Ce Poate și Ce Nu Poate Face AI Conversațional cu Datele Tale

Un grafic poate arăta impecabil și, în același timp, să fie complet greșit. Îl obții în câteva secunde cerându-i AI-ului o vizualizare, îl pui într-o prezentare către conducere și, dacă în spatele lui stă o agregare greșită, nimeni nu-l va mai contesta — pentru că arată convingător. Aici e miza reală a analizei de date cu AI: nu viteza cu care ajungi la un rezultat, ci capacitatea de a ști dacă acel rezultat este adevărat. Aceeași unealtă care te poate face de câteva ori mai productiv te poate duce, cu cea mai mare seninătate, într-o concluzie greșită. Diferența dintre cele două stă în ce știi să-i ceri și în ce știi să verifici — exact ce construim în acest curs.

De ce această lecție vine prima

Majoritatea materialelor despre „analiză de date cu AI” încep cu un truc impresionant: încarci un fișier, ceri un grafic, primești un grafic, aplauze. Problema este că entuziasmul inițial maschează exact riscurile care contează într-un context profesional. Un grafic frumos generat dintr-o agregare greșită este mai periculos decât niciun grafic, fiindcă arată convingător și ajunge într-o prezentare către conducere, unde nimeni nu mai are timp să-l conteste.

Așadar, contractul nostru pedagogic este simplu și ferm:

• AI-ul accelerează munca mecanică de curățare, descriere și vizualizare.
• AI-ul nu îți garantează corectitudinea rezultatelor pe care le produce.
• Responsabilitatea finală pentru cifre rămâne a ta, indiferent de cât de articulat sună răspunsul.

Vei observa pe parcursul cursului că lucrăm exclusiv cu date sintetice — seturi de date inventate, fără persoane reale — tocmai pentru a putea experimenta liber, fără a expune informații confidențiale. Acesta nu este un detaliu cosmetic, ci o regulă profesională, după cum vei vedea în secțiunea despre GDPR. Toate exemplele de fișiere din acest curs (de exemplu comenzi_sintetice.csv) sunt fabricate special pentru învățare și nu corespund niciunei persoane sau companii reale.

Pentru cine este acest curs

Cursul este construit pentru non-programatori: oameni care lucrează zilnic cu date — în vânzări, marketing, operațiuni, administrație, finanțe operaționale — dar care nu scriu cod și nici nu vor să învețe un limbaj de programare ca să-și facă treaba. Nu ai nevoie de cunoștințe de Python, R sau SQL avansat. Ai nevoie de două lucruri: o curiozitate pentru ce spun datele tale și disciplina de a verifica ce-ți răspunde AI-ul. Pe primul îl ai deja, de vreme ce ești aici; pe al doilea ți-l construim împreună.

Ce face AI-ul conversațional BINE

Există o categorie clară de sarcini în care un asistent AI ca ChatGPT (cu modelul GPT-5.5 în 2026) îți economisește ore întregi de muncă repetitivă. Le grupăm în patru zone de competență reală.

1. Curățarea rapidă a datelor

Datele din lumea reală sunt murdare: spații în plus, formate de dată inconsistente, valori scrise „DA/Da/da”, coloane cu denumiri haotice, numere stocate ca text. AI-ul excelează la a propune și executa transformări de curățare, mai ales când îi descrii problema în limbaj natural.

Prompt exemplu (date sintetice):
„Am încărcat un fișier CSV cu 1.200 de comenzi sintetice. Coloana
'status_plata' conține valorile: 'platit', 'Platit', 'PLĂTIT', 'achitat',
'neplatit', 'Neplatit'. Normalizează aceste valori în exact două categorii:
'Plătit' și 'Neplătit'. Arată-mi tabelul de mapare înainte să aplici și
spune-mi câte rânduri intră în fiecare categorie.”

Observă structura promptului: ceri maparea explicită și numărătoarea înainte de aplicare. Asta îți dă un punct de verificare — exact mentalitatea pe care o cultivăm în lecția următoare. Diferența dintre un utilizator naiv și unul competent nu este unealta, ci promptul: cel competent cere mereu dovezi intermediare.

