De la „Epoca de Piatră” la AI: liceul și businessul

România are, de ani buni, peste 40% dintre tineri care abandonează facultatea în primii ani de studiu. Nu pentru că nu ar fi inteligenți, ci pentru că sistemul îi împinge să învețe pe de rost, nu să înțeleagă și să aplice. Exact aceeași capcană în care cad azi și multe companii când vine vorba de inteligența artificială: multă teorie, prezentări spectaculoase, puțină aplicabilitate reală.

Acest articol pornește de la apelul Coaliției pentru Educație de a scoate liceul românesc din „Epoca de Piatră” și îl pune în oglindă cu felul în care firmele din România implementează (sau nu) AI. Dacă în educație cheia este să trecem de la conținut la relevanță, în business cheia este să trecem de la hype la rezultate concrete.

Seria „AI în Educația din România: Învățare Personalizată” vorbește despre cum pot fi modernizate școala și universitățile cu ajutorul AI. Aici mergem un pas mai departe: arătăm cum aceeași logică – mai multă practică, context real, personalizare – trebuie folosită și când o companie decide să adopte soluții de inteligență artificială.

1. Lecția dură din liceu: conținut avem, relevanță nu prea

Mesajul Coaliției pentru Educație e clar: problema liceului românesc nu este lipsa de informație, ci lipsa de aplicabilitate și relevanță. Elevi care termină 12 clase fără un singur experiment de biologie, fără proiecte reale, fără să știe ce li se potrivește ca domeniu de studiu sau carieră.

„Problema nu este că avem prea puţin conţinut, ci că avem prea puţină aplicabilitate şi relevanţă.” – Simona David‑Crişbăşanu

Consecințele sunt vizibile:

• abandon universitar ridicat, mai ales după primul an;
• alegeri de facultate făcute „la nimereală” sau „pentru că dă bine”;
• tineri care ajung pe piața muncii fără să știe ce știu, de fapt, să facă.

Realitatea e incomodă: am construit un sistem educațional centrat pe manual și programă, nu pe elev. Pe „ce trebuie predat”, nu pe „ce știe și poate face elevul după ce a învățat”.

Exact același lucru se întâmplă azi în multe companii românești cu AI:

• se cumpără licențe de platforme „smart”, dar nu există procese clare în care să fie folosite;
• se fac traininguri generale, dar fără proiecte concrete per departament;
• se investește în „conținut” (tool-uri, prezentări, documentație), nu în relevanță (use case-uri bine alese, măsurate).

2. Paralele directe: ce greșesc școala și companiile în fața tehnologiei

Dacă scoți cuvântul „elev” din raportul Coaliției pentru Educație și îl înlocuiești cu „angajat”, descrierea se potrivește dureros de bine mediului de business.

2.1. Lipsa experimentelor = lipsa proiectelor pilot

În biologie, chimie, fizică, elevii români fac prea puține experimente. În alte țări, sunt între 12 și 15 experimente obligatorii în timpul liceului, evaluate sistematic. La noi, accentul rămâne pe teorie.

În companii:

• se vorbește despre AI în ședințe de board;
• se trimit newslettere interne despre „viitorul muncii”;
• dar există foarte puține proiecte pilot clare, cu un început, un sfârșit, un KPI:
  • reducerea timpului de răspuns în customer service cu 30%;
  • automatizarea generării de rapoarte lunare;
  • personalizarea recomandărilor pentru clienți.

Fără experimente reale, oamenii nu înțeleg la ce folosește concret AI, iar rezistența la schimbare rămâne ridicată, exact cum elevii nu văd sensul formulelor de chimie dacă nu le-au folosit niciodată într-un laborator – fie el și virtual.

2.2. Conectarea la realitate: sănătate, mediu, business

Profesorul Constantin Lomaca subliniază că ideile științifice trebuie conectate la contexte reale: sănătate, mediu, tehnologie, societate. Elevii să vadă de ce contează ceea ce învață.

