IA în companii are nevoie de context cumulativ înainte de a putea dobândi autonomie

Imaginează-ți că este luni dimineața, cu câteva ore înaintea ședinței trimestriale de previziuni. Un director financiar întreabă un agent de IA: „De ce a scăzut marja brută? Ce ipoteze trebuie schimbate? Și ce ar trebui să facă firma în continuare?” În câteva secunde, agentul extrage informații din mai multe sisteme, identifică o serie de factori determinanți și recomandă reducerea cheltuielilor discreționare sau reevaluarea planului de angajări. Răspunsul este clar, detaliat și plauzibil. Nimic din el nu pare în mod evident greșit.

Tocmai asta îl face atât de periculos. 

O privire mai atentă scoate la iveală mai multe detalii omise. Agentul a folosit versiunea greșită a previziunii. Nu a observat o ajustare contabilă aprobată în trimestrul precedent. Nu a ținut cont de faptul că într-o regiune se aplică reguli de activitate diferite. Datele subiacente nu erau neapărat greșite; pur și simplu, agentul nu știa cum interpreta organizația acele date sau cum se îmbinau elementele. Problema nu este una a modelului pe care un alt model ar putea-o rezolva cu ușurință. Problema este că modelul nu cunoaște această companie. 

O mare parte din dezvoltarea IA pentru companii s-a concentrat asupra capacităților modelelor și autonomiei agenților. Însă un model nu poate ajunge la o concluzie fiabilă și specifică unei companii dacă nu înțelege cum își definește organizația cifrele și cum le corelează cu modul în care funcționează afacerea. 

Stratul care lipsește este contextul de business cumulativ sau înțelegerea guvernată a semnificației datelor unei companii: definițiile, relațiile, ipotezele, calculele, fluxurile de lucru, excepțiile și deciziile care se acumulează în jurul lor în timp.

Acest context se dezvoltă prin planificare, previziuni, modelarea scenariilor, analiza variațiilor, corecții, feedback, activități de închidere a perioadei contabile și decizii aprobate. Fără el, organizațiile riscă să le dea IA mai multe responsabilități fără să-i ofere suficientă înțelegere a activității pentru a le putea îndeplini în mod fiabil. 

Capacitățile IA evoluează mai rapid decât gradul de pregătire al companiilor

Potrivit raportului AI Index 2026 al Stanford, 88% dintre organizațiile chestionate au folosit IA în 2025, însă implementarea agenților a rămas la procente de o singură cifră în aproape toate funcțiile de business. 

Aceste statistici arată că întreprinderile au acces la capacități de IA, dar multe nu sunt pregătite să lase IA să îndeplinească sarcini cu consecințe importante. Liderii știu că trebuie să dezvolte soluții cu ajutorul IA, dar încă trebuie să stabilească dacă abordează problema la nivelul potrivit.

Un model poate citi datele fără să înțeleagă afacerea

Modelele fundamentale sunt eficiente în recunoașterea tiparelor, sintetizarea informațiilor, interacțiunea în limbaj natural și explorarea seturilor mari de date. Deși acestea sunt progrese semnificative, modelul în sine devine un factor tot mai puțin diferențiator. 

Provocarea mai dificilă pentru companii este să învețe IA ce înseamnă informațiile unei companii și, mai ales, cum sunt folosite în luarea deciziilor și în analiză.

O mare parte a discuțiilor despre guvernanța IA s-a concentrat asupra datelor curate. Deși acesta este un pas necesar, nu este suficient pentru extinderea IA la scară largă în companii. Două seturi de date curate pot folosi totuși definiții, perioade de timp și reguli de business diferite. 

Studiul CEO 2025 realizat de IBM a constatat că 25% dintre inițiativele de IA au obținut rentabilitatea investiției preconizată, iar doar 16% au fost extinse la nivelul întregii companii. Acest tipar reflectă o provocare mai amplă de implementare: accesul la modele și date nu garantează că un sistem de IA poate reconcilia regulile organizației care determină modul în care trebuie folosite informațiile.

Se pot achiziționa cu ușurință modele mai capabile. Înțelegerea specifică unei companii trebuie construită. 

Contextul furnizat la regăsirea informațiilor nu este context cumulativ

O mare parte din ceea ce este numit context în IA pentru companii este încă furnizat prin regăsirea informațiilor în momentul solicitării. Sistemul găsește un document, o înregistrare sau un punct de date relevant, îl folosește pentru a genera un răspuns, apoi o ia de la capăt la următoarea solicitare. 

Regăsirea informațiilor este utilă, dar, folosită singură, nu creează o memorie organizațională cumulativă. Sistemul păstrează puține informații pentru viitor, ceea ce înseamnă că IA poate întâlni compania ca un străin la fiecare interacțiune nouă.

E ca și cum ai integra în fiecare dimineață un analist strălucit. Analistul înțelege finanțele și știe cum să interogheze un set de date, dar tot trebuie să învețe cum își definește această companie indicatorii, care previziune este cea oficială, de ce a fost aprobată o excepție și care ipoteze se dovedesc în mod repetat greșite.

Contextul cumulativ are un alt scop. În loc să fie resetat la fiecare prompt sau ciclu de planificare, contextul se acumulează în timp. Fiecare investigație, scenariu, corecție, aprobare și decizie poate contribui la o înțelegere guvernată a modului în care funcționează organizația. Astfel, ciclurile ulterioare se pot baza pe ceea ce au stabilit cele anterioare, în loc să redescopere aceleași relații, aceeași logică și aceleași moduri de lucru la fiecare prompt. 

