În 1956, inteligența artificială era numele unei ambiții științifice. În octombrie 2026, milioane de oameni pot cere unui sistem să explice o problemă, să analizeze documente sau să pregătească materiale de lucru. Drumul dintre aceste două momente este impresionant, dar lasă deschisă o întrebare esențială: cum folosim o tehnologie atât de capabilă atunci când rezultatele ei nu sunt întotdeauna corecte?
Ai de pregătit o prezentare pentru o întâlnire. Pe calculator se află trei documente, un tabel cu cifre și câteva mesaje primite de la colegi. Trebuie să înțelegi ce s-a schimbat într-un proiect, să alegi informațiile importante și să le prezinți într-o formă clară.
Într-un asemenea moment, un asistent AI poate părea soluția firească. Îi oferi materialele și îi ceri un rezumat. Poate analiza tabelul, propune o structură și, dacă are instrumentele potrivite, poate pregăti chiar un fișier editabil.
Rămâne însă o parte a activității pe care nu ar trebui să o ignorăm. Sunt cifrele interpretate corect? A înțeles asistentul ce informații sunt confidențiale? A ales ceea ce contează pentru persoanele care vor participa la întâlnire? Și ce faci dacă două documente se contrazic?
Aceste întrebări descriu mai bine decât orice demonstrație spectaculoasă locul în care a ajuns inteligența artificială după șapte decenii. Poate prelua o parte importantă din lucrul cu informațiile. Nu poate garanta singură că rezultatul este adevărat, potrivit și responsabil.
În cele cinci episoade anterioare am urmărit cum au apărut aceste capacități. Ultimul articol privește prezentul din perspectiva celui care trebuie să trăiască și să lucreze alături de ele.
Ce s-a schimbat cu adevărat
În primele decenii ale informaticii, pentru a obține un rezultat trebuia să îi descrii calculatorului, destul de precis, ce operațiuni să execute. Programele deveneau din ce în ce mai performante, dar regulile și limitele lor erau stabilite în mare parte de oamenii care le construiau.
Astăzi, o persoană poate formula o cerere într-un limbaj obișnuit. Sistemul încearcă să interpreteze obiectivul, să identifice informațiile utile și, în anumite configurații, să folosească instrumentele necesare.
Diferența poate fi văzută în lucruri mărunte. În loc să cauți manual o expresie în mai multe documente, poți cere identificarea diferențelor dintre ele. În loc să pornești de la o foaie goală, poți discuta cu AI despre structura unei prezentări. În loc să cunoști fiecare formulă, poți descrie ce vrei să afli dintr-un tabel și să inspectezi apoi calculele efectuate.
Aceasta nu anulează rolul aplicațiilor clasice. Documentele, programele de calcul, browserele și bazele de date rămân instrumente concrete. AI poate deveni o interfață prin care le folosim, uneori direct, alteori cu ajutorul unor conexiuni și permisiuni speciale.
Un raport poate fi pregătit mai repede, dar nu devine automat mai bun. Pentru a evalua rezultatul, trebuie să cunoști problema și să poți judeca informațiile.
Schimbarea fundamentală este că unele activități digitale pot începe cu descrierea unui obiectiv, nu cu alegerea unei succesiuni de comenzi. Această posibilitate creează oportunități noi pentru oameni care nu au pregătire tehnică, fără să elimine necesitatea competenței în domeniul în care lucrează.
O tehnologie foarte capabilă, cu un profil neobișnuit
Cât de inteligent este un asemenea sistem? Întrebarea pare simplă până când încercăm să definim inteligența.
Putem măsura dacă un model rezolvă probleme matematice, dacă recunoaște obiecte în imagini sau dacă produce cod care trece anumite teste. În unele evaluări, modelele performante obțin rezultate care egalează sau depășesc niveluri de referință umane. Aceste rezultate sunt importante și pot fi demonstrate.
Dar nu se distribuie uniform între activități.
Raportul AI Index 2026 al Universității Stanford arată că sistemele actuale pot avea performanțe excelente în unele teste dificile și rezultate slabe în alte situații. De exemplu, pe ClockBench, cel mai performant model evaluat a citit corect aproximativ jumătate dintre ceasurile analogice, mult sub reperul uman folosit în test.
Nu înseamnă că toate aplicațiile AI greșesc la citirea unui ceas. Arată că o performanță spectaculoasă într-un domeniu nu dovedește competență universală.
Această inegalitate este esențială pentru utilizator. Un sistem care redactează o explicație excelentă poate rata o informație dintr-un grafic. Unul care găsește o soluție corectă de programare poate înțelege greșit o instrucțiune ambiguă. Iar un agent care finalizează o sarcină într-o aplicație poate eșua când interfața sau condițiile se modifică.
Trebuie, de asemenea, să separăm performanța observată de întrebările filozofice despre gândire și conștiință.
