SPECJALISTA DS. SZTUCZNEJ INTELIGENCJI W ZIELONEJ TRANSFORMACJI – ZRÓWNOWAŻONY ROZWÓJ, ZIELONE KOMPETENCJE I ODPOWIEDZIALNE AI
SPECJALISTA DS. SZTUCZNEJ INTELIGENCJI W ZIELONEJ TRANSFORMACJI – ZRÓWNOWAŻONY ROZWÓJ, ZIELONE KOMPETENCJE I ODPOWIEDZIALNE AI
Informacje podstawowe
Informacje podstawowe
- KategoriaInformatyka i telekomunikacja / Internet
- Grupa docelowa usługi
Szkolenie skierowane jest do pracowników firmy „MAXCOM” Spółka Akcyjna, zatrudnionych na stanowiskach kierowniczych, specjalistycznych, asystenckich i operacyjnych w obszarach: rozwoju i
wdrażania produktów, projektowania graficznego i UX/UI, kastomizacji i kontroli produktu, serwisu i obsługi reklamacji, wsparcia sprzedaży i eksportu, marketingu i PR, logistyki i magazynu, finansów i księgowości, kadr i płac oraz obsługi biura zarządu. Szkolenie skierowane jest również do członków zarządu, w tym prezesa i wiceprezesa zarządu.
Usługa jest przeznaczona dla osób, które w codziennej pracy realizują zadania związane z obsługą klientów, przygotowywaniem ofert handlowych, sprzedażą stacjonarną i internetową, prowadzeniem działań marketingowych, organizacją obiegu informacji, koordynacją pracy zespołu, obsługą zamówień, kompletacją towarów, gospodarką magazynową oraz analizą danych sprzedażowych i produktowych. Nie jest wymagane wcześniejsze doświadczenie w korzystaniu z narzędzi AI.
- Minimalna liczba uczestników10
- Maksymalna liczba uczestników15
- Data zakończenia rekrutacji02-12-2026
- Forma prowadzenia usługistacjonarna
- Podstawa uzyskania wpisu do BURStandard Usług Szkoleniowo– Rozwojowych PIFS SUS 3.0
Cel
Cel
Cel edukacyjny
Szkolenie przygotowuje uczestników do podstawowego, bezpiecznego wykorzystaniadostępnych narzędzi sztucznej inteligencji w pracy związanej z produktami, obsługą klientów,
organizacją informacji i analizą danych w przedsiębiorstwie z branży elektronicznej i
telekomunikacyjnej. Uczestnicy uczą się tworzyć prompty, sprawdzać odpowiedzi AI,
analizować przygotowane dane w celu rozpoznawania strat zasobów oraz opracowywać
prosty plan pilotażowego zastosowania AI z uwzględnieniem ochrony danych.
