# AI Brain pe înțelesul unui fondator

Sursă: https://unrivals.ro/blog/ai-brain/
Site: UNRIVALS · Limba: ro · Actualizat: 2026-09-02

> Un AI Brain nu este un abonament la ChatGPT. Este memoria companiei, ținută într-un loc pe care un model o poate citi, plus procedurile după care lucrează. Uite cum arată al nostru, cu cifre, și de unde ai începe tu.

---
Un AI Brain este memoria unei companii, așezată într-un singur loc pe care un model de limbaj o poate citi, împreună cu procedurile după care compania lucrează. Nu este un abonament, nu este un chatbot pe site și nu este un instrument pe care îl cumperi de-a gata. Este infrastructură, construită din ce știe deja compania, iar valoarea lui crește pe măsură ce compania îl hrănește.

**TL;DR.** Diferența dintre o companie care folosește AI și una care are un AI Brain este locul în care stă cunoașterea. În prima, cunoașterea stă în capul oamenilor, iar modelul o primește din nou, de la zero, la fiecare conversație. În a doua, cunoașterea stă scrisă, structurată și versionată, iar modelul pornește de fiecare dată din contextul complet al companiei. Primul lucru pe care îl construiești nu este AI-ul, ci locul în care compania își ține memoria.

## Ce este, de fapt, un AI Brain?

Un AI Brain are trei părți care lucrează împreună. Prima parte este **memoria**, adică tot ce știe compania despre clienți, despre propriile livrări și despre deciziile pe care le-a luat, scris în fișiere pe care le poate citi și un om, și un model. A doua parte sunt **procedurile**, adică regulile după care se face fiecare tip de muncă, scrise o singură dată și aplicate identic de fiecare dată. A treia parte este **verificarea**, adică porțile prin care trece orice lucru produs, înainte să ajungă la un client.

Modelul de limbaj în sine, oricare ar fi el, este doar motorul. El se schimbă la fiecare câteva luni, iar tu îl înlocuiești fără să pierzi nimic, pentru că valoarea nu stă în model. Valoarea stă în ce ai scris în jurul lui.

Confuzia cea mai frecventă vine din faptul că un abonament la un asistent conversațional pare să facă același lucru. El chiar face o parte, însă îi lipsește exact partea care contează pentru o companie, fiindcă nu ține minte nimic dincolo de fereastra conversației curente și nu are cum să știe cum lucrați voi.

## De ce nu este suficient un abonament la un asistent conversațional?

Pentru că un asistent fără memorie te pune să reconstruiești contextul de fiecare dată, iar contextul este chiar munca. Un om din companie deschide o conversație nouă, explică cine este clientul, ce s-a discutat la ultimul call, ce ton folosiți, ce nu aveți voie să promiteți, apoi cere lucrarea. A doua zi, alt om reia același efort de la zero și obține un rezultat ușor diferit, pentru că a explicat altfel.

De aici apar două costuri care nu se văd în factură. Primul cost este timpul pierdut cu reexplicarea, care se adună tăcut peste zeci de conversații pe săptămână. Al doilea cost, mai scump, este inconsecvența, fiindcă doi oameni care explică diferit aceeași companie primesc două rezultate care nu seamănă între ele.

Un AI Brain rezolvă exact problema asta. Contextul nu se mai explică, el se încarcă. Omul cere lucrarea, iar sistemul aduce singur cine este clientul, ce s-a decis până acum și după ce reguli se scrie.

## Din ce straturi este făcut, concret?

Un AI Brain funcțional are straturi separate, fiecare cu un proprietar clar, pentru că informația care trăiește în două locuri deodată divergează și devine, în scurt timp, un motiv de neîncredere în tot sistemul.

| Strat | Ce ține | Cine îl scrie | Cât de des se schimbă |
|---|---|---|---|
| Sursele | Documente, transcripturi de call, exporturi din platforme | Oamenii companiei | permanent, prin adăugare |
| Memoria durabilă | Regulile, faptele stabile, deciziile și motivele lor | Sistemul, la fiecare sesiune | săptămânal |
| Starea curentă | Ce este deschis acum și care este pasul următor | Sistemul, la finalul fiecărui bloc de muncă | zilnic |
| Procedurile | Cum se face fiecare tip de livrabil, pas cu pas | Oamenii, o singură dată, apoi se calibrează | rar |
| Verificarea | Porțile prin care trece un livrabil înainte de client | Sistemul, automat | la fiecare livrare |

Regula care ține structura asta în viață este simplă. O informație trăiește într-un singur strat, iar celelalte doar arată spre ea. În momentul în care aceeași cifră apare scrisă de mână în trei fișiere, două dintre ele vor fi greșite peste o lună, iar tu nu vei ști care.

A doua regulă, pe care am învățat-o pe pielea noastră, este că fiecare strat are un plafon de mărime, iar plafonul se declară în octeți, nu în număr de rânduri. Canalele prin care contextul ajunge la model taie în octeți și taie tăcut, fără să anunțe pe nimeni. Un fișier de memorie umflat peste plafon nu produce o eroare, el produce un sistem care pare că funcționează și căruia îi lipsește ultima treime din instrucțiuni.

