Peter Pang, Co-Fondator și CTO al CREAO – Seria de Interviuri

Peter Pang, Co-Fondator și CTO al CREAO, aduce o experiență profundă în cercetarea inteligenței artificiale și infrastructura de învățare automată în domeniul emergent al inteligenței artificiale agenților. Înainte de a lansa CREAO în 2025, Pang a petrecut aproape șase ani la Meta ca cercetător științific, lucrând la inițiativele de inteligență artificială generativă legate de modelele de bază LLaMA, inclusiv sistemele LLM agenților pentru annotarea datelor și generarea de date sintetice. Înainte de a lucra la Meta, el a lucrat la Apple (AAPL ) ca inginer de învățare automată, axat pe NLP, învățare transferată, învățare profundă și sisteme predictive, în timp ce anii săi de lucru la Brookhaven National Laboratory l-au expus la cercetarea științifică avansată și sisteme experimentale. Experiența sa în cercetarea de frontieră a inteligenței artificiale, învățarea automată la scară largă și sistemele autonome modelează acum viziunea tehnică a CREAO de a construi agenți de inteligență artificială capabili de execuție persistentă, memorie și automatizare a fluxului de lucru.

CREAO este o platformă nativă de inteligență artificială care se axează pe ajutarea indivizilor și a companiilor să creeze agenți de inteligență artificială autonomi și fluxuri de lucru prin limbaj natural, în loc de codare tradițională. Compania își poziționează “Super Agentul” ca un sistem de inteligență artificială persistent capabil nu numai de a genera ieșiri, ci și de a converti sarcini de succes în agenți reutilizabili care pot opera continuu cu memorie, programare și integrări cu unelte și API-uri externe. Platforma CREAO susține principalele modele de inteligență artificială de frontieră, inclusiv OpenAI, Anthropic, Google (GOOGL ) și altele, subliniind un model de operare “inteligență artificială pe primul loc”, în care agenții își asumă din ce în ce mai mult execuția operațională, în loc de a fi asistenți ocazionali. Fondată în Palo Alto, compania se concentrează pe avansarea fluxurilor de lucru de inteligență artificială agențială, automatizarea fără cod și orchestrarea de inteligență artificială scalabilă pentru companii și profesioniști independenți.

Ai petrecut aproape șase ani la Meta, lucrând la modelele de bază LLaMA și sistemele agenților pentru generarea de date sintetice, după rolurile tale anterioare de învățare automată la Apple și cercetare la Brookhaven National Laboratory. Ce te-a convins că este momentul potrivit pentru a co-fonda Creao AI, și ce problemă ai simțit că platformele de inteligență artificială existente nu reușeau încă să o rezolve?

La Meta, am urmărit îmbunătățirea dramatică a capacității modelului cu fiecare generație. Am lucrat la scalarea LLaMA. Am văzut ce pot face aceste modele în medii controlate. Decalajul care se lărgea nu era în ceea ce puteau realiza modelele — era în ceea ce oamenii obțineau cu adevărat de la ele.

Fiecare platformă oferea aceeași interfață: o fereastră de chat. Întrebi, răspunde, faci treaba. Inteligența artificială este un contractor care uită totul între schimburi. Rulezi din nou a doua zi. Sistemul învață nimic între rulări. Afacerea ta rămâne la fel.

Asta era problema. Nu inteligența modelului. Execuția. Nimeni nu construia sistemul în care inteligența artificială putea să ducă o sarcină de la conversație la execuție, să o persiste și să o repete fără un om în buclă.

Experiența mea în fizică m-a învățat să gândesc în sisteme, nu în componente. La Brookhaven și prin doctoratul meu la Stony Brook, am petrecut ani construind pipeline-uri experimentale în care instrumentul, colectarea de date și analiza trebuiau să funcționeze ca o buclă închisă sau rezultatele nu aveau sens. La Apple, am lucrat la modele multimodale și am văzut același model: capacitatea brută fără un sistem în jurul ei nu se compune.

Când Kai și eu am început să vorbim despre CREAO, teza a fost specifică: industria nu are nevoie de încă un chatbot. Are nevoie de o buclă închisă — inteligență artificială care construiește unelte, le rulează și se îmbunătățește în timp. Modelele erau în sfârșit suficient de bune. Nimeni nu construia bucla.