În business, AI are sens doar dacă este conectat la:

• obiective comerciale clare (creșterea vânzărilor, retenția clienților, reducerea costurilor);
• probleme operaționale specifice (timpi mari de procesare, erori umane, lipsă de vizibilitate în date);
• nevoile reale ale oamenilor din echipă (mai puțină muncă repetitivă, mai mult timp pentru activități cu valoare mare).

Dacă AI rămâne la nivel de „tool futuristic”, reacția angajaților va fi la fel ca a elevilor la formulele abstracte: memorăm, bifăm și uităm.

3. Cum arată un „curriculum de AI” sănătos într-o companie

În educație, Coaliția propune: descriptori clari de competență, practică obligatorie, reducerea volumului de conținuturi, aliniere între programă, profilul absolventului și evaluare. Logica este impecabilă – și poate fi copiată aproape 1:1 pentru implementarea AI în business.

3.1. Definirea competențelor: ce „știe să facă” compania cu AI

Într-un liceu modern, nu ne mai mulțumește să spunem „am predat fotosinteza”, ci vrem să știm:

• elevul poate explica procesul în cuvintele lui?
• poate interpreta un grafic legat de lumină și creșterea plantelor?
• poate face un mic experiment și poate argumenta rezultatele?

Într-o companie, întrebarea corectă nu este „avem AI?”, ci:

• știm să identificăm procese repetitive care pot fi automatizate?
• știm să curățăm și să structurăm datele astfel încât modelele să învețe corect?
• știm să evaluăm dacă un PoC de AI chiar aduce valoare sau doar „sună bine”?

Un „curriculum de AI” sănătos în firmă înseamnă competențe minime definite pe roluri:

• pentru top management: înțelegerea tipurilor de proiecte AI, ROI, riscuri, guvernanță;
• pentru middle management: cum se definesc use case-uri și KPI, cum se gestionează schimbarea în echipă;
• pentru angajați: cum folosesc concret instrumentele AI din fluxul lor zilnic de lucru.

3.2. Practică obligatorie și proiecte cu miză reală

La liceu, Coaliția cere ca practica să nu mai fie „opțională”, ci obligatorie și evaluată. La fel trebuie tratat și AI în business.

Câteva exemple de practică „obligatorie” în companie:

• fiecare departament are cel puțin un proiect pilot de AI pe an, cu rezultate măsurabile;
• trainingurile de AI includ task-uri reale, nu doar simulări generice;
• angajații primesc timp alocat în mod explicit să testeze instrumentele (de tip „AI hours” săptămânale).

Fără acest tip de practică, totul rămâne în sfera „am fost la un curs, a fost interesant”, exact cum elevii bifează „am învățat lecția”, dar nu pot aplica nimic în viața de zi cu zi.

3.3. Reducerea „conținutului” și prioritizarea

Atât în educație, cât și în AI, tentația este să băgăm „cât mai mult”: mai multe capitole, mai multe tool-uri, mai multe feature-uri. Rezultatul? Oamenii se blochează, nu mai știu de unde să înceapă.

Un program serios de AI în firmă arată altfel:

• se aleg 3–5 scenarii de business critice în următoarele 6–12 luni;
• se prioritizează în funcție de impact și fezabilitate;
• se spun clar și ferm „NU” proiectelor atractive, dar fără impact sau fără date suficiente.

La fel cum o programă de liceu nu ar trebui să fie un „catalog de tot ce s-a descoperit vreodată la biologie”, nici strategia de AI nu trebuie să fie un inventar de tehnologii – ci un focus pe ce aduce valoare pentru companie și pentru oameni.

4. AI în educație: de la laborator virtual la orientare vocațională

Seria „AI în Educația din România: Învățare Personalizată” vorbește despre cum putem folosi inteligența artificială ca să corectăm chiar problemele semnalate de Coaliția pentru Educație.

4.1. Laboratoare virtuale și experimente la distanță

Unde școlile nu au laboratoare fizice bine dotate, pot apărea:

• platforme de laboratoare virtuale, în care elevii fac experimente simulate, dar bazate pe date reale;
• scenarii interactive unde elevul modifică variabile și vede în timp real efectele.

