Metoda Unlearning.

Nu începem cu tooluri și nu începem cu training. Începem cu o hartă a muncii: stăm cu echipa, ne uităm la o săptămână normală de lucru și notăm ce se repetă, ce durează, ce se face din inerție și ce blochează restul. Din discuțiile cu oamenii și cu managerii lor iese o listă concretă de taskuri, nu o impresie generală.

La finalul fazei știm trei lucruri: ce taskuri merită schimbate primele, unde ajută AI cu adevărat și unde ar adăuga doar zgomot, și de la ce nivel pornim, ca să putem dovedi mai târziu că s-a schimbat ceva. Tot aici Measured AI Adoption Hub măsoară linia de bază, direct de la oamenii care vor trece prin program.

Luăm taskurile alese la Evaluare și le desenăm varianta nouă, rol cu rol: ce pregătește AI, ce verifică omul, ce decizii nu se deleagă niciodată. Nu e un exercițiu teoretic. Se face împreună cu oamenii care fac munca respectivă, pe documentele și situațiile lor reale, ca noul design să supraviețuiască contactului cu realitatea.

Tot aici se scriu regulile jocului: ce date au voie să intre într-un tool, în ce formă, cine aprobă excepțiile. Iar logica de decizie a echipei, ce înseamnă „bun”, când se escaladează, se documentează o singură dată, ca taskurile complexe să nu mai fie judecate după obiceiul fiecăruia, ci după un standard comun.

Aici intră trainingul, dar nu ca eveniment de o zi. Oamenii exersează pe rapoartele, emailurile și analizele lor, cu trainerul lângă ei, până când noul reflex îl înlocuiește pe cel vechi. Partea de dezvățare e luată în serios: numim explicit obiceiul vechi care trebuie să dispară, pentru că un obicei nenumit se întoarce în două săptămâni.

Între sesiuni, clinicile AI și office hours țin practica vie: oamenii vin cu cazuri reale, iar fiecare caz se încheie cu un prompt sau un șablon salvat în playbook-ul comun al echipei. Copilot, Gemini sau ChatGPT, ce are deja firma, intră în metodă aici, ca instrument, nu ca vedetă.

Măsurăm impact de business, nu statistici de platformă. Pragurile se stabilesc dinainte, încă de la Redesenăm: ce acuratețe e obligatorie, cât timp trebuie recuperat, ce cost per task e acceptabil. La 30 de zile, Hub-ul calculează diferența față de linia de bază: câte ore s-au întors, câte taskuri rulează în modul nou, câți oameni chiar lucrează altfel.

Rezultatul e un raport pe care managementul îl poate folosi la decizii: ce a mers, ce nu s-a lipit și de ce, ce merită dus mai departe. Dacă ceva a eșuat, se vede aici, după o lună, nu după un an de prefăcut.

Practicile validate la o echipă devin standarde de companie: playbook-urile intră într-o bibliotecă internă din care se poate servi orice echipă, campionii AI formați în program duc practica în echipele lor, iar regulile de date, acces și costuri devin politică scrisă, nu folclor intern.

Abia aici discutăm despre automatizări și agenți AI. Nu pentru că nu ne plac, ci pentru că un agent construit pe un proces prost redesenat scalează problema, nu soluția. Acolo unde dovezile de la Măsurăm justifică pasul, fluxurile stabile trec de la asistat de AI la automatizat.