CREAO se descrie ca o platformă în care inteligența artificială poate atât construi unelte, cât și executa lucrări în mod autonom. Cum definiți diferența dintre un sistem de inteligență artificială “închis” și valul de copiloți de inteligență artificială care inundează piața?

Un copilot stă lângă tine. Tu conduci, el sugerează. Dacă adormi, copilotul nu face nimic.

Un sistem închis completează ciclul complet: observă, acționează, învață, se îmbunătățește. Omul definește rezultatul. Sistemul gestionează execuția, persistența și iterația.

La CREAO, gândim despre asta ca despre un sistem de ham. Un singur agent poate redacta un e-mail, tria o eroare sau rezuma un raport. Dar un singur agent nu se compune. Rulează, produce ieșiri și se oprește. Un sistem de ham înconjoară agenții și îi transformă din unelte de o singură utilizare într-un motor de auto-îmbunătățire. Urmează un ciclu: Conexiune, Auditare, Soluții, Construire, Auto-îmbunătățire. Sistemul se conectează la sursele dvs. de date reale — depozitele dvs., jurnalele de erori, conturile dvs. de publicitate. Evaluează starea curentă. Propune remedii. Agenții sunt construiți pentru a executa aceste remedii. Ieșirile se alimentează înapoi. O nouă rundă de auditare începe. Ciclul se strânge.

Asta este structural diferit de “Am un agent care face X.” Acesta este un sistem care descoperă ce ar trebui să fie X, construiește X, măsoară X și evoluează X fără să-i spui să o facă.

Majoritatea copiloților sunt asistați de inteligență artificială. Un sistem închis este operat de inteligență artificială. Acesta este linia de demarcație.

Postarea dvs. recentă despre “ingineria de ham” și organizațiile cu inteligență artificială pe primul loc a generat o atenție masivă online. Ce v-a surprins cel mai mult despre reacția la ideea că 99% din codul de producție de la CREAO este acum scris de inteligență artificială?

Postarea a atins 1,8 milioane de vizualizări. Am scris-o ca documentație pentru echipa noastră — un registru al modului în care am restructurat și ce am învățat. Nu m-am așteptat la acest tip de răspuns.

Ceea ce m-a surprins a fost scindarea reacțiilor. Un grup a spus că acest lucru este iresponsabil, că nu poți avea încredere în codul generat de inteligență artificială în producție. Celălalt grup a spus: “Vedem exact același lucru și nimeni nu vorbește despre asta.”

Acest al doilea grup mi-a spus ceva important. Sunt echipe din toată industria care trec prin această tranziție în mod liniștit. Un reporter cu care am vorbit mi-a spus că a discutat cu aproximativ cinci persoane pe acest subiect. A spus că suntem mai avansați decât oricine: “Nu cred că cineva a reconstruit întreaga noastră flux de lucru așa cum am făcut-o noi.”

Numărul de 99% sună provocator, dar este doar rezultatul eliminării blocajelor umane una câte una. Când proiectați arhitectura astfel încât agenții să poată vedea întregul cod, și pipeline-ul dvs. CI/CD are șase faze deterministice, și trei treceri de revizuire AI paralele prind problemele de calitate, securitate și dependență pe fiecare PR, și bucla dvs. de auto-vindecare detectează erorile, le triază și verifică automat remedierea — rolul uman se schimbă de la scrierea de cod la proiectarea sistemului care guvernează modul în care agenții scriu cod. Volumul de cod urmează în mod natural.

Ceea ce m-a surprins cel mai mult este că mai mulți directori executivi nu spun asta public. Cred că mulți o fac, dar sunt temători de percepție.

În articolul dvs., argumentați că majoritatea companiilor sunt încă “asistate de inteligență artificială”, mai degrabă decât adevărat “cu inteligență artificială pe primul loc”. Care sunt cele mai mari iluzii pe care echipele de conducere le au atunci când cred că operează deja ca organizații native de inteligență artificială?

Văd echipe care afirmă că sunt “cu inteligență artificială pe primul loc” în timp ce rulează aceleași cicluri de sprint, aceleași table de Jira, aceleași ședințe săptămânale, aceleași aprobări QA. Au adăugat inteligență artificială în buclă. Nu au redesenat bucla.

