„Ai scris asta cu AI?” — întrebarea care costă companiile milioane, în tăcere

Golul de permisiune AI — ce se întâmplă când oamenii nu au încredere în cei care folosesc AI, iar AI-ul nu pare să aibă încredere în oameni.

Golul de permisiune AI este distanța dintre permisiunea tehnică de a folosi AI — licență, instrument aprobat, plătit de companie — și permisiunea socială de a spune deschis că l-ai folosit, fără să plătești un preț de statut.

Există o contradicție interesantă în companiile moderne.

Organizațiile investesc milioane în inteligență artificială. Cumpără licențe Microsoft Copilot, aprobă ChatGPT Enterprise, lansează programe de adopție, organizează traininguri, desemnează ambasadori interni, publică politici și urmăresc atent câți angajați au acces la instrumente AI.

Și totuși, în aceleași organizații, mulți angajați învață o lecție complet diferită:

Folosește AI. Dar ai grijă să nu se vadă.

Unul dintre cele mai mari studii globale despre comportamentul angajaților față de AI — KPMG împreună cu University of Melbourne, peste 48.000 de persoane din 47 de țări — a găsit ceva greu de ignorat: 57% dintre angajați au recunoscut că își ascund utilizarea AI și prezintă munca asistată de AI ca fiind realizată integral de ei.

Mai mult de jumătate. La nivel mondial. În condițiile în care doar 47% au primit vreo formă de instruire, iar doar 40% lucrează într-o organizație care are măcar o politică de AI.

Asta ridică o întrebare incomodă. Poate că problema companiilor nu este adopția AI. Poate că oamenii adoptă AI foarte bine. Poate că problema reală este permisiunea.

Două permisiuni care nu sunt același lucru: ce este golul de permisiune AI?

Prima este permisiunea tehnică. Ai licență. Instrumentul e aprobat. Compania îl plătește. Poți să-l folosești.

A doua este permisiunea socială. Poți spune deschis că l-ai folosit fără să fii considerat mai leneș? Mai puțin competent? Mai puțin independent? Mai puțin valoros profesional?

Cele două nu sunt deloc același lucru. O organizație poate oferi AI tuturor angajaților și, în același timp, poate crea o cultură în care nimeni nu vrea să recunoască faptul că îl folosește. Distanța dintre ele este ceea ce putem numi golul de permisiune AI — the AI permission gap.

Odată ce observi fenomenul, multe dintre comportamentele aparent contradictorii din companii devin ușor de explicat.

„Ai făcut asta cu ChatGPT?"

Imaginează-ți o ședință. Cineva prezintă o analiză detaliată. Datele sunt corecte, argumentele solide, recomandările au sens. Discuția merge bine. Până când cineva întreabă:

„Ai făcut asta cu ChatGPT?"

Din acel moment, conversația se schimbă. Cu câteva secunde înainte, întrebarea era „este analiza corectă?". Acum întrebarea devine „merită persoana asta credit pentru analiză?". Nu mai evaluăm adevărul. Evaluăm legitimitatea autorului.

Iar cercetarea arată că această penalizare există cu adevărat. Un studiu publicat în PNAS în 2025 — patru experimente preînregistrate, aproape 4.500 de participanți — a identificat ceea ce autorii numesc o „penalizare socială de evaluare" pentru utilizarea AI. Persoanele care folosesc AI la muncă sunt percepute drept mai leneșe, mai puțin competente, mai puțin conștiincioase și mai puțin independente. Chiar și atunci când rezultatul muncii este la fel de bun. În experimentele de recrutare, evaluatorii care nu foloseau ei înșiși AI erau mai puțin dispuși să angajeze persoane care declarau că îl folosesc frecvent.

Iar oamenii par să știe deja asta. De aceea își ascund utilizarea. Din perspectiva angajatului, comportamentul e perfect rațional: dacă dezvăluirea instrumentului reduce valoarea percepută a muncii tale, de ce ai dezvălui-o?

Există și o explicație psihologică mai profundă. Oamenii asociază efortul cu meritul — psihologia numește asta „moralizarea efortului". Admirăm persoana care s-a chinuit, uneori chiar și atunci când efortul suplimentar n-a îmbunătățit cu nimic rezultatul; fenomenul a fost documentat în opt studii, cu peste 5.500 de participanți, în SUA, Coreea de Sud și Franța, și replicat ulterior în Germania și Mexic. Cineva care muncește opt ore la un document pare instinctiv mai merituos decât cineva care obține același rezultat în patruzeci de minute.