Expresii precum „înțelege”, „raționează” sau „decide” pot descrie funcțional ceea ce realizează un sistem. Nu constituie, prin ele însele, dovezi că acesta are experiențe subiective, intenții sau conștiință asemănătoare celei umane. Cercetarea asupra conștiinței artificiale rămâne deschisă, fără un test universal acceptat care să tranșeze problema.
Pentru utilizarea de zi cu zi, întrebarea utilă este mai precisă: poate sistemul rezolva această sarcină, în aceste condiții, la nivelul de încredere de care avem nevoie?
Ajutorul există. Verificarea rămâne necesară
Să ne întoarcem la prezentarea pentru întâlnire. Asistentul a extras o concluzie din tabel: cheltuielile proiectului au crescut. Este o observație posibil corectă, dar insuficientă pentru o decizie.
Poate că un furnizor a facturat anticipat. Poate că două categorii au fost înregistrate diferit. Poate că cifra dintr-o lună este provizorie. Aceste detalii schimbă explicația și nu pot fi deduse întotdeauna dintr-un fișier izolat.
Într-un alt caz, AI poate cita o sursă care nu susține afirmația formulată. Sau poate genera o referință care pare autentică, dar nu există. Răspunsul fluent nu oferă, singur, garanția corectitudinii.
Raportul Stanford din 2026 arată diferențe foarte mari între modelele evaluate pentru erori factuale, în funcție de test și de formularea întrebării. Ratele prezentate în aceste teste nu reprezintă probabilitatea generală de eroare în orice conversație, dar confirmă că fiabilitatea nu este uniformă.
Există o altă problemă atunci când AI nu se limitează la recomandări și poate efectua acțiuni. Un agent care mută date între aplicații, modifică un document sau completează un formular poate introduce o eroare direct în activitatea utilizatorului.
În octombrie 2026, Anthropic a publicat exemple de acțiuni neintenționate observate în evaluările și utilizarea internă a modelelor sale. Ele arată de ce accesul la instrumente trebuie însoțit de limite și controale clare. Exemplele nu pot fi generalizate automat la toți agenții sau la toate utilizările.
Prin urmare, este util să diferențiem trei situații. Un răspuns pe care îl citim și îl putem corecta. Un fișier creat de sistem, pe care îl verificăm înainte de folosire. O acțiune cu efecte externe, pentru care uneori trebuie să acordăm aprobarea înainte de executare.
Cu cât consecințele sunt mai serioase, cu atât controlul trebuie să fie mai riguros. O sugestie pentru titlul unei prezentări are alte riscuri decât trimiterea unui document confidențial, plata unei facturi sau o recomandare medicală.
Aceasta nu este o invitație la neîncredere totală. Este o metodă rezonabilă de a folosi un instrument puternic fără a-i atribui garanții pe care nu le poate oferi.
Productivitatea nu vine automat odată cu AI
O promisiune frecventă este că inteligența artificială ne va economisi timp. În multe activități poate face acest lucru, mai ales când prelucrează informații repetitive, oferă o primă variantă de lucru sau accelerează operațiuni bine definite.
Totuși, efectul real depinde de sarcină, de experiența utilizatorului și de modul în care este integrat instrumentul în activitate.
Într-un studiu experimental publicat în iulie 2025, organizația independentă METR a urmărit dezvoltatori software experimentați care lucrau la propriile proiecte. În condițiile experimentului, participanții care au avut acces la instrumentele AI evaluate au avut nevoie, în medie, de 19% mai mult timp pentru finalizarea sarcinilor. Cercetătorii precizează că rezultatul descrie acel context și nu demonstrează că AI încetinește toate activitățile de programare sau alte tipuri de muncă.
Studiul este valoros tocmai pentru că obligă la o întrebare concretă: dacă sistemul produce o variantă rapid, cât timp ne costă să o verificăm, să o corectăm și să o integrăm în ceea ce avem de făcut?
În exemplul nostru, AI poate pregăti o prezentare în câteva minute. Dacă datele au fost interpretate greșit, refacerea materialului poate dura mai mult decât pregătirea lui manuală. Dacă structura este bună, iar cifrele corecte, economia de timp poate fi semnificativă.
Această diferență explică de ce un instrument util într-o organizație poate avea rezultate modeste în alta. Nu este suficient să fie disponibil. Trebuie ales pentru sarcini potrivite, alimentat cu informații relevante și utilizat într-un proces în care verificarea este posibilă.
În educație, situația este asemănătoare. Un asistent poate explica un concept prin exemple diferite și poate susține învățarea. Dar un răspuns obținut rapid nu înlocuiește înțelegerea. Dacă elevul sau profesionistul nu mai poate aprecia rezultatul fără ajutorul sistemului, apare o dependență care îi poate reduce autonomia.
Scopul este obținerea unor rezultate mai bune acolo unde AI aduce un avantaj demonstrabil, nu utilizarea ei în cât mai multe locuri.
Ce se întrevede după 2026
Nu avem nevoie de predicții spectaculoase pentru a identifica direcții deja vizibile în cercetare.
