Cine decide ce știm? Inteligența artificială între cunoaștere, judecată și avantaj epistemic

Dr. George CONSTANTIN[1]
constantingeorge2018@gmail.com

[1] Cercetător independent

Artificial Intelligence between Knowledge, Judgment, and Epistemic Advantage

Abstract

The growing abundance of information has transformed the conditions under which knowledge is produced and decisions are made. The central problem is no longer merely access to information, but the capacity to select what is relevant, assess its credibility, and transform it into justified judgment and action. In this context, artificial intelligence does not merely process information. By selecting, filtering, correlating, and presenting information, AI systems may participate in shaping the cognitive environment within which human judgment takes place.

The paper conceptualizes this transformation through the notion of epistemic intermediary, distinguishing it from both an epistemic tool and an epistemic authority. It argues that algorithmic performance does not, by itself, justify epistemic authority and examines the transition from prediction to recommendation and decision. Particular attention is given to artificial certainty, calibrated epistemic trust, and organizational epistemic competence.

Within Competitive Intelligence, the paper proposes epistemic advantage as the capacity to transform information into relevant and justified knowledge, knowledge into judgment, and judgment into action. The paper concludes by proposing a shift from human-in-the-loop to human-in-the-judgment, emphasizing the preservation of effective human judgment in AI-mediated decision-making.

Keywords: artificial intelligence, epistemology, knowledge, judgment, epistemic intermediary, epistemic authority, epistemic advantage, artificial certainty, calibrated epistemic trust, organizational epistemic competence, Competitive Intelligence, human-in-the-judgment

Rezumat

Abundența informației a transformat condițiile în care se constituie cunoașterea și se iau deciziile. Problema centrală nu mai este doar accesul la informație, ci capacitatea de a selecta ceea ce este relevant, de a-i evalua credibilitatea și de a transforma informația în judecată justificată și acțiune. În acest context, inteligența artificială nu doar procesează informația. Prin selectarea, filtrarea, corelarea și prezentarea acesteia, sistemele de IA pot participa la configurarea mediului cognitiv în interiorul căruia se desfășoară judecata umană.

Lucrarea conceptualizează această transformare prin noțiunea de intermediar epistemic, distingând-o de instrumentul epistemic și de autoritatea epistemică. Analiza susține că performanța algoritmică nu justifică prin ea însăși autoritatea epistemică și examinează trecerea de la predicție la recomandare și decizie. Sunt analizate în mod particular certitudinea artificială, încrederea epistemică calibrată și competența epistemică organizațională.

În cadrul Competitive Intelligence, lucrarea propune conceptul de avantaj epistemic pentru a desemna capacitatea de a transforma informația în cunoaștere relevantă și justificată, cunoașterea în judecată și judecata în acțiune. Concluzia propune trecerea de la human-in-the-loop la human-in-the-judgment, subliniind necesitatea păstrării judecății umane efective în procesele decizionale mediate de IA.

Cuvinte cheie: inteligență artificială, epistemologie, cunoaștere, judecată, intermediar epistemic, autoritate epistemică, avantaj epistemic, certitudine artificială, încredere epistemică calibrată, competență epistemică organizațională, Competitive Intelligence, human-in-the-judgment

IT & C, Volumul 5, Numărul 4, Decembrie 2026, pp. xxx
ISSN 2821 – 8469, ISSN – L 2821 – 8469,
URL: https://www.internetmobile.ro/cine-decide-ce-stim-inteligenta-artificiala-intre-cunoastere-judecata-si-avantaj-epistemic/
© 2026 George CONSTANTIN. Responsabilitatea conținutului, interpretărilor și opiniilor exprimate revine exclusiv autorilor.
Licența CC BY 4.0

1. De la abundența informației la problema cunoașterii

Una dintre transformările decisive ale societății contemporane nu constă pur și simplu în multiplicarea informației, ci în schimbarea statutului pe care informația îl are în raport cu acțiunea. Problema societății informaționale nu mai este, în sens clasic, aceea de a obține informația necesară pentru a cunoaște. Informația a devenit abundentă, accesibilă, circulabilă și, în numeroase domenii, aproape instantaneu disponibilă. Dificultatea se deplasează, prin urmare, dinspre acces spre selecție, dinspre acumulare spre relevanță și, în cele din urmă, dinspre informație spre judecată.

Herbert A. Simon formula încă din 1971 o intuiție care dobândește astăzi o semnificație aparte: „a wealth of information creates a poverty of attention” (Simon, 1971). Abundența informației nu elimină problema cunoașterii; o reformulează. Cu cât spațiul informațional devine mai larg, cu atât devine mai important să putem distinge ceea ce este relevant de ceea ce este redundant, ceea ce este credibil de ceea ce este doar disponibil și ceea ce poate fundamenta o judecată de ceea ce poate doar alimenta fluxul informațional.

În acest context trebuie înțeleasă ascensiunea inteligenței artificiale. IA apare nu într-o lume lipsită de informație, ci într-una în care capacitatea de producere, colectare și circulație a informației depășește tot mai evident capacitatea umană de a o examina integral. Valoarea sa strategică provine tocmai din această asimetrie: sistemele de IA pot procesa volume de date, pot identifica regularități, pot compara surse, pot construi clasificări, pot genera predicții și pot formula recomandări într-un interval de timp inaccesibil analizei umane directe.

Dar această capacitate introduce o problemă care nu mai poate fi redusă la performanța tehnologică. Atunci când un sistem selectează informația relevantă, identifică anumite relații și produce o reprezentare asupra unui fenomen, rezultatul său nu mai este pur și simplu un produs tehnic. El intră într-un proces cognitiv și poate influența ceea ce utilizatorul consideră relevant, plauzibil și demn de luat în considerare.

