Szkolenie - SPECJALISTA DS. WYKORZYSTANIA SZTUCZNEJ INTELIGENCJI AI W BIZNESIE - kwalifikacje
Szkolenie - SPECJALISTA DS. WYKORZYSTANIA SZTUCZNEJ INTELIGENCJI AI W BIZNESIE - kwalifikacje
Informacje podstawowe
Informacje podstawowe
- KategoriaInformatyka i telekomunikacja / Aplikacje biznesowe
- Grupa docelowa usługi
Szkolenie jest skierowane do pracowników przedsiębiorstw, menedżerów procesów oraz osób odpowiedzialnych za efektywność operacyjną, które chcą zdobyć udokumentowane kompetencje w zakresie optymalizacji procesów biznesowych z wykorzystaniem narzędzi cyfrowych i rozwiązań opartych na sztucznej inteligencji. W szczególności do:
• Menedżerów procesów i operacji — osób zarządzających procesami w działach produkcyjnych, usługowych, logistycznych lub administracyjnych, które chcą doskonalić metodyki optymalizacji i wdrażać narzędzia cyfrowe wspierające efektywność,
• Pracowników działów operacyjnych, administracyjnych i IT — osób uczestniczących w analizie procesów, identyfikacji wąskich gardeł i przygotowywaniu rekomendacji usprawnień,
• Analityków biznesowych i project managerów — specjalistów odpowiadających za wdrożenia zmian procesowych, automatyzację zadań i ocenę rentowności inwestycji technologicznych (ROI, TCO),
• Właścicieli i kadry zarządzającej MŚP
- Minimalna liczba uczestników3
- Maksymalna liczba uczestników12
- Forma prowadzenia usługistacjonarna
- Liczba godzin usługi20
- Podstawa uzyskania wpisu do BURCertyfikat systemu zarządzania jakością wg. ISO 9001:2015 (PN-EN ISO 9001:2015) - w zakresie usług szkoleniowych
Cel
Cel
Cel edukacyjny
Usługa przygotowuje do samodzielnego planowania, analizowania i wdrażania usprawnień procesów biznesowych z wykorzystaniem narzędzi cyfrowych, metod automatyzacji oraz rozwiązań opartych na sztucznej inteligencji, w sposób zgodny z uznanymi metodykami optymalizacji i standardami efektywności operacyjnej.Efekty uczenia się oraz kryteria weryfikacji ich osiągnięcia i Metody walidacji
| Efekty uczenia się | Kryteria weryfikacji | Metoda walidacji |
|---|---|---|
| Rozróżnia modele AI o wysokiej dokładności oraz modele łatwe do interpretacji, uwzględniając kontekst biznesowy decyzji | Wskazuje różnice między modelami black box a white box oraz ich zastosowania w praktyce biznesowej | Test teoretyczny z wynikiem generowanym automatycznie |
| Wyjaśnia konsekwencje wyboru każdego typu modelu dla decyzji krytycznych i rekomendacyjnych | Test teoretyczny z wynikiem generowanym automatycznie | |
| Wskazuje wpływ wyboru modelu AI na zużycie energii obliczeniowej i ślad węglowy organizacji | Identyfikuje różnice w zapotrzebowaniu energetycznym między modelami lekkimi (distilled, edge AI) a rozbudowanymi architekturami deep learning | Test teoretyczny z wynikiem generowanym automatycznie |
| Charakteryzuje techniki wyjaśniania modeli sztucznej inteligencji oraz ich rolę w zapewnieniu przejrzystości | Opisuje metody LIME i SHAP oraz sposób ich zastosowania w interpretowaniu decyzji AI | Test teoretyczny z wynikiem generowanym automatycznie |
| Wyjaśnia znaczenie interpretowalności dla stakeholderów biznesowych i wymogów prawnych | Test teoretyczny z wynikiem generowanym automatycznie | |
| Opisuje, jak przejrzystość decyzji AI wspiera wiarygodność raportowania ESG i zrównoważoną strategię organizacji | Wskazuje związek między interpretowalnym AI a budowaniem zaufania interesariuszy do deklaracji środowiskowych organizacji | Test teoretyczny z wynikiem generowanym automatycznie |
| Wyjaśnia źródła stronniczości w danych treningowych oraz mechanizmy ich wpływu na decyzje modelu | Identyfikuje rodzaje bias w zbiorach danych i ich potencjalne konsekwencje dyskryminacyjne | Test teoretyczny z wynikiem generowanym automatycznie |
| Opisuje techniki balansowania danych oraz monitorowania modelu pod kątem dyskryminacji | Test teoretyczny z wynikiem generowanym automatycznie | |