## Cum arată al nostru, în cifre?

Sistemul despre care scriu aici este cel pe care îl folosim zilnic la UNRIVALS, iar cifrele de mai jos sunt măsurate pe 29 august 2026, nu estimate.

Vaultul de lucru conține **5.077 de note** în format text, dintre care **2.766 sunt livrabile produse pentru brandul propriu**, restul fiind împărțite pe ceilalți clienți activi. Peste ele stau **138 de proceduri executabile**, adică felul în care sistemul știe să facă un tip de lucrare de la cap la coadă, și **312 memorii** separate, fiecare purtând clientul de care aparține, ca să nu se scurgă context de la o companie la alta. Tot ce se scrie intră într-un istoric versionat, pornit pe 4 august 2026, care păstrează fiecare stare prin care a trecut fiecare fișier.

Partea care contează pentru un fondator nu sunt însă cifrele, ci ce fac ele posibil. O sesiune de lucru pe un client începe cu starea lui deja încărcată, adică fronturile deschise, ultimele decizii și pasul următor, fără să caute cineva prin foldere. Un livrabil nou pleacă din procedura lui scrisă, nu din memoria unui om. Iar la finalul zilei, deciziile luate se scriu în jurnal cu motivul lor, pentru că peste trei luni fișierul de pe disc îți spune ce ai făcut, în timp ce motivul pentru care ai făcut-o se pierde dacă nu îl scrii atunci.

Merită spus și ce nu face. Sistemul nu decide, nu vorbește cu clientul în locul nostru și nu trimite nimic în afară fără ca un om să se uite. Prin el trec documentarea, profilurile de client, analiza call-urilor, drafturile și verificările, în timp ce decizia și relația rămân la oameni.

## Ce se strică atunci când construiești unul?

Aproape toate problemele noastre au venit din același loc, iar locul acela nu este modelul. Este distanța dintre ce credeam că face sistemul și ce făcea el de fapt.

**Un pointer învechit este mai rău decât niciun pointer.** Când muți un fișier și uiți să actualizezi harta care arată spre el, sistemul nu se oprește. El caută în altă parte, găsește altceva și lucrează încrezător pe informație greșită. Am ajuns să verificăm mecanic, la fiecare rulare, că fiecare pointer duce undeva real, fiindcă promisiunea că ținem harta la zi nu a ținut niciodată.

**O poartă de verificare care trece nu dovedește nimic până nu o pui pe un caz prost.** Ne-am construit verificări care dădeau constant rezultat bun, iar asta ne-a liniștit exact până în ziua în care am testat una pe un livrabil intenționat defect și a trecut și pe acela. O poartă care nu discriminează este mai rea decât lipsa ei, pentru că îți cumpără încredere pe care nu ai plătit-o.

**Un răspuns de succes de la o platformă nu dovedește că lucrul s-a întâmplat.** Am scris date prin interfețe de programare care au confirmat scrierea, apoi am descoperit la o citire independentă că rezultatul arăta altfel. De atunci, orice modificare pe un sistem viu se reconfirmă printr-o citire separată, făcută din altă direcție.

Tiparul comun din toate trei este că sistemul nu eșuează zgomotos. El eșuează tăcut, cu aparență de normalitate, iar singura apărare este să verifici rezultatul, nu procesul.

## De ce eșuează majoritatea proiectelor de AI din companii?

Pentru că se cumpără instrumentul înainte de a se pregăti compania, iar cifrele arată exact cât de des se întâmplă. Un studiu MIT publicat în iulie 2025, construit pe 52 de interviuri, peste 300 de inițiative publice și 153 de lideri intervievați, a găsit că [95% dintre organizații nu obțin niciun return din investiția în AI generativ](https://mlq.ai/media/quarterly_decks/v0.1_State_of_AI_in_Business_2025_Report.pdf), în ciuda a 30-40 de miliarde de dolari puși în astfel de proiecte. Gartner estimase deja, [în 2024, că minimum 30% dintre proiectele de AI generativ vor fi abandonate după faza de test](https://www.gartner.com/en/newsroom/press-releases/2024-07-29-gartner-predicts-30-percent-of-generative-ai-projects-will-be-abandoned-after-proof-of-concept-by-end-of-2025), din cauza calității datelor și a valorii de business neclare.

Ruptura se vede și în cifrele de adopție. [Raportul McKinsey din 2026](https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai) arată că 44% dintre organizații au dus AI-ul la scară de întreprindere, în creștere de la 38% cu un an înainte, în timp ce doar 37% raportează un impact pe profitul operațional, procent practic neschimbat față de anul anterior. Companiile scalează, deci, mai repede decât reușesc să obțină valoare, iar diferența dintre cele două cifre este chiar spațiul în care trăiește problema din articolul acesta.

Aceeași concluzie apare și în felul în care BCG își descrie regula de alocare a efortului într-o transformare cu AI, [10% pe algoritmi, 20% pe tehnologie și date, 70% pe oameni și procese](https://www.bcg.com/featured-insights/the-leaders-guide-to-transforming-with-ai). Partea de care depinde rezultatul nu este modelul, ci felul în care lucrează compania, adică exact ce scrii într-un AI Brain.