Cea mai mare iluzie: “Folosim unelte de inteligență artificială, deci suntem cu inteligență artificială pe primul loc.” Un inginer deschide Cursor. Un manager de produs redactează specificații cu ChatGPT. QA experimentează cu generarea de teste de inteligență artificială. Fluxul de lucru rămâne același. Eficiența crește cu 10 până la 20 procente. Nimic structural nu se schimbă. Acesta este asistat de inteligență artificială.

Testul: dacă ați elimina toate uneltele de inteligență artificială mâine, ar trebui să schimbați procesul sau doar uneltele? Dacă procesul rămâne același, nu sunteți cu inteligență artificială pe primul loc.

A doua iluzie este că “cu inteligență artificială pe primul loc” este o decizie de inginerie. Dacă ingineria livrează funcții în ore, dar marketingul ia o săptămână pentru a le anunța, marketingul este blocajul. Dacă echipa de produs rulează încă un ciclu de planificare lunar, planificarea este blocajul. La CREAO, am împins operațiunile native de inteligență artificială în fiecare funcție: note de lansare generate din jurnale de modificări, videoclipuri de introducere a caracteristicilor create de inteligență artificială, social media orchestrat și publicat automat, rapoarte de sănătate generate din baze de date de producție. Ingineria, produsul, marketingul și creșterea rulează într-un singur flux de lucru nativ de inteligență artificială. Dacă o funcție operează la viteza agentului și o altă funcție la viteza umană, funcția cu viteza umană constrânge totul.

A treia iluzie este că această tranziție poate fi treptată. O versiune obișnuită a acestui lucru este ceea ce oamenii numesc “codare cu vibrații”. Deschideți Cursor, promptați până când ceva funcționează, comiteți, repetați. Acest lucru produce prototipuri. Un sistem de producție are nevoie de stabilitate, fiabilitate și securitate. Aveți nevoie de un sistem care să garanteze aceste proprietăți atunci când inteligența artificială scrie codul. Construiți sistemul. Prompturile sunt deșeurabile.

Ați scris că adevărata întrerupere a venit atunci când CREAO a redesenat întregul flux de lucru de inginerie în jurul agenților de inteligență artificială, în loc de a adăuga doar unelte de inteligență artificială în procese existente. Care a fost cea mai dificilă operațiune pentru echipă, din punct de vedere operațional sau cultural?

Ambele, dar sunt diferite tipuri de dificile.

Operațional, decizia cea mai dificilă a fost unificarea bazei de cod. Arhitectura noastră veche era împrăștiată în multiple sisteme independente. O singură modificare ar fi putut necesita atingerea a trei sau patru depozite. Din perspectiva unui inginer uman, gestionabil. Din perspectiva unui agent de inteligență artificială, opac.

Am petrecut o săptămână proiectând noul sistem și o altă săptămână re-arhitecturând întreaga bază de cod folosind agenți. A fost o decizie îndrăzneață. Dacă a eșuat, am fi avut un monorepozitor și un multi-repozitor rupt. Dar principiul este clar: cu cât mai mult din sistemul dvs. trageți într-o formă pe care agentul o poate inspecta, valida și modifica, cu atât mai multă putere obțineți. O bază de cod fragmentată este invizibilă pentru agenți. Una unificată este lizibilă.

Din punct de vedere cultural, partea cea mai grea a fost identitatea. Inginerii își găsesc valoarea în codul pe care îl scriu. Când inteligența artificială scrie 99% din cod, întrebarea devine: ce este acum jobul meu? Acesta nu este un proces. Acesta este existențial.

Nu voi pretinde că toată lumea a fost fericită. Când am încetat să vorbesc cu oamenii în fiecare zi, deoarece timpul meu de management a scăzut de la 60% la sub 10%, unii membri ai echipei s-au simțit nesiguri. Ce înseamnă că CTO nu vorbește cu mine? Ce este valoarea mea în această lume nouă? Acestea sunt preocupări rezonabile. Unii oameni petrec mai mult timp dezbătând dacă inteligența artificială poate face munca lor decât făcând munca.

Dar odată ce oamenii au experimentat noul flux de lucru — în care jobul lor s-a schimbat de la scrierea de cod la proiectarea sistemelor, definirea procedurilor și construirea de bucle de feedback — majoritatea au găsit că este mai angajant intelectual. Inginerii care au luptat cel mai mult au fost cei ale căror identități erau cel mai strâns legate de actul de a scrie cod. Cei care s-au adaptat cel mai repede au văzut că sunt rezolutori de probleme în primul rând și codatori în al doilea rând.