| Identyfikuje ryzyko greenwashingu w treściach generowanych przez AI i wskazuje mechanizmy zapobiegania stronniczemu przedstawianiu działań ekologicznych | Rozróżnia komunikację ekologiczną opartą na danych od greenwashingu generowanego przez stronnicze modele AI w kontekście biznesowym | Test teoretyczny z wynikiem generowanym automatycznie |
| Charakteryzuje fenomen dryfu danych oraz jego wpływ na wydajność modelu w środowisku produkcyjnym | Wyjaśnia różnicę między dryfem danych a zmianami w zachowaniu użytkowników | Test teoretyczny z wynikiem generowanym automatycznie |
| Opisuje progi alertów i metody automatycznego retrainingu modelu przy wykryciu anomalii | Test teoretyczny z wynikiem generowanym automatycznie | |
| Wyjaśnia, jak zmiany trendów ekologicznych i regulacji środowiskowych wpływają na dryf danych w modelach biznesowych | Wskazuje czynniki ekologiczne (regulacje ESG, zmiany preferencji rynkowych, nowe normy) powodujące dryf danych w modelach predykcyjnych | Test teoretyczny z wynikiem generowanym automatycznie |
| Opracowuje strategię wdrażania sztucznej inteligencji w organizacji poprzez audyt procesów i ocenę gotowości | Przeprowadza audyt istniejących procesów biznesowych i identyfikuje potencjalne zastosowania AI | Analiza dowodów i deklaracji |
| Ocenia gotowość organizacji oraz planuje etapy wdrażania z pomiarem ROI | Analiza dowodów i deklaracji | |
| Planuje wdrożenie agenta AI w Claude do automatyzacji audytu procesów biznesowych z uwzględnieniem wskaźników zrównoważonego rozwoju | Dobiera parametry kontekstu agenta Claude do identyfikacji procesów biznesowych wymagających optymalizacji pod kątem efektywności ekologicznej i energetycznej | Analiza dowodów i deklaracji |
| Przeprowadza analizę danych treningowych, identyfikuje braki oraz stosuje odpowiednie techniki imputacji | Wykonuje analizę eksploracyjną danych i ocenia wpływ brakujących wartości na model | Analiza dowodów i deklaracji |
| Dobiera i stosuje techniki imputacji lub segmentacji danych zgodnie z typem i kontekstem danych | Analiza dowodów i deklaracji | |
| Dobiera parametry kontekstu i promptu agenta Claude do analizy danych biznesowych pod kątem wskaźników środowiskowych i efektywności zasobowej | Wskazuje sposób konfiguracji agenta Claude do identyfikacji wzorców w danych powiązanych ze zrównoważonym rozwojem organizacji | Analiza dowodów i deklaracji |
| Wdraża system monitorowania wydajności modelu oraz automatycznie retrenuje model przy zmianach danych | Konfiguruje progi alertów i narzędzia do monitorowania rozkładu danych w systemie produkcyjnym | Analiza dowodów i deklaracji |
| Ustanawia procedury walidacji i automatycznego retrainingu modelu przy wykryciu istotnych zmian | Analiza dowodów i deklaracji | |
| Stosuje techniki wyjaśniania modelu oraz dokumentuje logikę decyzji dla stakeholderów biznesowych | Generuje wizualizacje i raporty wyjaśniające decyzje modelu przy użyciu narzędzi explainability | Analiza dowodów i deklaracji |
| Dokumentuje ograniczenia modelu i edukuje interesariuszy o ryzykach związanych z wdrożeniem | Analiza dowodów i deklaracji | |
| Dobiera techniki raportowania explainability w agentach Claude, łącząc wyniki techniczne z celami zrównoważonego rozwoju | Wskazuje sposób konfiguracji agenta Claude do generowania raportów integrujących wyniki modelu ze wskaźnikami ESG organizacji | Analiza dowodów i deklaracji |
| Komunikuje złożone koncepcje sztucznej inteligencji w języku biznesowym zrozumiałym dla zespołów niezaznajomionych z techniką | Tłumaczy wyniki modelu AI na metryki biznesowe i potencjalne zyski dla organizacji | Analiza dowodów i deklaracji |
| Prezentuje ograniczenia i ryzyka modelu w sposób przystępny dla decydentów biznesowych | Analiza dowodów i deklaracji | |
