Szkolenie AI SHIFT MASTER.

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 64 godzin dydaktycznych (lekcyjnych) po 45 minut każda.

Harmonogram dzienny: Zajęcia odbywają się przez 8 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 — Megatrendy i dobór metryk efektywności AI:

1.1 Megatrendy technologiczne i kontekst monitorowania AI (09:00 – 10:30) — 2 godz. dydakt.

AI, Quantum, Biotech — megatrendy 2025–2030. Wpływ na branże i modele biznesowe. Dlaczego monitorowanie i optymalizacja AI staje się kluczową kompetencją. 

1.2 Frameworki transformacji i dobór metryk (10:30 – 12:00) — 2 godz. dydakt.

McKinsey 7S, BCG DAI, Gartner — frameworki transformacji cyfrowej. Dobór metryk i wskaźników efektywności (KPI) do wdrożonego rozwiązania AI w zależności od branży i modelu biznesowego. 

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

1.3 Competitive Intelligence — analiza danych operacyjnych konkurencji (12:15 – 13:45) — 2 godz. dydakt.

Jak AI zmienia branże. Analiza konkurencji pod kątem wdrożeń AI. Benchmarking metryk. 

1.4 Symulacja The Board — monitoring strategiczny (13:45 – 15:15) — 2 godz. dydakt.

Gra symulacyjna: zarząd analizuje dane operacyjne i podejmuje decyzje o kierunku systemu AI. 

Dzień 2 — Strategia AI i ocena realizacji celów biznesowych:

2.1 AI Strategy Canvas i cele biznesowe (09:00 – 10:30) — 2 godz. dydakt.

Tworzenie strategii AI. Definiowanie celów biznesowych i metryk ich realizacji. Ocena stopnia realizacji celów biznesowych przez system AI. 

2.2 Roadmapping i priorytetyzacja optymalizacji (10:30 – 12:00) — 2 godz. dydakt.

Strategic Roadmapping. Priorytetyzacja inicjatyw optymalizacyjnych. Kamienie milowe monitorowania i doskonalenia systemu AI. 

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

2.3 Budżetowanie optymalizacji AI (12:15 – 13:45) — 2 godz. dydakt.

Budżet na optymalizację i rozwój systemu AI. Modele kosztowe, TCO, ROI optymalizacji. 

2.4 Symulacja Investor Pitch — raportowanie skuteczności (13:45 – 15:15) — 2 godz. dydakt.

Prezentacja wyników monitorowania przed zarządem/inwestorami. Raportowanie ROI. 

Dzień 3 — Struktury organizacyjne i identyfikacja nieprawidłowości:

3.1 Struktury organizacyjne wspierające monitoring AI (09:00 – 10:30) — 2 godz. dydakt.

CoE vs Hub & Spoke vs Embedded. Projektowanie struktury monitorującej AI w organizacji. 

3.2 Talent Strategy — kompetencje do monitorowania AI (10:30 – 12:00) — 2 godz. dydakt.

Jak przyciągnąć i utrzymać talent zdolny do monitorowania i optymalizacji systemów AI. 

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

3.3 Kultura ciągłego doskonalenia AI (12:15 – 13:45) — 2 godz. dydakt.

Budowanie kultury AI w organizacji. Od oporu do entuzjazmu. Kultura data-driven decision making. Mierzenie kultury. 

3.4 Symulacja The Resistance — reagowanie na nieprawidłowości (13:45 – 15:15) — 2 godz. dydakt.

Symulacja: system AI generuje nieprawidłowe wyniki. Identyfikacja przyczyn. Komunikacja z użytkownikami i interesariuszami. Zarządzanie oporem wobec zmian. 

Dzień 4 — Odpowiedzialny AI, regulacje i dokumentacja:

4.1 Responsible AI — monitorowanie bias i fairness (09:00 – 10:30) — 2 godz. dydakt.

Bias, Fairness, Transparency. Audyt bias wdrożonego systemu AI. Metryki odpowiedzialnego AI jako element monitorowania skuteczności. 

4.2 Regulacje i compliance — monitoring zgodności (10:30 – 12:00) — 2 godz. dydakt.

EU AI Act, NIS2, DORA — wymagania monitoringowe. Audyt zgodności systemu AI. Raportowanie regulacyjne. 

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

4.3 Własność intelektualna i dokumentowanie optymalizacji (12:15 – 13:45) — 2 godz. dydakt.

IP w erze AI. Umowy z dostawcami, licencje. Dokumentowanie procesu optymalizacji: zmiany, wersje, decyzje, wyniki. 

4.4 Symulacja Regulatory Crisis — reagowanie na incydenty (13:45 – 15:15) — 2 godz. dydakt.

Zarządzanie ryzykiem regulacyjnym. Symulacja: incydent compliance w systemie AI. Sporządzanie raportu z incydentu i plan działań naprawczych. 