Asta nu înseamnă că trebuie păstrat totul la nesfârșit. Contextul util pentru o organizație trebuie delimitat cu atenție, să poată fi corectat, să țină cont de permisiuni și să poată fi urmărit până la sursă. Organizațiile trebuie să păstreze ceea ce contează, asigurându-se totodată că presupunerile depășite, excepțiile temporare și interpretările incorecte pot fi identificate și corectate în timp.

Încrederea se bazează pe ceea ce stă la baza modelului

Modelul este partea cea mai vizibilă a unui sistem de IA, însă rareori este elementul care determină dacă o organizație poate avea încredere în rezultat. 

Un model performant poate investiga o abatere, poate explora posibile explicații și poate recomanda o acțiune. Dacă o organizație se poate baza pe recomandare depinde de arhitectura care înconjoară modelul. 

Gartner a constatat că organizațiile care raportează inițiative de IA reușite investesc de până la patru ori mai mult, ca procent din venituri, în fundamente precum calitatea datelor, guvernanța, personalul pregătit pentru IA și gestionarea schimbării decât organizațiile care obțin rezultate slabe.

Stratul de context guvernat face parte din aceste fundamente și se află între sistemele-sursă, modele și acțiunile de business. 

Aici trebuie, de asemenea, să se facă distincția dintre inteligență și determinism. IA poate investiga, redacta și face recomandări. După ce o acțiune a fost analizată și aprobată, executarea ei ar trebui să se desfășoare prin calcule guvernate, verificări ale permisiunilor, controale pentru scrierea datelor înapoi în sistem și piste de audit. Flexibilitatea care face un model util pentru explorare nu este întotdeauna potrivită atunci când se aplică o schimbare în activitatea organizației.

Un model poate recomanda ce ar trebui să se întâmple. Arhitectura din jurul său, inclusiv aprobarea umană și controalele sistemului, determină ce este permis să se întâmple.

Constrângeri care fac agenții utili

Implementarea agenților avansează mai repede decât dezvoltarea controalelor aferente. KPMG a constatat că ponderea organizațiilor care implementează cel puțin unii agenți de IA a crescut de la 11% în primul trimestru al anului 2025 la 42% până în al treilea trimestru. Cu toate acestea, Gartner a raportat că doar 13% dintre organizații au fost întru totul de acord că dispun de structurile adecvate de guvernanță a agenților.

Acest decalaj contează deoarece capacitatea și autoritatea sunt decizii de proiectare separate. Din punct de vedere tehnic, un sistem poate fi capabil să acceseze o bază de date, să revizuiască o prognoză sau să declanșeze un flux de lucru. Asta nu înseamnă că ar trebui să i se permită să facă aceste lucruri în mod independent. 

Înainte de a delega activități importante, organizațiile ar trebui să impună trei constrângeri.

• Stabiliți un sens comun

Definițiile, indicatorii, ierarhiile, calendarele fiscale și regulile de calcul trebuie armonizate înainte ca un agent să poată raționa în mod consecvent pe baza lor. 

Nu ar trebui să ne așteptăm ca IA să rezolve tacit neînțelegeri pe care organizația însăși nu le-a clarificat. În lipsa unui sens comun, aceasta poate trata definiții contradictorii ca fiind interschimbabile și poate genera un răspuns coerent, dar greșit din punct de vedere operațional.

• Stabiliți ce informații se păstrează

Organizațiile trebuie să definească ce corecții, aprobări, decizii și rezultate devin context reutilizabil. De asemenea, au nevoie de politici care să reglementeze păstrarea, accesul și corectarea acestuia. 

Memoria utilă este selectată și guvernată, nu acumulată fără discernământ. În caz contrar, o presupunere depășită sau o excepție izolată poate modifica pe nesimțite recomandările viitoare.

• Separați recomandarea de angajament

Analiza, o recomandare, o schimbare propusă, executarea aprobată de o persoană și executarea autonomă în limite prestabilite reprezintă niveluri diferite de autoritate. Agenții ar trebui să aibă identități și permisiuni adecvate fiecărui nivel.

Evaluarea trebuie să acopere și întregul lanț de acțiuni: ce informații au fost preluate, ce context a fost folosit, ce instrumente au fost apelate, ce s-a schimbat și dacă schimbarea poate fi anulată. 

Testarea doar a răspunsului final nu surprinde majoritatea modurilor în care poate eșua un flux de lucru cu agenți.

Capacitatea descrie ce poate face un agent, iar guvernanța definește ce are voie să facă.

Autonomia presupune mai mult decât capacitate

În scenariul privind marjele prezentat la început, viteza este utilă doar dacă sistemul știe și care prognoză este cea care se aplică, ce excepție a fost aprobată, ce acțiune poate întreprinde și cine rămâne responsabil. 

Cred că IA pentru mediul enterprise va câștiga încrederea doar atunci când va păstra contextul potrivit și va putea arăta cum a ajuns la un rezultat cu consecințe importante. 

Organizațiile ar trebui să construiască acest strat de context și control înainte de a extinde autonomia agenților. Modul de lucru se va schimba, dar responsabilitatea nu.