Una dintre observațiile mai controversate din piesa dvs. a fost că inginerii juniori s-au adaptat mai repede decât inginerii seniori în acest mediu nou. De ce credeți că adaptabilitatea devine mai importantă decât experiența tehnică acumulată în echipele de inginerie cu inteligență artificială pe primul loc?

Am observat un model pe care nu m-am așteptat. Inginerii juniori cu mai puțină practică tradițională s-au simțit împuterniciți. Aveau acces la unelte care amplificau impactul lor. Nu aveau o decadă de obiceiuri de învățat.

Inginerii seniori cu o practică tradițională puternică au avut cea mai grea perioadă. Două luni de muncă ale lor puteau fi finalizate într-o oră de către inteligența artificială. Acest lucru este greu de acceptat după ani de construire a unui set de abilități rare.

Motivul este structural. Expertiza unui inginer senior trăiește în execuția mecanică a codului — navigarea în sisteme complexe, scrierea de implementări optimizate, efectuarea de revizuiri amănunțite. Aceste abilități au fost câștigate în ani și sunt reale. Dar într-un mediu cu inteligență artificială pe primul loc, partea mecanică a scrierii de cod este partea care se automatizează. Ceea ce rămâne — și devine mai valoros — este capacitatea de a evalua, critica și direcționa inteligența artificială.

Am un doctorat în fizică. Cea mai utilă lucru pe care mi l-a învățat doctoratul a fost cum să pun întrebări, să testez argumente și să caut ceea ce lipsește. Capacitatea de a critica inteligența artificială este mai valoroasă decât capacitatea de a produce cod. Puteți să priviți o propunere de arhitectură și să vedeți modul de eșec pe care agentul l-a ratat? Puteți să priviți o interfață generată și să știți că este greșită înainte ca utilizatorul să vă spună?

Inginerii juniori nu au avut niciodată o expertiză mecanică profundă de abandonat. Ei au învățat doar lucrul nou.

Nu fac o judecată. Descriu ceea ce am observat. Senioritatea este încă un avantaj — gândirea arhitecturală profundă, intuiția de proiectare a sistemului — dar doar dacă inginerul senior este dispus să opereze la o altitudine diferită. În această tranziție, adaptabilitatea contează mai mult decât abilitatea acumulată.

CREAO a reconstruit infrastructura sa în jurul monorepozitorilor, pipeline-urilor automate CI/CD, sistemelor de revizuire de inteligență artificială și buclelor de auto-vindecare care integrează unelte precum CloudWatch, Sentry, Linear și Claude. Cât de aproape suntem de un viitor în care sistemele software se vor menține și repara în mare măsură singure?

Rulează o buclă de auto-vindecare în producție chiar acum. Să vă descriu ce face de fapt.

Fiecare dimineață, la 9:00 AM UTC, un flux de lucru automat de sănătate rulează. Claude Sonnet interoghează CloudWatch, analizează modelele de erori de-a lungul tuturor serviciilor și generează un rezumat executiv de sănătate livrat echipei. Nimeni nu a cerut asta. O oră mai târziu, motorul de triaj clusterizează erorile de producție din CloudWatch și Sentry, le evaluează pe fiecare cluster pe nouă dimensiuni de gravitate — impactul utilizatorului, viteza, raza de acțiune, criticitatea pentru afaceri și cinci altele — și generează automat bilete de investigare în Linear cu jurnale de exemplu, puncte de capăt afectate și căi de investigare sugerate.

Când un inginer rulează o remediere, același pipeline gestionează asta. Trei treceri de revizuire de inteligență artificială evaluează PR-ul — calitatea codului, securitatea și scanarea dependențelor. CI validează printr-un pipeline cu șase faze. După implementare, motorul de triaj verifică din nou. Dacă erorile originale sunt rezolvate, biletul se închide automat.

Pe lângă asta, am construit ceea ce numim Hamul Agentului. Un panou de judecată cu trei judecători — un judecător Anthropic, un judecător OpenAI, un judecător Google — evaluează fiecare răspuns al agentului live. Când scorurile scad, un pipeline de inginerie cu șase joburi transformă scorurile scăzute în bilete Linear, PR-uri draft și remedieri verificate. Și pentru modificări majore, lansările cu inteligență artificială direcționează 10% din trafic către noua variantă și promovează prin 20%, 50%, 100% doar dacă scorurile se mențin.