De aici rezultă întrebarea fundamentală a acestei comunicări: ce se întâmplă cu cunoașterea atunci când între realitatea asupra căreia judecăm și subiectul care judecă se interpune un sistem de inteligență artificială?

Întrebarea este, în fond, una epistemologică. Ea nu privește numai ceea ce poate face IA, ci și statutul pe care îl acordăm rezultatelor sale. Un rezultat algoritmic poate fi informație, ipoteză, predicție sau recomandare. În anumite condiții, el poate contribui la constituirea unei cunoașteri justificate. În alte condiții, poate dobândi o autoritate pe care nu o justifică prin simpla sa performanță tehnică.

Tocmai aici apare legătura cu Competitive Intelligence. Într-un mediu concurențial, informația nu are valoare strategică prin simpla sa existență. Ea devine relevantă atunci când poate contribui la înțelegerea mediului, la anticiparea unor evoluții și la fundamentarea unei acțiuni. Competitive Intelligence presupune, astfel, mai mult decât colectarea de date. Presupune transformarea informației relevante în cunoaștere utilizabilă pentru decizie (Calof & Wright, 2008).

Prin urmare, problema avantajului competitiv nu mai poate fi formulată satisfăcător în termenii întrebării: cine deține mai multă informație? În condițiile actuale, întrebarea mai relevantă este: cine reușește să transforme mai eficient informația în cunoaștere relevantă și cunoașterea în decizie?

Ipoteza pe care o susțin este că inteligența artificială poate produce un avantaj competitiv autentic numai atunci când superioritatea sa tehnologică este convertită într-o superioritate epistemică: capacitatea de a selecta mai bine ceea ce merită cunoscut, de a evalua mai riguros ceea ce este oferit ca informație, de a interpreta mai adecvat rezultatele algoritmice și de a transforma aceste rezultate în decizii asumate.

În acest sens, IA nu trebuie privită nici ca simplu instrument pasiv, nici ca substitut al judecății umane. Între cele două poziții există o zonă intermediară, decisivă pentru înțelegerea transformării contemporane: aceea în care inteligența artificială devine intermediar epistemic.

2. De la date la cunoaștere: între procesarea algoritmică și judecata umană

Pentru a înțelege natura acestei transformări este necesară o distincție preliminară între date, informație, cunoaștere, judecată și decizie. Aceste noțiuni sunt adesea utilizate interschimbabil în discursul public despre inteligența artificială, deși ele desemnează niveluri diferite ale procesului cognitiv.

Datele reprezintă materia primă. Ele pot fi colectate, stocate și procesate fără ca, prin aceasta, să dobândească automat semnificație. Informația apare atunci când datele sunt organizate și raportate la un anumit context sau la o anumită problemă. Cunoașterea presupune însă ceva suplimentar: integrarea informației într-un cadru de înțelegere în care afirmațiile pot fi susținute, evaluate și, într-o anumită măsură, justificate. Judecata introduce o altă dimensiune. A cunoaște că un anumit lucru este probabil nu este identic cu a decide ce trebuie făcut în situația respectivă. Între cunoaștere și decizie intervine aprecierea semnificației, a relevanței, a consecințelor și a alternativelor.

Putem reprezenta această progresie astfel: date → informație → analiză → cunoaștere → judecată → decizie.

Schema nu trebuie înțeleasă mecanic. Ea nu descrie o succesiune în care fiecare etapă produce automat etapa următoare. Mai degrabă, ea evidențiază transformările succesive prin care datele și informațiile dobândesc semnificație, sunt interpretate și evaluate, ajungând să fundamenteze judecăți și, în cele din urmă, decizii.

Această distincție devine crucială în cazul IA deoarece sistemele contemporane pot executa cu o eficiență extraordinară operații situate între date și anumite forme de rezultat cognitiv. Ele pot detecta regularități pe care omul nu le-ar observa cu ușurință, pot grupa informații după criterii complexe, pot identifica anomalii, pot formula predicții și pot genera scenarii.

Dar identificarea unei regularități nu echivalează cu explicarea fenomenului care a produs-o. O corelație poate fi utilă pentru predicție fără să exprime o relație cauzală. O clasificare poate fi statistic performantă și totuși conceptual inadecvată pentru problema cercetată. O predicție probabilistică nu este o afirmație certă despre viitor. Iar o recomandare optimizată pentru un anumit obiectiv nu este, prin ea însăși, o decizie justificată în sens deplin.

Aici trebuie făcută o distincție fundamentală între performanță și justificare. Un sistem poate performa excelent într-o sarcină definită fără ca acest fapt să rezolve problema statutului epistemic al rezultatului său. Performanța răspunde întrebării dacă sistemul produce rezultate bune în raport cu anumite criterii. Epistemologia întreabă ce putem pretinde că știm pe baza acelor rezultate.

Această diferență este esențială și pentru Competitive Intelligence. Scopul intelligence-ului nu este de a produce cât mai multe informații, ci de a transforma informația relevantă într-o bază cognitivă pentru anticipare și decizie. În consecință, valoarea unui sistem AI nu poate fi măsurată numai prin volumul de date pe care îl procesează sau prin viteza cu care produce rezultate.

Dacă două organizații au acces la aceleași date și la tehnologii comparabile, ele pot ajunge la concluzii strategice diferite. Diferența poate proveni din întrebările formulate, din criteriile de selecție, din capacitatea de verificare, din experiența analistului, din contextualizarea rezultatelor și, mai ales, din modul în care organizația decide ce statut epistemic să acorde rezultatului algoritmic.

De aici rezultă o primă teză: superioritatea informațională nu produce automat superioritate cognitivă.

Într-o societate caracterizată de abundență informațională, problema fundamentală devine selecția. Mai multe informații pot produce mai multă claritate, dar pot produce și mai mult zgomot. Un sistem capabil să proceseze un volum enorm de date poate accelera analiza, dar poate accelera și propagarea unei erori prezente în date sau în definirea problemei.