| Wskazuje sposoby wykorzystania agentów Claude do przygotowania materiałów komunikacyjnych prezentujących wyniki AI w kontekście celów zrównoważonego rozwoju | Identyfikuje elementy prezentacji biznesowej, w których agent Claude wspiera łączenie wyników technicznych z celami zrównoważonego rozwoju | Analiza dowodów i deklaracji |
| Wprowadza mechanizmy fairness i etyki w projektach AI, konsultując się z zespołem i kierownictwem | Proponuje dodatkowe walidacje i testy dla decyzji AI mogących mieć negatywne konsekwencje społeczne | Analiza dowodów i deklaracji |
| Angażuje się w dyskusje dotyczące wymaganego poziomu dokładności w kontekście etyki biznesu | Analiza dowodów i deklaracji | |
| Buduje zaufanie do modeli sztucznej inteligencji poprzez transparentne wyjaśnianie procesów decyzyjnych | Regularnie komunikuje rezultaty audytów etycznych i działania naprawcze zespołowi | Analiza dowodów i deklaracji |
| Edukuje interesariuszy na temat przejrzystości decyzji modelu i jej znaczenia dla wiarygodności | Analiza dowodów i deklaracji | |
| Angażuje się w współpracę z zespołami ekspercko-domenowymi w celu interpretacji i walidacji decyzji modelu | Pozyskuje wiedzę ekspertów domenowych do identyfikacji potencjalnych błędów w predykcjach modelu | Analiza dowodów i deklaracji |
| Wspólnie z zespołem opracowuje procedury weryfikacji i zatwierdzania decyzji AI wysokiego ryzyka | Analiza dowodów i deklaracji |
Kwalifikacje i kompetencje
Kwalifikacje
Kwalifikacje niewłączone do ZSK
Uznane kwalifikacje
Informacje
- Nazwa Podmiotu prowadzącego walidacjęICVC Certyfikacja Sp. z o.o.
- Nazwa Podmiotu certyfikującegoTalent Odyssey Ltd
Program
Program
Szkolenie adresowane jest do osób dorosłych chcących praktycznie wykorzystać sztuczną inteligencję do zwiększenia swoich dochodów i efektywności pracy. Uczestnicy nabędą kwalifikacje SPECJALISTA DS. WYKORZYSTANIA SZTUCZNEJ INTELIGENCJI AI W BIZNESIE (ICVC/AI 20002.22) na poziomie średniozaawansowanym — poprzez praktyczną naukę pracy z Claude Code, budowania asystentów i agentów AI, automatyzacji procesów w Make.com oraz technik explainability i monitorowania modeli.
Przewodnim tematem praktycznym szkolenia jest hands-on praca z Claude Code i narzędziami AI w kontekście biznesowym — od rozumienia tokenów i kosztów API, przez tworzenie asystentów firmowych (Custom GPTs, Claude Projects), budowanie autonomicznych agentów AI w Claude Code, po automatyzacje procesów w Make.com z integracją AI.
Szkolenie koncentruje się na praktycznych umiejętnościach:
• Praca z Claude Code — konfiguracja, agenci, subagenci, CLAUDE.md, hooki, MCP servers,
• Budowanie asystentów AI — Custom GPTs, Claude Projects, prompt engineering,
• Automatyzacje w Make.com — scenariusze, webhooki, integracja z API AI,
• Monetyzacja kompetencji AI — wycena usług, budowanie oferty, pozyskiwanie klientów.
W ramach zielonych kompetencji uczestnicy nabywają umiejętności w zakresie:
• doboru energooszczędnych modeli AI (distilled models, edge AI) minimalizujących zużycie energii obliczeniowej i ślad węglowy organizacji,
• identyfikacji i przeciwdziałania greenwashingowi w treściach generowanych przez AI — rozróżnianie komunikacji ekologicznej opartej na danych od fałszywych deklaracji środowiskowych,
• monitorowania wpływu zmian regulacji ekologicznych (ESG, normy środowiskowe) na aktualność i dryf modeli AI wykorzystywanych w procesach biznesowych,
• budowania agentów AI w Claude Code do analizy danych biznesowych z uwzględnieniem wskaźników środowiskowych i efektywności zasobowej,
• automatyzacji raportowania wyników AI z wykorzystaniem Make.com, łączącego metryki techniczne z celami zrównoważonego rozwoju i wskaźnikami ESG,
• transparentnego raportowania AI zgodnego ze standardami GRI i wymogami odpowiedzialnej innowacji — budowanie zaufania interesariuszy do strategii zrównoważonego rozwoju organizacji.
