Szkolenie AI SHIFT FOUNDATION.

Adresaci szkolenia: Szkolenie jest skierowane do właścicieli firm, osób prowadzących działalność gospodarczą, specjalistów IT, kierowników projektów, analityków biznesowych, kadry zarządzającej, pracowników działów sprzedaży, marketingu, HR, obsługi klienta, finansów i logistyki, dyrektorów ds. zgodności (Compliance Officers), oficerów bezpieczeństwa informacji (CISO) oraz wszystkich osób zainteresowanych rozwojem kompetencji w zakresie „Projektowanie i wdrażanie rozwiązań opartych na generatywnej sztucznej inteligencji". Szkolenie jest powiązane z podwyższeniem kwalifikacji zawodowych w zakresie zawodu: „251990 — Pozostali analitycy systemów komputerowych i programiści gdzie indziej niesklasyfikowani".

Warunki organizacyjne:

Liczebność grupy: Minimalnie 1 osoba, maksymalnie 15 osób.

Stanowiska komputerowe: Każdy uczestnik ma zapewnione indywidualne stanowisko komputerowe z dostępem do internetu.

Materiały dydaktyczne: Uczestnicy otrzymają materiały szkoleniowe w formie elektronicznej — prezentacje, skrypty, ćwiczenia.

Czas trwania szkolenia: Szkolenie obejmuje 32 godzin dydaktycznych (lekcyjnych) po 45 minut każda.

Harmonogram dzienny: Zajęcia odbywają się przez 4 dni, po 8 godzin dydaktycznych dziennie (co odpowiada 6 godzinom zegarowym).

Godziny zajęć: Codziennie od 09:00 do 15:15.

Przerwy: Jedna przerwa kawowa 15 minut dziennie, nie wliczana w czas trwania szkolenia.

Ramowy program szkolenia:

Dzień 1 — Formułowanie celów projektu AI i określanie zakresu:

1.1 Ocena dojrzałości cyfrowej i formułowanie celów projektu AI (09:00 – 10:30) — 2 godz. dydakt.

Digital Maturity Assessment — określenie punktu startowego organizacji. Formułowanie celów projektu wykorzystania generatywnej AI w zgodności z potrzebami biznesowymi. Strategia transformacji — 4 filary. Dopasowanie celów AI do strategii biznesowej. 

1.2 Określanie zakresu projektu AI — symulacja (10:30 – 12:00) — 2 godz. dydakt.

Gra symulacyjna AI Transformation Board Game: podejmowanie decyzji o zakresie projektu AI. Definiowanie granic projektu, deliverables, wyłączeń. Analiza case studies — zakres vs ambicja. 

Przerwa kawowa (12:00 – 12:15) — 15 minut.

1.3 Harmonogram realizacji i priorytetyzacja procesów (12:15 – 13:45) — 2 godz. dydakt.

Lekcje z wdrożeń AI — analiza harmonogramów udanych i nieudanych projektów. Process Mining light — identyfikacja i priorytetyzacja procesów do wdrożenia. Ustalanie harmonogramu realizacji projektu AI z kamieniami milowymi. 

1.4 Mapowanie procesów i identyfikacja wymagań technicznych (13:45 – 15:15) — 2 godz. dydakt.

Mapowanie procesów biznesowych pod kątem wymagań dla systemu AI. Architektura AI — po ludzku: warstwy modeli, narzędzi, integracji. Dobór technologii do potrzeb projektu (AI Stack). 

Dzień 2 — Źródła danych, ich analiza i weryfikacja jakości:

2.1 Identyfikacja źródeł danych dla systemu AI (09:00 – 10:30) — 2 godz. dydakt.

Automatyzacja bez kodu — Make, n8n, Zapier: łączenie źródeł danych. Identyfikacja wewnętrznych i zewnętrznych źródeł danych niezbędnych dla systemu AI. Mapowanie przepływu danych w organizacji. 

2.2 Analiza źródeł danych i budowanie automatyzacji (10:30 – 12:00) — 2 godz. dydakt.

Analiza źródeł danych: formaty, struktury, API, bazy danych, dokumenty. Budowanie pierwszych automatyzacji łączących źródła danych z narzędziami AI. 