Efekty uczenia się oraz kryteria weryfikacji ich osiągnięcia i Metody walidacji
| Efekty uczenia się | Kryteria weryfikacji | Metoda walidacji |
|---|---|---|
| WIEDZA: Charakteryzuje możliwości, ograniczenia i wpływ środowiskowy generatywnej AI | Rozróżnia generatywną AI, model językowy i asystenta AI. Wskazuje przykładowe zastosowanie AI w pracy przedsiębiorstwa oraz ograniczenie jego wykorzystania. Rozpoznaje działania ograniczające zbędne generowanie treści i zużycie zasobów obliczeniowych. | Test teoretyczny z wynikiem generowanym automatycznie |
| WIEDZA: Rozpoznaje podstawowe zasady odpowiedzialnego korzystania z AI w organizacji. | Wskazuje znaczenie AI literacy i nadzoru człowieka. Rozpoznaje potrzebę korzystania z narzędzi zatwierdzonych przez organizację. W opisanych przypadkach wskazuje sytuacje wymagające konsultacji z przełożonym, działem IT, działem prawnym lub Inspektorem Ochrony Danych. | Test teoretyczny z wynikiem generowanym automatycznie |
| WIEDZA: Rozróżnia dane środowiskowe wykorzystywane do oceny zużycia zasobów i przygotowania informacji ESG. | Klasyfikuje przykładowe dane dotyczące energii, materiałów, odpadów i transportu. Wskazuje dane potrzebne do analizy śladu węglowego organizacji. Rozpoznaje znaczenie jednostek, okresu pomiaru, kompletności i źródła danych dla poprawności porównania. | Test teoretyczny z wynikiem generowanym automatycznie |
| WIEDZA: Charakteryzuje zastosowania AI wspierające gospodarkę obiegu zamkniętego w branży elektronicznej. | Rozpoznaje przykłady wykorzystania AI do porządkowania informacji o usterkach, zwrotach i stratach materiałowych. Wskazuje związek napraw, konserwacji i ponownego wykorzystania produktów z ograniczaniem odpadów. Rozróżnia korzyść środowiskową wymagającą potwierdzenia danymi od niepotwierdzonej deklaracji. | Test teoretyczny z wynikiem generowanym automatycznie |
| UMIEJĘTNOŚCI: Przygotowuje bezpieczny materiał wejściowy do pracy z AI. | W przykładowym materiale wskazuje dane osobowe i informacje poufne. Przygotowuje wersję materiału zawierającą wyłącznie informacje potrzebne do zadania, usuwając lub zastępując dane, których nie należy przekazać do wskazanego narzędzia. Wskazuje sytuację, w której wykorzystanie materiału wymaga wcześniejszej konsultacji. | Analiza dowodów i deklaracji |
| UMIEJĘTNOŚCI: Tworzy prompty i weryfikuje odpowiedzi AI na podstawie dostarczonych źródeł. | Opracowuje prompt określający cel, kontekst, źródło informacji, ograniczenia i format odpowiedzi. Uzyskuje odpowiedź odnoszącą się do zadania. Porównuje zawarte w niej twierdzenia z materiałem źródłowym i oznacza informacje niepotwierdzone. Uzasadnia zaakceptowanie odpowiedzi, jej poprawienie lub odrzucenie. | Analiza dowodów i deklaracji |
| UMIEJĘTNOŚCI: Analizuje przygotowane dane środowiskowe z wykorzystaniem AI i formułuje proste rekomendacje. | Porządkuje przekazane dane o zużyciu energii lub materiałów, zachowując jednostki i okresy pomiaru. Porównuje wskazane wartości i sprawdza poprawność obliczeń wygenerowanych przez AI. Wskazuje co najmniej jeden obszar wymagający wyjaśnienia. Przygotowuje krótkie podsumowanie i rekomendację ograniczenia zużycia zasobów, Analiza dowodów i deklaracji oddzielając wnioski wynikające z danych od przypuszczeń. | Analiza dowodów i deklaracji |
| UMIEJĘTNOŚCI: Wykorzystuje AI do analizy przykładowych danych produktowych, reklamacyjnych lub magazynowych. | Porządkuje lub grupuje dane według kryterium wynikającego z zadania. Sprawdza zgodność wyniku AI z przekazanym zestawem danych. Wskazuje powtarzający się problem albo obszar wymagający dalszej analizy. Proponuje usprawnienie wspierające ograniczenie strat, naprawę, ponowne wykorzystanie lub wydłużenie użytkowania produktu i wskazuje sposób sprawdzenia jego skuteczności. | Analiza dowodów i deklaracji |