Inteligența artificială lovește direct această intuiție. Promite rezultate egale sau mai bune cu mai puțin efort vizibil. Iar pentru o parte dintre oameni, eficiența începe să semene cu trișatul.

Cum se impune golul: acuzația

Mecanismul prin care golul de permisiune este menținut este acuzația: „asta e scris cu AI".

Observă ce face propoziția asta — și ce nu face. Un contraargument real atacă afirmația, dovezile sau logica. Acuzația nu atacă niciuna dintre ele. Mută discuția de la „este adevărat?" la „merită persoana asta credit?". Polițează metoda ca să evite conținutul.

Și mecanismul s-a extins. O analiză a 25 de milioane de comentarii de pe Reddit și Hacker News a găsit că acuzațiile peiorative de tip „AI" au crescut de peste zece ori din 2023, în timp ce insultele mai vechi — „shill", „astroturf" — au rămas constante. Cel mai relevant rezultat: trăsăturile lingvistice care disting cu adevărat textul AI nu prezic care comentarii scrise de oameni ajung să fie acuzate. Acuzația s-a decuplat de detecție. Funcționează ca gatekeeping — decide a cui contribuție contează — adesea livrată cu deplină convingere sub forma „scris cu chatgbt". Nume greșit. Certitudine totală.

Iar certitudinea e nemeritată. Un studiu publicat în PNAS a arătat că oamenii disting textul scris de AI de cel scris de oameni la un nivel apropiat de aruncatul cu banul — și că euristicile pe care se bazează sunt defectuoase și pot fi exploatate: textul AI poate fi făcut să pară „mai uman decât cel uman". Pentru imagini, video și audio generate, o lucrare din 2025 din Communications of the ACM se intitulează, exact, „As Good as a Coin Toss". Mai rău, aceleași „semne" — vocabular bogat, structură corectă, formulări îngrijite — dau greș sistematic împotriva vorbitorilor non-nativi: un studiu din Patterns a arătat că detectoarele de AI au etichetat drept „generate de AI" peste 60% dintre eseurile TOEFL scrise de oameni. Indiciul nu e criminalistic. E o impresie — și impresia are naționalitate.

Delegare oarbă versus utilizare matură

Aici apare o confuzie importantă. Există, desigur, o utilizare proastă a AI: scrii un prompt, primești un răspuns, dai copy-paste, trimiți. Fără verificare, fără judecată, fără responsabilitate. Asta este delegare oarbă — și grijile legate de ea sunt reale.

Dar utilizarea matură arată complet diferit. Omul definește problema și decide ce întrebare merită pusă. AI-ul e folosit pentru a ataca argumentul — puncte slabe, contradicții, alternative. Concluziile sunt testate într-un context nou, fără istoric. Sursele importante sunt verificate. Iar la final un om apasă „send" și spune, implicit: „eu răspund pentru asta."

Într-un astfel de proces, AI-ul nu elimină filtrele. Le multiplică. O analiză care „miroase a AI" poate fi tocmai analiza care a trecut prin mai mult scrutin înainte de publicare, nu prin mai puțin.

Iar verificarea nu e un pas decorativ. Modelele de limbaj pot produce afirmații plauzibile, dar false — halucinații, o proprietate a mecanismului generativ, nu o defecțiune trecătoare — și pot purta deviații sistematice moștenite din datele și obiectivele pe care au fost antrenate. Sunt două fenomene distincte, cu o singură consecință practică: tocmai pentru că instrumentul poate greși convingător, verificarea surselor și asumarea umană nu sunt opționale. Nu sunt un supliment al metodei. Sunt metoda.

Și tocmai aici trebuie redefinită competența. Modelul vechi întreabă: „ce poți produce complet singur?" Modelul nou ar trebui să întrebe: poți defini corect problema? Poți conduce instrumentul? Poți recunoaște un răspuns prost? Poți verifica sursele? Poți explica concluzia? Îți asumi rezultatul?

Capacitatea poate fi amplificată. Responsabilitatea nu poate fi externalizată.