Prin urmare, întrebarea relevantă nu este dacă IA poate „cunoaște” în același sens în care cunoaște omul. O asemenea formulare riscă să transfere asupra sistemului categorii antropologice care nu îi sunt necesare pentru analiza fenomenului. Întrebarea mai riguroasă este: în ce condiții poate rezultatul unui sistem AI să participe în mod justificat la constituirea cunoașterii umane? Această reformulare permite trecerea de la problema inteligenței mașinii la problema medierii algoritmice a cunoașterii.

3. De la instrument epistemic la intermediar epistemic[2]

Instrumentele cognitive au existat cu mult înaintea inteligenței artificiale. Microscopul a extins capacitatea vizuală, calculatorul a extins capacitatea de calcul, iar bazele de date au extins memoria și capacitatea de regăsire. În aceste cazuri, instrumentul amplifică o capacitate umană deja definită. Omul formulează întrebarea, stabilește relevanța rezultatului și își asumă concluzia.

Inteligența artificială introduce o diferență importantă. Ea poate participa nu numai la executarea unei operații definite anterior, ci și la selectarea, ordonarea, corelarea și prezentarea materialului asupra căruia omul urmează să judece.

Aceasta este schimbarea pe care o consider decisivă. Există o diferență epistemologică între un instrument care ne ajută să vedem mai mult și un sistem care contribuie la stabilirea a ceea ce merită să vedem. În prima situație, instrumentul amplifică o capacitate. În cea de-a doua, sistemul participă la configurarea spațiului cognitiv în care se desfășoară judecata.

Caracterul epistemic al acestei intermedieri nu presupune intenționalitate cognitivă din partea mașinii. Nu susțin că sistemul „vrea” să ne convingă sau că „decide” în sens psihologic. Este suficient faptul că arhitectura sa produce efecte de selecție și prioritizare care influențează parcursul cognitiv al utilizatorului.

Un cercetător care are acces nemediat la un corpus de zece mii de documente și un cercetător căruia un sistem AI îi prezintă o selecție de o sută de documente nu se află, epistemic, în aceeași situație. Cel de-al doilea primește deja o reprezentare a spațiului informațional. Ceea ce a fost exclus nu mai este, cel puțin temporar, parte din câmpul său efectiv de examinare.

Intermedierea epistemică nu constă, așadar, în faptul că IA transmite informația între două puncte. Ea constă în faptul că modul în care informația ajunge la subiect este deja rezultatul unei procesări selective.

Această observație ne permite să distingem trei poziții. Prima este aceea de instrument epistemic. IA îl ajută pe om să proceseze mai repede și mai multă informație. A doua este aceea de intermediar epistemic. IA participă la configurarea informației pe baza căreia omul urmează să judece. A treia este aceea de autoritate epistemică, care apare atunci când rezultatul sistemului dobândește, în procesul efectiv de cunoaștere, o forță de acceptare care depășește funcția sa instrumentală.

Această a treia trecere nu este inevitabilă. Tocmai de aceea este important să nu confundăm conceptele. Un sistem poate fi un intermediar epistemic fără a fi o autoritate epistemică. El poate media accesul la informație fără ca utilizatorul să îi atribuie dreptul de a stabili ce trebuie considerat adevărat. Problema apare atunci când performanța tehnică este convertită în încredere epistemică nediferențiată.

Rico Hauswald observă că sistemele AI pot ajunge să îndeplinească funcții asociate tradițional autorităților epistemice umane, într-un context caracterizat prin asimetrie epistemică și opacitate (Hauswald, 2025). Tocmai această observație permite o distincție esențială: performanța demonstrată de un sistem într-un anumit domeniu sau într-o anumită sarcină nu îi conferă, prin ea însăși, o autoritate epistemică dincolo de limitele în care această performanță a fost stabilită.

Un sistem poate fi superior omului la detectarea unui anumit pattern și, în același timp, să nu poată decide singur relevanța socială a acelui pattern, consecințele sale normative sau oportunitatea acțiunii întemeiate pe el. În acest sens, întrebarea corectă nu este „Are IA autoritate?”, ci “În ce condiții ajunge un rezultat algoritmic să funcționeze ca autoritate pentru subiectul care îl utilizează?” Aici se află una dintre problemele majore ale cunoașterii mediate algoritmic.

4. De la rezultat la recomandare și de la recomandare la decizie

Problema devine mai acută atunci când rezultatul algoritmic nu rămâne la nivelul descrierii sau analizei, ci intră direct în procesul decizional.

Putem distinge trei niveluri: predicție — recomandare — decizie.

Predicția răspunde, în esență, la întrebarea: ce este probabil să se întâmple? Recomandarea adaugă o orientare: ce ar putea fi oportun să facem? Decizia introduce însă o dimensiune suplimentară: ce alegem efectiv să facem și cine își asumă această alegere?

Trecerea de la prima la cea de-a treia categorie nu este logic automată. O predicție bună nu garantează o recomandare bună. O recomandare bună nu produce automat o decizie legitimă. Iar o decizie justificată nu presupune că toate premisele sale sunt certe. Această distincție este deosebit de importantă pentru utilizarea IA în Competitive Intelligence. Un sistem poate identifica o schimbare probabilă în comportamentul unui competitor. Poate estima probabilitatea unei evoluții de piață. Poate identifica o vulnerabilitate sau poate propune mai multe scenarii. Dar alegerea unei acțiuni presupune raportarea acestor rezultate la obiective, constrângeri, valori, riscuri și consecințe. Prin urmare, între rezultatul algoritmic și decizie trebuie să rămână un spațiu al judecății.

Această idee poate fi exprimată astfel: date → procesare algoritmică → rezultat → interpretare → recomandare → judecată → decizie.