| UMIEJĘTNOŚCI: Przygotowuje z pomocą AI zrozumiałą i rzetelną informację o użytkowaniu produktu. | Opracowuje treść dla wskazanego odbiorcy na podstawie dostarczonej instrukcji lub karty produktu. Uwzględnia zalecenie dotyczące oszczędnego użytkowania albo prawidłowej konserwacji, jeżeli wynika ono ze źródła. Sprawdza zgodność treści z dokumentem i usuwa niepotwierdzone deklaracje dotyczące właściwości lub korzyści środowiskowych produktu | Analiza dowodów i deklaracji |
| UMIEJĘTNOŚCI: Porównuje przykładowe narzędzia AI i podstawowe warunki korzystania z nich. | Porównuje dwie przygotowane oferty pod względem funkcji, kosztów, zasad korzystania z danych i wsparcia użytkownika. Rozróżnia informacje dotyczące licencji, modelu SaaS i parametrów SLA. Wskazuje co najmniej jeden zapis lub brak informacji wymagający konsultacji. Uzasadnia wybór narzędzia dla opisanego zadania albo potrzebę uzyskania dodatkowych informacji przed wyborem. | Analiza dowodów i deklaracji |
| UMIEJĘTNOŚCI: Opracowuje prosty plan pilotażowego zastosowania AI w przedsiębiorstwie. | Określa problem, cel i zakres pilotażu. Wskazuje narzędzie, potrzebne dane, zadania, osoby odpowiedzialne i termin. Uwzględnia sprawdzanie wyników AI przez człowieka oraz ochronę danych. | Analiza dowodów i deklaracji |
| KOMPETENCJE SPOŁECZNE: Krytycznie ocenia wyniki pracy AI i uznaje potrzebę ich sprawdzania przed wykorzystaniem. | W przedstawionym przypadku wskazuje ograniczenia odpowiedzi AI i konsekwencje jej wykorzystania bez sprawdzenia. Uzasadnia zaakceptowanie, poprawienie albo odrzucenie wyniku na podstawie danych źródłowych. Wskazuje sytuację wymagającą konsultacji z osobą posiadającą odpowiednie kompetencje. | Analiza dowodów i deklaracji |
| KOMPETENCJE SPOŁECZNE: Przyjmuje odpowiedzialną postawę wobec wpływu wykorzystania AI na ludzi, dane i środowisko. | W analizowanym przypadku wskazuje możliwe konsekwencje zastosowania AI dla użytkowników, poufności informacji i zużycia zasobów. Uzasadnia wybór rozwiązania uwzględniającego te konsekwencje. Wskazuje warunki, w których należy ograniczyć lub wstrzymać korzystanie z AI | Analiza dowodów i deklaracji |
Kwalifikacje i kompetencje
Kwalifikacje i kompetencje
Kompetencje
Usługa prowadzi do nabycia kompetencji.Warunki uznania kompetencji
Program
Program
Poziom i sposób realizacji szkolenia
Szkolenie jest realizowane na poziomie podstawowym i nie wymaga wcześniejszego
doświadczenia w korzystaniu z AI ani umiejętności programowania. Ćwiczenia odbywają się
z wykorzystaniem dostępnych narzędzi generatywnej AI, przygotowanych zestawów danych
oraz przykładowych dokumentów odnoszących się do działalności przedsiębiorstwa.
Uczestnicy pracują na danych syntetycznych lub odpowiednio zanonimizowanych, bez
wprowadzania informacji poufnych i danych osobowych do niezatwierdzonych narzędzi.
Zadania obejmują przygotowanie prostych analiz, treści i rekomendacji. Wnioski
wygenerowane przez AI są porównywane z materiałem źródłowym i podlegają ocenie
uczestnika.
Przykłady dotyczą dokumentacji produktów, zgłoszeń serwisowych i reklamacyjnych,
zapasów, zużycia energii i materiałów oraz obiegu informacji. Uczestnicy dobierają przykład
zastosowania AI do zadań wykonywanych na swoim stanowisku. Zakres szkolenia obejmuje
przygotowanie koncepcji pilotażu, bez technicznego wdrażania systemów, trenowania modeli
i tworzenia integracji informatycznych.
Wymiar usługi
Łączny czas usługi wynosi 20 godzin zegarowych, przerwy i walidacja są wliczone w czas trwania szkolenia.
