Knosa

25/03/2026

4 etape ale adoptării instrumentelor AI. Majoritatea IMM-urilor sunt blocate în primele două.

Etapa 1
Sisteme AI pentru sarcini simple: generare de e-mailuri, sumarizare, generare de text pe baza unui prompt.
Necesită supraveghere umană la fiecare pas.

Etapa 2
Sisteme AI pentru sarcini mai complexe: clasificare solicitări, previziuni bugetare, propuneri inițiale.
Oamenii direcționează; sistemul execută.

Etapa 3
Sisteme AI ca instrumente de analiză: structuri de costuri, oportunități de preț, suport în dezvoltarea de produse.
Cu cât primesc mai mult context, cu atât produc rezultate mai relevante.

Etapa 4
Sisteme AI configurate ca agenți: procese end-to-end, campanii de marketing, integrare de clienți.
Execuție automată, cu echipa implicată în supervizare și validare.

Instrumentele sunt disponibile.
Bariera reală este schimbarea modului de lucru al echipei.

Inspirat de: Kellogg Insight - The 4 Stages of AI Adoption and Why Most SMBs Are Still Stuck at Level 1
Link în comentarii.

18/03/2026

AICompIMM oferă un cadru pentru dezvoltarea competențelor AI în organizații. În practică, problema nu este accesul la instrumente AI, ci modul în care sunt folosite, de multe ori fără înțelegerea conceptelor de bază, fără structură și fără criterii clare de evaluare a rezultatelor.

Această lipsă de structură face ca utilizarea AI să rămână fragmentată și dificil de extins.
Pe baza acestor observații, am construit un model simplu, destinat angajaților non-tehnici, pe care organizațiile să-l poată adapta și implementa.

Cadrul include 5 arii de competență AI:
1. Înțelegerea AI
2. Interacțiunea cu AI
3. Evaluarea rezultatelor AI
4. Aplicarea AI la locul de muncă
5. Utilizarea responsabilă a AI

În realizarea cadrului, m-am bazat pe trei surse internaționale de referință:
• DigComp 3.0: European Digital Competence Framework
• US AI Literacy Framework
• UK AI Skills Tools Package

Descarcă cadrul complet: aicomp.knosa.ro

16/03/2026

Organizațiile adoptă AI în mod diferit. În practică, majoritatea organizațiilor trec prin 5 etape:

1. Descoperă – câțiva angajați testează AI pe cont propriu
2. Evaluează – apar discuții despre priorități și competențe
3. Experimentează – încep proiecte pilot
4. Integrează – AI este inclus în fluxurile de lucru
5. Extinde – AI devine parte din strategia organizației

Am sintetizat aceste etape într-un model simplu în cadrul AICompIMM.

Dacă vrei să afli în ce etapă se află organizația ta, completează 5 întrebări scurte pe aicomp.knosa.ro

13/03/2026

Un algoritm este o serie de pași bine definiți care transformă **datele de intrare într-un rezultat**.

În inteligența artificială există două tipuri principale de algoritmi:

🔹 Algoritmi tradiționali
urmează reguli scrise explicit de programatori.
Aceleași date produc întotdeauna aceleași rezultate.

🔹 Algoritmi de machine learning
învață tipare din date și creează modele care pot face predicții pentru situații noi.

Un exemplu este filtrarea emailurilor spam:

• un sistem tradițional folosește reguli definite manual
• un sistem ML învață tipare din mii sau milioane de emailuri

👉 De aceea, putem spune că, în AI, datele sunt materia primă, iar algoritmul este rețeta care transformă datele în rezultate.

În episodul următor: machine learning (învățare automată).

10/03/2026

Articolul 4 din EU AI Act se aplică deja. Știai?

Din 2 februarie 2025, organizațiile au o nouă obligație legală: asigurarea alfabetizării AI a personalului. Este o cerință obligatorie pentru toți cei care folosesc sisteme AI (inclusiv ChatGPT la birou).

✦ Vizează angajați, contractori și parteneri.
✦ Cere înțelegerea riscurilor și utilizarea responsabilă.
✦ Verificările și sancțiunile încep din august 2026.

Am creat cadrul AICompIMM (aicomp.knosa.ro) care oferă instrumente prin care o organizație poate implementa și documenta un proces structurat de alfabetizare AI.

