IA promite viteză. Punctul critic este să înțelegi ce anume accelerezi. Într-un studiu publicat în 2025 de Polytechnique Insights, cei care foloseau ChatGPT pentru a scrie un eseu erau cu 60% mai rapizi, dar prezentau și o reducere cu 32% a efortului cognitiv relevant; în plus, 83% nu reușeau să-și amintească un pasaj pe care tocmai îl scriseseră, potrivit analizei publicate de Polytechnique Insights. Pentru o întreprindere, acesta nu este un detaliu academic. Este un semnal operațional.
Atunci când o echipă folosește IA pentru a genera rapoarte, sinteze, previziuni sau explicații, eficiența poate crește rapid. Dar dacă utilizarea devine pasivă, munca cognitivă nu dispare. Se mută. Oamenii fac mai puține analize autonome, mai puține verificări, își construiesc mai puțin propriile argumente. Riscul nu este acela de a „deveni mai puțin inteligenți”. Riscul este acela de a pierde antrenamentul tocmai în competențele necesare atunci când rezultatul automat este ambiguu, incomplet sau pur și simplu greșit.
De aceea, tema „atrofierii abilităților de gândire critică în contextul IA” vizează în special IMM-urile, echipele de analiză, comerțul cu amănuntul, sectorul financiar și funcțiile operaționale. Nu este nevoie să renunțăm la IA. Este nevoie să proiectăm fluxuri de lucru care să mențină activă judecata umană. Acolo se joacă adevăratul avantaj competitiv.
Implementarea IA în cadrul unei companii este adesea prezentată ca o simplă chestiune de productivitate. Mai multă viteză, mai puțină muncă manuală, mai multă automatizare. Acest lucru este adevărat doar parțial. Problema cea mai importantă este alta: dacă IA preia sarcinile intelectuale în locul echipei, ce mai rămâne cu adevărat în cadrul organizației?
Pentru o întreprindere mică și mijlocie italiană, această întrebare are o importanță mai mare decât pare. Raportarea, previziunile, clasificarea, sprijinul în luarea deciziilor și analiza de sinteză sunt activități delegate din ce în ce mai mult sistemelor generative. Pe termen scurt, rezultatul pare pozitiv. Pe termen mediu, însă, poate apărea un cost mai puțin vizibil: pierderea autonomiei în ceea ce privește înțelegerea, verificarea și susținerea unei decizii.
Tema„atrofierii abilităților de gândire critică din cauza IA” trebuie interpretată astfel: nu ca o cruciadă împotriva tehnologiei, ci ca o provocare în materie de organizare. Companiile cele mai mature nu vor fi cele care automatizează totul, ci cele care fac o distincție clară între utilizarea IA care sporește competențele și cea care le înlocuiește.
O parte din riscul asociat IA nu provine din erori spectaculoase. Provine din procese care funcționează suficient de bine încât să nu mai fie puse sub semnul întrebării.
Atrofia gândirii critice cauzată de IA descrie exact acest lucru: o slăbire selectivă a abilităților care își păstrează puterea doar dacă sunt exersate în mod continuu. Nu vorbim despre o scădere generală a inteligenței. Vorbim despre abilități foarte specifice, decisive în activitatea managerială și analitică: formularea ipotezelor, compararea explicațiilor alternative, verificarea inconsistențelor, susținerea unei concluzii atunci când datele sunt incomplete sau ambigue.
Pentru o întreprindere mică sau mijlocie, întrebarea relevantă nu este dacă inteligența artificială permite economisirea de timp. Întrebarea relevantă este de natură mai operațională: timpul economisit este reinvestit în luarea unor decizii mai bune sau procesul decizional este eliminat cu totul?
Aici se află linia de demarcație care contează cu adevărat pentru afaceri. O echipă financiară care folosește IA pentru a curăța datele, a reorganiza categoriile sau a sintetiza un raport reduce activitățile cu valoare cognitivă redusă. O echipă care solicită IA să interpreteze anomaliile, să evalueze riscul și să sugereze decizia finală transferă, în schimb, către mașină acea parte a muncii care contribuie la dezvoltarea competențelor interne.
Deci, distincția relevantă nu este „IA da sau nu”. Este vorba despre utilizarea asistată versus utilizarea substitutivă.
Această diferență pare subtilă doar pe hârtie. În practică, ceea ce se schimbă este ceea ce organizația poate realiza pe cont propriu.
