AI Brain pe înțelesul unui fondator

Un AI Brain este memoria unei companii, strânsă într-un singur loc de unde 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 gata făcut. Este infrastructură construită din ce știe deja compania, iar valoarea lui crește cu fiecare lucru nou pe care compania îl scrie în el.

Pe scurt. 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 mintea oamenilor, iar modelul trebuie să o primească din nou, de la zero, la fiecare conversație. În a doua, cunoașterea este scrisă, ordonată și păstrată cu istoricul ei, iar modelul pornește de fiecare dată cu tot contextul companiei în față. 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 ce a livrat 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 o formează 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 testele prin care trece orice lucru produs, înainte să ajungă la un client. Fără ea, primele două părți te ajută să produci mai repede, dar nu și mai bine.

În metodologia noastră, principiul care se aplică aici tratează AI-ul ca pe un procesor al companiei, adică o prelungire a felului în care ea gândește deja. Un procesor fără memorie și fără reguli rămâne însă o simplă unealtă de scris texte.

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 stă în ce ai scris în jurul lui.

La prima vedere, un abonament la un asistent conversațional, cum este ChatGPT, pare să facă același lucru. Face, într-adevăr, o parte din treabă. Îi lipsește însă exact partea care contează pentru o companie, pentru că nu ține minte nimic după ce închizi conversația și nu are de unde 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 explici contextul de fiecare dată, iar explicația aceasta consumă o mare parte din muncă. 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 explicând totul din nou, 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 mai trebuie explicat de fiecare dată. 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 o informație ținută în două locuri ajunge repede să spună două lucruri diferite, iar din acel moment nu mai ai încredere în niciunul.

Structura funcționează doar cu o regulă simplă. Fiecare informație este scrisă într-un singur strat, iar celelalte doar trimit la ea. Dacă aceeași cifră este copiată de mână în trei fișiere, peste o lună două dintre ele vor fi greșite și nu vei ști care.

A doua regulă am învățat-o pe propria piele. Fiecare strat are o mărime maximă, pentru că modelul primește doar o anumită cantitate de text, iar ce trece de limită este tăiat fără niciun avertisment. Un fișier de memorie prea mare nu dă nicio eroare. Sistemul pare că funcționează normal, doar că lucrează fără ultima treime din instrucțiuni.

Pe ce strat al companiei se așază un AI Brain?

Orice companie o analizăm pe patru straturi suprapuse, ca să reparăm cauza unei probleme și nu doar simptomul ei. AI Brainul stă pe al treilea strat, cel care le leagă pe celelalte.

L1, performance marketing. Aici se văd costul pe lead, costul pe achiziție și rata de conversie. Este stratul cel mai vizibil și primește aproape toată atenția, fiindcă se măsoară ușor.

L2, venit și proces comercial. Aici stau pipeline-ul, durata ciclului de vânzare și cât de repede trece un client de la o etapă la alta. Un client bun pierdut la a treia întâlnire este o problemă de L2, oricât ar semăna cu una de campanie.

L3, orchestrarea și memoria. Aici locuiește AI Brainul. Datele companiei, procedurile scrise și motivele deciziilor luate formează stratul care face diferența dintre o companie care învață și una care o ia de la zero de fiecare dată când pleacă un om.

L4, poziționare și arhitectură de categorie. Aici se decide după ce criteriu te compară clienții cu concurenții, iar de acest strat depinde dacă celelalte trei lucrează în favoarea ta.

Construcția merge de jos în sus, din L1 până în L4, fiindcă fiecare strat se sprijină pe datele celui de dedesubt. Nu poți poziționa o companie care nu are încă date despre propriii clienți.

De aceea, un AI Brain construit fără L1 și L2 rămâne o bibliotecă frumoasă. Are ce citi, însă nu are cum să ajute la decizii, fiindcă nimeni nu i-a pus în față cifrele după care se conduce compania.

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.

Baza noastră de lucru conține 5.077 de note în format text. Dintre ele, 2.766 sunt livrabile produse pentru brandul propriu, iar restul aparțin celorlalți clienți activi. Peste note stau 138 de proceduri executabile, fiecare descriind cum se face un tip de lucrare de la cap la coadă, și 312 memorii separate. Fiecare memorie este marcată cu clientul căruia îi aparține, ca informația despre o companie să nu ajungă în lucrul pentru alta.

Din 4 august 2026, tot ce se scrie intră într-un istoric care păstrează fiecare versiune a fiecărui fișier.

