579 de echipe de inovare urmărite timp de 7 luni.
Echipele care au pornit cu cea mai mare claritate a problemei au ajuns la o rată de implementare de 50% - sub medie.
Echipele care au pornit cu ambiguitate, dar și-au clarificat direcția la jumătatea drumului, au atins peste 80%.
Cele care au rămas în ambiguitate pe tot parcursul: 25%.
Ce înseamnă asta pentru o organizație care este la început de drum în adoptarea AI?
Ce a descoperit cercetarea
Johnathan R. Cromwell și Jean-François Harvey au studiat 579 de echipe participante la o competiție internă de inovare a unei companii multinaționale. Studiul a fost publicat în Research Policy (aprilie 2025)1 și sintetizat în MIT Sloan Management Review (martie 2026)2.
Echipele au fost comparate după nivelul de claritate a problemei de rezolvat în cadrul unui proiect de inovare la două momente: la startul proiectului și la jumătatea lui.
| Situația echipei | Rata de implementare |
|---|---|
| Claritate ridicată de la început | ~50% (sub medie) |
| Claritate scăzută la start → clarificată la mijloc | >80% |
| Claritate scăzută la start → rămasă ambiguă la mijloc | ~25% |
Concluzia care contravine intuiției: echipele care au avut capacitatea de a explora și a clarifica problema pe parcurs au avut cea mai mare rată de succes comparativ cu cele care au avut-o de la început.
Care sunt motivele?
Motiv 1 — Explorare mai largă a spațiului de oportunități.
Când definești problema prea devreme, îngustezi câmpul de soluții înainte să îl fi explorat complet. Riști să optimizezi cu eficiență maximă o direcție greșită. Ambiguitatea inițială permite testarea mai multor ipoteze și descoperirea unui echilibru mai bun între nevoie și soluție.
Motiv 2 — Angajamentul echipei crește când membrii contribuie la definirea problemei.
Când problema vine gata definită din partea conducerii, echipa execută. Spre deosebire de situația în care membrii participă încă de la început la descoperirea ei și apoi la implementarea soluției. În faza de implementare, când apar dificultățile neprevăzute, angajamentul echipei este foarte important și acest aspect se reflectă în rata de succes. Echipa care a participat la descoperirea problemei este mai implicată în găsirea soluției.
Modelul optim este undeva la mijloc. Este un proces iterativ de explorare deschisă la început, urmat de convergență fermă la mijloc și execuție disciplinată la final.
Relevanța pentru organizațiile din România
Cercetarea vine dintr-un context internațional. Dar relevanța ei pentru organizațiile din România este poate chiar mai mare.
România se situează printre țările cu cea mai ridicată nevoie de a evita incertitudinea din Europa (indicele Hofstede UAI = 90 din 100). Această trăsătură culturală are avantajele ei în operațiunile de zi cu zi: prudență, respectarea procedurilor, atenție la riscuri. Dar în situații noi, cum este adoptarea AI, poate deveni o sursă de risc.
Când un manager sau adminiatrator de companie propune să „adoptăm AI”, prima reacție firească poate fi: „Să stabilim exact ce problemă rezolvăm, ce instrument folosim și cum măsurăm succesul.” Dorința de claritate încă de la început este o reacție normală și de înțeles.
Cercetarea Cromwell & Harvey arată că tocmai această reacție, aplicată prea devreme, reduce șansele de implementare reală de la 80% la 50%.
Nevoia de certitudine care protejează organizațiile românești în situații familiare poate deveni o vulnerabilitate specifică în adoptarea AI.
Soluția nu este să renunțăm la claritate. Claritatea poate fi câștigată prin explorare împreună cu echipa, nu doar la nivel de conducere.
Cum traduce cadrul AICompIMM această logică în practică
Cadrul de competențe AICompIMM definește un parcurs de adoptare în 5 etape. Privit prin lentila cercetării Cromwell & Harvey, primele etape ajută la evitarea stabilirii premature a clarității.
Etapa 1 — Descoperă (Explorare inițială)
Obiectiv: deschideți câmpul de oportunități AI — fără să alegeți soluția.
Acțiuni recomandate:
- Formulați întrebări largi: „Unde pierdem timp în procese repetitive?“, „Unde avem nevoie de informații pe care nu le avem azi?”
- Colectați idei din roluri diferite — nu doar de la management
- Organizați sesiuni de prezentare și alfabetizare AI de bază (nivelul L1 — Utilizator din cadrul AICompIMM)
- Nu luați decizii de implementare în această etapă
Rezultat așteptat: o listă de oportunități posibile de explorat, nu o soluție finală.
Etapa 2 — Evaluează (Diagnostic organizațional)
Obiectiv: înțelegeți punctul real de plecare.
Acțiuni recomandate:
- Evaluați pregătirea organizației pe patru dimensiuni: strategie, competențe existente, riscuri asumate, capacitate de învățare
- Mapați competențele pe roluri (L1/L2/L3 conform cadrului AICompIMM)
- Identificați 2–3 procese cu impact clar și risc controlabil — candidați pentru experiment
Rezultat așteptat: criterii clare pentru selecția experimentului pilot.
Etapa 3 — Experimentează (Piloturi paralele → convergență)
Aceasta este etapa în care cercetarea devine cel mai relevantă.
Acțiuni recomandate:
- Lansați 2–3 experimente paralele, cu scop și indicatori de urmărire clari
- Documentați ce funcționează și ce nu funcționează în contextul vostru specific
Punct de convergență — la ~50% din durata experimentului (obligatoriu):
- Evaluați fiecare pilot pe: valoare creată concret, fezabilitate tehnică, nivel de risc, adoptare reală de către echipă
- Alegeți 1–2 inițiative pentru continuare
- Opriți restul — nu ca eșecuri, ci ca surse de învățare documentată
Echipele care nu fac această convergență la timp au rate de implementare de ~25%, conform cercetării. Este pasul pe care cel mai des îl sar organizațiile la început de drum.
Rezultat așteptat: direcție clară pentru implementarea susținută.
Etapa 4 — Integrează (Operaționalizare)
Obiectiv: transformați experimentul în rutină de lucru.
- Standardizați fluxurile de lucru, rolurile, responsabilitățile
- Creați ghiduri de utilizare și de verificare a rezultatelor AI
- Rulați formare practică pentru echipele implicate (nivelul L2 — Practicant din cadrul AICompIMM)
Rezultat așteptat: utilizare repetabilă, controlată, cu valoare măsurabilă.
Etapa 5 — Extinde (Extindere controlată și guvernanță)
Obiectiv: extindeți ce funcționează, fără să creșteți riscul necontrolat.
- Extindeți pe alte echipe și procese
- Urmăriți indicatorii de impact: productivitate, calitate, timp, satisfacție
- Actualizați periodic ghidurile de utilizare responsabilă AI (Aria 5 din cadrul AICompIMM)
Rezultat așteptat: adoptare AI sustenabilă la nivel organizațional.
Footnotes
Cromwell, J.R. & Harvey, J.-F. (2025). A Problem Half-Solved Is a Problem Well-Stated: Increasing the Rate of Innovation Through Team Problem Discovery. Research Policy, 54(3), 1–16. https://doi.org/10.1016/j.respol.2025.105186↩︎
Cromwell, J.R. & Harvey, J.-F. (2026). The Hidden Power of Messy Teams. MIT Sloan Management Review, Spring 2026. https://doi.org/10.63383/Fxye8059↩︎