Moduł 1. Podstawy AI i jej wpływ na środowisko — 1 godzina
• Podstawowe pojęcia: sztuczna inteligencja, generatywna AI, model językowy i
asystent AI.
• Możliwości i ograniczenia wykorzystania AI w codziennych zadaniach.
• Przykłady zastosowań AI wspierających ograniczanie strat materiałów, energii i czasu
pracy.
• Zużycie energii i zasobów związane z działaniem AI.
• Dobór narzędzia do zadania i ograniczanie zbędnego generowania treści.
Ćwiczenie: wskazanie zadania ze swojego obszaru pracy, w którym AI może pomóc, oraz
sytuacji, w której jej użycie jest zbędne lub ryzykowne.
Moduł 2. Odpowiedzialne korzystanie z AI w organizacji — 1 godzina
• Podstawowe znaczenie AI Act dla świadomego korzystania z narzędzi AI.
• Korzystanie z narzędzi zatwierdzonych przez organizację.
• Odpowiedzialność pracownika za sprawdzenie i wykorzystanie wyniku AI.
• Rola nadzoru człowieka przy podejmowaniu decyzji.
• Rozpoznawanie sytuacji wymagających konsultacji z przełożonym, działem IT,
działem prawnym lub Inspektorem Ochrony Danych.
Ćwiczenie: ocena przykładowych zastosowań AI i wskazanie, które wymagają wcześniejszej
konsultacji lub zatwierdzenia.
Moduł 3. Prosta analiza zużycia energii i materiałów — 1 godzina 45 minut
• Przygotowane dane o zużyciu energii i materiałów: jednostki, okresy i kompletność.
• Wykorzystanie AI do porównywania wartości i porządkowania danych.
• Rozpoznawanie zmian oraz obszarów wymagających sprawdzenia.
• Odróżnianie obserwacji wynikającej z danych od przypuszczenia AI.
• Formułowanie prostych propozycji ograniczenia zużycia zasobów.
Ćwiczenie: porównanie danych z dwóch okresów, sprawdzenie obliczeń i opracowanie
propozycji działania wraz ze wskazaniem informacji potrzebnych do jej potwierdzenia.
Moduł 4. Dane środowiskowe i podstawy informacji ESG — 2 godziny
• Podstawowe znaczenie ESG i rola danych środowiskowych przedsiębiorstwa.
• Przykładowe informacje o energii, materiałach, odpadach i transporcie.
• Dane potrzebne do analizy śladu węglowego — wprowadzenie.
• Porządkowanie przygotowanych danych z wykorzystaniem AI.
• Sprawdzanie źródeł, jednostek, braków i zgodności podsumowania z danymi.
• Oznaczanie założeń i ograniczeń analizy.
Ćwiczenie: przygotowanie roboczego zestawienia wybranych danych środowiskowych wraz z
krótkim podsumowaniem i listą informacji wymagających uzupełnienia.
Moduł 5. Bezpieczeństwo danych i weryfikacja odpowiedzi AI — 1 godzina 45 minut
• Dane osobowe, informacje poufne i tajemnica przedsiębiorstwa w pracy z AI.
• Minimalizacja danych i przygotowanie bezpiecznego materiału do ćwiczeń.
• Podstawowe pytania o przechowywanie danych i ich wykorzystanie przez dostawcę
narzędzia.
• Rozpoznawanie nieprawdziwych informacji, niepotwierdzonych źródeł i stronniczych
odpowiedzi.
• Porównywanie wyniku AI z dokumentem źródłowym.
• Zgłaszanie zauważonych nieprawidłowości zgodnie z zasadami organizacji.
Ćwiczenie: przygotowanie bezpiecznej wersji przykładowego zapytania oraz wskazanie
błędów i niepotwierdzonych twierdzeń w odpowiedzi AI.
Moduł 6. Tworzenie promptów i praca z dokumentem źródłowym — 2 godziny
• Elementy promptu: cel, kontekst, dane, ograniczenia i format odpowiedzi.