Atrofia nu apare atunci când o echipă folosește des inteligența artificială. Apare atunci când încetează să mai efectueze pașii mentali intermediari.
Dacă fiecare analiză este prezentată deja ordonată, comentată și ierarhizată, persoana respectivă vede rezultatul, dar exersează mai puțin procesul care duce la acel rezultat. În timp, se exersează mai puțin anumite operațiuni care fac ca o evaluare să fie fiabilă: descompunerea unei probleme, distingerea semnalului de zgomot, căutarea contraargumentelor, evaluarea compromisurilor dintre opțiuni imperfecte.
Riscul nu constă, așadar, în răspunsul automat în sine. Riscul îl reprezintă un flux de lucru care obișnuiește echipa să aprobe fără a reanaliza raționamentul.
Întrebarea corectă pe care trebuie să și-o pună managerii este simplă: cine, în cadrul acestui proces, este încă obligat să își formeze o opinie independentă înainte de a aproba rezultatul?
Utilizarea pasivă a IA nu afectează toate competențele în aceeași măsură. Primele care se reduc sunt cele care necesită efort cognitiv, adică o activitate mentală lentă, comparativă și verificabilă.
Nu este vorba despre eliminarea IA. Este vorba despre a evita ca aceasta să elimine tocmai acea parte a muncii în care echipa ar trebui să pună la îndoială, să compare și să verifice.
Cele mai utile studii din prezent nu servesc la susținerea tezei simpliste conform căreia IA „provoacă prostie”. Ele servesc la clarificarea unui risc mai concret pentru cei care gestionează personalul și procesele: pe măsură ce automatizarea cognitivă se dezvoltă, o parte dintre utilizatori tinde să transfere sistemului nu doar execuția, ci și controlul calității.
Un exemplu adesea menționat în această dezbatere este articolul publicat de Microsoft Research privind relația dintre GenAI și gândirea critică, care analizează modul în care utilizarea frecventă a instrumentelor generative se asociază cu o diminuare a gândirii critice în anumite activități care necesită un nivel ridicat de cunoștințe. Ceea ce prezintă interes pentru un manager nu este formula statistică în sine, ci mecanismul organizațional care reiese: cu cât sistemul generează un răspuns mai plauzibil, cu atât devine mai ușor să confundăm plauzibilitatea cu fiabilitatea.
Acest lucru schimbă natura competențelor necesare. Valoarea nu se îndreaptă către cei care obțin un rezultat mai repede, ci către cei care știu să testeze premisele, limitele și condițiile de utilizare ale acestuia. Pentru mediul de afaceri, aspectul cel mai important este altul. Adoptarea IA poate crește productivitatea pe termen scurt și reduce capacitatea de diagnosticare pe termen mediu, dacă fluxul de lucru nu include etape explicite de verificare.
De aceea, cea mai utilă dezbatere nu se referă doar la puterea modelului, ci și la iluzia raționamentului în lumea IA. Un rezultat convingător poate părea a fi gândire. În multe cazuri, este doar o bună sintetizare lingvistică a unor tipare deja întâlnite.
Un proces tinde să consolideze competența atunci când IA furnizează un rezultat, dar persoana respectivă trebuie totuși să precizeze premisele, să verifice excepțiile relevante, să compare cel puțin o alternativă și să justifice alegerea finală.
Un proces tinde să consume resurse atunci când o persoană citește, revizuiește și aprobă.
Aici stă toată diferența. Nu în instrument, ci în modul de organizare a muncii.
O întreprindere mică sau mijlocie bine organizată folosește inteligența artificială pentru a îmbunătăți calitatea deciziilor, nu pentru a renunța la procesul decizional în sine.
Pentru o întreprindere mică sau mijlocie, riscul rareori se prezintă ca o problemă teoretică. Se manifestă sub forma unei decizii aprobate prea repede, a unei prognoze pe care nimeni nu o analizează cu atenție, a unui tablou de bord care orientează bugetul fără o discuție reală asupra excepțiilor. Costul nu constă doar într-o singură greșeală. Este o pierdere progresivă a capacității echipei de a înțelege de ce o decizie este corectă, fragilă sau greșită.
Iată care este punctul strategic. IA nu afectează competențele în mod uniform. Le consolidează atunci când accelerează analiza, menținând vizibile ipotezele, limitele și alternativele. Le erodează atunci când oferă o concluzie gata formulată, iar munca umană se reduce la aprobare, perfecționare și transmitere.
