Discuția, condusă de Megan Tatum în cadrul podcast-ului Business Lab al MIT Technology Review, în parteneriat cu Celonis, dezvăluie de ce trecerea de la experimentele de laborator (piloturi, demo-uri, "proof of concept") la o implementare la scară largă, rentabilă și sigură, se blochează sistematic pe lipsa unui strat de context operativ. Nu este o problemă de modele mai mari sau de mai multe GPU-uri. Este o problemă de semnificație.
Iluzia competenței generale
Actul, majoritatea organizațiilor tratează modelele frontier (cele "gigantice" antrenate pe tot internetul) ca pe niște angajați geniali dar care nu au niciodată contract de muncă, nu cunosc cultură firmă, nu știu cine semnează avizele și nu au acces la istoricul conflictelor interne. Le cerem să ia decizii critice – de la prognoze financiare la managementul stocurilor – bazându-se pe principii generale.
Rezultatul, așa cum explică Shah, este dublu periculos. Pe de o parte, costul computațional devine prohibitiv. Modelul încearcă să "deducă" contextul prin întrebări succesive (chain-of-thought), consumând resurse masive pentru a rezolva probleme pe care un angajat junior le-ar rezolva în secunde, pur și simplu pentru că știe procesul. Pe de altă parte, și mult mai periculos, riscul de erori catastrofale. O recomandare greșită pentru un restaurant este o neplăcere minoră. O recomandare greșită pentru o previziune de cash-flow sau o reconfigurare a lanțului de aprovizionare poate duce la faliment. În enterprise, "aproximativ" nu este acceptabil.
Inteligența Decizională: Noua frontieră
Shah propune o schimbare de paradigă: nu mai gândim la "AI care scrie cod" sau "AI care răspunde la emailuri", ci la "Decision Intelligence" (Inteligența Decizională). Fiecare organizație este, la esență, o fabrică de decizii. Unele sunt strategice, episodice (o dată pe an: "Cumpărăm competiția?"). Altele sunt operaționale, de frecvență ridicată (zilnic: "Cât stoc comandăm? Cine livrează? Cum priorizăm comenzi?").
Aceste decizii nu apar din nimic. Sunt capetele unor lanțuri de procese, task-uri și roluri. Jensen Huang (CEO NVIDIA) le numește "task-uri". Shah le numește "roluri atomice". Aici intervine agentul AI: nu pentru a înlocui decizionatorul, ci pentru a augmenta sau automatiza acele task-uri atomice din interiorul procesului.
Dar – și aici este punctul crucial – un agent nu poate juca un rol dacă nu cunoaște scenariul, regizorul și ceilalți actori. Nu poți acționa în vid.
Gemenul Digital: Hartă, nu Teritoriul
Cum rezolvăm asta? Celonis, compania unde Shah construiește viitorul, a petrecut o decenie construind ceea ce el numește "Process Intelligence". Nu este doar "process mining" (descoperirea proceselor). Este o gemeni digitală în timp real a organizației.
Gândiți-vă la arhitectura stratificată pe care Shah o descrie:
1. Stratul de jos (Systems of Record): ERP-urile, CRM-urile, WMS-urile. Aici trăiesc datele brute, log-urile evenimentelor, tranzacțiile. Haos structurat.
2. Stratul de context (Contextual Layer / Process Intelligence Graph): Aici intervine Celonis. Acest strat abstractizează haosul de jos. Transformă log-uri în procese vizibile, identifică variantele ("calea ideală" vs "calea reală"), detectează collisiunile (factura plătită de două ori, comanda blocată de credit), și, esențial, definește garderile (guardrails). Aici trăiesc constrângerile business: "Nu se poate expedia dacă creditul e blocat", "Nu se poate aproba bugetul fără semnătura CFO".
3. Stratul de sus (Agentic Layer / Human-in-the-loop): Aici acționează agenții "rolați" (role-based agents). Un agent "Gestionar Credit" nu este un LLM generic. Este un agent care știe că are acces la politica de credit, la istoricul clientului, la regulamentarea GDPR, și că trebuie să dea o recomandare pe care un uman o validează în 30 de secunde, nu în 3 ore.
Contextul, deci, nu este o bază de date vectorială (RAG). Este o reprezentare semantică, vizuală și executabilă a modului în care business-ul funcționează de fapt, nu a modului în care este scris în manualele de proceduri.
