Victor Coimbra, director tehnic și partener coordonator la Artefact – Serie de interviuri

Victor Coimbra este director tehnic și partener coordonator la Artefact, unde conduce activitatea din domeniul inteligenței artificiale, al științei datelor și al ingineriei în cele două Americi. Cariera sa îmbină experiența în strategia de afaceri, dobândită la Bain și Accenture, cu experiența practică de conducere în dezvoltarea sistemelor de inteligență artificială și de învățare automată în medii complexe de întreprindere. Se concentrează pe a ajuta organizațiile să-și valorifice capabilitățile tehnice pentru a obține rezultate de afaceri măsurabile, inclusiv prin arhitectura, guvernanța și modelele operaționale necesare extinderii utilizării inteligenței artificiale.

Artefact este o companie globală de consultanță în domeniul datelor și al inteligenței artificiale, care ajută întreprinderile să dezvolte strategii, să creeze platforme de date, să implementeze soluții de inteligență artificială și să gestioneze schimbările organizaționale. Activitatea sa acoperă industrii precum serviciile financiare, sănătatea, industria prelucrătoare și comerțul cu amănuntul. Înaintea Adopt AI Summit, care va avea loc în perioada 3–4 decembrie 2026, la Grand Palais din Paris, Coimbra discută despre cum pot întreprinderile să depășească etapa proiectelor-pilot, să formeze echipe care îmbină oamenii cu agenții de inteligență artificială și să măsoare valoarea inteligenței artificiale în mediul de producție.

Cariera dumneavoastră v-a purtat de la strategia de afaceri la Accenture la conducerea echipelor de inteligență artificială, știința datelor și inginerie ale Artefact în cele două Americi. Cum v-a influențat această combinație de consultanță strategică și conducere tehnică practică abordarea prin care ajutați întreprinderile să transforme investițiile în inteligență artificială în rezultate de afaceri măsurabile?

Am învățat să leg întotdeauna strategia în domeniul inteligenței artificiale de implementarea ei. Activitatea în strategia de afaceri la Bain și Accenture mi-a arătat că directorii urmăresc schimbări într-un indicator din contul de profit și pierdere. Ingineria m-a învățat că o mare parte din acea valoare se poate pierde între prezentare și mediul de producție.

Astăzi, inteligența artificială ține mai puțin de tehnologie și mai mult de crearea unei bariere competitive în jurul operațiunilor de bază ale companiei. Întrebarea esențială este cum să transformăm productivitatea individuală în valoare pentru întreaga întreprindere, printr-o capacitate cognitivă comună reală, disponibilă la nivelul întregii companii.

Asta presupune o combinație de strategie și implementare, iar eu am învățat multe făcând ambele lucruri.

În pofida investițiilor semnificative în inteligența artificială, multe organizații încă întâmpină dificultăți în a depăși etapa proiectelor-pilot încununate de succes. Din experiența dumneavoastră, care sunt cele mai frecvente obstacole care împiedică inițiativele de inteligență artificială din întreprinderi să ajungă în mediul de producție și ce anume le deosebește pe companiile care reușesc să-și extindă implementările?

Din experiența mea, multe proiecte-pilot se împotmolesc deoarece inteligența artificială este adăugată într-o organizație concepută exclusiv pentru oameni. De obicei, tehnologia funcționează. Ceea ce rămâne adesea neclar este împărțirea responsabilităților: ce sarcini le revin agenților, care rămân în sarcina oamenilor, cine verifică și cine își asumă răspunderea pentru rezultat.

Pe lângă acestea, 3 cerințe tind să încetinească extinderea: costurile tokenurilor, care cresc vertiginos odată cu tarifarea în funcție de utilizare; securitatea și guvernanța; precum și adoptarea care nu se traduce niciodată în utilizare efectivă.

Companiile pe care le văd extinzându-și cu succes activitatea tratează inteligența artificială ca pe o reproiectare organizațională. Împart activitatea în 2 bucle. În bucla interioară, agenții execută sarcinile de la un capăt la altul: scriu cod, construiesc, testează, trimit și verifică. În bucla exterioară, oamenii stabilesc intenția, verifică rezultatul și monitorizează costul și calitatea. Apoi construiesc o singură platformă de bază și o reutilizează pentru fiecare caz de utilizare.

