Studiu Anthropic: Cum folosesc oamenii inteligența artificială – și ce greșeli fac fără să-și dea seama

Inteligența artificială devine parte din rutina zilnică a tot mai multor oameni, de la profesioniști din zona financiară care analizează rapoarte, până la studenți care pregătesc proiecte sau antreprenori care generează documente de business. Dar o întrebare rămâne deschisă: pe măsură ce folosim AI tot mai des, dezvoltăm și competențele necesare pentru a o folosi bine?

Un nou raport publicat de Anthropic – compania din spatele asistentului AI Claude – încearcă să răspundă la această întrebare. Intitulat AI Fluency Index, studiul analizează aproape 10.000 de conversații anonimizate cu Claude și identifică tipare surprinzătoare despre modul în care oamenii interacționează cu inteligența artificială: de la obiceiuri eficiente la capcane cognitive pe care majoritatea utilizatorilor le ignoră.

Ce este „fluența AI” și de ce contează

La fel cum fluența într-o limbă străină presupune nu doar cunoașterea vocabularului, ci și capacitatea de a gândi și a te exprima natural în acea limbă, fluența AI înseamnă mai mult decât simpla utilizare a unui chatbot. Presupune un set de competențe care permit colaborarea eficientă și responsabilă cu inteligența artificială.

Anthropic a dezvoltat, împreună cu profesorii Rick Dakan și Joseph Feller, un cadru de evaluare numit 4D AI Fluency Framework, care definește 24 de comportamente specifice care exemplifică o colaborare eficientă om-AI. Din acestea, 11 sunt direct observabile în conversațiile cu Claude și au fost analizate în studiu.

Ce înseamnă fluența AI în practică? Capacitatea de a formula instrucțiuni clare, de a evalua critic răspunsurile primite, de a identifica ce lipsește dintr-un output, de a solicita raționamente și explicații – și de a ști când AI-ul poate greși.

Cum a fost realizat studiul

Cercetătorii au utilizat un instrument de analiză care respectă confidențialitatea utilizatorilor pentru a examina 9.830 de conversații multi-turn cu Claude, desfășurate pe parcursul unei săptămâni în ianuarie 2026. Fiecare conversație a fost evaluată pentru prezența sau absența celor 11 comportamente observabile, iar rezultatele au fost verificate pentru consistență în funcție de ziua săptămânii și de limba folosită (engleză, franceză, spaniolă, chineză, japoneză și germană).

Rezultatul este ceea ce Anthropic numește AI Fluency Index: o măsurătoare de bază a modului în care oamenii colaborează cu AI astăzi, și o fundație pentru urmărirea evoluției acestor comportamente în timp.

Cele mai frecvente comportamente de fluență AI

Studiul a ierarhizat cele 11 comportamente observabile în funcție de frecvența lor. Iată rezultatele:

Ceea ce iese imediat în evidență este contrastul puternic: comportamentele de „direcționare” a AI-ului sunt mult mai frecvente decât cele de „evaluare critică” a output-urilor. Aproape 86% dintre utilizatori rafinează conversațiile, dar doar 11% verifică faptele prezentate, și sub 9% identifică limitările modelului AI.

Descoperirea cheie nr. 1: Iterarea transformă complet calitatea interacțiunii

Cel mai puternic tipar identificat în date este relația dintre iterare și rafinare (revenirea asupra răspunsurilor, ajustarea cerințelor, dezvoltarea ideilor) și toate celelalte comportamente de fluență AI.

Conversațiile în care utilizatorii iterează și rafinează prezintă, în medie, 2,67 comportamente de fluență suplimentare – aproximativ dublu față de cele fără iterare (1,33). Efectul este cel mai pronunțat pentru comportamentele de evaluare critică: conversațiile cu iterare sunt de 5,6 ori mai predispuse să includă chestionarea raționamentului AI-ului și de 4 ori mai predispuse să identifice contextul lipsă.

Lecția practică: Nu accepta primul răspuns al AI-ului ca pe un rezultat final. Tratează-l ca pe un punct de plecare: pune întrebări suplimentare, contestă părțile care nu par corecte și rafinează ceea ce cauți. Această abordare iterativă este cel mai puternic predictor al calității colaborării cu AI.

Descoperirea cheie nr. 2: Output-urile „finisate” creează o capcană cognitivă

A doua constatare majoră a studiului este probabil cea mai importantă pentru profesioniștii care utilizează AI la locul de muncă. Aproximativ 12,3% din conversațiile analizate au implicat crearea de artefacte – cod, documente, instrumente interactive, prezentări sau alte output-uri concrete.