2. Statistici descriptive

AI-ul produce rapid sumare descriptive: medie, mediană, minim, maxim, abateri standard, distribuții pe categorii. Acestea sunt calcule bine definite și deterministe, iar mediul de execuție (cum ar fi ChatGPT Advanced Data Analysis, care rulează cod Python într-un sandbox) le calculează cu acuratețe, nu „le ghicește”.

O statistică descriptivă bine cerută îți dă, în câteva secunde, o radiografie a calității datelor înainte de orice analiză serioasă. Întreabă întotdeauna întâi „câte valori lipsesc și pe ce coloane?” — răspunsul îți spune cât de mult poți avea încredere în tot ce urmează.

3. Vizualizări pornind de la un prompt

Una dintre cele mai apreciate capabilități: descrii ce vrei să vezi, iar AI-ul generează histograme, grafice cu bare, scatter plots, serii temporale. Pentru o explorare inițială, asta scurtează drastic distanța dintre întrebare și imagine.

Prompt exemplu:
„Generează o histogramă a valorilor din coloana 'valoare_comanda_ron'
(date sintetice). Folosește 20 de intervale. Adaugă o linie verticală
la mediană. Spune-mi explicit care este valoarea medianei.”

Vizualizarea nu este un scop în sine, ci un instrument de descoperire: o histogramă îți arată instantaneu dacă distribuția are o coadă lungă, dacă există valori aberante sau dacă datele se grupează în două vârfuri (ceea ce ar sugera două populații amestecate).

4. Formularea interogărilor

Aici AI-ul devine un traducător excelent între intenția ta în limbaj natural și sintaxa tehnică. Îi spui ce vrei să afli, iar el îți propune o interogare SQL sau o formulă Excel. Peisajul „text-to-SQL” a maturizat exact acest caz de utilizare: nu mai trebuie să memorezi sintaxa, ci să înțelegi logica.

-- Interogare propusă de AI dintr-o cerere în limbaj natural (conceptual)
-- „Câte comenzi peste 500 RON avem pe fiecare lună?”
SELECT
    strftime('%Y-%m', data_comanda) AS luna,
    COUNT(*) AS numar_comenzi
FROM comenzi_sintetice
WHERE valoare_comanda_ron > 500
GROUP BY luna
ORDER BY luna;

Important: AI-ul îți dă un punct de plecare verificabil, nu un adevăr absolut. Tu validezi că interogarea reflectă întrebarea reală. Un filtru pus greșit (> 500 în loc de >= 500) sau o coloană confundată schimbă complet rezultatul, fără ca interogarea să pară greșită.

Ce face AI-ul PROST sau RISCANT

Acum, partea pe care multe materiale o ascund. Există sarcini în care încrederea oarbă în AI te costă scump.

1. Calcule complexe „din cap”

Există o distincție tehnică esențială. Când AI-ul execută cod (de exemplu, în ChatGPT Advanced Data Analysis, unde rulează Python pe fișierul tău), calculele sunt fiabile. Dar când AI-ul răspunde direct, în text, fără să ruleze cod, el „prezice” cifrele pe baza limbajului — și poate greși o sumă sau un procent cu o seninătate dezarmantă.

Regulă de aur: Pentru orice cifră care contează, asigură-te că AI-ul a executat un calcul (a rulat cod sau o formulă), nu doar a afirmat un rezultat în proză.

Această distincție revine în tot cursul, fiindcă este granița dintre o unealtă de încredere și o iluzie convingătoare. Întreabă-te mereu: cifra aceasta a fost calculată sau povestită?

2. Agregări pe seturi mari

Uneltele conversaționale au limite reale de mărime și număr de fișiere la încărcare. Conform documentației publice OpenAI Help Center, încărcarea de fișiere în ChatGPT este supusă unor limite de dimensiune și de număr de fișiere per conversație. Când lucrezi cu seturi de date mari, riști ca AI-ul să proceseze doar o parte (un eșantion), să trunchieze, sau să rezume — fără să te avertizeze clar. Concluzia: pentru milioane de rânduri, instrumentul potrivit rămâne o bază de date sau un motor dedicat, cu AI-ul ca asistent de formulare a interogării.

