiliza.

Acest lucru poate explica, de asemenea, de ce digitalizarea impulsionată de politici nu se traduce automat în pregătire pentru AI. facturarea electronică obligatorie B2B din Italia a creat un canal complet digital, dar adoptarea AI rămâne sub media UE. Digitalizarea unui singur pas nu elimină sistemul analogic înconjurător.

A doua constrângere: informația există doar în mintea cuiva

Oamenii gestionează operațiunile, ceea ce înseamnă că, de cele mai multe ori, ei cunosc detalii pe care AI-ul nu le are. Un administrator financiar știe că un chiriaș a plătit în numerar, dar plata nu a fost niciodată înregistrată în sistemul contabil. Ca rezultat, înregistrările bancare și sistemul nu se reconciliază. Administratorul înțelege motivul, în timp ce AI-ul vede doar date inconsistente. Un manager de proprietăți își amintește că un proprietar a cerut să nu fie contactat timp de două săptămâni. O echipă cunoaște soluția alternativă pentru o clădire sau un client, dar nimeni nu a documentat-o.

ClarEval a testat sarcini cu obiective lipsă, premise absente și terminologie ambiguă. Performanța modelului a scăzut de la aproximativ 89 % după clarificare la circa 9 % când ambiguitatea a rămas nerezolvată. Între timp, Ambig‑SWE a constatat că, permițând unui model să pună întrebări unui utilizator care deținea informația lipsă, s-a recuperat până la 74 % din performanța pierdută. Aceasta implică faptul că inginerii ar trebui să construiască un sistem capabil să solicite clarificări de la bun început.

A treia constrângere: informația există, dar nu poate fi transmisă

Unele date sunt disponibile în interiorul companiei și totuși nu pot ajunge la model din cauza regulilor de confidențialitate, controalelor de securitate, contractelor sau politicilor interne.

Un studiu bazat pe șapte ani de date din cloud a constatat că GDPR – legea principală europeană privind confidențialitatea datelor – a redus stocarea datelor cu 26 % și procesarea cu 15 % în rândul firmelor din UE, în comparație cu firmele similare din SUA. Cu alte cuvinte, reglementarea confidențialității a făcut ca firmele să fie mai puțin intensive în date, limitând cantitatea de informații pe care o puteau păstra și procesa pentru analiză și AI. Adoptarea AI generativ a fost aproape egală, 37 % în firmele UE și 36 % în firmele SUA. Dar diferența în profunzimea adoptării AI este imensă, 81 % dintre firmele americane utilizând AI în cel puțin două procese interne, comparativ cu 55 % în UE. Un motiv posibil este că informațiile care există deja în interiorul organizațiilor sunt adesea mai greu de reutilizat pentru AI în Europa. Conversațiile de suport clienți, de exemplu, conțin adesea date personale colectate pentru rezolvarea problemelor clienților. Conform principiului de limitare a scopului al GDPR (Articolul 5(1)(b)), aceste date nu pot fi pur și simplu reutilizate pentru instruirea AI fără o bază legală validă. În general, firmele din SUA se confruntă cu mai puține restricții federale echivalente privind reutilizarea acestor date.

Cum să construim sistemul corect

Recuperarea funcționează numai când răspunsul există în sistem. Agenții ar trebui să întrebe când informația lipsește, să nu ghicească niciodată și să transforme apelurile sau deciziile informale în înregistrări structurate. Companiile ar trebui, de asemenea, să elimine fluxurile de lucru paralele pe hârtie, deoarece dacă o sarcină poate avea loc în afara sistemului, o parte din context va rămâne invizibilă.

Fiecare companie trebuie să-și evalueze propriile lacune. Măsurați dacă un fapt necesar pentru a acționa corect se regăsea în sistem sau nu. Testați fluxurile de lucru cu și fără câmpurile de revizuire a confidențialității excluse. În final, pentru fluxul de lucru care poate fi finalizat pe hârtie, acesta este agentul pe care trebuie să-l construiți ultima.

Agenții pot îmbunătăți producția umană, dar nu repară ceea ce lipsește.