În aceste conversații, utilizatorii au fost semnificativ mai activi în direcționarea AI-ului: au clarificat obiectivul cu 14,7 puncte procentuale mai des, au specificat formatul dorit (+14,5pp), au oferit exemple (+13,4pp) și au iterat mai mult (+9,7pp).

Dar – și aceasta este surpriza – această directivitate crescută nu s-a tradus într-o evaluare critică mai atentă. Dimpotrivă:

• Utilizatorii au fost cu 5,2 puncte procentuale mai puțin predispuși să identifice contextul lipsă
• Verificarea faptelor a scăzut cu 3,7 puncte procentuale
• Chestionarea raționamentului AI-ului a scăzut cu 3,1 puncte procentuale

Capcana output-urilor finisate: Când AI-ul produce ceva care arată profesional și complet – un cod funcțional, un document bine formatat, un tabel cu cifre – instinctul natural este să îl tratăm ca fiind corect. Dar aspectul estetic al unui output nu garantează acuratețea conținutului. Acest fenomen este deosebit de relevant în domeniul financiar, unde un raport AI cu cifre incorecte poate arăta la fel de convingător ca unul cu cifre corecte.

Cercetătorii de la Anthropic notează mai multe explicații posibile. Este posibil ca output-urile care arată finisate să reducă motivația de a le mai verifica. Sau poate că sarcinile care implică artefacte sunt mai axate pe funcționalitate și estetică decât pe precizie factuală. De asemenea, utilizatorii ar putea evalua output-urile prin alte canale pe care studiul nu le poate observa – rulând codul, testând aplicația în altă parte sau partajând documentul cu un coleg.

Indiferent de explicație, concluzia rămâne: pe măsură ce modelele AI devin tot mai capabile să producă output-uri sofisticate, capacitatea de a evalua critic aceste output-uri devine mai valoroasă, nu mai puțin.

Trei recomandări practice pentru o fluență AI mai bună

Pe baza tiparelor identificate, cercetătorii Anthropic sugerează trei domenii în care majoritatea utilizatorilor pot îmbunătăți semnificativ modul în care colaborează cu AI:

1. Rămâi în conversație

Iterarea și rafinarea este cel mai puternic predictor al tuturor celorlalte comportamente de fluență. Când primești un răspuns inițial, tratează-l ca pe un punct de plecare: pune întrebări suplimentare, contestă ce nu pare corect, dezvoltă și ajustează cerințele.

2. Chestionează output-urile care arată bine

Momentul în care AI-ul produce ceva ce arată profesional este exact momentul potrivit pentru a face o pauză și a întreba: este corect? Lipsește ceva? Raționamentul este valid? Studiul arată că tocmai în aceste momente utilizatorii devin cel mai puțin critici.

3. Stabilește regulile colaborării de la început

Doar 30% dintre utilizatori spun AI-ului cum doresc să interacționeze cu el. Instrucțiuni explicite precum „Contestă-mi presupunerile dacă sunt greșite”, „Explică-mi raționamentul înainte de a-mi da răspunsul” sau „Spune-mi unde ești nesigur” pot schimba fundamental dinamica conversației.

Ce înseamnă asta pentru profesioniștii din zona financiară

Rezultatele studiului au implicații directe pentru oricine utilizează AI în analize financiare, raportare sau luarea deciziilor de investiții:

• Rapoartele generate de AI pot arăta impecabil, dar conțin erori subtile. Un model AI poate produce un tabel de evaluare cu multipli calculați greșit sau o analiză cu premise incorecte, dar prezentate într-un format convingător. Verificarea cifrelor și a raționamentelor rămâne esențială.
• Iterarea este cheia calității. Un prompt de tipul „Analizează-mi compania X” va produce un rezultat mult mai slab decât o conversație de 10-15 replici în care rafinezi cerințele, ceri explicații pentru fiecare cifră și contești ipotezele.
• Stabilirea așteptărilor de la început economisește timp. A-i spune AI-ului „Folosește date din raportul anual 2025, specifică sursele, și semnalează-mi dacă nu ai informații suficiente pentru un indicator” va produce rezultate mult mai fiabile decât un prompt generic.

Limitări ale studiului

Cercetătorii notează câteva limitări importante. Eșantionul reflectă utilizatorii Claude.ai care au avut conversații cu mai multe replici într-o singură săptămână, deci este probabil orientat către adoptatorii timpurii. Studiul acoperă doar 11 din cele 24 de comportamente din cadrul de fluență – cele 13 neobservabile (cum ar fi onestitatea despre rolul AI-ului în muncă sau evaluarea consecințelor partajării output-urilor AI) se manifestă în afara interfeței de chat. De asemenea, toate constatările sunt corelaționale, nu cauzale.