Problema apare atunci când această arhitectură este comprimată la: date → IA → recomandare → acceptare → decizie.

În cea de-a doua configurație, intermedierea poate deveni delegare epistemică. Omul nu mai folosește rezultatul pentru a-și construi judecata, ci începe să folosească rezultatul drept substitut pentru judecată.

Diferența dintre interpretare și acceptare devine aici decisivă. Interpretarea presupune păstrarea rezultatului algoritmic în interiorul procesului critic. Rezultatul poate fi comparat cu alte surse, contextualizat, contestat și eventual respins. Acceptarea presupune, dimpotrivă, preluarea rezultatului ca premisă suficientă pentru acțiune, fără ca traseul justificativ să mai fie parcurs în mod adecvat.

Între cele două atitudini se poate instala însă un fenomen epistemic mai subtil: certitudinea artificială[3]. Prin acest concept, în prezenta expunere înțelegem situația în care forma de prezentare, coerența sau precizia aparentă a unui rezultat generat de un sistem de inteligență artificială induce un nivel de încredere superior celui pe care îl justifică efectiv datele, metoda de procesare sau natura incertă a fenomenului analizat. Nu este vorba, așadar, despre o certitudine produsă de sistem, ci despre o aparență de certitudine produsă în relația dintre rezultatul algoritmic și subiectul care îl interpretează.

Fenomenul este important deoarece eroarea epistemică nu mai trebuie căutată exclusiv în falsitatea rezultatului. Un rezultat poate fi chiar corect și, totuși, poate dobândi în procesul utilizării sale un statut epistemic excesiv. Problema apare atunci când precizia expresiei este confundată cu certitudinea concluziei, iar coerența explicației cu suficiența justificării.

Leonardi și Leavell (2026) discută această problemă sub sintagma artificial certainty, atrăgând atenția asupra modului în care utilizarea IA în procesele de decizie și planificare poate afecta autoritatea expertului. În termenii prezentei expuneri, miza este mai largă: cu cât sistemul devine mai convingător ca intermediar epistemic, cu atât devine mai importantă capacitatea subiectului de a menține distincția dintre ceea ce sistemul produce și ceea ce poate fi justificat pe baza rezultatului său.

O probabilitate exprimată cu mare precizie rămâne o probabilitate. O predicție bine calibrată rămâne o predicție. O reprezentare coerentă a unui fenomen incert nu transformă incertitudinea în certitudine.

În acest sens, unul dintre riscurile epistemice ale inteligenței artificiale nu constă numai în producerea unor rezultate false, ci și în producerea unor rezultate suficient de coerente, precise și persuasive pentru a fi acceptate ca mai certe decât sunt în realitate.

De aceea, NIST include în cadrul său de management al riscului caracteristici precum validitatea și fiabilitatea, transparența, responsabilitatea, explicabilitatea și interpretabilitatea (National Institute of Standards and Technology [NIST], 2023). Performanța tehnică trebuie integrată într-un cadru mai larg de evaluare. Această perspectivă schimbă însăși înțelegerea deciziei.

Decizia nu este doar rezultatul unei operații de calcul. Ea este rezultatul unei judecăți asupra unor informații, într-un context determinat, în raport cu anumite scopuri și consecințe. De aceea, întrebarea: „Ce recomandă sistemul?” nu poate înlocui întrebările:

„De ce recomandă aceasta?” „Pe baza căror date?” „Ce a fost exclus?” „Care sunt limitele rezultatului?” „Ce alternative există?” „Ce se întâmplă dacă ipoteza este greșită?” și, în cele din urmă „De ce aleg să acționez astfel?” În acest ultim „de ce” începe propriu-zis judecata epistemică[4].

5. De la avantaj informațional la avantaj epistemic[5]

În teoria organizației, cunoașterea a fost deja înțeleasă ca resursă strategică. Perspectiva bazată pe cunoaștere asupra firmei subliniază rolul organizației ca mecanism de integrare a cunoștințelor distribuite între membrii săi (Grant, 1996). Inteligența artificială schimbă însă configurația problemei. Organizația nu mai gestionează numai cunoașterea produsă de oameni, ci și procese în care oameni, date, algoritmi și sisteme automate participă împreună la producerea rezultatelor utilizate în decizie.

În aceste condiții, avantajul competitiv nu mai poate fi redus la accesul la informație sau la posesia unei tehnologii superioare. Avantajul epistemic este, prin urmare, o capacitate de conversie, nu o cantitate. Nu desemnează câte date deține organizația, ci cât de bine poate transforma datele în informație relevantă, informația în cunoaștere, cunoașterea în judecată și judecata în acțiune. Putem formula diferența astfel: avantaj informațional = acces superior la informație; avantaj tehnologic = capacitate tehnologică superioară; avantaj epistemic = capacitate superioară de transformare justificată a informației în decizie.

Această distincție devine cu atât mai importantă cu cât tehnologiile AI se “democratizează”. Dacă accesul la modele, infrastructură și volume de date devine din ce în ce mai larg, simpla posesie a tehnologiei nu mai poate constitui un diferențiator suficient. Avantajul se mută spre capacitatea de a utiliza tehnologia fără a pierde controlul asupra procesului cognitiv.

Perspectiva capabilităților dinamice oferă aici un cadru complementar. Teece, Pisano și Shuen (1997) au arătat că avantajul organizațional într-un mediu schimbător depinde de capacitatea de a integra, construi și reconfigura competențe interne și externe. În epoca IA, această reconfigurare trebuie să includă și procesele prin care organizația produce și validează cunoașterea.

O organizație poate avea mai multe date și totuși să cunoască mai puțin. Poate avea un model mai performant și totuși să ia decizii mai slabe. Poate primi recomandări în câteva secunde și totuși să nu dispună de o justificare suficientă pentru acțiunea întreprinsă.