Warunkiem przystąpienia do walidacji oraz uzyskania kwalifikacji jest udział w minimum 80% godzin szkolenia.
Warunkiem pozytywnego wyniku walidacji jest uzyskanie co najmniej 70% poprawnych odpowiedzi w teście wiedzy. Próg zaliczenia określa podmiot walidujący — ICVC Certyfikacja Sp. z o.o.
Szkolenie prowadzone jest w godzinach dydaktycznych (1 godzina dydaktyczna = 45 minut). Przerwy wliczają się w łączny czas trwania usługi.
Usługa korzysta ze zwolnienia z podatku VAT w przypadku, gdy dofinansowanie wynosi co najmniej 70% ze środków publicznych. W pozostałych przypadkach do ceny netto doliczany jest podatek VAT w wysokości 23%.
KWALIFIKACJA: SPECJALISTA DS. WYKORZYSTANIA SZTUCZNEJ INTELIGENCJI AI W BIZNESIE (ICVC/AI 20002.22)
PODMIOT WALIDUJĄCY I CERTYFIKUJĄCY: ICVC Certyfikacja Sp. z o.o. — https://icvc.pl
WALIDACJA: Test wiedzy online z wynikiem generowanym automatycznie (pytania zamknięte). Analiza dowodów i deklaracji
Moduł 1. Modele AI w biznesie — tokeny, koszty, dobór narzędzi i interpretowalność
• Przegląd modeli AI dostępnych na rynku: GPT-4o, Claude, Gemini, Llama — różnice, zastosowania, co wybrać do czego
• Tokeny — czym są, jak wpływają na jakość i koszt odpowiedzi AI: tokenizacja tekstu, kontekst okna, limity modeli
• Koszty API w praktyce: cenniki OpenAI, Anthropic, Google — kalkulacja kosztów per zadanie biznesowe, optymalizacja wydatków
• Claude Code — wprowadzenie: czym jest, instalacja, interfejs CLI, pierwsze komendy, praca z plikami i kodem
• Black box vs white box: różnice w dokładności i interpretowalności, kryteria wyboru w kontekście decyzji biznesowych
• Modele lekkie vs rozbudowane: distilled models, edge AI — wpływ na koszty i wydajność
• Techniki explainability: LIME i SHAP — jak wyjaśnić decyzje AI klientowi i zarządowi
• Interpretowalność AI a wymogi prawne: EU AI Act, RODO, prawo do wyjaśnienia decyzji algorytmicznej
• Warsztaty: porównanie modeli AI na żywo — wysyłanie zapytań, analiza tokenów, kosztów i jakości odpowiedzi, pierwsze zadania w Claude Code
Moduł 2. Asystenci AI w biznesie — Custom GPTs, Claude Projects, Claude Code
• Asystenci AI vs chatboty vs agenci — różnice, zastosowania, kiedy który model interakcji wybrać
• Custom GPTs w praktyce: tworzenie asystenta firmowego, konfiguracja instrukcji, knowledge base, ograniczenia
• Claude Projects: budowanie asystenta z kontekstem firmowym, dokumentami i instrukcjami systemowymi
• Claude Code jako asystent pracy: automatyzacja zadań, generowanie dokumentów, analiza danych z terminala
• Źródła błędów i stronniczości w odpowiedziach AI: dane historyczne, stereotypy — jak asystent AI może powielać stronniczość
• Fenomen dryfu danych: concept drift vs data drift — kiedy asystent AI zaczyna dawać błędne odpowiedzi
• Prompt engineering dla asystentów: system prompts, few-shot examples, łańcuchy promptów w Claude Code
• CLAUDE.md i konfiguracja projektu: jak ustawiać kontekst, reguły i pamięć w Claude Code dla powtarzalnych zadań
• Warsztaty: budowanie Custom GPT i Claude Project do obsługi procesów firmowych + konfiguracja Claude Code do codziennej pracy
Moduł 3. Agenci AI w Claude Code — budowanie autonomicznych workflow
• Agent AI vs asystent: czym się różnią — autonomia, planowanie, dostęp do narzędzi, pamięć, pętle decyzyjne
• Architektura agentów w Claude Code: subagenci, orchestrator, specialist agents, tool-use, równoległa praca agentów
• Audyt procesów biznesowych z agentem Claude Code: mapowanie procesów, identyfikacja punktów automatyzacji