Asta nu face orice obiecție ilegitimă. „Ai introdus date confidențiale în prompt?" „Politica permite AI pentru sarcina asta?" „Ai verificat rezultatul?" „Ai delegat o decizie care trebuia să fie umană?" — sunt întrebări despre proces, acolo unde pot exista abateri reale, și merită răspunsuri directe. „Ai folosit AI", aruncată la o analiză corectă unde nu s-a încălcat nicio regulă, e altceva: un costum procedural agățat pe un umeraș gol.

Golul din afara zidului

Problema nu se oprește în interiorul companiei. Clienții reacționează foarte asemănător.

Un experiment de teren publicat în Marketing Science a urmărit peste 6.200 de clienți, care au primit apeluri de vânzare fie de la agenți umani, fie de la chatboturi AI. Când oamenii nu știau că discută cu AI, chatboturile vindeau la nivelul agenților umani experimentați și de patru ori mai bine decât cei fără experiență. Dar când identitatea AI era dezvăluită înainte de conversație, rata de cumpărare scădea cu peste 79%.

Nu pentru că instrumentul devenise mai slab. Același sistem, același script, aceeași performanță. Se schimbase doar eticheta: „acesta este AI". Și odată cu eticheta, clienții îl percepeau ca mai puțin competent și mai puțin empatic — și cumpărau mai puțin.

Alte experimente confirmă tiparul. Șase studii pe peste 1.000 de adulți au arătat că simpla menționare a expresiei „inteligență artificială" într-o descriere de produs reduce intenția de cumpărare, prin scăderea încrederii emoționale — mai ales la produsele percepute ca riscante. Iar o serie de 13 experimente cu peste 3.000 de participanți — profesori, analiști, designeri, fonduri de investiții — a găsit că dezvăluirea utilizării AI reduce constant încrederea în persoana care o declară, printr-un singur mecanism: legitimitatea percepută. Formulările blânde nu salvează situația: „AI-ul a ajutat doar la corectură" și „rezultatul a fost revizuit de un om" pierdeau tot încredere. Singurul lucru mai rău decât să declari era să fii prins de un terț.

Așadar, aceeași presiune apare pe ambele părți ale zidului organizațional. În interior, utilizarea vizibilă costă reputație. În exterior, utilizarea declarată costă încredere și, uneori, venituri. Iar sistemul îi învață atât pe angajați, cât și pe companii aceeași strategie:

Folosește AI. Dar ascunde-l.

A doua penalizare: ce se întâmplă când AI-ul nu pare să aibă încredere în tine?

Colegii, deci. Apoi clienții. Și mai există o dimensiune a acestei probleme, mult mai puțin discutată — cea care închide cercul: ce se întâmplă când AI-ul însuși începe să-ți transmită semnale de neîncredere?

Imaginează-ți următoarea situație. Utilizatorul îi spune unui sistem AI: „cardul meu Revolut este emis în Marea Britanie." AI-ul răspunde: „dacă Revolut-ul tău este într-adevăr emis în Marea Britanie…"

Pare o diferență minoră de formulare. Psihologic, nu e minoră deloc. AI-ul ar fi putut spune „nu pot verifica emitentul cardului tău" — o limitare a sistemului. În schimb, spune „dacă ceea ce spui este adevărat" — și problema nu mai este limita de verificare a AI-ului, ci credibilitatea utilizatorului.

Aici apare ceea ce am putea numi o penalizare dublă de încredere — double trust penalty. Din exterior, societatea spune: „ai folosit AI, deci contribuția ta e suspectă." Din interiorul interacțiunii, AI-ul poate transmite: „ești utilizator, deci informația ta e suspectă." Iar omul rămâne prins între două sisteme de neîncredere.

De unde vine asta? În mare parte, din guardrails. Multe sisteme AI sunt construite, pe bună dreptate, să fie prudente — mai ales în zone precum fraudă, identitate, plăți, securitate sau legalitate. Prudența e necesară. Problema apare când prudența legitimă dintr-o zonă se scurge, necalibrată, în restul conversației și devine reflex lingvistic. Nu e un defect de caracter al vreunui AI; e un artefact de design — normal și, tocmai de aceea, corectabil.

Dar distincția contează enorm. „Nu pot verifica asta" este prudență. „Dacă ceea ce spui este într-adevăr adevărat" transmite neîncredere. Iar dacă asemenea formulări apar constant, utilizatorul poate începe să perceapă AI-ul nu ca pe un colaborator, ci ca pe un interlocutor care trebuie convins.

