Să ne imaginăm o situație foarte obișnuită. Un manager pregătește o analiză, un plan de schimbare sau un feedback dificil. Folosește AI pentru a ordona informația, pentru a vedea câteva alternative și pentru a formula mai clar mesajul. Documentul final este coerent, bine structurat și gata într-un timp mult mai scurt. Ce anume evaluăm în acel moment: calitatea rezultatului, abilitatea de a folosi instrumentul sau judecata cu care managerul a ales, verificat și asumat ceea ce a primit?

Până de curând, puteam presupune relativ ușor că un rezultat bun reflectă cunoștințele și efortul persoanei care l-a produs. Odată cu AI, această legătură devine mai puțin directă. Nu dispare, dar trebuie cercetată mai atent. Un text convingător poate ascunde o înțelegere superficială, după cum un rezultat obținut cu ajutorul AI poate reflecta o gândire foarte bună, dacă persoana a știut ce să ceară, ce să respingă și unde să intervină.

 

Productivitatea este reală dar nu spune toată povestea

 

Unul dintre cele mai solide studii despre AI generativ la locul de muncă a urmărit 5.172 de agenți de customer support. Cercetătorii Erik Brynjolfsson, Danielle Li și Lindsey Raymond au analizat introducerea treptată a unui asistent conversațional și au măsurat productivitatea prin numărul de probleme rezolvate într-o oră.

“Access to AI assistance increases worker productivity, as measured by issues resolved per hour, by 15% on average.”

Sursa  Brynjolfsson, Li și Raymond, Quarterly Journal of Economics, 2025

Tradus simplu, o creștere medie de 15% ar însemna că o echipă care rezolva 1.000 de solicitări într-un anumit număr de ore ar putea ajunge, în condiții comparabile, la aproximativ 1.150. Câștigul nu a fost însă identic pentru toți. Angajații mai puțin experimentați au beneficiat mai mult, ceea ce sugerează că instrumentul a pus la dispoziția lor o parte din practicile pe care colegii mai buni le dobândiseră în timp.

Studiul privește un anumit tip de activitate, într-un anumit context, cu un anumit instrument. Este un rezultat important, dar are limite clare. Nu demonstrează că AI crește orice formă de performanță și nici că persoana care livrează mai mult a devenit automat mai competentă. Productivitatea ne spune cât s-a realizat. Competența ne cere să înțelegem cum a fost obținut rezultatul și dacă omul poate repeta o decizie bună atunci când situația se schimbă.

 

Oamenii pot fi pregătiți înaintea organizației

 

Microsoft a analizat trilioane de semnale anonimizate din Microsoft 365 și a chestionat 20.000 de utilizatori AI din zece țări. Mesajul raportului Work Trend Index 2026 este surprinzător de puțin tehnologic: diferența nu este făcută doar de oamenii care știu să folosească AI, ci de sistemul de muncă din jurul lor.

“In many cases, people are ready. The systems around them are not.”

Sursa  Microsoft Work Trend Index 2026

În modelele raportate de Microsoft, cultura, sprijinul managerului și practicile de talent au reprezentat 67% din importanța predictivă asociată impactului declarat al AI, față de 32% pentru factorii individuali, precum mentalitatea și comportamentul. Altfel spus, din trei părți ale ecuației, aproximativ două țin de mediul în care lucrează omul și una de ceea ce face el individual. Autorii vorbesc despre o asociere, nu despre o cauză demonstrată, dar diferența este prea mare pentru a fi ignorată.

Aceeași tensiune apare în Global Workforce Hopes and Fears Survey 2026 al PwC, realizat pe aproape 50.000 de angajați. Aproape două treimi spun că folosesc AI, însă beneficiile nu sunt distribuite egal. Grupul care susține munca de zi cu zi a organizațiilor, 56% din eșantion, are acces mai redus la tehnologie, la învățare și la oportunități. În plus, încrederea în management a scăzut cu șapte puncte procentuale față de anul anterior.

“Injecting AI into legacy operating models isn’t enough.”

Sursa  PwC Global Workforce Hopes and Fears Survey 2026

Formula merită reținută. Dacă introducem AI într-un rol neclar, cu obiective contradictorii, date slabe și manageri care nu știu unde rămâne răspunderea, obținem cel mult o versiune mai rapidă a aceleiași confuzii. Uneori, confuzia va arăta chiar mai bine, pentru că este formulată fluent.

 

Judecata umană nu dispare ci își schimbă locul

 

Când AI preia o parte din execuție, contribuția umană se mută. Mai puțin timp este consumat pentru prima versiune a unui text, pentru căutarea unei structuri sau pentru sintetizarea informației. Mai multă valoare ar trebui să apară în definirea problemei, alegerea criteriilor, verificarea ipotezelor și asumarea deciziei. Spunem „ar trebui”, pentru că această mutare nu se produce singură.

Deloitte arată dimensiunea decalajului. În Human Capital Trends 2026, 60% dintre executivii chestionați spun că folosesc AI în luarea deciziilor, dar numai 5% consideră că gestionează bine acest lucru. Doar 6% dintre lideri spun că organizația lor face progrese în proiectarea interacțiunilor dintre oameni și AI.

“The real transformation isn’t adding humans and machines together, it’s redesigning work with clear decision rights and trust thresholds.”

