AI Innovation
Cercetare academică în desfășurare

Adoptarea AI și inovarea antreprenorială în IMM-urile agroalimentare din România

Cât de departe a ajuns inteligența artificială în ferme și fabrici românești, ce o accelerează și ce o oprește? Un studiu bazat pe date reale de la antreprenori — la care puteți contribui în aproximativ 12 minute, anonim.

Completați chestionarul Despre cercetare
Agriculture for Life, Life for Agriculture (16th edition) — USAMV București · 3–5 iunie 2027
—răspunsuri validate
7secțiuni tematice
≈ 12′timp de completare
Anonimfără date de contact obligatorii
Contextul

De ce contează AI pentru agroalimentar

Sectorul agroalimentar românesc este format în mare parte din întreprinderi mici și mijlocii, cu resurse limitate, sezonalitate puternică și acces inegal la infrastructură digitală. În același timp, instrumentele de AI — de la modele generative la senzori, imagini din satelit și prognoze — devin accesibile și pentru firme mici.

Statisticile Eurostat privind folosirea AI în întreprinderi arată un decalaj semnificativ între statele membre, iar România se află printre cele cu utilizare redusă. Lipsesc însă date detaliate despre IMM-urile agroalimentare: cine adoptă, de ce, cu ce rezultate pentru inovare. Acest studiu își propune să umple acest gol.

Întrebarea de cercetare

„Ce factori tehnologici, organizaționali și de mediu explică adoptarea AI în IMM-urile agroalimentare din România și cum se leagă aceasta de inovarea antreprenorială?”

Lucrare pregătită pentru conferința internațională Agriculture for Life, Life for Agriculture (16th edition) — AI for Agriculture and Food Systems: from Data to Decisions, from Innovation to Impact.

Domeniul studiat

De la câmp la farfurie: șase familii de activități

Includem IMM-uri din întregul lanț agroalimentar, pentru a compara cum diferă adoptarea AI între producție, procesare și servicii.

Culturi vegetale

Cereale, plante tehnice, legume în câmp — baza lanțului agroalimentar.

Zootehnie

Ferme de animale și ferme mixte, de la mici gospodării la exploatații comerciale.

Horticultură și viticultură

Pomi, legume în sere, vii și vinificație — sectoare cu valoare adăugată ridicată.

Lactate și carne

Procesatori mici și mijlocii: trasabilitate, calitate și siguranță alimentară.

Panificație și băuturi

Brutării, mori, producători de băuturi — digitalizare și planificare a producției.

Input-uri, utilaje, servicii

Comerț și servicii agricole, agroturism și lanțuri scurte de aprovizionare.

Cadrul conceptual

Modelul studiului

Combinăm cadrul Tehnologie–Organizație–Mediu (TOE) cu teoria difuziei inovațiilor și cu orientarea antreprenorială, pentru a explica adoptarea AI și efectele ei asupra inovării.

TehnologieUtilitate · Ușurință · CompatibilitateH1 OrganizațieConducere · Competențe · Resurse/dateH2 MediuPresiuni · Sprijin · InfrastructurăH3 · Bariere H4 (−) Adoptarea AIindice AIX 0–100 H5 Inovare și performanțăProdus · Proces · MarketingOrganizare · SustenabilitatePerformanță relativă Orientare antreprenorialăInovativitate · Proactivitate · Risc H6 moderare Control: dimensiunea firmei, sectorul de activitate, orientarea spre export.
TehnologieUtilitate · Ușurință · Compatibilitate · H1
OrganizațieConducere · Competențe · Resurse/date · H2
MediuPresiuni · Sprijin · Infrastructură · H3 · Bariere H4 (−)
↓
Adoptarea AIindice AIX 0–100
↓ H5
Inovare și performanțăProdus · Proces · Marketing · Organizare · Sustenabilitate
Orientare antreprenorialămoderează relația dintre adoptare și inovare · H6
Ipoteze

Ce testăm

H1

Factorii tehnologici (utilitate, ușurință, compatibilitate) sunt asociați pozitiv cu nivelul de adoptare a AI.