• Ocena gotowości organizacji do wdrożenia AI: dane, zespół, infrastruktura, planowanie ROI
• Tworzenie agentów w Claude Code: konfiguracja CLAUDE.md, hooki, MCP servers, własne narzędzia agenta
• Agenci do analizy danych biznesowych: identyfikacja braków, wartości odstających, techniki imputacji (mean/median, KNN)
• Agenci do generowania raportów, ofert, dokumentów — od promptu systemowego po gotowy workflow
• Praktyczne zastosowania agentów do zwiększenia przychodów: automatyzacja ofertowania, analiza konkurencji, generowanie leadów
• Warsztaty: budowanie agenta w Claude Code od zera — analiza danych biznesowych, generowanie raportu, automatyzacja procesu
Moduł 4. Automatyzacje w Make — integracja AI z procesami biznesowymi
• Make.com — interfejs, moduły, scenariusze: jak działa automatyzacja no-code w praktyce
• Integracja Make z API AI: moduły OpenAI, Claude (HTTP), Google Gemini — wysyłanie promptów, odbieranie odpowiedzi
• Scenariusze biznesowe: automatyczne przetwarzanie maili, generowanie raportów, klasyfikacja leadów z AI
• Webhooki i triggery: automatyczne uruchamianie scenariuszy z formularzy, CRM, arkuszy Google
• Monitoring i alerting w Make: dashboardy, progi alertów, automatyczne powiadomienia o wynikach
• Łączenie Claude Code z Make: eksport wyników agentów do scenariuszy Make, automatyzacja end-to-end
• Dokumentowanie i raportowanie wyników AI: automatyczne generowanie raportów i kart modelu
• Monetyzacja automatyzacji: jak sprzedawać usługi automatyzacji AI klientom, wycena scenariuszy Make
• Warsztaty: budowanie scenariusza Make od zera — integracja formularza → AI → raport → powiadomienie
Moduł 5. Strategia wdrożenia AI, odpowiedzialność i monetyzacja kompetencji
• Komunikacja wyników AI w języku biznesowym: tłumaczenie metryk technicznych na KPI organizacji
• Prezentowanie możliwości AI klientom i decydentom: techniki storytellingu z danymi
• Budowanie oferty usług AI: konsulting, automatyzacje, agenci — jak wyceniać i sprzedawać
• Mechanizmy fairness i etyki w projektach AI: odpowiedzialność, transparentność, ryzyka prawne
• EU AI Act w praktyce: co musisz wiedzieć jako osoba wdrażająca AI w firmach
• Budowanie zaufania do AI: transparentne raportowanie, audyty, komunikacja ograniczeń
• Współpraca z ekspertami domenowymi: podział zadań między agentów AI a ludzi
• Plan rozwoju kompetencji AI: ścieżka od uczestnika szkolenia do specjalisty AI generującego przychody
• Warsztaty: case study — budowanie strategii wdrożenia AI w organizacji z wykorzystaniem Claude Code, agentów i Make
Moduł 6. Walidacja — test online, wręczenie certyfikatów
• Test wiedzy teoretycznej (realizowany na platformie ICVC Certyfikacja — wynik generowany automatycznie).
• Podmiot walidujący: ICVC Certyfikacja Sp. z o.o. (podmiot zewnętrzny).
• Walidacja kompetencji odbywa się w formie testu wiedzy realizowanego online z wynikiem generowanym automatycznie. Test obejmuje pytania zamknięte (jednokrotnego i wielokrotnego wyboru). Oraz analizy dowodów i deklaracji.
Walidacji dokonuje wyłącznie ICVC Certyfikacja Sp. z o.o. jako podmiot zewnętrzny — trener nie dokonuje oceny w procesie walidacji.
PODZIAŁ GODZIN:
Liczba godzin teorii: 7h dydaktycznych
Liczba godzin praktyki: 11h dydaktycznych
Liczba godzin walidacji: 2h dydaktyczne
Razem: 20h dydaktycznych
Przerwy wliczone proporcjonalnie w czas trwania usługi (2 × przerwa 15 min + 2 × przerwa obiadowa 30 min na każdy dzień).