De aceea mai multe date nu înseamnă mai multă cunoaștere. Mai multă cunoaștere nu înseamnă automat judecată mai bună. Și judecata mai rapidă nu înseamnă automat decizie mai bună.

Avantajul epistemic[6] apare atunci când organizația știe să gestioneze aceste treceri. În acest sens, inteligența artificială poate fi un multiplicator al avantajului, dar nu este sursa lui suficientă. Ea poate mări considerabil capacitatea de procesare, însă superioritatea strategică depinde de modul în care organizația integrează rezultatele procesării în propriul său sistem de judecată.

Această perspectivă permite și o reformulare a rolului Competitive Intelligence. Dacă intelligence-ul urmărește să reducă incertitudinea relevantă pentru acțiune, atunci adevărata resursă strategică nu este informația în sine, ci capacitatea de a determina ce informație merită să reducă incertitudinea și în ce măsură.

De aici rezultă o consecință importantă: două organizații pot dispune de aceeași tehnologie și de aceleași informații, dar să aibă avantaje epistemice diferite. Diferența nu se află neapărat în algoritm. Se poate afla în întrebarea formulată, în selecția datelor, în procedurile de verificare, în experiența analistului, în capacitatea de contestare a rezultatului și în modul în care organizația separă recomandarea de decizie.

Prin urmare, avantajul epistemic nu este o proprietate pe care tehnologia o deține în mod autonom. El apare în relația dintre ceea ce sistemul poate produce, ceea ce subiectul uman poate înțelege și evalua și capacitatea acestuia de a transforma rezultatul algoritmic într-o judecată justificată.

6. Autoritate, încredere și problema responsabilității

Odată ce IA devine intermediar epistemic și participă la producerea rezultatelor utilizate în decizie, apare inevitabil problema autorității. Cine decide ce trebuie considerat suficient de credibil pentru a fundamenta acțiunea? În formele clasice de cunoaștere, această problemă era legată de autorități epistemice identificabile: cercetători, experți, instituții, comunități profesionale. În cazul IA, sursa este diferită. Utilizatorul se confruntă cu un sistem a cărui competență poate fi foarte ridicată într-o anumită sarcină și foarte limitată în alta.

Încrederea, prin urmare, nu poate fi globală. Nu are sens să spunem pur și simplu că „avem încredere în AI”. Întrebarea relevantă nu este dacă putem avea încredere în sistem, ci în ce măsură rezultatele sale sunt suficient de credibile pentru a ne fundamenta judecata într-un anumit context și pentru o anumită decizie.

Aceasta este problema încrederii epistemice calibrate[7]. Lee și See (2004) au arătat, în analiza încrederii în automatizare, importanța unei relații adecvate între performanța sistemului și gradul de reliance acordat acestuia. În cazul IA, această problemă devine epistemică: gradul de încredere trebuie să fie proporțional cu ceea ce putem justifica despre rezultat.

Încrederea excesivă produce supra-dependență. Neîncrederea absolută face inutilă o tehnologie care poate extinde semnificativ capacitatea de analiză. Soluția nu se află la una dintre extreme, ci într-o încredere calibrată, dependentă de context, performanță, verificabilitate, limite și consecințele erorii.

Problema devine și mai complexă atunci când rezultatul algoritmic este greu de reconstruit sau explicat. Utilizatorul poate fi nevoit să se bazeze pe un sistem tocmai pentru a putea evalua sistemul. Apare astfel o formă de dependență epistemică specifică tehnologiilor complexe. Această dependență nu este, în sine, problematică. Cunoașterea umană a fost întotdeauna dependentă de experți, instrumente și instituții. Problema este dacă această dependență poate fi justificată. Aici se intersectează epistemologia cu problema responsabilității.

Problema calibrării încrederii nu poate fi însă redusă nici la relația dintre un utilizator individual și un sistem de inteligență artificială. Rezultatele algoritmice circulă între persoane, departamente și niveluri de decizie, fiind succesiv preluate, interpretate și integrate în alte procese cognitive și administrative. În aceste condiții, capacitatea de a evalua critic ceea ce produce un sistem IA devine ea însăși o proprietate a organizației.

Putem vorbi, în acest sens, despre o competență epistemică organizațională[8], care reprezintă capacitatea unei organizații de a gestiona critic și reflexiv parcursul prin care informația este selectată, evaluată, transformată în cunoaștere, interpretată și utilizată în fundamentarea deciziilor.

Din această perspectivă, încrederea epistemică calibrată nu mai este exclusiv o problemă psihologică a utilizatorului. Ea devine și o capacitate organizațională. O organizație competentă epistemic nu este aceea care are încredere în IA, după cum nu este nici aceea care o respinge în mod sistematic, ci aceea care dispune de mecanismele cognitive, profesionale și instituționale necesare pentru a stabili când, cât și în ce condiții un rezultat algoritmic poate fi acceptat ca premisă pentru decizie. Dar, dacă omul acceptă rezultatul unui sistem și ia decizia pe baza lui, cine este responsabil atunci când decizia produce consecințe negative?

Problema a fost formulată în literatura filosofică a tehnologiei sub forma „responsibility gap”, asociată inițial cu Andreas Matthias (2004). Ulterior, ideea că utilizarea unor sisteme autonome poate conduce la dificultăți în atribuirea responsabilității morale pentru consecințele acțiunilor lor a fost contestată sau nuanțată, inclusiv de Tigard (2021). Tocmai această dezbatere arată că problema nu poate fi rezolvată prin simpla afirmație că responsabilitatea aparține fie omului, fie mașinii.