H2

Factorii organizaționali (sprijinul conducerii, competențe, resurse și date) sunt asociați pozitiv cu adoptarea AI.

H3

Presiunile și sprijinul din mediul extern sunt asociate pozitiv cu adoptarea AI.

H4

Barierele percepute sunt asociate negativ cu adoptarea AI.

H5

Adoptarea AI este asociată pozitiv cu intensitatea inovării (produs, proces, marketing, organizare, sustenabilitate).

H5b

Adoptarea AI este asociată pozitiv cu performanța relativă percepută.

H6

Orientarea antreprenorială întărește relația dintre adoptarea AI și inovare (efect de moderare).

Metodologie

Cum este realizat studiul

  1. Design

    Studiu transversal, cantitativ, bazat pe chestionar online structurat (scale Likert 1–5, întrebări cu alegere unică/multiplă și 3 întrebări deschise opționale).

  2. Populație și eșantion

    IMM-uri (conform Recomandării 2003/361/CE) din agricultură, procesare alimentară și servicii conexe din România. Eșantionare de conveniență, cu distribuire prin rețele profesionale (tip „bulgăre de zăpadă”); țintă preliminară: 150 răspunsuri valide.

  3. Instrument

    Constructele sunt adaptate din literatură (TOE, TAM/UTAUT, orientare antreprenorială, Manualul Oslo) și vor fi verificate prin fiabilitate (alfa Cronbach) și pilotare.

  4. Analiză

    Statistici descriptive, corelații Spearman, teste Kruskal–Wallis pe grupuri, regresie multiplă și analiză de moderare pentru H6. Datele sunt analizate agregat.

Instrumentul pe scurt

A. Compania și respondentul B. Inteligența artificială în firma dumneavoastră C. Factori care influențează decizia D. Obstacole în adoptarea AI E. Cultura antreprenorială a firmei F. Inovare și rezultate G. Încheiere

Întrebările se adaptează automat: dacă firma nu folosește AI, secțiunile despre utilizare sunt omise. La final, fiecare participant primește un profil personal comparat cu media eșantionului.

01

Anonim

Nu cerem numele firmei, CUI-ul sau datele personale. Adresa IP nu este stocată în clar, ci doar sub formă de amprentă ireversibilă, folosită pentru a detecta răspunsurile duplicate.

02

Voluntar

Puteți întrerupe oricând, reveni printr-un link de reluare sau vă puteți șterge singur răspunsurile la finalul chestionarului. Datele sunt folosite doar în scop de cercetare.

03

Securizat (GDPR)

Conexiune criptată, bază de date pe server dedicat în UE, copii de rezervă criptate. E-mailul opțional este stocat criptat și separat de răspunsuri.

Nota completă de confidențialitate

Echipa de cercetare

Cercetare comună: practică antreprenorială și expertiză agroalimentară

Lucrarea științifică și studiul practic sunt realizate împreună de doi doctori ingineri, cu experiență complementară în formare, antreprenoriat și domeniul agroalimentar.

Dr. ing. Panait Mihai Vlad

Dr. ing. Panait Mihai Vlad

Doctor în formare profesională · Formator · Coach autorizat · Antreprenor

Cadru didactic universitar, Universitatea Artifex din București — Facultatea de Management-Marketing

Cadru didactic universitar și formator, cu experiență practică în dezvoltarea afacerilor, în formarea profesională a adulților și în lucrul cu antreprenori.

AntreprenoriatFormare profesionalăLeadershipMarketing digital

panaitmihaivlad.ro

Centrul de Formare Profesională Eurodeal

Administrator al centrului — furnizor autorizat de formare profesională a adulților, activ din 2002. Pe zona de inteligență artificială: cursul online „Inteligență Artificială – Marketing digital de la A la AI” (sesiuni live, 2 săptămâni).