Un responsabil de comerț electronic primește o previziune a vânzărilor generată de un sistem bazat pe inteligență artificială. Cifra finală pare să corespundă tendințelor recente, așa că este utilizată pentru planificarea reaprovizionărilor, a promoțiilor și a alocării bugetului de publicitate. Problema apare ulterior. Modelul a inclus un vârf temporar generat de o campanie care nu poate fi repetată sau a interpretat în mod eronat combinația dintre canale, marje și rotația anumitor categorii.
În aceste cazuri, echipa nu eșuează din cauza pregătirii insuficiente. Eșuează pentru că procesul pune mai mult preț pe rapiditatea aprobării decât pe calitatea analizei.
Consecințele operaționale sunt imediate:
Pentru o mare întreprindere, aceste erori pot fi compensate. Pentru o IMM, ele pot afecta lichiditățile, marja de profit și capacitatea de reacție într-un singur trimestru.
În domeniul financiar și al raportării riscurilor, problema este mai complexă. Un analist utilizează un raport generat de inteligența artificială pentru a pregăti o verificare de conformitate sau un rezumat al riscurilor. Documentul semnalează tipare, excepții și priorități. Analistul verifică rapid forma, terminologia și coerența aparentă, apoi transmite materialul către responsabil.
Riscul nu se referă doar la acuratețea datelor. Se referă la ierarhia atenției. Dacă rezultatul modelului decide deja ce este relevant, cititorul tinde să analizeze mai atent ceea ce a fost evidențiat și mai puțin ceea ce a fost omis. În multe procese, cele mai costisitoare excepții sunt tocmai acelea care se află la marginea modelului dominant.
O analiză publicatăde IE Center for Health and Well-being cu privire la efectele cognitive ale IA subliniază un aspect relevant pentru mediul corporativ: utilizarea frecventă a IA fără context și supraveghere poate reduce activarea gândirii critice și poate spori dependența de scurtături cognitive, precum „biasul de automatizare” și acceptarea pasivă a rezultatelor. Din acest motiv, în procesele cu impact ridicat, sunt necesare etape de revizuire umană substanțială și interfețe care să facă vizibile sursele, nivelul de fiabilitate și zonele de incertitudine.
Când un sistem funcționează fără probleme, echipa nu mai trebuie să caute ceea ce nu apare.
Managerii pot identifica problema înainte ca aceasta să devină structurală. Cele mai utile semnale nu sunt de natură tehnică. Sunt de natură comportamentală.
Aici se joacă o parte importantă din competitivitatea IMM-urilor. Adoptarea matură a IA nu constă în automatizarea cât mai multor etape. Ea constă în separarea etapelor în care mașina accelerează analiza de cele în care omul trebuie să rămână responsabil de îndoială, interpretare și decizie. Un punct de referință util, la nivel organizațional, este contribuția ELECTE dedicată construirii de echipe care prosperă cu fluxuri de lucru potențate de inteligența artificială.
O atenuare eficientă începe cu o alegere strategică la nivel de management. Obiectivul nu este acela de a crește numărul de sarcini încredințate IA, ci de a proteja etapele procesului în care se formează judecata. În IMM-uri, adevăratul risc nu constă în utilizarea excesivă a IA, ci în utilizarea acesteia în etapele nepotrivite, până la transformarea unor persoane competente în simpli validatori ai rezultatelor.
O strategie utilă face, așadar, distincția între două utilizări foarte diferite. Prima sporește viteza fără a reduce calitatea raționamentului. A doua reduce efortul cognitiv pe termen scurt, dar slăbește capacitatea echipei de a analiza cazuri ambigue, excepții și compromisuri. De aceea, întrebarea corectă nu este „unde putem automatiza?”. Ci „în ce etape automatizarea îmbunătățește munca fără a diminua competența?”.
Primul pilon: politica privind utilizarea responsabilă
O politică serioasă atribuie responsabilități precise. Ea trebuie să clarifice ce decizii pot fi susținute de IA, care necesită o revizuire substanțială și care nu trebuie delegate deloc. De asemenea, este recomandabil să se definească cerințe minime de trasabilitate: ipotezele utilizate, datele lipsă, verificările efectuate și numele persoanei responsabile de decizia finală. În acest fel, controlul nu rămâne implicit.