Czas trwania: 2 dni × 08:00–15:30 = 15h zegarowych = 20h dydaktycznych.
Harmonogram
Harmonogram
| Przedmiot / temat | Prowadzący | Data realizacji zajęć | Godzina rozpoczęcia | Godzina zakończenia | Liczba godzin |
|---|---|---|---|---|---|
Przedmiot / temat 1 z 14 Moduł 1: Modele AI — tokeny, koszty API, dobór narzędzi, wprowadzenie do Claude Code | Prowadzący DAWID DOMAŃSKI | Data realizacji zajęć 15-08-2026 | Godzina rozpoczęcia 08:00 | Godzina zakończenia 09:30 | Liczba godzin 01:30 |
Przedmiot / temat 2 z 14 Przerwa | Prowadzący DAWID DOMAŃSKI | Data realizacji zajęć 15-08-2026 | Godzina rozpoczęcia 09:30 | Godzina zakończenia 09:45 | Liczba godzin 00:15 |
Przedmiot / temat 3 z 14 Moduł 1 cd.: Interpretowalność, LIME/SHAP, EU AI Act — warsztaty z API i Claude Code | Prowadzący DAWID DOMAŃSKI | Data realizacji zajęć 15-08-2026 | Godzina rozpoczęcia 09:45 | Godzina zakończenia 11:15 | Liczba godzin 01:30 |
Przedmiot / temat 4 z 14 Przerwa obiadowa | Prowadzący DAWID DOMAŃSKI | Data realizacji zajęć 15-08-2026 | Godzina rozpoczęcia 11:15 | Godzina zakończenia 11:45 | Liczba godzin 00:30 |
Przedmiot / temat 5 z 14 Moduł 2: Asystenci AI — Custom GPTs, Claude Projects, Claude Code w codziennej pracy | Prowadzący DAWID DOMAŃSKI | Data realizacji zajęć 15-08-2026 | Godzina rozpoczęcia 11:45 | Godzina zakończenia 13:15 | Liczba godzin 01:30 |
Przedmiot / temat 6 z 14 Przerwa | Prowadzący DAWID DOMAŃSKI | Data realizacji zajęć 15-08-2026 | Godzina rozpoczęcia 13:15 | Godzina zakończenia 13:30 | Liczba godzin 00:15 |
Przedmiot / temat 7 z 14 Moduł 3: Agenci AI w Claude Code — architektura, subagenci, autonomiczne workflow | Prowadzący DAWID DOMAŃSKI | Data realizacji zajęć 15-08-2026 | Godzina rozpoczęcia 13:30 | Godzina zakończenia 15:30 | Liczba godzin 02:00 |
Przedmiot / temat 8 z 14 Moduł 3 cd.: Agenci AI — analiza danych, generowanie raportów, automatyzacja — warsztaty | Prowadzący DAWID DOMAŃSKI | Data realizacji zajęć 16-08-2026 | Godzina rozpoczęcia 08:00 | Godzina zakończenia 09:30 | Liczba godzin 01:30 |
Przedmiot / temat 9 z 14 Przerwa | Prowadzący DAWID DOMAŃSKI | Data realizacji zajęć 16-08-2026 | Godzina rozpoczęcia 09:30 | Godzina zakończenia 09:45 | Liczba godzin 00:15 |
Przedmiot / temat 10 z 14 Moduł 4: Automatyzacje w Make — scenariusze, webhooki, integracja z API AI | Prowadzący DAWID DOMAŃSKI | Data realizacji zajęć 16-08-2026 | Godzina rozpoczęcia 09:45 | Godzina zakończenia 11:15 | Liczba godzin 01:30 |
Przedmiot / temat 11 z 14 Przerwa obiadowa | Prowadzący DAWID DOMAŃSKI | Data realizacji zajęć 16-08-2026 | Godzina rozpoczęcia 11:15 | Godzina zakończenia 11:45 | Liczba godzin 00:30 |
Przedmiot / temat 12 z 14 Moduł 5: Strategia wdrożenia AI, odpowiedzialność, monetyzacja kompetencji — case study | Prowadzący DAWID DOMAŃSKI | Data realizacji zajęć 16-08-2026 | Godzina rozpoczęcia 11:45 | Godzina zakończenia 13:15 | Liczba godzin 01:30 |
Przedmiot / temat 13 z 14 Przerwa | Prowadzący DAWID DOMAŃSKI | Data realizacji zajęć 16-08-2026 | Godzina rozpoczęcia 13:15 | Godzina zakończenia 13:30 | Liczba godzin 00:15 |