Strategia "Start Small, Win Big"
Shah evită capcana "boil the ocean". Consiliul său pentru lideri este pragmatic, aproape banal în simplitate, dar rară în execuție:
1. Identificați o decizie business specifică, de valoare ridicată. Nu "implementăm AI". Ci: "Vrem să reducem Days Sales Outstanding (DSO) cu 15%" sau "Vrem să eliminăm expedierile greșite".
2. Descompuneți decizia în pași. Care sunt task-urile dureroase, repetitive, proaste la erori? Unda se pierde timpul? Unde se fac greșelile costisitoare?
3. Testați agentul pe acel task, în acel context. Măsurați: viteză, acuratețe, acceptare umană.
4. Scalați doar ceea ce funcționează.
Această abordare transformă AI dintr-un proiect IT costisitor într-un portofoliu de investiții cu ROI măsurabil. Și, poate cel mai important, redeschide conversația cu angajații.
Omul în buclă: Nu înlocuit, ci eliberat
Narrativa "AI ia joburile" este simplistă și, în vizionarea lui Shah, greșită. Automatizarea task-urilor repetitive (copiere date, reconciliere facturi, căutare în emailuri pentru a găsi un attachment) nu eliberează oamenii pentru a sta pe telefon. îi eliberează pentru a face munca cognitivă de valoare ridicată: negocieri complexe, gestionare excepții, strategie, inovație.
Dar asta nu se întâmplă prin magie. Necesită investiții masive în educație a forței de muncă. Angajații trebuie să devină "AI-literate" nu în sensul scrierii de prompt-uri, ci în sensul înțelegerii output-urilor: "De ce agentul a recomandat asta? Care sunt constrângerile? Unde pot fi greșeli? Cum validez?". Trebuie să trecem de la "Human-in-the-loop" (omul apasă butonul) la "Human-on-the-loop" (omul supraveghează, judecă, ia responsabilitatea).
Viitorul: Planificarea Enterprise-ului Întreg
Următoarea frontieră, prevede Shah, nu este optimizarea unui departament (ex: Achiziții), ci planificarea transversală: Finanțe, HR, Marketing, Vânzări, Operațiuni – toate legate de același gemen digital. Imaginează-vă o planificare a resurselor (S&OP - Sales & Operations Planning) care nu durează săptămâni de Excel-uri și întâlniri tense, ci ore, pentru că agenții au contextul complet: cererea prevăzută de Marketing, capacitatea reală de producție (din gemen), constrângerile de cash-flow (din Finance), disponibilitatea personalului (din HR).
"Acum, poate planificarea resurselor nu ar trebui să ia atât de mult timp, și oamenii de fapt ia decizii corecte, rapid", spune Shah. Aceasta este promisiunea reală a AI-ului enterprise: nu viteza de inferență a modelului, ci viteza de decizie a organizației.
Concluzie: Contextul este avantajul competitiv
Modelele LLM devin commoditize. Toată lumea va avea acces la GPT-6, la Llama 4, la modelele open-source de top. Diferențiatorul nu va fi modelul, ci datele și contextul pe care îl înghițe modelul.
Organizațiile care investesc acum în construirea acelui strat semantic, vizual și operativ – gemenul digital al proceselor lor – vor poseda un activ imuabil de replicat. Ceilalți vor rămâne cu demo-uri frumoase care nu scot facturi.
Trecerea de la experimentare la scalare nu este o problemă tehnică de inginerie a prompt-urilor. Este o problemă organizatorică de disciplină a proceselor. AI-ul nu repară procesele proaste; le accelerează. Contextul este singurul lucru care le face corecte.
De ce este important:
Acest articol evidențiază că blocajul actual al adopției AI în enterprise nu este lipsa de modele performante, ci lipsa de context operativ. Investițiile în LLM-uri fără un strat de "Process Intelligence" (gemeni digitală a proceselor) duc la costuri computaționale uriașe, erori de business critice și ROI zero. Viitorul aparține organizațiilor care tratează contextul ca pe un activ strategic, construind agenți "rolați" care acționează în gardă reală, nu în vid, și care investește în educația oamenilor pentru a supraveghea, nu doar pentru a executa, decizii algoritmice.