Al doilea pilon: reproiectarea fluxurilor de lucru
Aici se decide dacă IA consolidează sau slăbește echipa. Un flux de lucru bine conceput utilizează sistemul pentru a genera opțiuni, a semnala anomalii, a simula scenarii și a pune la încercare ipotezele inițiale. Un flux de lucru deficitar, în schimb, solicită direct o concluzie gata formulată. Diferența operațională este clară: în primul caz, angajatul trebuie să interpreteze; în al doilea, trebuie doar să aprobe.
Al treilea pilon: formarea orientată spre evaluare
Nu este suficient să se ofere instruire privind utilizarea instrumentului. Este necesar să se instruiască echipa în ceea ce privește verificarea condițiilor de validitate, a limitelor modelului, a conflictelor cu datele interne și a explicațiilor alternative. Acest lucru este valabil cu atât mai mult pentru rolurile junior. O abordare utilă constă în introducerea unor momente de învățare prin descoperire în procesele de lucru, în care persoana ajunge la o primă interpretare autonomă înainte de a se confrunta cu sistemul.
Al patrulea pilon: monitorizarea procesului decizional
Indicatorii de productivitate nu sunt suficienți în sine. Dacă o echipă livrează mai repede, dar formulează mai puține ipoteze proprii, îmbunătățirea este doar aparentă. Managerii ar trebui să urmărească indicatori concreți: numărul de scenarii alternative discutate, calitatea explicațiilor, frecvența contestărilor motivate ale rezultatelor IA, capacitatea de a recunoaște excepțiile fără asistență.
Cel mai delicat aspect îi privește pe cei care încă își construiesc propria metodă de lucru. În cazul unui profesionist cu experiență, IA tinde să se integreze în structuri cognitive deja formate. În cazul unui începător, aceasta poate ocupa acel spațiu înainte ca propriile criterii să se consolideze.
Acest lucru schimbă modul în care o întreprindere mică sau mijlocie ar trebui să organizeze procesul de integrare, îndrumare și evaluare. Dacă noul angajat folosește IA pentru a genera răspunsuri gata pregătite prea repede, managerul observă o viteză bună de execuție, dar pierde din vedere procesul mental care stă la baza acestora. Este un risc operațional, nu doar unul legat de formare. După câteva luni, echipa se poate trezi cu persoane care livrează rezultate acceptabile în contexte standard, dar care se descurcă cu greu de îndată ce problema iese din tipar.
Pentru a reduce acest risc, este recomandabil să se introducă reguli simple și verificabile:
O organizație matură nu evaluează doar cât de repede livrează un angajat junior. Ea evaluează dacă acesta își dezvoltă competențe care vor rămâne utile chiar și atunci când rezultatele generate automat vor fi eronate, incomplete sau înșelătoare.
Calitatea unui flux de lucru bazat pe IA depinde de o alegere de proiectare: utilizarea sistemului pentru a genera un răspuns final sau pentru a îmbunătăți calitatea judecății umane. Pentru o întreprindere mică sau mijlocie, această distincție contează mai mult decât instrumentul ales, deoarece determină dacă echipa își dezvoltă capacitatea de judecată sau devine dependentă.
În dezbaterea privind IA, aspectul cel mai puțin înțeles este adesea cel operațional. Riscul nu provine din automatizare în sine. Acesta apare în momentul în care o persoană încetează să formuleze ipoteze, să compare alternative și să verifice premisele, deoarece sistemul a formulat deja concluzia. Contribuția ANSI privind relația dintre IA și gândirea critică subliniază tocmai acest aspect: efectul IA variază în funcție de modul în care este integrată în procesul decizional.
De aceea, categoria relevantă pentru o proiectare eficientă a fluxurilor nu este „AI prezentă” sau „AI absentă”. Este vorba despre „utilizare asistată” versus „utilizare substitutivă”.
| Activități | Flux de lucru riscant (utilizare alternativă) | Flux de lucru optimizat (utilizare asistată) |
|---|---|---|
| Analiză de marketing | AI-ul redactează raportul final al campaniei, iar specialistul în marketing verifică doar tonul și forma | IA semnalează anomalii, grupuri neașteptate și posibile ipoteze. Specialistul în marketing verifică, interpretează și formulează concluzia |
| Previziuni privind lanțul de aprovizionare | Sistemul generează o propunere de reorganizare gata de aprobare | Sistemul simulează scenarii alternative. Responsabilul compară costurile, constrângerile și probabilitatea de epuizare a stocurilor |
| Raportare strategică | IA generează un rezumat final pentru conducere | AI pregătește un proiect în care sunt precizate ipotezele și aspectele incerte. Managerul confirmă, corectează sau respinge |
| Rezolvarea problemelor la nivel operațional | Utilizatorul solicită cea mai bună soluție | Utilizatorul solicită opțiuni, compromisuri, excepții și verificări care trebuie efectuate înainte de luarea deciziei |
Diferența pare nesemnificativă. Din punct de vedere al competențelor, însă, nu este deloc așa.