Cum îl poți folosi în practică:

1️⃣ Completezi lista de verificare a pregătirii (≈2 minute)
2️⃣ Identifici etapa de adoptare a AI în organizație
3️⃣ Selectezi ariile de competență AI prioritare
4️⃣ Creezi parcursuri de învățare adaptate rolurilor din organizație

Mai multe detalii în postările următoare.

09/03/2026

Am construit un cadru practic pentru dezvoltarea competențelor AI și adoptarea AI în IMM-uri, destinat angajaților non-tehnici.

Acest cadru:
- clarifică ce competențe AI sunt necesare într-o organizație
- oferă un punct de pornire pentru adoptarea AI
- ajută la planificarea dezvoltării competențelor în echipe

Este bazat pe trei referințe internaționale: DigComp 3.0, AI Literacy Framework și AI Skills Tools Package.

Include:

Structura competențelor:
- 5 arii de competență AI
- 3 niveluri de competență: Utilizator → Practicant → Expert
- 61 rezultate ale învățării, concrete și măsurabile

Instrumente pentru implementare:
- parcurs de adoptare AI în 5 etape
- test scurt de pregătire organizațională
- ghid de adaptare a competențelor pe roluri

Cadrul este disponibil online și în format PDF.

Un cadru practic și adaptabil pentru dezvoltarea competențelor AI, destinat angajaților non-tehnici din IMM-uri.

06/03/2026

Ep.02 din seria *Concepte Fundamentale AI*: Datele

Un principiu simplu spune:

„Garbage in, garbage out.”

Dacă datele sunt slabe, rezultatele vor fi slabe.

Un model AI învață doar din datele pe care le primește.
Dacă anumite situații lipsesc sau apar foarte rar, sistemul va greși exact acolo.

Calitatea datelor contează mai mult decât pare.

În acest carousel explic:

• ce sunt datele în AI
• ce înseamnă date „bune”
• cm apare bias-ul în date

Urmează:
Ep. 03 — Algoritm: rețeta care transformă datele în rezultate.

03/03/2026

Se vorbește mult despre cm „AI ne va schimba locurile de muncă”.
Se vorbește mai puțin despre cm ne pregătim pentru asta.

Alfabetizarea în AI (AI Literacy) se referă la un mix de cunoștințe, abilități, etică și atitudine.
Este relevantă pentru oricine dorește să utilizeze AI în mod responsabil.

Cele patru componente:

→ Cunoștințe: înțelegerea conceptelor de bază și a modului de funcționare a sistemelor AI.
→ Abilități: formularea de cereri clare (prompting) și evaluarea critică a rezultatelor generate.
→ Etică: protejarea datelor și identificarea prejudecăților (bias).
→ Atitudine: adaptare în loc de rezistență.

01/03/2026

O primăvară frumoasă!
În newsletterul *Competențe care Contează* din luna februarie, am scris despre abilitatea de a delega în interacțiunea cu AI.

Competențe care Contează - Februarie 2026

28/02/2026

Ep. 01 din seria *Concepte Fundamentale AI*
Inteligența Artificială (AI)

AI - sisteme capabile să realizeze sarcini care, în mod normal, necesită inteligență umană: recunoașterea tiparelor, înțelegerea limbajului natural și luarea deciziilor bazate pe date.

Gândește-te la un sistem AI ca la o linie de producție care transformă „materie primă” în rezultate:

- *Date* = materia primă
- *Algoritm* = metoda prin care se învață și se calculează
- *Machine Learning (ML)* = metodologia prin care se învață din date
- *Antrenament* = „calibrarea” liniei
- *Model AI* = „reglajele”/cunoștințele codificate
- *Inferență + Predicție* = operarea zilnică + rezultatul livrat
- *Sistem AI* = aplicația completă care conectează rezultatele la oameni și procese (cu monitorizare, controale și feedback)
- *AI* = domeniul (metodologia, setul de metode și practici)

AI este „umbrela” care le include pe toate, însă valoarea apare atunci când se închide „bucla de feedback” : rezultate → monitorizare → date noi → îmbunătățire.

AI este în:
- recomandări Netflix
- Google Translate
- Google Maps
- filtre spam
- detectare fraudă bancară
- analiză imagini medicale
- multe alte aplicații care sunt utilizate zilnic

Urmează: Ep. 02 săptămâna viitoare: Date