Dzień 5 — Zarządzanie portfolio i governance optymalizacji:

5.1 Portfolio Management — monitorowanie wielu systemów AI (09:00 – 10:30) — 2 godz. dydakt.

Zarządzanie portfolio projektów AI. Priorytetyzacja optymalizacji między systemami. Dashboard monitoringowy: agregacja metryk z wielu wdrożeń. 

5.2 AI Governance Framework — ramy monitorowania (10:30 – 12:00) — 2 godz. dydakt.

Budowanie AI Governance Framework. Polityki, procedury monitoringu, role, odpowiedzialności. Cykliczność przeglądów, eskalacja, progi alarmowe. 

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

5.3 Vendor Management — monitoring dostawców AI (12:15 – 13:45) — 2 godz. dydakt.

Budowanie ekosystemu AI. Monitorowanie SLA dostawców. Analiza wyników monitoringu w kontekście umów z dostawcami. 

5.4 Custom vs off-the-shelf — decyzje optymalizacyjne (13:45 – 15:15) — 2 godz. dydakt.

Kiedy custom vs off-the-shelf. Wdrażanie usprawnień: zmiana modelu, fine-tuning, nowy dostawca. 

Dzień 6 — Wdrażanie usprawnień i testowanie zmian:

6.1 Strategiczne partnerstwa i alianse — współoptymalizacja (09:00 – 10:30) — 2 godz. dydakt.

Partnerstwa AI. Modele współpracy przy optymalizacji systemów. Wdrażanie usprawnień we współpracy z partnerami technologicznymi. 

6.2 Innovation Management — ciągła optymalizacja (10:30 – 12:00) — 2 godz. dydakt.

Zarządzanie innowacją AI. Innovation funnel, labs, hackathony. Systematyczne generowanie i testowanie pomysłów optymalizacyjnych. 

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

6.3 Praca nad Capstone — plan optymalizacji systemu AI (12:15 – 13:45) — 2 godz. dydakt.

Praca nad projektem końcowym: pełny plan monitorowania i optymalizacji systemu AI. Uwzględnienie metryk, raportów, działań optymalizacyjnych, testów, dokumentacji. 

6.4 Peer Review — testowanie i ocena zmian (13:45 – 15:15) — 2 godz. dydakt.

Wzajemna ocena projektów. Testowanie zaproponowanych zmian optymalizacyjnych. Feedback między uczestnikami. 

Dzień 7 — Komunikacja wyników i przywództwo AI:

7.1 AI Leadership — komunikowanie wyników monitoringu (09:00 – 10:30) — 2 godz. dydakt.

Komunikowanie wizji AI i wyników monitorowania. Storytelling danych. Budowanie koalicji wokół optymalizacji systemu AI. 

7.2 Negocjowanie budżetu na optymalizację (10:30 – 12:00) — 2 godz. dydakt.

Techniki perswazji i negocjacji. Opracowywanie planu działań optymalizacyjnych z uzasadnieniem. 

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

7.3 Thought Leadership — dokumentacja i publikacja (12:15 – 13:45) — 2 godz. dydakt.

Budowanie pozycji eksperta AI. Dokumentowanie lekcji z optymalizacji. Publikacje, wystąpienia, dzielenie się wiedzą. 

7.4 Symulacja Crisis Communication — raportowanie incydentu (13:45 – 15:15) — 2 godz. dydakt.

Komunikacja kryzysowa AI. Symulacja: incydent AI wymaga raportu publicznego. Sporządzanie raportu oceny skuteczności po incydencie. 

Dzień 8 — Capstone: pełny cykl monitorowania i optymalizacji, test Master:

8.1 Finalizacja Capstone (09:00 – 10:30) — 2 godz. dydakt.

Finalizacja projektu: metryki, analiza danych, identyfikacja nieprawidłowości, ocena celów, raport, plan optymalizacji, wdrożenie usprawnień, testy, dokumentacja. 

8.2 Capstone Presentations — obrona projektu (10:30 – 12:00) — 2 godz. dydakt.

Prezentacje Capstone: pełny cykl monitorowania i optymalizacji systemu AI. Obrona projektu przed komisją. 

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

8.3 Panel dyskusyjny i refleksja (12:15 – 13:45) — 2 godz. dydakt.

Personal AI Development Plan — co dalej. Panel dyskusyjny. Refleksja nad kompetencjami monitorowania i optymalizacji. 

8.4 Test końcowy MASTER (13:45 – 15:15) — 2 godz. dydakt.

Test końcowy MASTER. Wręczenie zaświadczeń. 

Informacje dodatkowe:

Zajęcia praktyczne: 44h dydaktycznych, zajęcia teoretyczne: 20h dydaktycznych.

Czas trwania: 64 godzin dydaktycznych (po 45 min) w ciągu 8 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.