• Precyzyjne formułowanie poleceń i ograniczanie zbędnych powtórzeń.
• Przygotowywanie podsumowań, porównań i roboczych treści.
• Korzystanie z dostarczonego dokumentu jako źródła odpowiedzi.
• Sprawdzanie, czy odpowiedź wynika z przekazanego materiału.
• Dostosowanie treści do odbiorcy.
• Ocena, kiedy poprawić zapytanie, a kiedy zakończyć generowanie i zweryfikować
wynik samodzielnie.
Ćwiczenie: opracowanie promptu na podstawie przykładowej instrukcji lub karty produktu,
przygotowanie odpowiedzi dla wybranego odbiorcy i jej sprawdzenie z materiałem
źródłowym.
Moduł 7. AI w ograniczaniu odpadów i wydłużaniu użytkowania produktów — 1
godzina 15 minut
• Podstawy gospodarki obiegu zamkniętego w branży elektronicznej.
• Znaczenie napraw, ponownego wykorzystania i ograniczania nadwyżek.
• Wykorzystanie AI do porządkowania przykładowych danych o zwrotach, usterkach i
stratach materiałowych.
• Formułowanie propozycji działań na podstawie danych.
• Ocenianie korzyści zastosowania AI z uwzględnieniem zasobów potrzebnych do jej
użycia.
Ćwiczenie: wskazanie powtarzającego się problemu w przygotowanym zestawie danych oraz
propozycji działania wspierającego naprawę, ponowne wykorzystanie lub ograniczenie
odpadów.
Moduł 8. Praktyczne zastosowania AI w działalności MAXCOM — 2 godziny 45 minut
• Porządkowanie i porównywanie informacji o produktach.
• Grupowanie przykładowych zgłoszeń serwisowych i reklamacyjnych.
• Rozpoznawanie powtarzających się problemów wymagających analizy przez
właściwy dział.
• Przygotowywanie roboczych odpowiedzi dla klientów i partnerów na podstawie
zweryfikowanych informacji.
• Tworzenie wskazówek dotyczących oszczędnego użytkowania i konserwacji
urządzeń.
• Sprawdzanie opisów cech środowiskowych produktów i usuwanie niepotwierdzonych
deklaracji.
• Wskazywanie możliwych usprawnień ograniczających straty zasobów.
Ćwiczenie: wykonanie zadania dopasowanego do obszaru pracy uczestnika na podstawie
przygotowanych danych produktowych, reklamacyjnych lub magazynowych. Uczestnik
sprawdza wynik AI, wskazuje jego ograniczenia i proponuje usprawnienie.
Moduł 9. Przygotowanie zespołu do próbnego zastosowania AI — 1 godzina
• Wybór prostego zadania do wsparcia przez AI.
• Podział odpowiedzialności za przygotowanie danych, wykonanie zadania i
sprawdzenie wyniku.
• Uwzględnianie potrzeb osób korzystających z rozwiązania.
• Komunikowanie korzyści, ograniczeń i zasad pracy z AI.
• Zbieranie uwag zespołu podczas pilotażu.
Ćwiczenie: określenie ról i zasad współpracy przy wybranym zastosowaniu AI oraz
przygotowanie krótkiej informacji dla jego użytkowników.
Moduł 10. Porównanie narzędzi i przygotowanie planu pilotażu — 2 godziny 45 minut
• Porównanie przykładowych narzędzi pod względem funkcji, kosztów i zasad
korzystania z danych.
• Podstawowe znaczenie licencji, usługi SaaS i parametrów wsparcia określanych w
SLA.
• Rozpoznawanie warunków wymagających konsultacji: poufność, prawa do
materiałów, wykorzystanie danych i zakończenie współpracy.
• Określenie celu, zakresu, czasu i odpowiedzialności w pilotażu.
• Dobór prostego miernika biznesowego i środowiskowego oraz sposobu zebrania
danych.
• Ustalenie warunków kontynuowania, zmiany lub zakończenia pilotażu.