Despre EurodealCursul de inteligență artificială
Dr. ing. Ștefan Petrică

Dr. ing. Ștefan Petrică

Lector universitar · Doctor în agronomie · Formator

USAMV București — Facultatea de Management și Dezvoltare Rurală

Cadru didactic universitar din 2008, în prezent lector universitar, cu specializare în domeniul agroalimentar și al alimentației publice: tehnologie culinară, agroturism, managementul calității și inovației în domeniul agroalimentar. Inginer în Inginerie Economică în Alimentație Publică și Agroturism, doctor în agronomie (USAMV București, 2011), formator cu modul psihopedagogic și auditor certificat în domeniul calității.

AgroalimentarTehnologie culinarăManagementul calității și inovațieiAgroturism
Cum se citează
Panait Mihai, V., & Petrică, Ș. (2026). AI Adoption and Entrepreneurial Innovation in Romanian Agri-Food SMEs (chestionar online, în curs de colectare). https://panaitmihaivlad.ro/ai-innovation
FAQ

Întrebări frecvente

Cine poate completa?

Proprietari, administratori sau manageri din IMM-uri agroalimentare din România (agricultură, procesare, comerț/servicii agricole, agroturism). Nu e nevoie să folosiți AI — răspunsurile firmelor care nu o folosesc sunt la fel de valoroase.

Cât durează și pot continua mai târziu?

Aproximativ 12 minute. Progresul se salvează la fiecare secțiune, iar pe ecran primiți un link de reluare.

Ce primesc în schimb?

Un profil personal de adoptare AI comparat cu media eșantionului (după ce există suficiente răspunsuri) și, opțional, un rezumat al rezultatelor studiului.

Cum sunt folosite datele?

Doar agregat, în lucrarea științifică și în materiale de cercetare. Nu se publică răspunsuri individuale și nu se vând sau se cedează date.

Contribuiți la o imagine de ansamblu asupra AI în agroalimentarul românesc

12 minute, anonim, cu rezultate utile pentru întreg sectorul.

Începeți chestionarul
Bibliografie selectivă
  1. Barney, J. (1991). Firm resources and sustained competitive advantage. Journal of Management, 17(1), 99–120.
  2. Cohen, W. M., & Levinthal, D. A. (1990). Absorptive capacity: A new perspective on learning and innovation. Administrative Science Quarterly, 35(1), 128–152.
  3. Covin, J. G., & Slevin, D. P. (1989). Strategic management of small firms in hostile and benign environments. Strategic Management Journal, 10(1), 75–87.
  4. Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16(3), 297–334.
  5. Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340.
  6. European Commission (2003). Commission Recommendation 2003/361/EC of 6 May 2003 concerning the definition of micro, small and medium-sized enterprises. Official Journal of the European Union, L 124, 36–41.
  7. European Parliament and Council of the European Union (2024). Regulation (EU) 2024/1689 of 13 June 2024 laying down harmonised rules on artificial intelligence (Artificial Intelligence Act). Official Journal of the European Union, L, 2024/1689.
  8. Eurostat (2024). Use of artificial intelligence in enterprises. Statistics Explained. https://ec.europa.eu/eurostat/statistics-explained/index.php?title=Use_of_artificial_intelligence_in_enterprises
  9. Lumpkin, G. T., & Dess, G. G. (1996). Clarifying the entrepreneurial orientation construct and linking it to performance. Academy of Management Review, 21(1), 135–172.
  10. Miller, D. (1983). The correlates of entrepreneurship in three types of firms. Management Science, 29(7), 770–791.
  11. OECD/Eurostat (2018). Oslo Manual 2018: Guidelines for Collecting, Reporting and Using Data on Innovation (4th ed.). OECD Publishing, Paris. https://doi.org/10.1787/9789264304604-en
  12. Rogers, E. M. (2003). Diffusion of Innovations (5th ed.). Free Press.
  13. Teece, D. J., Pisano, G., & Shuen, A. (1997). Dynamic capabilities and strategic management. Strategic Management Journal, 18(7), 509–533.
  14. Tornatzky, L. G., & Fleischer, M. (1990). The Processes of Technological Innovation. Lexington Books.
  15. Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. MIS Quarterly, 27(3), 425–478.
  16. Wiklund, J., & Shepherd, D. (2005). Entrepreneurial orientation and small business performance: A configurational approach. Journal of Business Venturing, 20(1), 71–91.