Pentru un fondator contează însă ce fac posibil aceste cifre. Când începem lucrul pentru un client, sistemul are deja în față situația lui, adică ce este în lucru, ultimele decizii și pasul următor, fără să caute cineva prin foldere. Un livrabil nou pornește de la procedura lui scrisă, iar calitatea lui nu mai depinde de ce își amintește un om.

La finalul zilei, deciziile se scriu în jurnal împreună cu motivul lor. Peste trei luni, fișierele îți arată ce ai făcut, dar motivul pentru care ai făcut așa se pierde dacă nu l-ai notat 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, iar decizia și relația cu clientul rămân la oameni.

Ce se strică atunci când construiești unul?

Aproape toate problemele noastre au avut aceeași cauză, iar cauza nu a fost modelul. A fost distanța dintre ce credeam că face sistemul și ce făcea el de fapt.

O trimitere învechită este mai periculoasă decât niciuna. Când muți un fișier și uiți să actualizezi harta care trimite la el, sistemul nu se oprește. Caută în altă parte, găsește altceva și lucrează fără nicio ezitare pe informație greșită. Acum verificăm automat, de fiecare dată când sistemul lucrează, că fiecare trimitere duce la un fișier care există, fiindcă simpla promisiune că ținem harta la zi nu a fost respectată niciodată.

O verificare care iese mereu bine nu dovedește nimic până nu o încerci pe un caz prost. Aveam verificări care ieșeau constant bine și asta ne-a liniștit până în ziua în care i-am dat uneia un livrabil stricat intenționat. L-a aprobat și pe acela. O verificare care nu face diferența între bine și rău este mai rea decât lipsa ei, pentru că îți dă o siguranță pe care nimic nu o justifică.

Confirmarea primită de la o platformă nu dovedește că modificarea s-a făcut. Am trimis date către platforme care au răspuns că le-au salvat, apoi, când le-am verificat direct în platformă, am descoperit că rezultatul arăta altfel. De atunci, orice modificare făcută pe un sistem folosit de clienți o verificăm citind din nou rezultatul, separat de confirmarea primită.

Toate trei au ceva în comun. Când greșește, sistemul nu dă nicio eroare și continuă ca și cum totul ar fi normal, așa că singura apărare este să verifici rezultatul final.

Aici se vede și un alt principiu al nostru, acela că sistemul învață din dialog. Fiecare corectură primită se scrie ca regulă, împreună cu motivul ei, iar regula este citită înainte de următoarea lucrare de același tip. De aceea, jurnalul nostru de greșeli se folosește zilnic și nu stă uitat într-un sertar.

Ce se vede din afară când o companie nu are memorie scrisă

Cele trei defecte de mai sus se văd doar din interior. Lipsa memoriei scrise are însă și un efect vizibil din afară, pe care îl întâlnim la audituri și care are aceeași cauză.

În auditurile pe care le-am livrat, una dintre cele cinci probleme care se repetă este compania pe care motoarele AI nu o citează deloc, uneori pentru că site-ul ei îi blochează chiar pe roboții care ar trebui să îl citească. La Doctor Skin și la Therezia, problema aceasta a fost verificată și documentată în auditul făcut pentru ele.

Soluția propusă este aceeași de fiecare dată și nu cere buget nou. Compania construiește paginile care răspund la întrebările pe care clienții le pun înainte să cumpere, ca motoarele AI să aibă ce cita. O companie care nu și-a scris cunoașterea nici pentru propriii oameni nu are ce oferi nici unui model care ar vrea să o citeze.

Un lucru se repetă în toate auditurile și contrazice intuiția. În patru din cele cinci probleme, soluția nu adaugă nimic nou companiei. Ea folosește ceva care există deja, fie mutându-l acolo unde se vede, fie transformându-l în mesajul principal, fie dându-i un nume.

De ce eșuează majoritatea proiectelor de AI din companii?

Pentru că instrumentul se cumpără înainte să fie pregătită compania, iar cifrele arată cât de des se întâmplă asta. Un studiu MIT publicat în iulie 2025, bazat pe 52 de interviuri, pe analiza a peste 300 de inițiative publice și pe un chestionar completat de 153 de lideri, a găsit că 95% dintre organizații nu obțin niciun câștig din investiția în AI generativ, 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, din cauza datelor de calitate slabă și a valorii de business neclare.

Aceeași problemă apare și în datele despre cât de mult folosesc companiile AI-ul. Raportul McKinsey din 2026 arată că 44% dintre organizații folosesc deja AI-ul la nivelul întregii companii, 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. Cu alte cuvinte, companiile extind folosirea AI-ului mai repede decât reușesc să câștige ceva din ea, iar diferența dintre cele două procente este exact problema despre care vorbește acest articol.