Ćwiczenie: przygotowanie krótkiego planu pilotażu dla jednego zadania. Plan obejmuje
problem, proponowane narzędzie, dane, osoby odpowiedzialne, ryzyka, termin oraz sposób
oceny rezultatów.
Walidacja — 1 godzina
Walidacja obejmuje test teoretyczny z wynikiem generowanym automatycznie oraz analizę
dowodów i deklaracji. Test służy sprawdzeniu wiedzy i rozpoznawania właściwego
postępowania w opisanych sytuacjach.
Umiejętności praktyczne są oceniane na podstawie indywidualnych prac uczestnika: promptu
wraz ze sprawdzoną odpowiedzią, prostej analizy przygotowanych danych z rekomendacją
oraz planu pilotażu. Materiały powstające podczas ćwiczeń uczestnik porządkuje i
samodzielnie uzupełnia na potrzeby walidacji. Kryteria oceny pozwalają ustalić osiągnięcia
każdej osoby, również wtedy, gdy część ćwiczeń realizowano zespołowo.
Oceny dowodów dokonuje osoba prowadząca walidację, która nie prowadziła kształcenia
uczestników. Wyniki są ustalane na podstawie kryteriów i metod wskazanych w tabeli
efektów uczenia się.
Warunki organizacyjne
Każdy uczestnik korzysta z laptopa z dostępem do Internetu. Organizator przed rozpoczęciem
zajęć wskazuje wymagane narzędzia i zapewnia możliwość korzystania z funkcji niezbędnych
do wykonania ćwiczeń oraz walidacji. Materiały obejmują przygotowane dane, przykładowe
dokumenty, instrukcje zadań i wzór planu pilotażu.
Harmonogram
Harmonogram
| Przedmiot / temat | Typ aktywności | Prowadzący | Data realizacji zajęć | Godzina rozpoczęcia | Godzina zakończenia | Liczba godzin |
|---|---|---|---|---|---|---|
Przedmiot / temat 1 z 16 Moduł 1. Podstawy AI i jej wpływ na środowisko | Typ aktywności Zajęcia | Prowadzący Paula Skrzypecka | Data realizacji zajęć 03-12-2026 | Godzina rozpoczęcia 12:30 | Godzina zakończenia 13:30 | Liczba godzin 01:00 |
Przedmiot / temat 2 z 16 Moduł 2. Odpowiedzialne korzystanie z AI w organizacji | Typ aktywności Zajęcia | Prowadzący Paula Skrzypecka | Data realizacji zajęć 03-12-2026 | Godzina rozpoczęcia 13:30 | Godzina zakończenia 14:30 | Liczba godzin 01:00 |
Przedmiot / temat 3 z 16 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 03-12-2026 | Godzina rozpoczęcia 14:30 | Godzina zakończenia 14:45 | Liczba godzin 00:15 |
Przedmiot / temat 4 z 16 Moduł 3. Prosta analiza zużycia energii i materiałów | Typ aktywności Zajęcia | Prowadzący Paula Skrzypecka | Data realizacji zajęć 03-12-2026 | Godzina rozpoczęcia 14:45 | Godzina zakończenia 16:30 | Liczba godzin 01:45 |
Przedmiot / temat 5 z 16 Moduł 4. Dane środowiskowe i podstawy informacji ESG | Typ aktywności Zajęcia | Prowadzący Dawid Lada | Data realizacji zajęć 12-01-2027 | Godzina rozpoczęcia 12:30 | Godzina zakończenia 13:30 | Liczba godzin 01:00 |
Przedmiot / temat 6 z 16 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 12-01-2027 | Godzina rozpoczęcia 13:30 | Godzina zakończenia 13:45 | Liczba godzin 00:15 |
Przedmiot / temat 7 z 16 Moduł 5. Bezpieczeństwo danych i weryfikacja odpowiedzi AI | Typ aktywności Zajęcia | Prowadzący Dawid Lada | Data realizacji zajęć 12-01-2027 | Godzina rozpoczęcia 13:45 | Godzina zakończenia 16:30 | Liczba godzin 02:45 |