Sistemul AI nu trebuie tratat ca subiect moral doar pentru că produce un rezultat complex. Dar nici omul nu trebuie transformat într-un simplu suport formal al responsabilității pentru un proces pe care nu îl poate înțelege, controla sau contesta. Aceasta este problema pe care Madeleine Clare Elish (2019) o surprinde prin metafora „moral crumple zone” [„zona de comprimare morală”].  În sisteme socio-tehnice complexe, omul aflat formal la capătul procesului poate ajunge să suporte responsabilitatea pentru deficiențe care provin dintr-o arhitectură mult mai largă.

De aceea, problema nu este suficient formulată prin sintagma „human-in-the-loop”. Simpla prezență a unui om în circuit nu garantează existența judecății umane. Un om poate valida formal o recomandare pe care nu a avut timpul, informațiile sau competența necesară să o evalueze. În acest caz, omul este prezent în buclă, dar judecata sa poate fi redusă la o formalitate. Ceea ce trebuie protejat este, prin urmare, nu simpla prezență umană, ci capacitatea efectivă de judecată umană.

7. De la „human-in-the-loop” la „human-in-the-judgment”[9]

Această distincție permite o reformulare a controlului uman.Modelul „human-in-the-loop” este util, dar insuficient. El sugerează că este suficient ca un om să se afle undeva în circuitul tehnologic pentru ca decizia să rămână umană.

Filosofia controlului uman semnificativ propusă de Santoni de Sio și van den Hoven (2018) oferă un cadru mai exigent: omul trebuie să poată exercita un control care să fie nu doar formal, ci relevant pentru caracterul și consecințele acțiunii. În cazul IA, aceasta înseamnă că omul trebuie să poată înțelege natura rezultatului, evalua limitele sale, solicita sau verifica premisele relevante, compara alternative, contesta recomandarea, refuza rezultatul, precum si explica de ce a decis să urmeze sau să respingă un rezultat sau altul.

Aș numi această condiție menținerea judecății umane în procesul decizional. Nu este suficient ca omul să fie cel care ia decizia finală în sens formal. Este necesar ca el să păstreze posibilitatea reală de a evalua critic rezultatul sistemului, de a-l accepta sau respinge și de a-și fundamenta propria decizie. Această diferență este fundamentală. Controlul nu înseamnă doar capacitatea de a opri sistemul. Înseamnă capacitatea de a menține autoritatea asupra criteriilor prin care rezultatul sistemului dobândește relevanță pentru acțiune. De aceea, și în procesul decizional important este cine deține controlul.[10]

Din această perspectivă, inteligența artificială nu trebuie înțeleasă doar ca instrument de automatizare, ci și ca sursă de amplificare cognitivă[11] a capacităților umane de analiză, corelare, comparare și anticipare și nu ca substitut al judecății. Extinderea spațiului cognitiv nu trebuie să însemne restrângerea spațiului judecății.

Dimpotrivă, cu cât IA devine mai performantă în producerea rezultatelor, cu atât devine mai important ca omul să fie capabil să distingă între ceea ce sistemul poate calcula și ceea ce numai judecata poate decide. Aici apare o nouă competență organizațională: competența epistemică. Ea nu constă în simpla capacitate de a utiliza instrumente AI. O organizație poate utiliza foarte bine un sistem fără să știe să evalueze ceea ce sistemul produce.

Într-o asemenea organizație, întrebarea nu este numai „Ce spune AI?” ci și „Ce putem susține noi, în mod justificat, pe baza a ceea ce spune AI?” Aceasta este, în opinia mea, adevărata diferență de rang epistemologic.

8. Concluzie. Cine decide ce știm?

Am pornit de la problema abundenței informaționale și am urmărit transformarea produsă de inteligența artificială în raportul dintre informație, cunoaștere, judecată și decizie.

Prima concluzie este că abundența informației nu elimină problema cunoașterii. Dimpotrivă, o face mai exigentă. Într-un mediu în care informația este abundentă, valoarea nu mai constă în simpla posesie a informației, ci în capacitatea de a selecta ceea ce este relevant și de a determina în ce măsură acel material poate susține o cunoaștere justificată.

A doua concluzie este că inteligența artificială nu trebuie înțeleasă numai ca tehnologie de procesare. Atunci când selectează, filtrează, corelează, clasifică și prezintă informația, ea intervine în arhitectura procesului cognitiv. În acest sens, IA poate deveni un intermediar epistemic.

A treia concluzie privește relația dintre performanță și autoritate. Un sistem performant nu dobândește prin aceasta autoritate epistemică generală. Performanța într-o sarcină nu este identică cu capacitatea de a decide ce este relevant, adevărat, oportun sau legitim într-un context complex.

A patra concluzie privește decizia. Între predicție, recomandare și decizie există diferențe care nu pot fi eliminate prin automatizare. Predicția estimează. Recomandarea orientează. Decizia angajează. Tocmai în această trecere se află problema responsabilității.

A cincea concluzie este că avantajul competitiv al epocii IA trebuie regândit. Dacă accesul la date și la tehnologie devine din ce în ce mai larg, superioritatea nu mai poate fi explicată numai prin posesie sau viteză. Ea depinde de capacitatea organizației de a transforma informația în cunoaștere justificată, cunoașterea în judecată și judecata în acțiune. Aceasta este ceea ce numesc avantaj epistemic.

Avantajul epistemic nu este un avantaj de cantitate, ci unul de calitate a conversiei epistemice. Nu câștigă neapărat organizația care deține cele mai multe date, nici cea care utilizează cea mai multă inteligență artificială, ci aceea care știe cel mai bine ce să caute, ce să creadă, ce să verifice, ce să conteste și ce să transforme în acțiune. În sfârșit, relația matură dintre om și IA nu poate fi construită nici pe subordonarea omului față de sistem, nici pe refuzul tehnologiei. Ea trebuie construită pe complementaritate epistemică.

