Folosești un chatbot de câteva săptămâni. Îți reformulează mesaje, îți propune idei și te ajută să organizezi informații.
Începi să te descurci bine. Știi cum să formulezi cererile și cum să obții răspunsuri mai clare.
Într-o zi, îi ceri câteva studii pentru o prezentare. Primești titluri, autori, ani și explicații convingătoare. Le adaugi în bibliografie.
Abia mai târziu descoperi că una dintre lucrări nu există.
Știai cum să obții răspunsul. Dar știai și cum să-i verifici credibilitatea?
Ce înseamnă acest decalaj
Poți învăța repede să folosești interfața unui instrument, fără să înțelegi la fel de bine ce poate face, unde greșește sau ce rezultate necesită verificare.
În acest ghid, numim această distanță decalajul alfabetizării AI.
Alfabetizarea AI înseamnă mai mult decât formularea unor comenzi eficiente. Include competențe pentru a evalua critic tehnologia, a colabora cu ea și a o folosi potrivit situației. Nu presupune obligatoriu să știi programare.
Un instrument poate fi ușor de utilizat și, în același timp, dificil de evaluat.
De ce ne poate încurca
Un răspuns bine scris poate părea și bine verificat. Totuși, sistemele generative pot produce informații false, explicații greșite sau referințe inexistente, prezentate cu un ton sigur. Claritatea exprimării nu garantează corectitudinea conținutului.
În exemplul bibliografiei, problema nu este că ai folosit AI. Veriga lipsă este verificarea: există lucrarea și susține ea afirmația pentru care o citezi?
Unde îl mai poți întâlni
Primești un rezumat fluent al unui document și presupui că toate ideile importante au fost păstrate, fără să-l compari cu originalul.
Ceri unui chatbot să-și verifice propriul răspuns. Îl confirmă, iar tu tratezi confirmarea ca pe o sursă independentă, deși nu ai consultat nimic în afara conversației.
Sau un instrument se descurcă foarte bine la redactarea mesajelor, iar tu începi să presupui că va fi la fel de fiabil când interpretează un tabel complicat.
Acestea sunt exemple ilustrative despre felul în care poate apărea decalajul, nu situații inevitabile.
Entuziasmul pentru AI înseamnă lipsă de înțelegere?
Nu. Poți înțelege bine tehnologia și să fii entuziasmat de utilitatea ei.
O cercetare publicată în 2025 a identificat însă, în date internaționale și mai multe studii, o asociere între alfabetizarea AI mai redusă și receptivitatea mai mare față de AI. Autorii au legat această relație de perceperea tehnologiei ca fiind „magică” și de sentimentul de uimire. Studiul privește receptivitatea, nu dovedește că fiecare utilizator entuziast are încredere nejustificată în rezultate.
Ce poți încerca
- Învață limitele relevante pentru sarcina ta. Pentru documentare, contează corectitudinea surselor; pentru rezumate, fidelitatea față de original.
- Verifică afirmațiile importante în afara conversației. Deschide sursa și caută pasajul care susține informația.
- Compară rezultatul cu materialul de plecare. Un rezumat poate suna bine chiar dacă omite ceva esențial.
- Deosebește explicația de dovadă. Faptul că instrumentul oferă o justificare convingătoare nu demonstrează singur că răspunsul este corect.
- Păstrează o listă cu erorile întâlnite. Notează ce a greșit instrumentul și ce verificare te-a ajutat să observi problema.
Scopul este să-ți potrivești încrederea cu sarcina și cu ceea ce poți verifica.
O întrebare de luat cu tine
„Știu doar cum să obțin acest răspuns sau știu și cum să-mi dau seama dacă este bun?”
Denumire și contexte
- Denumire folosită în ghid
- Decalajul alfabetizării AI
- Termen în engleză
- AI Literacy Gap
- Tip
- concept despre cunoștințe și competențe în folosirea AI, nu un bias cognitiv distinct.
- Îl mai întâlnești în
- muncă și învățare, alegeri cotidiene și viitor.
- Concepte înrudite
- Biasul automatizării; Difuzarea responsabilității în AI.
Surse
- Long, D. & Magerko, B. (2020). What is AI Literacy? Competencies and Design Considerations. Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems, 1–16.
- Tully, S. M., Longoni, C. & Appel, G. (2025). Lower Artificial Intelligence Literacy Predicts Greater AI Receptivity. Journal of Marketing.
- NIST (2024). Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile. NIST AI 600-1.