De aici poate apărea un efect de răcire — un chilling effect. Utilizatorul oferă mai puțin context, devine defensiv, își formulează mesajele strategic, evită să corecteze sistemul, ascunde informații de teamă că vor fi interpretate greșit. Cu mai puțin context, AI-ul răspunde mai prost. Răspunsurile mai slabe produc și mai puțină încredere. Și se închide un cerc:

Stigmat social → utilizare ascunsă → context mai slab → mai multe erori → mai multă suspiciune → mai puțină încredere → și din nou, utilizare ascunsă.

Nu mai rămâne niciun loc în care utilizatorul să nu fie suspect: nici în ședință, nici în fața clientului, nici în fereastra de chat.

Există aici și o distincție epistemică importantă. Un sistem AI ar trebui să diferențieze între „nu pot verifica ceea ce spui" și „am motive să mă îndoiesc de ceea ce spui". Prima descrie limita sistemului. A doua descrie credibilitatea persoanei. Un principiu sănătos pentru interacțiunea om–AI ar putea suna așa: în absența unei contradicții relevante, informația factuală oferită de utilizator e acceptată ca premisă de lucru; limitele de verificare ale sistemului sunt exprimate separat; suspiciunea e justificată, nu automată; iar dacă utilizatorul corectează sistemul, corecția nu e reintrodusă mai târziu sub forma unui „dacă".

Dus până la capăt, principiul devine o direcție de design: limitele și verificările sistemului își au locul într-un strat propriu al interfeței — vizibil și explicit — nu strecurate în vocea cu care colaborezi.

Poate părea o problemă de formulare. E, de fapt, o problemă de relație. Pentru că adopția AI nu depinde doar de întrebarea „au oamenii încredere în AI?". Poate depinde și de o întrebare pe care aproape nimeni nu o pune: „oamenii simt că AI-ul are încredere în ei?"

Ipoteza ar putea fi testată simplu. Două grupuri primesc exact același răspuns AI; unul vede „în cazul cardului tău emis în Marea Britanie…", celălalt „dacă e într-adevăr emis în Marea Britanie…". Apoi măsurăm: câtă încredere mai au în sistem, dacă s-au simțit acuzați, dacă ar continua conversația, dacă ar mai oferi context sau informații, dacă ar mai folosi AI-ul în viitor. Poate că diferența ar fi aproape zero. Dar poate că nu. Și dacă nu este zero, atunci companiile care construiesc AI au o problemă de adopție pe care încă n-au măsurat-o.

De ce „folosește și ascunde" tocmai a expirat?

Problema e că strategia asta — folosește și ascunde, față de colegi, față de clienți, până și față de AI-ul cu care lucrezi — tocmai a intrat într-o zonă complicată și juridic. Din 2 august 2026, obligațiile de transparență din articolul 50 al AI Act au devenit aplicabile în Uniunea Europeană. În situațiile definite de articolul 50, oamenii trebuie informați când interacționează cu un sistem AI, iar furnizorii (providers) trebuie să asigure că un conținut generat sau manipulat de AI poate fi detectat prin marcare citibilă de mașină, în timp ce cei care îl implementează (deployers) au obligații de dezvăluire pentru categorii precum deepfake-urile și anumite texte de interes public. Amenzile ajung până la 15 milioane de euro sau 3% din cifra de afaceri globală. Comisia Europeană a adoptat orientările de aplicare în iulie; singura perioadă de grație — până la 2 decembrie 2026 — privește marcarea tehnică pentru sistemele deja pe piață.

Legea obligă la lumina zilei exact ceea ce toată lumea a învățat să ascundă ca să supraviețuiască social.

Cu alte cuvinte, apare o contradicție aproape perfectă. Psihologia spune: „dacă declari că ai folosit AI, oamenii te pot penaliza." Reglementarea spune: „în anumite cazuri, trebuie să declari că ai folosit AI."

Asta creează o problemă de management complet nouă: cum operezi între transparența obligatorie și transparența penalizată? E o problemă aflată la intersecția dintre adopție, guvernanță și psihologie umană — și, în majoritatea organizațiilor, nu stă nimeni acolo.

Cum se închide golul de permisiune?

Cinstit spus, cercetarea care diagnostichează golul e mult mai solidă decât cea care spune cum se închide. Dar moderatorii sunt consecvenți de la un studiu la altul și arată într-o singură direcție.