Aceeași concluzie reiese din regula după care BCG împarte efortul într-o transformare cu AI, 10% pe algoritmi, 20% pe tehnologie și date, 70% pe oameni și procese. Rezultatul depinde deci, în cea mai mare parte, de felul în care lucrează compania, adică exact de ce scrii într-un AI Brain.

Ethan Mollick, profesor la Wharton și autorul cărții Co-Intelligence, își descrie felul de lucru în câteva fraze care arată unde stă valoarea. „Tot mai des, îi atribui 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.” 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 și mai mare, fiindcă punctul de plecare este mult sub media europeană. Datele Eurostat pentru 2025 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 Uniune.

Partea bună a acestei cifre este că locul pentru diferențiere este încă liber. Dintre companiile europene care folosesc deja AI, 34,7% îl folosesc pentru marketing sau vânzări, adică tocmai zona în care se decide pe cine alege clientul.

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 există doar în mintea a patru oameni și în trei căsuțe de email, AI-ul nu are de unde să o citească.

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 testezi pe cazuri rele. Îi dai un livrabil despre care știi că este slab și te uiți dacă îl respinge. Dacă îl acceptă, verificarea nu există, oricât de bine ar arăta în raport.

Al patrulea pas l-am învățat pe banii noștri, așa că îl spun cu cifra lui. Măsoară cât costă funcționarea sistemului, nu doar ce produce. Pe 17 septembrie am numărat, în jurnalul propriu, ce citise sistemul într-o zi de lucru și am găsit că recitise aceleași instrucțiuni de 124 de ori.

Optzeci și două de procente din costul zilei se duseseră pe această recitire, nu pe muncă nouă. De atunci avem o regulă. Fișierele pe care sistemul le citește la fiecare pas au o mărime maximă, iar conversațiile lungi se închid la timp și se reiau de la un rezumat. Un AI Brain care crește necontrolat ajunge să fie chiar costul pe care trebuia să îl scadă.

Abia după acești patru pași are sens să adaugi modelul. Diferența se vede imediat, pentru că modelul nu mai improvizează și lucrează pe ce ai scris tu.

Ordinea aceasta nu este o preferință tehnică. Este același principiu pe care îl aplicăm în arhitectura de marketing, unde infrastructura se construiește înainte de campanii. Îl aplicăm și în strategia care folosește AI, unde instrumentul vine abia după decizie. Un AI Brain pus peste o companie care nu și-a scris cunoașterea nu face decât să amplifice, mai repede, dezordinea care există deja.

Rolul modelului în acest sistem l-am explicat pe larg în articolul despre AI-ul ca procesor al companiei. Felul în care privești modelul are consecințe practice, pentru că de el depinde dacă bugetul se duce în abonamente sau în scrierea cunoașterii care le dă sens.

Întrebări frecvente

Cât costă să construiești un AI Brain?

Costul principal este timpul oamenilor care știu cum lucrează compania și care trebuie să pună totul în scris. 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. Obligațiile care vin odată cu folosirea unui model într-o companie europeană le-am detaliat în articolul despre ce cere regulamentul european pentru AI.

Cât durează până se vede un rezultat?

Primul rezultat se vede după prima procedură terminată, când aceeași lucrare, făcută de doi oameni diferiți, iese la fel. Efectul cumulat, în care sistemul devine mai bun de la o săptămână la alta, cere câteva luni în care compania îl completează constant.

Ce se întâmplă când apare un model nou?

Îl schimbi și mergi mai departe. Tocmai de aceea ținem valoarea în memorie și în proceduri. Noi am schimbat modelul de mai multe ori fără să pierdem nimic din ce scrisesem, fiindcă memoria și procedurile stau în fișiere pe care le poate citi orice model, nu într-un cont legat de un singur furnizor.

Cu ce începe un om care are deja abonamentele plătite?

Cu inventarul a ceea ce ați scris deja. Aproape orice companie are mai mult material decât crede, împrăștiat prin oferte vechi, prezentări, răspunsuri lungi date pe email și transcripturi de întâlniri. Pasul care aduce cel mai mult, în prima săptămână, este să strângi materialul acela într-un singur loc și să îl cureți de ce nu mai este adevărat.

Dacă vrei să vezi unde se află compania ta pe aceste patru straturi, înainte de orice investiție în instrumente, poți cere o analiză de poziționare. Ea îți arată ce crede piața despre tine acum și unde se blochează creșterea, iar de acolo se vede clar dacă problema ta cere AI sau cere întâi ordine.