Un analist de marketing care primește de la IA un raport aproape finalizat lucrează mai repede, dar nu își exersează suficient acea abilitate care generează valoare pe termen lung: capacitatea de a înțelege dacă o scădere a ratei de conversie se datorează targetării, creativității, sezonalității sau calității lead-urilor. Dacă, în schimb, folosește IA pentru a identifica tiparele anomale, segmentele care trebuie izolate și datele lipsă, sistemul devine un accelerator al analizei, nu un substitut al raționamentului.
Același lucru este valabil și în lanțul de aprovizionare. Un responsabil care aprobă o propunere de reaprovizionare plauzibilă, dar neclară, riscă să-și dea seama prea târziu că modelul nu a luat în considerare o constrângere reală, cum ar fi un termen de livrare instabil sau o promoție comercială iminentă. Un flux bine proiectat utilizează IA pentru a genera scenarii, nu pentru a lua decizia finală. Munca umană se concentrează pe priorități, excepții și riscul operațional.
Aici se evidențiază un criteriu managerial despre care se vorbește prea puțin. Un flux de lucru eficient nu doar reduce timpul de execuție. El menține vizibil punctul în care se naște judecata.
Trei principii ajută la elaborarea unor astfel de procese:
Pentru echipele care doresc să se dezvolte fără a transforma IA într-o scurtătură cognitivă, merită să se reia principiileînvățării prin descoperire. Aplicate fluxurilor de lucru din cadrul companiilor, acestea implică proiectarea unor interacțiuni în care sistemul extinde domeniul întrebărilor și al verificărilor, în loc să îl limiteze prea devreme.
Ajuns în acest punct, direcția este clară. Nu trebuie să alegi între productivitate și capacitatea de raționament. Trebuie să proiectezi un sistem în care productivitatea să nu-ți erodeze în tăcere capacitatea de judecată.
Identifică sarcinile în care echipa deleagă prea devreme
Analizează rapoartele, previziunile, rezumatele și clasificările. Întreabă-te în ce situații IA oferă deja răspunsul final și în ce situații susține încă procesul de raționament.
Clasificați fluxurile de lucru în funcție de impactul asupra luării deciziilor
Activitățile cu impact ridicat trebuie să includă o verificare umană explicită, o comparație cu valorile de referință interne și o evidență a ipotezelor.
Reformulează solicitările și întrebările adresate lui
. În loc să ceri „dă-mi concluzia”, cere „arată-mi trei ipoteze”, „semnalează anomaliile”, „indică ce lipsește”, „propune scenarii alternative”.
Învață echipa să explice de ce
Fiecare rezultat important ar trebui să poată fi justificat verbal de către cel care îl prezintă. Dacă nu se întâmplă acest lucru, procesul creează dependență.
Asigură-ți parcursul profilurilor juniori
Pentru cei mai tineri, IA trebuie utilizată într-un mod mai structurat. Mai puțină înlocuire directă, mai multe exerciții ghidate de verificare, comparație și argumentare.
Răsplătește îndoiala bine întemeiată
Dacă o organizație încurajează doar rapiditatea și livrarea, echipa va folosi inteligența artificială pentru a finaliza lucrarea. Dacă răsplătește și calitatea interpretării, vor apărea comportamente cu totul diferite.
O companie care utilizează inteligenta artificială în mod eficient nu creează dependență. Ea formează oameni care gândesc mai bine, mai rapid și cu o perspectivă mai amplă. Aceasta este diferența dintre automatizarea fragilă și avantajul competitiv durabil.
Dacă doriți să utilizați inteligența artificială pentru a accelera procesul decizional fără a renunța la transparență și la capacitatea de analiză, puteți vedea cum ELECTE, o platformă de analiză a datelor bazată pe inteligență artificială destinată IMM-urilor, ajută echipele să transforme datele brute în informații clare, verificabile și utile pentru luarea de măsuri. Pentru cei care doresc să se dezvolte fără a lăsa mașinile să ia deciziile în locul lor, acesta este un bun punct de plecare.
.svg)
.svg)
.svg)