Nu avem o echipă de asigurare a calității. Nu avem un mediu de testare. Nimeni nu citește transcrieri și nu evaluează răspunsurile agenților manual.

Deci, cât de aproape suntem? Mai aproape decât cred majoritatea oamenilor pentru domenii constrânse — modele de erori cunoscute, regresii, derivă de configurare. Aș spune că 70 până la 80% din întreținerea de producție poate funcționa în acest fel, cu infrastructura potrivită. Partea care încă necesită oameni este eșecurile ambigue în care arhitectura însăși ar putea fi greșită sau în care remedierea necesită înțelegerea unei decizii de afaceri care nu este codificată în sistem.

Luarea practică: nu trebuie să așteptați perfecțiunea. Chiar și o auto-vindecare parțială schimbă dramatic dinamica echipei.

Ați descris un viitor în care “companiile cu o singură persoană” ar putea deveni comune, pe măsură ce agenții de inteligență artificială înlocuiesc echipe operaționale mari. Ce tipuri de companii sau industrii credeti că vor resimți această schimbare prima dată?

Companiile în care raportul dintre cheltuielile operaționale și crearea de valoare este cel mai mare.

Cred că companiile cu o singură persoană vor deveni comune. Dacă un arhitect cu agenți poate face munca a 100 de oameni, multe companii nu vor mai avea nevoie de un al doilea angajat. Capacitatea modelului este ceasul care conduce această schimbare. Atribui întreaga schimbare de la CREAO ultimelor două luni. Opus 4.5 nu putea face ceea ce face Opus 4.6. Modelele următoare vor accelera acest lucru și mai mult.

Schimbarea lovește prima dată acolo unde munca este digitală, repetitivă și buclele de feedback sunt clare. Producția de conținut, operațiunile de marketing, comerțul electronic, instrumentele de dezvoltator și agențiile digitale. Dacă afacerea dvs. este fundamental despre preluarea informațiilor, transformarea și distribuirea lor, un sistem de ham poate gestiona cea mai mare parte a acestei bucle.

Îl vedem pe platforma noastră. Descriem cazuri de utilizare specifice în munca noastră: un fondator solo conectează GitHub, Sentry și CloudWatch. Sistemul auditează jurnalele de erori, frecvența implementării și sănătatea infrastructurii. Din această auditare, construiește un agent de triaj de erori, un agent de descoperire de caracteristici, un pipeline de generare de conținut, o buclă de optimizare a infrastructurii. Fiecare agent rulează, produce ieșiri și aceste ieșiri schimbă starea. Următoarea iterație a auditării vede o imagine diferită. Sistemul a găsit noi soluții. Fondatorul nu le-a planificat.

La CREAO, operăm propriile noastre operațiuni în acest fel. Un agent a înlocuit un flux de lucru SEO cu trei persoane peste noapte. Altul a rulat un pipeline de conținut timp de două zile înainte ca cineva să verifice ieșirile. Ieșirile erau gunoi, și l-am omorât. Ambele s-au întâmplat în aceeași săptămână. Ne numim “crash test dummies” pentru viitorul muncii.

Industriile care vor simți asta ultime: sănătate, producție grea, juridic — oriunde munca este fizică, puternic reglementată sau necesită judecata umană în fiecare decizie. Dar chiar și acolo, straturile administrative se vor comprima.

CREAO a strâns recent 10 milioane de dolari, condus de Prosperity7 Ventures, brațul de venture al Saudi Aramco. Dincolo de finanțarea în sine, ce oportunități strategice deschide acest parteneriat pentru companie, pe măsură ce agenții de inteligență artificială autonomi devin mai axați pe întreprinderi?

Prosperity7 gestionează un fond diversificat de 3 miliarde de dolari și operează în Valea Siliconului, Orientul Mijlociu și Asia. Au construit un portofoliu care acoperă infrastructura de inteligență artificială pentru întreprinderi — Arcee AI, Spirit AI și altele. Potrivirea strategică merge dincolo de capital.