Prima este îmbunătățirea fiabilității. Modelele pot rezolva probleme tot mai dificile, dar dezvoltatorii trebuie să reducă răspunsurile false, erorile de interpretare și comportamentele neprevăzute. Măsurarea performanței în situații reale va conta tot mai mult, dincolo de scorurile obținute la teste.
A doua direcție este integrarea mai bună a tipurilor diferite de informații. Textul, imaginile, sunetul și video-ul intră deja în aceeași experiență de utilizare în anumite produse. Cercetarea urmărește să facă aceste interacțiuni mai utile și mai robuste, inclusiv în situații care se schimbă rapid.
A treia direcție privește asistenții care pot utiliza instrumente și realiza sarcini în mai multe etape. Există progrese verificabile, dar și limite persistente. Evaluările independente, inclusiv cele realizate de METR, arată că durata și complexitatea sarcinilor influențează puternic probabilitatea de finalizare corectă.
Aceste direcții au și costuri. Centrele de date, procesoarele și energia necesară reprezintă o parte reală a dezvoltării AI. Agenția Internațională a Energiei estima în 2025 că, în scenariul său central, consumul mondial de electricitate al centrelor de date s-ar putea mai mult decât dubla până în 2030. Este o proiecție dependentă de ipoteze, nu un rezultat garantat.
Despre momentul apariției unei inteligențe artificiale generale, comparabile cu oamenii în aproape toate activitățile intelectuale, nu există un consens. Termenul AGI are definiții diferite, iar progresul rapid nu permite stabilirea cu certitudine a unei date.
Ceea ce putem afirma este mai folositor decât o predicție: sistemele vor continua să fie evaluate pentru capacități, costuri, siguranță și utilitate. Unele funcții vor deveni obișnuite. Altele vor rămâne experimentale sau se vor dovedi nepotrivite pentru anumite activități. Este probabil ca oferta de aplicații să se schimbe mai repede decât ne putem familiariza cu numele lor.
De aceea, cunoașterea principiilor de bază va fi mai durabilă decât memorarea unei liste de produse.
Dincolo de istorie, începe alegerea fiecăruia
Cercetătorii din 1956 încercau să afle dacă o mașină poate realiza activități asociate inteligenței. În 2026, avem dovezi că sistemele informatice pot rezolva numeroase asemenea sarcini, uneori la niveluri impresionante.
Nu toate problemele au fost rezolvate. Modelele au limite, agenții pot greși, iar consecințele folosirii lor depind și de oamenii care stabilesc obiectivele, oferă acces la date și acceptă rezultatele.
Pentru cine folosește calculatorul zilnic, concluzia nu este că trebuie să învețe toate platformele sau să urmărească fiecare lansare. Este suficient să înceapă cu întrebări mai simple și mai importante: ce problemă am de rezolvat, ce parte poate fi ajutată de AI, ce informații îi pot oferi și cum voi verifica rezultatul?
Seria „Înțelege AI” a urmărit drumul de la ideea inteligenței artificiale la tehnologia disponibilă astăzi. Istoria ne arată de unde au venit capacitățile ei și de ce dezvoltarea a fost atât de lungă. Prezentul ne arată că un instrument util trebuie și înțeles.
În următoarea etapă Omul Digital, trecem de la această retrospectivă la funcționarea concretă a sistemelor actuale. Vom vedea ce este un model AI, cum se deosebește de aplicația prin care îl folosim, de unde provin răspunsurile, ce înseamnă contextul și cum putem formula cereri mai clare.
Nu trebuie să devenim specialiști în inteligență artificială pentru a beneficia de ea. Trebuie să înțelegem suficient de bine ce ne poate oferi și unde începe responsabilitatea noastră.
Aceasta este întrebarea care deschide următoarea serie: Ce este și cum funcționează AI-ul de astăzi?
Dacă apreciezi conținutul Omul Digital, susține dezvoltarea proiectului.
Surse și documentare
Stanford University, Human-Centered AI, 2026 AI Index Report: Technical Performance. Performanțe neuniforme ale modelelor și evaluări de utilizare a calculatorului.
Stanford University, Human-Centered AI, 2026 AI Index Report: Responsible AI. Evaluări privind erorile factuale, siguranța și transparența.
Anthropic, Investigating unintended model actions in our evaluations and internal use, 9 octombrie 2026. Exemple documentate de comportamente neintenționate în evaluări și utilizare internă.
METR, Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity, 10 iulie 2025. Studiu experimental asupra productivității într-un context delimitat.
METR, Measuring AI Ability to Complete Long Software Tasks, 19 martie 2025. Cercetare asupra capacității agenților de a finaliza sarcini de durate și dificultăți diferite.
International Energy Agency, Energy and AI, 2025. Scenarii privind consumul energetic al centrelor de date.
National Institute of Standards and Technology, AI Risk Management Framework, 2023. Cadru instituțional pentru evaluarea și gestionarea riscurilor AI.
Stanford University, Human-Centered AI, 2026 AI Index Report: Economy. Date privind adoptarea AI, productivitatea și impactul economic.