Przedmiot / temat 8 z 16 Moduł 6. Tworzenie promptów i praca z dokumentem źródłowym | Typ aktywności Zajęcia | Prowadzący Dawid Lada | Data realizacji zajęć 01-02-2027 | Godzina rozpoczęcia 12:30 | Godzina zakończenia 14:30 | Liczba godzin 02:00 |
Przedmiot / temat 9 z 16 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 01-02-2027 | Godzina rozpoczęcia 14:30 | Godzina zakończenia 14:45 | Liczba godzin 00:15 |
Przedmiot / temat 10 z 16 Moduł 7. AI w ograniczaniu odpadów i wydłużaniu użytkowania produktów | Typ aktywności Zajęcia | Prowadzący Dawid Lada | Data realizacji zajęć 01-02-2027 | Godzina rozpoczęcia 14:45 | Godzina zakończenia 16:30 | Liczba godzin 01:45 |
Przedmiot / temat 11 z 16 Moduł 8. Praktyczne zastosowania AI w działalności MAXCOM | Typ aktywności Zajęcia | Prowadzący Dawid Lada | Data realizacji zajęć 09-02-2027 | Godzina rozpoczęcia 12:30 | Godzina zakończenia 14:15 | Liczba godzin 01:45 |
Przedmiot / temat 12 z 16 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 09-02-2027 | Godzina rozpoczęcia 14:15 | Godzina zakończenia 14:30 | Liczba godzin 00:15 |
Przedmiot / temat 13 z 16 Moduł 9. Przygotowanie zespołu do próbnego zastosowania AI | Typ aktywności Zajęcia | Prowadzący Dawid Lada | Data realizacji zajęć 09-02-2027 | Godzina rozpoczęcia 14:30 | Godzina zakończenia 16:30 | Liczba godzin 02:00 |
Przedmiot / temat 14 z 16 Moduł 10. Porównanie narzędzi i przygotowanie planu pilotażu | Typ aktywności Zajęcia | Prowadzący Dawid Lada | Data realizacji zajęć 22-02-2027 | Godzina rozpoczęcia 12:30 | Godzina zakończenia 15:15 | Liczba godzin 02:45 |
Przedmiot / temat 15 z 16 - | Typ aktywności Przerwa | Prowadzący - | Data realizacji zajęć 22-02-2027 | Godzina rozpoczęcia 15:15 | Godzina zakończenia 15:30 | Liczba godzin 00:15 |
Przedmiot / temat 16 z 16 - | Typ aktywności Walidacja | Prowadzący - | Data realizacji zajęć 22-02-2027 | Godzina rozpoczęcia 15:30 | Godzina zakończenia 16:30 | Liczba godzin 01:00 |
Podsumowanie
| Rodzaj godzin | Liczba godzin |
|---|---|
Rodzaj godzin Suma godzin zegarowych usługi | Liczba godzin 20:00 |
Rodzaj godzin w tym suma godzin zajęć | Liczba godzin 17:45 |
Rodzaj godzin w tym suma godzin walidacji | Liczba godzin 01:00 |
Rodzaj godzin w tym suma przerw | Liczba godzin 01:15 |
Rodzaj godzin Suma godzin dydaktycznych bez przerw | Liczba godzin 25:00 |
Cena
Cena
Cennik
| Rodzaj ceny | Cena |
|---|---|
Rodzaj ceny Koszt przypadający na 1 uczestnika brutto | Cena 7 533,75 PLN |
Rodzaj ceny Koszt przypadający na 1 uczestnika netto | Cena 6 125,00 PLN |
Rodzaj ceny Koszt osobogodziny brutto | Cena 376,69 PLN |
Rodzaj ceny Koszt osobogodziny netto | Cena 306,25 PLN |
Liczba godzin usługi
| Rodzaj godzin | Liczba godzin |
|---|---|
Rodzaj godzin Liczba godzin zegarowych usługi | Liczba godzin 20:00 |
Prowadzący
Prowadzący
Dawid Lada
rozwiązań agentowych AI. Od ponad 5 lat związany zawodowo z AI, machine learning i
technologiami LLM. Projektuje i wdraża systemy AI dla przedsiębiorstw i instytucji publicznych,
łącząc kompetencje techniczne z analizą biznesową i projektowaniem procesów w BPMN.