Przerwa kawowa (12:00 – 12:15) — 15 minut.

2.3 Audyt danych — weryfikacja dostępności i jakości (12:15 – 13:45) — 2 godz. dydakt.

Audyt danych w firmie: kompletność, aktualność, format, zgodność. Metodyka oceny jakości danych. Identyfikacja luk i strategia ich uzupełnienia. 

2.4 Symulacja Data Crisis — governance i jakość danych (13:45 – 15:15) — 2 godz. dydakt.

Symulacja sytuacji kryzysowej związanej z danymi. Data governance basics. Procedury zapewnienia jakości danych w systemach AI. Strategie reagowania na problemy z danymi. 

Dzień 3 — Przepisy prawne, normy etyczne i zarządzanie zmianą:

3.1 Zarządzanie zmianą w projekcie AI (09:00 – 10:30) — 2 godz. dydakt.

8 kroków Kottera w kontekście wdrażania AI. Planowanie zarządzania zmianą jako element wymagań projektu. 

3.2 Przepisy prawne i normy etyczne w projektach AI (10:30 – 12:00) — 2 godz. dydakt.

EU AI Act — wymagania i klasyfikacja ryzyka. RODO w kontekście systemów AI. AI literacy (art. 4 EU AI Act). Governance — ramy etyczne stosowania AI w organizacji. Uwzględnianie wymagań prawnych i etycznych w specyfikacji projektu AI. 

Przerwa kawowa (12:00 – 12:15) — 15 minut.

3.3 Budowanie zespołu projektowego AI (12:15 – 13:45) — 2 godz. dydakt.

Kogo potrzebujesz do projektu AI? Role, kompetencje, struktura zespołu. Upskilling vs rekrutacja. Macierz kompetencji RACI. 

3.4 Symulacja The Resistance — zarządzanie oporem (13:45 – 15:15) — 2 godz. dydakt.

Typologie oporu wobec zmian i strategie reagowania. Symulacja: przekonywanie interesariuszy do wdrożenia AI. Techniki komunikacji z decydentami. 

Dzień 4 — Kryteria sukcesu, ROI i business case:

4.1 Definiowanie mierzalnych kryteriów sukcesu i ROI (09:00 – 10:30) — 2 godz. dydakt.

Jak liczyć ROI z AI. Definiowanie KPI i mierzalnych kryteriów sukcesu dla systemu AI. Metryki: TCO, payback period, adoption rate, accuracy, czas przetwarzania. Praktyczne kalkulacje na przykładach uczestników. 

4.2 Opracowanie business case dla projektu AI (10:30 – 12:00) — 2 godz. dydakt.

Struktura business case: problem, rozwiązanie, zakres, harmonogram, dane, ROI, ryzyka. Synteza wszystkich elementów wymagań w kompletny dokument. 

Przerwa kawowa (12:00 – 12:15) — 15 minut.

4.3 Sztuka pitchowania projektu AI (12:15 – 13:45) — 2 godz. dydakt.

Pitchowanie — 5 minut przed zarządem. Ćwiczenia prezentacyjne. Uwzględnianie aspektów prawnych, etycznych i biznesowych w prezentacji. 

4.4 Pitch przed zarządem — test końcowy (13:45 – 15:15) — 2 godz. dydakt.

Prezentacje business case przez uczestników przed symulowanym zarządem. Feedback. Test końcowy FOUNDATION. Wręczenie zaświadczeń. 

Informacje dodatkowe:

Zajęcia praktyczne: 22h dydaktycznych, zajęcia teoretyczne: 10h dydaktycznych.

Czas trwania: 32 godzin dydaktycznych (po 45 min) w ciągu 4 dni.

Zaświadczenie: Po zakończeniu szkolenia uczestnicy otrzymują zaświadczenie potwierdzające nabyte kompetencje, zgodne z efektami uczenia się kwalifikacji „Projektowanie i wdrażanie rozwiązań opartych na generatywnej sztucznej inteligencji".

Każdy uczestnik kursu będzie miał udostępnione materiały szkoleniowe.

Uczestnik może realizować szkolenie hybrydowo/zdalnie, o ile nie jest to wykluczone przez Operatora dofinansowania.