3. Inferențe cauzale

Aceasta este capcana intelectuală cea mai gravă. AI-ul poate observa că două variabile cresc împreună și poate formula o frază care sună a cauzalitate. Dar corelația nu este cauzalitate, iar un model lingvistic nu are cum să stabilească o relație de cauză-efect doar din numere. Dacă într-un set sintetic vânzările de înghețată și incidentele de înec cresc împreună, cauza comună este vara, nu înghețata. A confunda cele două duce la decizii absurde: ai opri vânzarea de înghețată „ca să salvezi vieți”.

4. Date confidențiale și personale

Acesta este și un risc tehnic, și unul legal. Despre el vorbim explicit mai jos, fiindcă o greșeală aici nu se repară cu o reformulare de prompt, ci poate atrage consecințe juridice.

Tabloul de poziționare al cursului

Pe parcursul cursului vei lucra cu trei familii de unelte. Iată harta lor, la nivel de paradigmă (vom detalia în lecția despre peisaj):

Reține caveatul comercial, fiindcă îl repetăm de fiecare dată: Microsoft 365 Copilot nu este gratuit. Funcția COPILOT() și asistentul Copilot din Excel necesită o licență M365 Copilot plătită, peste abonamentul Microsoft 365 obișnuit. De aceea predăm întotdeauna și alternativa ChatGPT, ca să nu rămâi blocat în spatele unei licențe.

Guardrail legal: GDPR și datele tale

Înainte de a încărca orice fișier într-o unealtă AI găzduită în cloud, oprește-te și pune-ți o întrebare simplă: conține acest fișier date cu caracter personal sau informații confidențiale?

• Nu încărca date cu caracter personal sau confidențiale într-un nivel public/gratuit al unei unelte cloud fără o bază legală și fără garanțiile contractuale necesare.
• Pentru date reale de business, folosește niveluri Enterprise care oferă un Acord de Prelucrare a Datelor (DPA) și garanții privind faptul că datele tale nu sunt folosite pentru antrenarea modelelor.
• Alternativ, lucrează cu date anonimizate sau sintetice — exact ce facem în acest curs.

În plus, EU AI Act introduce, prin articolul 50, obligații de transparență privind interacțiunea cu sisteme AI, cu aplicare etapizată (prevederile relevante de transparență devin aplicabile din 2 august 2026). Pentru tine, ca analist, mesajul practic este: tratează uneltele AI ca pe niște colaboratori cărora nu le dai acces necontrolat la informații sensibile.

Acest curs nu oferă consultanță juridică, financiară sau contabilă reglementată. Pentru decizii cu implicații legale sau fiscale, consultă un specialist autorizat.

Mentalitatea corectă: AI ca amplificator

Concluzia fundamentală a acestei lecții introductive: AI-ul conversațional îți amplifică productivitatea analitică, dar nu îți substituie gândirea critică. Folosit bine, îți elimină munca plictisitoare și te lasă să te concentrezi pe interpretare. Folosit prost, îți oferă o iluzie de competență care se prăbușește la prima verificare serioasă.

Gândește-te la AI ca la un stagiar foarte rapid și foarte citit, dar fără experiență și fără simțul mizei: face în câteva secunde munca pentru care ai avea nevoie de o oră, însă nu știe singur când a greșit. Valoarea ta nu dispare; ea se mută din execuție în supraveghere, formulare de întrebări bune și verificare.

Recapitulare în trei idei

1. AI-ul face bine: curățare, statistici descriptive, vizualizări, formulare de interogări.
2. AI-ul face riscant: calcule „din cap”, agregări pe seturi mari, inferențe cauzale, manipularea datelor confidențiale.
3. Tu rămâi responsabil pentru corectitudine; lucrezi cu date sintetice/anonimizate și respecți GDPR.

Până aici ai harta: unde AI-ul strălucește, unde te trădează și de ce responsabilitatea finală pentru cifre rămâne a ta. Ce urmează este exact instrumentul care desparte amatorul entuziast de analistul de încredere — mentalitatea de verificare — pe care o construim pas cu pas, apoi o punem la treabă pe fișiere concrete, lecție după lecție, până devine un reflex.