Przedmiot / temat 14 z 14 Podsumowanie szkolenia, Test online, analiza dowodów i deklaracji | Prowadzący - | Data realizacji zajęć 16-08-2026 | Godzina rozpoczęcia 13:30 | Godzina zakończenia 15:30 | Liczba godzin 02:00 |
Cena
Cena
Cennik
| Rodzaj ceny | Cena |
|---|---|
Rodzaj ceny Koszt przypadający na 1 uczestnika brutto | Cena 6 396,00 PLN |
Rodzaj ceny Koszt przypadający na 1 uczestnika netto | Cena 5 200,00 PLN |
Rodzaj ceny Koszt osobogodziny brutto | Cena 319,80 PLN |
Rodzaj ceny Koszt osobogodziny netto | Cena 260,00 PLN |
Rodzaj ceny W tym koszt walidacji brutto | Cena 200,00 PLN |
Rodzaj ceny W tym koszt walidacji netto | Cena 162,60 PLN |
Rodzaj ceny W tym koszt certyfikowania brutto | Cena 200,00 PLN |
Rodzaj ceny W tym koszt certyfikowania netto | Cena 162,60 PLN |
Prowadzący
Prowadzący
DAWID DOMAŃSKI
Ukończył kursy EITCA Business Information Technologies Programme (2023), EITC/AI/AIF Artificial Intelligence Fundamentals (2023) oraz AI od podstaw (2024). Od 2024 roku prowadzi szkolenia z wykorzystania AI w biznesie i optymalizacji procesów. Łączy wiedzę technologiczną z praktycznym podejściem do transformacji cyfrowej i zrównoważonego rozwoju przedsiębiorstw.
W 2025 ukończył dodatkowo szkolenia: ślad węglowy organizacji, transformacja energetyczna, Firma bezpieczna cyfrowo
Prowadzący posiada doświadczenie zawodowe zdobyte nie wcześniej niż 5 lat przed datą publikacji usługi w BUR
Informacje dodatkowe
Informacje dodatkowe
Informacje o materiałach dla uczestników usługi
Materiały dydaktyczne:
• Prezentacja multimedialna (slajdy do każdego modułu) — w formie cyfrowej dla uczestnika.
• Szablony analityczne: mapa procesu, arkusz analizy wąskich gardeł, kalkulator ROI/TCO — na własność uczestnika.
• Teczka kursanta z kompletem materiałów — na własność uczestnika po zakończeniu szkolenia.
Wszystkie materiały szkoleniowe, sprzęt oraz narzędzia niezbędne do realizacji ćwiczeń praktycznych zapewnia organizator szkolenia (CMD Consulting). Uczestnik nie ponosi dodatkowych kosztów związanych z materiałami ani sprzętem.
Warunki uczestnictwa
Warunki uczestnictwa:
• Uczestnik musi mieć ukończone 18 lat.
• Warunkiem przystąpienia do walidacji jest uczestnictwo w minimum 80% godzin szkolenia.
Informacje dodatkowe
Udogodnienia:
• Klimatyzowane sale szkoleniowe w Katowicach.
• Dostęp do komputerów/laptopów lub możliwość pracy na własnym sprzęcie uczestnika.
• Bezpłatny dostęp do platform i narzędzi demonstracyjnych na czas szkolenia.
Usługa jest zwolniona z podatku VAT w przypadku, kiedy przedsiębiorstwo zwolnione jest z podatku VAT lub dofinansowanie wynosi co najmniej 70%. W innej sytuacji do ceny netto doliczany jest podatek VAT w wysokości 23%.
Podstawa: § 3 ust. 1 pkt 14 Rozporządzenia Ministra Finansów z dnia 20 grudnia 2013 r. w sprawie zwolnień od podatku od towarów i usług oraz warunków stosowania tych zwolnień (tekst jednolity Dz.U. z 2020 r., poz. 1983)
Adres
Adres
Udogodnienia w miejscu realizacji usługi
- Klimatyzacja
- Wi-fi
- Laboratorium komputerowe