Sursa  Deloitte Global Human Capital Trends 2026

„Decision rights” poate suna abstract. În practică, înseamnă răspunsuri foarte concrete: Cine stabilește obiectivul? Cine verifică datele? Când poate fi acceptată recomandarea AI? În ce situații este obligatorie intervenția unui om? Cine explică decizia celui afectat de ea? Și, mai ales, cine răspunde dacă rezultatul este greșit?

World Economic Forum păstrează gândirea analitică pe primul loc între competențele de bază, șapte din zece companii considerând-o esențială. Reziliența, flexibilitatea, leadershipul și influența socială rămân, de asemenea, în partea de sus a listei. Este un indiciu că alfabetizarea AI nu înlocuiește competențele umane. Le face mai vizibile și, în multe roluri, chiar mai importante.

 

De la utilizarea AI la competența demonstrată

 

Din perspectiva BHB, frecvența utilizării AI nu este o dovadă suficientă de competență. Nici calitatea aparentă a unui rezultat nu este. Utilizarea competentă se vede într-un lanț de comportamente care pot fi observate și discutate:

• Clarifică rezultatul urmărit. Persoana definește problema, publicul, constrângerile și standardul de calitate înainte de a cere un răspuns.
• Oferă context relevant. Selectează informația de care instrumentul are nevoie, fără a confunda volumul de date cu relevanța lor.
• Verifică și contrazice. Caută sursele, testează afirmațiile, observă ce lipsește și nu acceptă fluența drept dovadă de corectitudine.
• Știe când să intervină. Recunoaște situațiile în care AI poate susține munca și pe cele în care riscul, ambiguitatea sau impactul asupra oamenilor cer judecată directă.
• Își asumă rezultatul. Poate explica alegerea făcută, alternativele respinse și consecințele deciziei finale.

Aceste comportamente sunt mai greu de surprins dacă privim doar un document final. Ele devin însă vizibile într-o discuție bine condusă, într-o simulare, într-un exercițiu care cere justificarea deciziilor sau într-un proces de evaluare care urmărește dovezile, nu impresia generală.

 

Ce evaluăm concret în munca realizată împreună cu AI?

 

Să revenim la managerul care pregătește un plan de schimbare. Dacă evaluăm numai documentul, vedem o structură, un limbaj și un set de recomandări. Nu știm ce informație a introdus managerul, ce presupuneri a acceptat, ce riscuri a observat, ce a eliminat și de ce. Cu alte cuvinte, vedem produsul colaborării, dar nu vedem încă aportul uman.

O evaluare relevantă ar merge mai departe. I-ar cere managerului să explice ce problemă a formulat, care au fost criteriile, ce alternative a comparat, unde a găsit o eroare și cum a adaptat recomandarea la oamenii afectați de schimbare. Poate ar introduce și o informație nouă, contradictorie, pentru a observa dacă persoana își revizuiește decizia sau doar apără răspunsul inițial.

Aici apare o distincție importantă. Un exercițiu care interzice AI poate măsura capacitatea de a produce un rezultat fără sprijin. Un exercițiu care permite AI poate măsura capacitatea de a gestiona resurse, de a controla calitatea și de a decide. Ambele pot fi utile, dar nu măsoară același lucru. Dacă designul evaluării nu precizează ce competență urmărește, scorul devine greu de interpretat.

 

Perspectiva BHB asupra evaluării în era AI

 

Pentru BHB, schimbarea esențială nu este adăugarea unei competențe generice numite „AI literacy” în toate profilurile. Unele roluri vor avea nevoie de competențe tehnice specifice, dar toate rolurile afectate de AI trebuie reexaminate prin întrebarea: unde se mută contribuția umană și cum o putem recunoaște în comportamente? Mai concret, asta presupune:

1. Actualizați profilul de rol. Stabiliți ce poate fi delegat tehnologiei, ce trebuie verificat și ce decizii rămân în responsabilitatea persoanei.
2. Definiți comportamentele observabile. Înlocuiți formulări vagi precum „folosește eficient AI” cu acțiuni care pot fi văzute, explicate și susținute prin dovezi.
3. Separați viteza de calitate. Un volum mai mare de rezultate contează, dar trebuie analizat împreună cu acuratețea, relevanța, echitatea și consecințele.
4. Regândiți situațiile de evaluare. Decideți când AI este exclus, când este permis și ce parte a procesului trebuie explicată de participant.
5. Folosiți evaluarea pentru dezvoltare. Dacă o persoană acceptă prea ușor răspunsurile, evită decizia sau nu poate explica raționamentul, rezultatul trebuie transformat într-o experiență de învățare, nu doar într-un scor.

Competency Profiler poate susține această legătură dintre profilul rolului, indicatorii comportamentali, exercițiile în care comportamentele devin vizibile, integrarea observațiilor și raportul de dezvoltare. Instrumentul nu înlocuiește însă alegerea metodologică. În continuare, organizația trebuie să decidă ce vrea să observe și de ce acel comportament contează în munca reală.

 

Întrebarea care rămâne

 

AI face rezultatele mai ușor de produs, însă nu le face automat mai ușor de înțeles sau mai de încredere. Tocmai de aceea, evaluarea nu își pierde relevanța. Devine mai atentă la procesul care a dus la rezultat și la momentele în care omul a formulat, a verificat, a ales și și-a asumat responsabilitatea.

Întrebarea utilă nu este doar „A folosit AI?”. Este „Poate explica ce a delegat, ce a verificat, ce a decis și de ce își asumă rezultatul?”. Acolo începe diferența dintre simpla utilizare a unui instrument și competența de a lucra bine împreună cu el.