IA poate calcula ceea ce omul nu poate calcula la aceeași scară. Poate identifica ceea ce omul nu poate identifica la aceeași viteză. Poate genera scenarii pe care omul nu le-ar fi construit spontan. Dar omul trebuie să rămână capabil să întrebe De ce?; În ce condiții?; Față de ce alternative?; Cu ce grad de incertitudine?; Pe baza căror date?; Ce a fost exclus?; Ce consecințe apar dacă presupunerea este greșită?’

Și, în cele din urmă: De ce aleg să acționez astfel? În acest ultim „de ce” se află judecata. Iar judecata este punctul în care cunoașterea se întâlnește cu responsabilitatea. De aceea, problema viitorului nu este să păstrăm omul „în circuit” cu orice preț. Un om poate fi formal în circuit și, totuși, să nu mai exercite o judecată reală. Problema este să păstrăm judecata umană în interiorul circuitului decizional.

Aceasta înseamnă că omul nu trebuie să fie doar receptorul rezultatului algoritmic, nici simplul validator al recomandării și nici ultimul responsabil formal pentru o decizie construită în altă parte. El trebuie să rămână subiectul judecății.

În această perspectivă, avantajul competitiv al viitorului nu va aparține organizației care deleagă cel mai mult inteligenței artificiale. Va aparține organizației care știe cel mai bine ce trebuie delegat, ce trebuie verificat, ce trebuie contestat și ce trebuie păstrat în sfera judecății umane. Aceasta este trecerea de la automatizarea deciziei la augmentarea judecății. Și tocmai aici putem reveni la întrebarea de la care am pornit: Cine decide ce știm?

Răspunsul nu mai poate fi unul simplu. Într-un sistem cognitiv în care omul și inteligența artificială participă împreună la producerea informației relevante pentru acțiune, nu mai este suficient să întrebăm cine ia decizia la capătul procesului.

Întrebarea mai profundă este cine contribuie la construirea cadrului epistemic în interiorul căruia acea decizie devine posibilă? Aici se află, în opinia mea, adevărata miză a inteligenței artificiale. Nu doar cine decide. Ci cine contribuie la stabilirea condițiilor în care ajungem să considerăm ceva demn de cunoscut, demn de crezut și, în cele din urmă, demn de făcut.

Bibliografie

• Calof, J. L., & Wright, S. (2008). Competitive intelligence: A practitioner, academic and inter-disciplinary perspective. European Journal of Marketing, 42(7/8), 717–730. https://doi.org/10.1108/03090560810877114
• Elish, M. C. (2019). Moral crumple zones: Cautionary tales in human-robot interaction. Engaging Science, Technology, and Society, 5, 40–60. https://doi.org/10.17351/ests2019.260
• Ferrario, A., Facchini, A., & Termine, A. (2024). Experts or authorities? The strange case of the presumed epistemic superiority of artificial intelligence systems. Minds and Machines, 34(3), Article 30.
• Grant, R. M. (1996). Toward a knowledge-based theory of the firm. Strategic Management Journal, 17(S2), 109–122. https://doi.org/10.1002/smj.4250171110
• Hauswald, R. (2025). Artificial epistemic authorities. Social Epistemology, 39(6), 716–725. https://doi.org/10.1080/02691728.2025.2449602
• Lee, J. D., & See, K. A. (2004). Trust in automation: Designing for appropriate reliance. Human Factors, 46(1), 50–80. https://doi.org/10.1518/hfes.46.1.50_30392
• Leonardi, P. M., & Leavell, V. (2026). Knowing enough to be dangerous: The problem of “artificial certainty” for expert authority when using AI for decision making and planning. Organization Science, 37(2), 516–543. https://doi.org/10.1287/orsc.2023.18224
• Matthias, A. (2004). The responsibility gap: Ascribing responsibility for the actions of learning automata. Ethics and Information Technology, 6, 175–183. https://doi.org/10.1007/s10676-004-3422-1
• National Institute of Standards and Technology. (2023). Artificial intelligence risk management framework (AI RMF 1.0) (NIST AI 100-1). U.S. Department of Commerce. https://doi.org/10.6028/NIST.AI.100-1
• Santoni de Sio, F., & van den Hoven, J. (2018). Meaningful human control over autonomous systems: A philosophical account. Frontiers in Robotics and AI, 5, Article 15. https://doi.org/10.3389/frobt.2018.00015
• Simon, H. A. (1971). Designing organizations for an information-rich world. In M. Greenberger (Ed.), Computers, communications, and the public interest (pp. 37–72). Johns Hopkins Press.
• Teece, D. J., Pisano, G., & Shuen, A. (1997). Dynamic capabilities and strategic management. Strategic Management Journal, 18(7), 509–533. https://doi.org/10.1002/(SICI)1097-0266(199708)18:7<509::AID-SMJ882>3.0.CO;2-Z
• Tigard, D. W. (2021). There is no techno-responsibility gap. Philosophy & Technology, 34, 589–607. https://doi.org/10.1007/s13347-020-00414-7
• Turing, A. M. (1950). Computing machinery and intelligence. Mind, 59(236), 433–460. https://doi.org/10.1093/mind/LIX.236.433
• European Parliament and Council of the European Union. (2024). Regulation (EU) 2024/1689 of the European Parliament and of the Council of 13 June 2024 laying down harmonised rules on artificial intelligence (Artificial Intelligence Act). Official Journal of the European Union.

Note

[2] Prin conceptul de intermediar epistemic, în prezenta lucrare înțelegem acel sistem, mecanism sau dispozitiv care se interpune între sursele de informație și subiectul cunoscător, participând la selecția, filtrarea, ordonarea, corelarea sau prezentarea informației, influențând astfel configurația cognitivă în interiorul căreia se formează judecata. În cazul inteligenței artificiale, caracterul epistemic al intermedierii nu presupune atribuirea unei intenționalități cognitive sistemului, ci se referă la efectul pe care operațiile sale îl exercită asupra accesului și organizării informației relevante pentru cunoaștere.

