Personalitatea AI dvs. contează la fel de mult ca și coeficientul său de inteligență — și va face sau va strica implementarea la nivel de întreprindere

Majoritatea companiilor încă aleg modele de IA pe baza benchmark-urilor. În practică, rareori acest lucru determină dacă aceste sisteme funcționează cu adevărat.

Până acum, majoritatea conversațiilor despre modelele de limbaj larg în mediile de întreprindere au fost dominate de benchmark-uri. Echipele se îndreaptă spre performanțe măsurabile, cum ar fi care model este cel mai inteligent, cel mai puternic la codare, cel mai precis la rezumare sau la raționament matematic.

Dar pe măsură ce echipele încep să treacă dincolo de faza de experimentare și să se angajeze într-o implementare reală la scară largă, alte factori importanți, care sunt în mare măsură neglijați de majoritatea directorilor executivi, se vor dovedi a fi la fel de cruciali pentru succesul unei afaceri.

Angajabilitatea IA

Inteligența brută și capacitatea analitică sunt, în mod evident, importante, dar cea mai subestimată variabilă în implementarea IA la nivel de întreprindere este personalitatea. Personalitatea, în contextul modelelor de limbaj larg, se referă la vocea, tonul și comportamentul consecvent pe care un model le transmite în interacțiuni. Este ceea ce face un IA să pară coerent și de încredere.

Când implementează IA, afacerile trebuie să adopte aceeași abordare pe care o adoptă atunci când angajează un angajat uman: să evalueze nu numai cât de bine un model poate finaliza o sarcină, ci și atitudinea sa față de sarcină, modul în care comunică și modul în care se potrivește în fluxul de lucru mai mare.

Capacitatea unui model de a menține coerența, de a răspunde în mod corespunzător și de a face față nuanțelor în diferite contexte poate avea un impact semnificativ asupra rezultatelor afacerii. Un IA tehnic briliant care răspunde lent, se abate de la ton sau nu face față interacțiunilor nuanțate poate fi aplicat incorect de afaceri, frustrând utilizatorii, scăzând implicarea și, în cele din urmă, reducând eficacitatea IA și succesul afacerii.

Acest lucru este deosebit de important în industrii precum suportul clienților, promovarea politică sau comunicarea internă, deoarece schimbări subtile ale tonului sau frazării între răspunsuri pot cauza confuzie, eroda încrederea și reduce implicarea generală. La fel ca și în cazul oamenilor, nu există un singur model de vis care să depășească concurența în fiecare categorie. Unele modele sunt mai bune la sarcini analitice, cum ar fi codarea sau matematica, în timp ce altele performează mult mai bine la scrierea conversațională și la rezumarea întâlnirilor.

Dar o provocare pentru echipele care construiesc pe aceste sisteme este că aceste caracteristici nu sunt fixe.

Țintă în mișcare

Peisajul IA evoluează mai repede decât majoritatea organizațiilor pot ține pasul. Noi versiuni sunt lansate frecvent, iar caracteristicile de performanță pot să se schimbe de la o actualizare la alta. Seria de modele Gemini a Google este un exemplu recent.

Gemini 2.0 Pro a fost lansat în februarie 2025 și a fost imediat prezentat ca modelul steag pentru dezvoltatori și întreprinderi care îl utilizează pentru codare și prompturi complexe la nivel mondial.

A venit cu ceea ce, la momentul respectiv, a fost cea mai mare fereastră de context pe care Google a oferit-o vreodată, de două milioane de tokeni, ceea ce i-a dat capacitatea de a analiza și înțelege cantități uriașe de informații deodată, și de a utiliza simultan unelte precum Google Search și chiar de a scrie cod.

Pentru echipele care construiesc sisteme care necesită procesarea rapidă și precisă a unor volume mari de date, părea a fi alegerea evidentă. Dar în doar câteva săptămâni, Google a lansat Gemini 2.5 Pro, care a depășit liderii și a zburat pe lângă predecesorul său cu îmbunătățiri în codare, matematică și știință.

Într-o singură noapte, modelul care tocmai devenise cea mai bună opțiune de pe piață era deja înlocuit, mai puțin de două luni de la lansare. Dar early-adopterii au observat imediat că schimbările nu au fost doar incrementale sau analitice — întreaga personalitate a lui Gemini a fost schimbată peste noapte. Mai mulți dezvoltatori au mers atât de departe încât au spus că IA părea să fi fost “lobotomizată” după actualizare.

Ei s-au plâns că IA părea să devină, literalmente, “mai prostă” — producând constant răspunsuri mai lente, ieșiri mai puțin coerente și afișând incoerențe în modul în care a gestionat prompturi cu care nu a avut anterior probleme și sarcini care au devenit rigide.

Și acesta este punctul în care strategia unei companii în jurul implementării IA începe să se schimbe fundamental.

Dincolo de benchmark-uri

Pe hârtie, Gemini 2.5 Pro ar fi trebuit să fie câștigătorul evident, cu îmbunătățirile sale masive în ceea ce privește capacitatea și siguranța.

În practică, aceste schimbări au alterat complet cât de fiabil era modelul, modul în care răspundea la prompturi și, în cele din urmă, au trimis echipele care tocmai cheltuiseră o avere și petrecuseră ore nesfârșite construind sisteme în jurul acestor sisteme înapoi la punctul de start, dacă noile capacități ale modelului nu se potriveau cu pipeline-ul lor existent.

Chiar și schimbări mici în comportament pot perturba sistemele construite în jurul coerenței și previzibilității. Acest lucru creează un risc operațional real dacă o afacere este strâns legată de un singur model, deoarece orice actualizare poate introduce imediat instabilitate în echipele care se bazează pe aceste sisteme.

Pentru a combate acest lucru, multe companii cu viziune de viitor au început să implementeze o strategie multi-model, în care direcționează diferite sarcini către modelele cel mai potrivite pentru ele, în loc de a se baza pe un singur model pentru a face totul.

Acestă abordare nu numai că îmbunătățește performanța adaptată fiecărei sarcini, dar reduce și riscul asociat cu implementarea IA, deoarece, dacă un model ar degrada după o actualizare, nu ar aduce întregul sistem care se bazează pe el jos, deoarece există sisteme de rezervă disponibile.

În esență, personalitatea și fiabilitatea IA sunt la fel de importante ca și inteligența brută atunci când vine vorba de aplicarea modelului într-un mediu de lucru pentru a finaliza diverse sarcini. Această schimbare de gândire reprezintă o schimbare fundamentală în modul în care afacerile nu mai cumpără doar “unelte mai inteligente”, ci construiesc și gestionează un întreg sistem de infrastructură digitală.

Pentru ca companiile să nu numai supraviețuiască, ci să prospere în peisajul actual al afacerilor, echipele trebuie să stabilească pipeline-uri care pot schimba și înlocui diferite modele în funcție de sarcină și să monitorizeze constant cum actualizările afectează atât performanța, cât și calitatea interacțiunii.

În cele din urmă, modelele însele vor continua să evolueze la un ritm care este greu de egalat. Dar afacerile care planifică schimbarea, construiesc redundanță și tratează IA atât ca unelte, cât și ca parteneri de echipă vor fi cele care transformă aceste schimbări rapide într-un avantaj competitiv.