Jako AI/LLM Solutions Architect w NEUTRINA odpowiada za projektowanie systemów agentowych,
automatyzację procesów, integracje systemów oraz rozwiązania wykorzystujące LLM i RAG.
Wcześniej jako ML Engineer i Specjalista Machine Learning realizował projekty badawczo-
rozwojowe finansowane przez NCBR, obejmujące m.in. systemy antyfraudowe, rekomendacyjne,
klasyfikację intencji oraz dynamiczne profilowanie cenowe.
Posiada doświadczenie w prowadzeniu szkoleń i warsztatów z zakresu AI literacy, automatyzacji,
bezpiecznego wykorzystania AI, AI Act, RODO, promptowania, RAG oraz identyfikacji procesów
możliwych do automatyzacji. Prowadził szkolenia dla zespołów technicznych, pracowników back-
office, zarządów i sektora finansowego.
W 2026 r. ukończył kurs „Generative AI for Sustainability”, rozwijając kompetencje w zakresie
wykorzystania generatywnej AI na rzecz zrównoważonego rozwoju.
Posiada tytuł magistra Sztucznej Inteligencji i Data Science (Częstochowa 02/2021-09/2022) oraz
inżyniera Inżynierii Oprogramowania (Częstochowa 10/2017 - 09/2022)
Paula Skrzypecka
zarządzanie ryzykiem, ISO/IEC 27001 i 42001, bezpieczne wykorzystanie LLM, prompt engineering,
asystenci AI, inżynieria wiedzy oraz umowy AI (SaaS, chmura, SLA, dane, IP i odpowiedzialność).
CEO i współzałożycielka Pantres (od 2025)
, doradztwa prawnego specjalizującego się w AI, oraz AI
Leaders (od 2026)
, programu edukacyjnego dla kadry menedżerskiej. Wspiera organizacje we
wdrażaniu AI – od oceny zgodności i zarządzania danymi, przez umowy i governance, po
zarządzanie ryzykiem i współpracę z regulatorami.
W latach 2022–2026 Liderka Praktyki Technologicznej w Creativa Legal, gdzie doradzała przy
wdrożeniach AI i SaaS oraz na rynkach regulowanych. Wcześniej prawniczka ds. ochrony danych i
zewnętrzna IOD (2017–2022).
Prowadziła szkolenia AI dla sektora finansowego, farmaceutycznego, medycznego,
telekomunikacyjnego i technologicznego. Wykładała na UKSW oraz gościnnie w Akademii Leona
Koźmińskiego, SWPS i Uniwersytecie Śląskim. Prelegentka m.in. Infoshare, AI Summit Poland i
Carpathian AI Summit. Mentorka programów startupowych NCBR.
Informacje dodatkowe
Informacje dodatkowe
Informacje o materiałach dla uczestników usługi
Każdy uczestnik otrzyma konspekt z materiałami w wersji cyfrowej.
Warunki uczestnictwa
W przypadku szkoleń dofinansowanych z funduszy europejskich warunkiem uczestnictwa jest zarejestrowanie się i założenie konta w Bazie Usług Rozwojowych, zapisanie się na szkolenie za pośrednictwem Bazy oraz spełnienie wszystkich warunków określonych przez Operatora, który udziela dofinansowania.
Informacje dodatkowe
Informacja dotycząca uwzględniania podatku VAT: zwolnienie z VAT na podstawie § 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