Ați scris despre importanța construirii unei organizații native pentru inteligența artificială, în locul simplei adăugări de chatboți și copiloți la sistemele existente. Ce schimbări fundamentale ale arhitecturii tehnologice a unei întreprinderi sunt necesare pentru a susține această tranziție și în ce domenii investesc în prezent companiile prea puțin?

O companie nativă pentru inteligența artificială funcționează pe o platformă, iar aceasta cuprinde 4 straturi: orchestrare, context, model și infrastructură. Stratul de orchestrare este locul în care oamenii și agenții se întâlnesc și lucrează; el reprezintă întreaga aplicație construită în jurul modelului. Contextul stabilește ce știu agenții și ce autoritate au. Stratul modelului stabilește cum sunt accesate, direcționate și guvernate modelele, la un cost adecvat. Infrastructura este locul în care acestea rulează efectiv și unde se află cheile de acces.

În mod firesc, cea mai mare parte a atenției se îndreaptă către cei 20% vizibili: copiloții și instrumentele de chat. Ceilalți 80%, mai puțin vizibili, reprezintă cea mai mare parte a muncii de inginerie și sunt esențiali pentru stabilirea costurilor, securității și controlului.

Sugestia mea este simplă: achiziționați soluții de orchestrare generaliste și construiți-le pe cele specifice industriei. Închiriați modele și infrastructură și experimentați cu ele, fiindcă se schimbă în fiecare trimestru. Iar contextul trebuie să vă aparțină în întregime. Este stratul care vă aparține cu adevărat și domeniul în care văd cea mai mare oportunitate de a investi mai mult.

Pe măsură ce inteligența artificială trece de la asistarea angajaților la executarea autonomă a unor fluxuri de lucru complexe, cum ar trebui să stabilească organizațiile ce procese se pretează automatizării cu agenți? Ce măsuri tehnice și operaționale de protecție trebuie instituite înainte de a le acorda agenților de inteligență artificială o autoritate mai mare în luarea deciziilor?

Din punctul meu de vedere, agenții se descurcă foarte bine cu activitățile orientate spre trecut, iar oamenii, cu cele orientate spre viitor. Agenții excelează în orice activitate bazată pe informații existente, precum analiza datelor, programarea, testarea, documentarea și reconcilierea. Oamenii își asumă activitățile care necesită creativitate, iar creativitatea, prin definiție, privește înainte: gustul, viziunea, planificarea, luarea deciziilor și aprecierea calității reale a unui rezultat.

În practică, acest lucru se reflectă în cele 2 bucle. Agenții gestionează bucla interioară și execută sarcinile. Oamenii păstrează controlul asupra buclei exterioare: stabilesc intenția, verifică rezultatele și monitorizează.

Măsurile de siguranță sunt proiectate, nu obținute prin instrucțiuni. Folosim 6 straturi de control: captarea sarcinilor, memoria, un mediu de lucru securizat, cu un mediu de execuție izolat și permisiuni, un ciclu de lucru cu puncte de verificare și solicitări de clarificare, rutarea modelelor și mecanisme de protecție care stabilesc ce nu poate face un agent de unul singur, precum aprobările umane, verificările de conformitate cu politicile și controalele pentru datele cu caracter personal (PII). Autonomia crește apoi pe măsură ce se acumulează un istoric al performanței, la fel ca în cazul unui angajat nou.

Ați descris agenții IA drept colegi de echipă, nu instrumente software convenționale. Cum schimbă această perspectivă modul în care organizațiile ar trebui să-și structureze echipele, să atribuie responsabilitățile și să-i instruiască pe angajați să colaboreze cu sisteme IA tot mai autonome?

Organizațiile hibride sunt deja o realitate. Cea mai importantă întrebare pentru mine acum este cum împărțim forța de muncă între oameni și agenți. Cred că acesta este cheia extinderii la scară.

Într-o echipă hibridă, organigrama alocă capacitate cognitivă, nu număr de angajați. Într-o echipă tehnologică matură, distribuția tipică pe care o observ este de 15% muncă realizată exclusiv de oameni, 25% muncă augmentată și 60% muncă realizată de agenți. Directorul IT stabilește obiectivele, alocă resursele și răspunde de rezultate și costuri. Un dezvoltator senior verifică livrabilele agenților și ia decizii de arhitectură. Un agent orchestrator distribuie sarcinile și raportează costurile, iar un agent de revizuire verifică fiecare livrabil.