[3]Prin conceptul de certitudine artificială înțelegem situația epistemică în care forma de prezentare, coerența sau precizia aparentă a unui rezultat generat de un sistem de inteligență artificială induce un grad de încredere superior celui pe care îl justifică efectiv datele, metoda de procesare sau caracterul incert al fenomenului analizat. Conceptul nu desemnează, așadar, existența unei certitudini produse de sistem, ci posibilitatea apariției unei certitudini percepute în mod artificial.

[4] Prin conceptul de judecată epistemică înțelegem operația prin care subiectul evaluează statutul cognitiv al unei informații sau al unui rezultat, stabilind în ce măsură acesta este relevant, credibil, justificat și apt să fundamenteze o concluzie sau o acțiune. În acest sens, judecata nu se confundă nici cu simpla procesare a informației, nici cu acceptarea unui rezultat furnizat de un sistem algoritmic.

[5] In prezenta lucrare, prin conceptul de avantaj epistemic înțelegem capacitatea unei persoane sau a unei organizații de a transforma, în condiții determinate, informația disponibilă în cunoaștere relevantă și justificată pentru formularea judecăților și fundamentarea deciziilor. Conceptul nu desemnează, prin urmare, simpla superioritate cantitativă în accesul la date sau informații, ci superioritatea în selectarea, evaluarea, interpretarea și utilizarea lor cognitivă

[6] Prin conceptul de avantaj epistemic înțelegem capacitatea unei persoane sau, în mod particular, a unei organizații de a obține și valorifica o poziție cognitivă superioară în raport cu un anumit domeniu de acțiune, prin capacitatea de a identifica informația relevantă, de a o evalua critic, de a distinge între ceea ce este cunoscut, probabil și incert, de a interpreta adecvat rezultatele produse prin intermediul sistemelor de inteligență artificială și de a transforma aceste rezultate în judecăți epistemic justificate și, în cele din urmă, în decizii mai bine fundamentate. În acest sens, avantajul epistemic nu desemnează nici acumularea unei cantități mai mari de informație, nici simpla superioritate tehnologică, ci capacitatea de a controla și valorifica în mod reflexiv procesul prin care informația devine cunoaștere relevantă pentru acțiune.

[7] Prin conceptul de încredere epistemică calibrată, în prezenta lucrare înțelegem forma de încredere epistemică în care gradul de credibilitate acordat unui rezultat, unei surse sau unui sistem este proporțional cu capacitățile efective, limitele, performanța observabilă, verificabilitatea și contextul de utilizare ale acestuia. În cazul inteligenței artificiale, încrederea epistemică calibrată presupune evitarea atât a supraîncrederii, prin acordarea unei autorități cognitive mai mari decât justifică performanța sistemului, cât și a subîncrederii, prin respingerea unor rezultate suficient de fiabile pentru scopul urmărit. Conceptul preia, în plan epistemologic, problema calibration of trust dezvoltată în literatura privind încrederea în automatizare, unde calibrarea desemnează corespondența dintre nivelul de încredere acordat sistemului și capacitățile sale efective (Lee & See, 2004). În prezenta analiză, calificativul „epistemică” precizează însă că obiectul calibrării nu este numai utilizarea funcțională a sistemului, ci și statutul cognitiv acordat rezultatelor sale, adică măsura în care acestea pot constitui motive sau premise pentru propria judecată.

[8]În acest context, noțiunea de competență epistemică organizațională este utilizată pentru a desemna capacitatea unei organizații de a gestiona în mod critic și reflexiv întregul parcurs prin care informația este selectată, evaluată, transformată în cunoaștere, interpretată și utilizată pentru fundamentarea deciziilor. Definiția are aici un caracter operațional și nu urmărește epuizarea tuturor dimensiunilor posibile ale conceptului. În contextul utilizării inteligenței artificiale, această capacitate presupune și evaluarea limitelor, incertitudinilor și condițiilor de validitate ale rezultatelor algoritmice.

[9] Prin sintagma human-in-the-judgment, utilizată aici, înțelegem o condiție mai exigentă decât simpla prezență a factorului uman „în buclă”: omul trebuie să păstreze capacitatea efectivă de a evalua sensul, relevanța, limitele și consecințele rezultatului algoritmic și de a-și asuma în mod justificat decizia de a-l urma sau de a-l respinge. Sintagma desemnează, prin urmare, menținerea judecății umane ca instanță constitutivă a deciziei, nu doar ca etapă procedurală a acesteia.

[10] Prin conceptul de control uman semnificativ, în prezenta lucrare, înțelegem nu simpla prezență formală a unei persoane în circuitul decizional, ci menținerea unei capacități efective de înțelegere, evaluare, contestare și, atunci când este necesar, respingere a rezultatului furnizat de sistemul de inteligență artificială. Conceptul este utilizat pentru a distinge controlul real asupra procesului decizional de simpla validare procedurală a unei recomandări algoritmice.

[11] Pentru noi, conceptul de amplificare cognitivă reprezinta extinderea capacităților umane de analiză, selecție, corelare, comparare și anticipare prin utilizarea unor sisteme de inteligență artificială, fără ca această extindere să presupună substituirea judecății umane. Conceptul desemnează, astfel, o relație de complementaritate între capacitatea de procesare algoritmică și capacitatea umană de interpretare și judecată.

Constantin, George (2026), Cine decide ce știm? Inteligența artificială între cunoaștere, judecată și avantaj epistemic, IT & C, 5:4, https://www.internetmobile.ro/cine-decide-ce-stim-inteligenta-artificiala-intre-cunoastere-judecata-si-avantaj-epistemic/