Ce nu funcționează: mesajul „toată lumea îl folosește" — în studiile suplimentare din PNAS, a descrie utilizarea AI ca rară sau ca frecventă n-a schimbat penalizarea deloc. Formulările mai blânde de dezvăluire — încrederea scădea oricum. Politicile singure — 40% dintre organizații le au, iar ascunderea are loc oricum.

Ce mișcă acul: experiența directă a celui care judecă. În interior, penalizarea din PNAS se inversează la evaluatorii care folosesc ei înșiși AI — aceștia îi evaluează pe utilizatorii de AI mai favorabil, nu mai puțin. În exterior, experimentul cu chatboturile a găsit că lovitura dezvăluirii e atenuată de experiența anterioară a clientului cu AI, și de momentul dezvăluirii. Citite împreună, aceste rezultate mută problema: penalizarea trăiește în evaluator, nu în cel evaluat. Un program de adopție îndreptat doar către „utilizatori" țintește capătul greșit. Pârghia cea mai mare e ca oamenii care evaluează — manageri, boarduri, comitete — să folosească instrumentele pe muncă reală înainte să fie măsurată adopția altora. Iar experiența asta trebuie văzută, nu doar bifată: un lider care își arată în fața echipei propriile prompturi eșuate mută mai mult decât orice mesaj oficial de încurajare — pentru că penalizarea nu se schimbă prin normă declarată, ci prin experiență directă, făcută vizibilă.

Apoi, schimbă explicit ce recompensează evaluarea. Publică întrebările care contează — poți apăra rezultatul? sursele sunt reale? politica a fost respectată? îți asumi recomandarea? — și retrage-o pe cea care nu contează: „ai scris personal fiecare cuvânt?"

Tratează dezvăluirea ca actul reglementat și proiectat care a devenit: conformare acolo unde articolul 50 nu lasă loc de alegere; unde există marjă, momentul și formularea alese deliberat; și investiție în contextul de încredere din jurul etichetei, pentru că eticheta singură, arată datele, e scumpă.

Și, pe partea cealaltă a relației om–AI, același principiu pentru cei care construiesc AI: suspiciune calibrată și motivată, nu distribuită reflexiv.

Ceea ce închide cercul întregului argument: încredere calibrată în ambele direcții. Utilizatorul nu îi acordă modelului încredere oarbă — pentru că modelul poate halucina. Modelul nu îi acordă utilizatorului neîncredere reflexivă — pentru că omul poate fi crezut ca premisă de lucru. Nici încredere oarbă, nici suspiciune automată; verificare acolo unde e motivată, în ambele sensuri.

Cât de mare e golul de permisiune în România?

Zoom out suficient și golul de permisiune ar putea fi vizibil în statisticile oficiale. Cel mai recent sondaj Eurostat pe întreprinderi (anul de referință 2025) arată o adopție AI de 19,95% în UE — cu o dispersie brutală: Danemarca la 42%, România ultima, la 5,21%. Iar tabelul se lărgește, nu converge: doar creșterea Danemarcei într-un singur an (+14,5 puncte procentuale) e de aproape trei ori întreaga rată de adopție a României.

Explicațiile standard — competențe, investiții, infrastructură — sunt reale și documentate. Dar cercetarea de mai sus prezice un al doilea mecanism, mai puțin vizibil, care rulează sub ele. Penalizarea socială e maximă exact acolo unde evaluatorii au cea mai puțină experiență directă cu AI și se inversează acolo unde au cea mai multă. Ceea ce înseamnă că mediile cu adopție mică riscă o capcană: puțini utilizatori vizibili → evaluatori fără experiență → penalizare maximă pentru utilizare vizibilă → mai multă ascundere → adopția rămâne mică, cel puțin oficial. Mediile cu adopție mare rulează aceeași buclă invers. Citit așa, tabelul Eurostat nu ordonează doar tehnologia; s-ar putea să ordoneze și unde e cel mai ieftin — și unde e cel mai scump — social, să folosești AI la vedere.

Și încă o cifră se ascunde în „oficial". În România, utilizarea individuală a AI generativ (17,8%) e de peste trei ori mai mare decât rata de adopție a întreprinderilor. Oamenii sunt înaintea instituțiilor lor. Cât din distanța asta e capabilitate lipsă și cât e permisiune lipsă e exact întrebarea pe care strategiile naționale de AI — la fel ca planurile de adopție ale companiilor — nu o pun încă.