Câștigurile se amplifică în 3 etape. Angajații sprijiniți de IA livrează de aproximativ 5 ori mai mult. Agenții, ca angajați sintetici care îndeplinesc sarcini de la început până la sfârșit, livrează de aproximativ 10 ori mai mult. Cred că potențialul de creștere de 1000 de ori apare atunci când ambele categorii sunt orchestrate ca o singură forță de muncă.

Instruirea urmează aceeași logică. Oamenii învață să formuleze instrucțiuni pentru un agent așa cum ar face-o pentru un inginer junior, oferindu-i context structurat și rezultate clare, și să-și dedice timpul discernământului, planificării și luării deciziilor.

Sistemele IA pentru întreprinderi depind în mare măsură de o infrastructură de date fiabilă, însă multe organizații continuă să se confrunte cu date fragmentate, guvernanță inconsecventă și tehnologii învechite. Ce capabilități fundamentale ar trebui să prioritizeze companiile când își pregătesc platformele de date pentru IA agentică și cum le pot moderniza fără a perturba operațiunile existente?

Proiectați-vă platforma de date pentru un nou tip de utilizator: agenții. Dacă un tablou de bord afișează o valoare greșită, un om o va pune sub semnul întrebării. Dacă un agent primește o valoare greșită, va acționa pe baza ei, la scară largă.

Prioritizați 4 capabilități. Definiții de business comune, astfel încât toți agenții și toate echipele să înțeleagă la fel expresia „client activ”. Un gateway de integrare cu autentificare și protocoale standard precum MCP, astfel încât agenții să acceseze datele cu permisiunile rolului în numele căruia acționează. Calitatea și proveniența datelor trebuie să poată fi monitorizate. Iar datele nestructurate trebuie tratate ca active de primă clasă, deoarece contractele, tichetele și notele de ședință conțin cea mai mare parte a cunoștințelor reale.

Pentru a moderniza fără a perturba operațiunile, integrați mai întâi sistemele vechi printr-un strat intermediar, apoi migrați caz de utilizare cu caz de utilizare. Agenții schimbă și economia acestui proces. În prezent, fluxurile de migrare cu mai mulți agenți modernizează sute de mii de linii de cod vechi în doar câteva luni, arhitectura fiind decisă de oameni.

Pe lângă accesul la date structurate, agenții IA au nevoie tot mai mult să înțeleagă cunoștințele instituționale, procesele de business și contextul organizațional. Cum pot întreprinderile să capteze și să integreze eficient aceste cunoștințe în sistemele lor IA și ce riscuri apar atunci când agenții funcționează fără un context de business suficient?

Contextul este cel care transformă un model într-un coleg. Instrumentele înțeleg sarcinile, agenții înțeleg contextul. Nu i-ați cere unui inginer junior să lucreze fără să-i explicați obiectivul, constrângerile și cum arată un rezultat bun; la fel stau lucrurile și în cazul unui agent.

Captați cunoștințele direct din activitatea desfășurată, nu prin proiecte ample de documentare, greu de menținut la zi. Fiecare ședință, tichet, decizie și corectură alimentează un strat contextual care combină fișiere, tabele, vectori și un graf al relațiilor. Fiecare sarcină finalizată adaugă informații în memorie, astfel încât organizația învață cu fiecare livrare. Contextul are nevoie și de propria guvernanță: evaluări, permisiuni și controlul costurilor.

Fără context, agenții tind să întâmpine câteva dificultăți previzibile. Respectă regula scrisă, dar o scapă din vedere pe cea nescrisă, cunoscută de toată lumea. Găsesc informația greșită și răspund cu deplină încredere. Lucrează pe baza unor date din trimestrul trecut. Iar un strat contextual fără permisiuni stricte poate pune în pericol datele sensibile.

Multe companii măsoară succesul IA prin creșterea productivității, ratele de adoptare sau numărul de proiecte-pilot lansate. Ce indicatori ar trebui să folosească directorii de sisteme informatice și liderii de business pentru a evalua randamentul real al investițiilor în IA, mai ales ținând cont de costurile infrastructurii, întreținerea continuă și complexitatea operațională a agenților autonomi?

Măsurați performanța forței de muncă hibride, nu a instrumentului. Adoptarea este doar primul dintre 4 niveluri și trebuie evaluată întotdeauna în raport cu o valoare de referință stabilită înainte de implementare. Adoptarea arată dacă oamenii folosesc instrumentul. Productivitatea arată dacă livrăm mai repede: timpul de livrare, volumul de lucru procesat și timpul de soluționare. Calitatea arată dacă rezultatele sunt mai bune: defectele ajunse în producție, rata eșecurilor modificărilor și reluarea muncii. Valoarea și costul arată dacă investiția merită: efortul economisit, timpul până la lansarea pe piață și costul total per sarcină.