Teza lor a corespuns cu a noastră. Așa cum a spus-o Raed Twaily, directorul lor executiv, în mod public: “Pe măsură ce adoptarea inteligenței artificiale maturizează, accentul se mută de la modele la execuție. Creao AI construiește stratul de infrastructură care permite agenților să opereze autonom, fiabil și continuu.” Acesta este exact ceea ce credem. Piața agenților de inteligență artificială se estimează că va ajunge la 52 de miliarde de dolari până în 2030. Companiile care vor captura valoarea reală nu vor fi cele cu cel mai bun model. Vor fi cele cu cel mai bun strat de execuție.

Practic, cei 10 milioane de dolari — aducând totalul nostru la 25 de milioane de dolari în trei runde în mai puțin de un an — accelerează trei lucruri. Primul, adâncimea de inginerie. Extindem echipa pentru a gestiona integrări de nivel întreprindere și colaborarea agent-la-agent. Hamul de auto-vindecare, panoul de judecată cu trei judecători, sistemul de lansare cu inteligență artificială — toate acestea trebuie să funcționeze la scară de întreprindere, nu doar pentru o echipă de 25 de oameni. Al doilea, raza geografică. Prezența Prosperity7 în Orientul Mijlociu și Asia deschide piețe în care adoptarea de inteligență artificială autonomă se accelerează mai rapid decât majoritatea oamenilor din Valea Siliconului realizează. Al treilea, credibilitatea instituțională. Când cereți întreprinderilor să încredințeze agenților operațiunile lor continue, sprijinul contează.

Am strâns 25 de milioane de dolari în mai puțin de un an, cu zero marketing plătit și 200.000 de utilizatori prin adoptare organică. Această viteză reflectă convingerea pieței că stratul de execuție este următorul câmp de luptă.

Privind înainte, ce înseamnă succes pentru CREAO în următorii ani? Este viziunea pe termen lung de a construi agenți de inteligență artificială mai buni sau sunteți, în cele din urmă, încercând să redefiniți modul în care sunt structurate și operate companiile?

Ambele. Și sunt inseparabile.

Pe termen scurt, succesul înseamnă demonstrarea că modelul închis funcționează la scară. Avem 200.000 de utilizatori care au sosit prin adoptare organică de la lansarea noastră în septembrie 2025. Livrăm în producție de trei până la opt ori pe zi. Rulează propria noastră inginerie, marketing și operațiuni pe ham. Următorul pas este demonstrarea că afacerile de toate dimensiunile pot funcționa în același mod.

Dar agenții mai buni nu sunt jocul final. Jocul final este hamul — sistemul din jurul agenților.

Un agent este un instrument. Un sistem de ham este un motor. Cu cât rulează mai mult, cu atât se strânge mai mult. Cu cât vede mai multe date, cu atât auditurile sale sunt mai bune. Cu cât auditurile sale sunt mai bune, cu atât soluțiile sale sunt mai ascuțite. Cu cât soluțiile sale sunt mai ascuțite, cu atât agenții săi sunt mai impactanți. Cu cât agenții săi sunt mai impactanți, cu atât datele se schimbă mai mult. Și bucla continuă.

Modelul secolului al XX-lea al unei companii este o ierarhie de oameni organizați în departamente, fiecare cu manageri, fiecare cu procese proiectate pentru debitul uman. Când agenții pot executa în mod fiabil cea mai mare parte a muncii operaționale, acest model nu devine doar mai eficient — începe să devină inutil.

Toată lumea știe că inteligența artificială promite o explozie de productivitate. Dar industria este blocată în două capcane. Dacă oamenii încă operează uneltele de inteligență artificială pas cu pas, productivitatea lovește un plafon. Și dacă oamenii sunt singurii care construiesc uneltele, revoluția reală nu a început. Construim sistemul în care inteligența artificială face ambele: construiește uneltele și le rulează.

Majoritatea fondatorilor cu care vorbesc încă operează în mod tradițional. Unii gândesc despre a face schimbarea. Foarte puțini au făcut-o. Uneltele există pentru orice echipă să facă asta. Nimic în stiva noastră nu este proprietar. Avantajul competitiv este decizia de a redesena totul în jurul acestor unelte și disponibilitatea de a absorbi costul.

Am construit o platformă de agenți. Agenții au reconstruit-o. Acesta este principiul de proiectare. Hamul se strânge zi de zi.

Mulțumim pentru acest interviu minunat. Citiitorii care doresc să afle mai multe despre CREAO ar trebui să viziteze CREAO.