AI poate îmbunătăți aceste laboratoare:

• adaptează dificultatea exercițiilor în funcție de nivelul fiecărui elev;
• sugerează experimente suplimentare pentru cei curioși sau pentru cei care au greșit frecvent la un anumit tip de problemă;
• oferă explicații personalizate, în limbaj accesibil, pe baza răspunsurilor date de elev.

4.2. Evaluare inteligentă și feedback în timp real

Profesorul Lomaca spunea că evaluările ar trebui să măsoare nu doar cunoștințe, ci și abilități: cercetare, raționament, comunicare. AI poate ajuta exact aici:

• sisteme care analizează răspunsurile la întrebări deschise și oferă feedback imediat;
• platforme de învățare adaptivă care identifică lacunele și recomandă exerciții țintite;
• analize de progres pe termen lung, pentru fiecare elev și pentru fiecare clasă.

Pentru un profesor, asta înseamnă mai puțin timp petrecut cu „corectatul mecanic” și mai mult timp pentru partea umană: discuții, clarificări, proiecte.

4.3. Orientare vocațională cu ajutorul datelor

O altă problemă ridicată de Coaliție: tinerii nu știu încotro s-o apuce. Aleg facultăți sau meserii fără să aibă o imagine clară a ceea ce presupun.

AI poate juca un rol interesant aici:

• agregă date despre profilul elevului: rezultate la diferite materii, preferințe, tipuri de proiecte unde a excelat;
• le combină cu date despre piața muncii: salarii, cerere, tendințe pe domenii în România;
• generează recomandări de trasee educaționale și profesionale, nu sub formă de „sentință”, ci ca punct de plecare pentru discuții cu consilierul școlar sau cu părinții.

Pentru companii, același tip de logică poate fi folosit în reskilling și upskilling: identificarea angajaților care pot fi formați pentru roluri noi, pe baza abilităților actuale și a intereselor lor.

5. Ce pot face companiile românești concret, în 2026

Dacă ești manager, antreprenor sau responsabil de transformare digitală, mesajul din zona educației ar trebui să sune așa: nu repeta în firmă greșelile făcute în licee.

Câteva pași concreți pentru un 2026 în care AI chiar aduce valoare:

1. Definește 3 probleme de business clare pe care vrei să le ataci cu AI (nu 30).
2. Alege un proiect pilot pentru fiecare: mic, cu date existente, ușor de măsurat.
3. Pregătește oamenii, nu doar tehnologia:
   • workshopuri scurte, pe roluri;
   • exemple specifice pe task-urile lor reale;
   • spațiu de testare fără frica de greșeală.
4. Măsoară și decide: păstrezi, extinzi sau abandonezi proiectul în funcție de rezultate, nu de modă.
5. Construiește un „curriculum intern” de AI:
   • ce trebuie să știe fiecare nivel (board, management, execuție);
   • ce instrumente sunt standard în companie;
   • ce reguli de etică și de securitate se aplică.

Realitatea? E mult mai simplu să cumperi un tool și să spui „avem AI”, decât să schimbi procese, să formezi oameni, să măsori rezultate. Dar asta e diferența între „Epoca de Piatră” și un sistem modern, fie că vorbim de școală sau de business.

Concluzie: dacă nu e relevant, nu rezistă

Educația și businessul au aceeași provocare în 2025–2030: să devină relevante pentru o generație care nu mai are răbdare cu forme fără fond. Gen Z nu mai acceptă cursuri fără sens, joburi fără claritate sau proiecte de AI făcute doar „de imagine”.

Liceul românesc are șansa unei rescrieri de programe după aproape 20 de ani. Companiile românești au șansa să introducă AI nu ca jucărie nouă, ci ca infrastructură de lucru, orientată pe rezultate. Ambele șanse vin la pachet cu aceeași întrebare: ce poate face elevul sau angajatul în plus, concret, după acest efort?

Dacă răspunsul e clar, măsurabil și legat de lumea reală, atunci suntem pe drumul bun – spre o educație personalizată și un business în care AI nu sperie, ci ajută. Dacă vrei ca firma ta să nu rămână în „Epoca de Piatră”, exact ca liceul de azi, următorul pas e simplu: alege un singur proces critic, pune AI la lucru pe el și vezi, în cifre, ce se schimbă.