Ethan Mollick, profesor la Wharton și autorul cărții *Co-Intelligence*, descrie practica lui de lucru într-un fel care spune totul despre unde stă valoarea. [„Îi dau AI-ului o sarcină. Îmi folosesc expertiza ca să decid care este acea sarcină. Evaluez rezultatele, îmi corectez abordarea, iar dacă tot nu funcționează, o fac singur.”](https://www.insightpartners.com/ideas/ethan-mollick-on-ai/) Judecata despre ce merită făcut și verificarea rezultatului rămân la om, iar amândouă cer ca omul să aibă contextul complet în față.

Pentru o companie din România, miza este mai mare decât media europeană, fiindcă punctul de plecare este mai jos. [Datele Eurostat pentru 2025](https://ec.europa.eu/eurostat/web/products-eurostat-news/w/ddn-20251211-2) arată că 5,2% dintre companiile românești cu cel puțin 10 angajați folosesc AI, față de o medie de 20,0% în Uniunea Europeană, ceea ce înseamnă un sfert din nivelul european și ultimul loc din tot blocul. Cifra se citește în două feluri, iar cel util este că spațiul de diferențiere este încă liber. Dintre companiile europene care folosesc deja AI, [34,7% îl folosesc pentru marketing sau vânzări](https://ec.europa.eu/eurostat/statistics-explained/index.php?title=Use_of_artificial_intelligence_in_enterprises), adică fix zona în care se decide cine este ales și cine nu.

## De unde începe un fondator cu o companie de 3-30M€?

Nu de la AI. Primul pas este să strângi într-un singur loc, în format text, ce știe compania despre clienții ei, pentru că un model poate citi doar ce există scris. Dacă informația trăiește în capul a patru oameni și în trei căsuțe de email, nu ai ce să pui sub AI.

Al doilea pas este să scrii procedura pentru un singur tip de lucrare, cel pe care îl faceți cel mai des, și să o duci până la capăt. O procedură terminată bate zece începute, fiindcă abia atunci vezi care este partea care chiar consumă timp.

Al treilea pas este verificarea, iar aici recomandarea mea este să o calibrezi pe cazuri rele, nu pe cele bune. Îi dai porții un livrabil despre care știi că este slab și te uiți dacă îl respinge. Dacă îl acceptă, poarta nu există, oricât de bine ar arăta în raport.

Abia după cei trei pași are sens să pui un model peste, iar atunci diferența se vede imediat, pentru că modelul nu mai improvizează, el execută pe ce ai scris tu.

Ordinea asta nu este o preferință tehnică. Ea vine din același principiu pe care îl aplicăm și în [arhitectura de marketing](/blog/arhitectura-marketing/), unde infrastructura se construiește înainte de campanii, și în felul în care privim [strategia care folosește AI](/blog/marketing-ai/), unde instrumentul vine după decizie, nu înaintea ei. Un AI Brain construit peste o companie care nu și-a scris cunoașterea amplifică dezordinea existentă, cu o viteză mai mare.

## Întrebări frecvente

**Cât costă să construiești un AI Brain?**
Costul principal nu este tehnologia, ci timpul de scriere al oamenilor care știu cum lucrează compania. Abonamentele și infrastructura pentru o companie mică se măsoară în sute de euro pe lună, în timp ce efortul de a scrie procedurile și de a strânge cunoașterea se măsoară în săptămâni de muncă a unui om care cunoaște operațiunea.

**Am nevoie de un programator?**
Pentru varianta de început, nu. Primele straturi sunt fișiere text și proceduri scrise în limbaj natural, iar un fondator organizat le poate face singur. Programarea devine necesară abia când conectezi sistemul la platformele voastre și automatizezi verificările.

**Datele companiei rămân ale companiei?**
Depinde exclusiv de furnizorul pe care îl alegi și de setările contului, deci este o întrebare pe care o pui înainte de a semna, nu după. Regula noastră este ca datele sensibile, financiare și personale să stea separat, în zone pe care sistemul nu are voie să le citească.

**Cât durează până se vede un rezultat?**
Primul rezultat vizibil apare la prima procedură terminată, adică la o lucrare care iese de două ori la fel, făcută de doi oameni diferiți. Compunerea reală, în care sistemul devine mai bun de la o săptămână la alta, cere câteva luni de alimentare constantă.

**Ce se întâmplă când apare un model nou?**
Îl schimbi și mergi mai departe. Tocmai asta este ideea de a ține valoarea în memorie și proceduri, nu în model. Noi am schimbat modelul de mai multe ori fără să pierdem nimic din ce scrisesem.

---

Dacă vrei să vezi cum arată principiul acesta aplicat pe compania ta, înainte de orice investiție în instrumente, poți cere o [analiză de poziționare](/#diagnostic). Ea îți arată ce crede piața despre tine acum și unde se rupe sistemul, iar de acolo se vede clar dacă problema ta cere AI sau cere întâi ordine.