Un indicator ușor de trecut cu vederea este modul în care capacitatea cognitivă se distribuie între oameni și agenți, de la o echipă la alta. Capacitatea umană eliberată trebuie redirecționată în mod intenționat către activități orientate spre viitor. În caz contrar, o parte din câștig se pierde.

În ceea ce privește costurile, tarifele trec de la taxe fixe la plata în funcție de utilizare, ceea ce poate face facturile mai greu de anticipat. De aceea, rutarea modelelor și FinOps trebuie să facă parte din platformă încă din prima zi. Tratați cheltuielile cu AI la fel ca pe cele cu serviciile cloud: să fie vizibile, atribuite unei echipe și corelate cu valoarea obținută.

Artefact colaborează cu companii din domeniul serviciilor financiare, al sănătății, al producției și al comerțului cu amănuntul, precum și din alte industrii în care adoptarea AI ridică provocări diferite. Ce lecții se desprind din implementările din lumea reală în aceste sectoare și cum ar trebui organizațiile să echilibreze inovarea cu respectarea reglementărilor, fiabilitatea și supravegherea umană?

Toate sectoarele se confruntă cu aceeași întrebare: cum să împartă munca între oameni și agenți. Ceea ce diferă este cât de mult din bucla externă trebuie să rămână în sarcina oamenilor. În comerțul cu amănuntul și în industria bunurilor de consum, greșelile costă puțin, așa că agenții preiau mai multă muncă, mai repede. În producție, ritmul este dictat de fiabilitate și de integrarea cu sistemele operaționale. În serviciile financiare și în domeniul sănătății, fiecare decizie trebuie să poată fi explicată, așa că oamenii păstrează o parte mai mare din activitățile de verificare și luare a deciziilor, pentru mai mult timp.

Lecția pe care o observ pretutindeni este că respectarea cerințelor de conformitate funcționează cel mai bine atunci când este o caracteristică a platformei, integrată încă de la început. Când mecanismele de protecție, jurnalele de audit și aprobările umane sunt integrate în cadrul de execuție, fiecare caz de utilizare nou beneficiază de ele. Când conformitatea este abordată abia la final, fiecare proiect nou trebuie să reia discuția de la capăt.

Supravegherea ar trebui să fie organizată pe niveluri. Agenții acționează autonom în sarcinile cu risc scăzut, sunt verificați prin excepție în cele cu risc mediu și doar pregătesc decizia în cele cu risc ridicat. Nivelurile se schimbă pe măsură ce se câștigă încredere.

Întrucât summitul Adopt AI al Artefact va avea loc la Paris în decembrie, discuțiile despre suveranitatea în domeniul AI, guvernanță și competitivitate industrială devin tot mai importante. Cum credeți că va influența abordarea Europei față de adoptarea AI strategiile globale ale companiilor și ce evoluții considerați că vor defini următoarea etapă a AI în mediul de afaceri în anii următori?

Europa a fost printre primele care au pus problema suveranității, iar eu cred că aceasta devine un principiu global de proiectare. Companiile multinaționale nu vor câte o arhitectură pentru fiecare reglementare, așa că proiectează pentru cea mai strictă dintre ele: păstrează controlul asupra propriului context, închiriază modelele și decid unde rulează acestea și cine deține cheile. Următoarea oportunitate pentru Europa este să investească aceeași energie în adoptare, deoarece competitivitatea va depinde de utilizarea la scară largă.

Următoarea etapă este organizația hibridă, iar eu cred că acesta este viitorul muncii. Companiile vor trece de la numărarea angajaților la gestionarea unei capacități cognitive comune oamenilor și agenților. Agenții vor prelua cea mai mare parte a muncii orientate spre trecut: analiză, programare și raportare. Oamenii se vor ocupa de munca orientată spre viitor: discernământ, viziune, planificare și luarea deciziilor.

Cred că vor fi în frunte companiile care vor găsi primele soluția pentru împărțirea muncii. Despre asta vreau să discutăm la Paris, pentru a contura următorii ani.

Vă mulțumesc pentru interviul excelent. Cititorii care doresc să afle mai multe despre adoptarea AI în mediul de afaceri, fluxurile de lucru bazate pe agenți și transformarea datelor pot vizita Artefact.