Indicatorul care contează

În acest moment, majoritatea strategiilor AI încearcă să rezolve adopția ca pe o problemă tehnologică: licențe, training, integrare, guvernanță, use cases, ROI. Dar cercetarea sugerează că adopția este și o problemă de statut. O problemă de încredere. Și, din 2026, în Europa, uneori și o problemă juridică.

Cel mai important indicator al adopției AI nu este câți angajați au licență. Nici câți au terminat un training. Nici câte prompturi sunt trimise pe lună.

Indicatorul real e mai simplu. Poate un angajat să spună liniștit „da, am folosit AI pentru asta", fără ca valoarea muncii lui să scadă instantaneu în ochii celorlalți? Și, în cealaltă direcție: poate un utilizator să vorbească cu un AI fără să simtă că trebuie să-și demonstreze permanent buna-credință?

Când răspunsul la ambele întrebări va fi „da", golul de permisiune va începe să dispară. Și abia atunci vom putea spune că AI-ul a fost cu adevărat adoptat.

Nu când tehnologia intră în companie. Ci când folosirea ei încetează să mai coste statut, încredere și legitimitate.

Surse

• Gillespie, N., Lockey, S., Ward, T., Macdade, A. & Hassed, G. (2025). Trust, attitudes and use of artificial intelligence: A global study 2025. The University of Melbourne & KPMG (N = 48.340, 47 de țări). kpmg.com
• Reif, J. A., Larrick, R. P. & Soll, J. B. (2025). Evidence of a social evaluation penalty for using AI. PNAS, 122(19). doi.org/10.1073/pnas.2426766122
• Celniker, J. B., Gregory, A., Koo, H. J., Piff, P. K., Ditto, P. H. & Shariff, A. F. (2023). The moralization of effort. Journal of Experimental Psychology: General, 152(1), 60–79. doi.org/10.1037/xge0001259
• Tissot, T. T. & Roth, L. H. O. (2025). Is it worth the hustle? A multi-country replication of the effort moralization effect. Collabra: Psychology, 11(1). online.ucpress.edu
• Miklian, J. & Katsos, J. E. (2026). „That's AI Slop, You Bot!": Studying accusations, evidence, and credibility in online discourse towards LLM-generated comments. arXiv 2606.12073 (preprint). arxiv.org/abs/2606.12073
• Jakesch, M., Hancock, J. T. & Naaman, M. (2023). Human heuristics for AI-generated language are flawed. PNAS, 120(11). doi.org/10.1073/pnas.2208839120
• Cooke, D., Edwards, A., Barkoff, S. & Kelly, K. (2025). As good as a coin toss: Human detection of AI-generated content. Communications of the ACM, 68(10). doi.org/10.1145/3729417
• Liang, W., Yuksekgonul, M., Mao, Y., Wu, E. & Zou, J. (2023). GPT detectors are biased against non-native English writers. Patterns, 4(7). doi.org/10.1016/j.patter.2023.100779
• Luo, X., Tong, S., Fang, Z. & Qu, Z. (2019). Machines vs. humans: The impact of artificial intelligence chatbot disclosure on customer purchases. Marketing Science, 38(6). doi.org/10.1287/mksc.2019.1192
• Cicek, M., Gursoy, D. & Lu, L. (2024). Adverse impacts of revealing the presence of „artificial intelligence (AI)" technology in product and service descriptions on purchase intentions. Journal of Hospitality Marketing & Management, 34(1), 1–23. doi.org/10.1080/19368623.2024.2368040
• Schilke, O. & Reimann, M. (2025). The transparency dilemma: How AI disclosure erodes trust. Organizational Behavior and Human Decision Processes, 188, 104405. doi.org/10.1016/j.obhdp.2025.104405
• Regulamentul (UE) 2024/1689 (AI Act), articolul 50 — obligații de transparență. artificialintelligenceact.eu/article/50 · Comisia Europeană, cadrul de reglementare pentru AI și orientările de aplicare. digital-strategy.ec.europa.eu
• Eurostat (2025). Use of artificial intelligence in enterprises (isoc_eb_ai, anul de referință 2025). Statistics Explained · comunicat 11 dec. 2025
• Eurostat (2025). Use of artificial intelligence by individuals (anul de referință 2025) — 32,7% dintre persoanele de 16–74 ani din UE au folosit AI generativ; România la 17,8%, cel mai mic procent din UE. Statistics Explained · comunicat 16 dec. 2025