Sztuczna inteligencja jako asystent w firmie – szybciej, dokładniej i bezpiecznie z uwzględnieniem cyfrowych i zielonych kompetencji - szkolenie zakończone egzaminem zewnętrznym

Moduł 1. AI i GenAI w biznesie – podstawy i zastosowania

• czym jest AI i GenAI, gdzie realnie pomaga w firmie

• przykłady zastosowań w działach (administracja, HR, marketing, sprzedaż, obsługa klienta)

• szybki start z wdrożeniem AI – co, po co i jak mierzyć

• zielone i cyfrowe kompetencje: praca cyfrowa „bez nadprodukcji” (mniej zbędnych plików, porządek w dokumentach, ograniczanie drukowania)

Moduł 2. Prompt engineering – jak pisać polecenia, żeby AI działało lepiej

• prosty schemat dobrego polecenia (cel–kontekst–format–kryteria)

• poprawianie wyników i ograniczanie błędów (checklista jakości)

• jak unikać „halucynacji” i jak weryfikować odpowiedzi

• prompty do kontroli jakości – jak sprawdzać odpowiedź AI

• 3 sposoby na ograniczanie błędów AI

Moduł 3. Narzędzia AI do tekstu i pracy biurowej (ChatGPT, Gemini, Claude, Copilot, Perplexity)

• pisanie maili, ofert, opisów, notatek, streszczeń

• praca z dokumentami: procedury, instrukcje, FAQ, checklisty

• chatboty i wirtualni asystenci: jak przygotować FAQ i bazę wiedzy, aby bot odpowiadał spójnie

• wiarygodność i źródła – proste zasady weryfikacji

• bezpieczeństwo treści w firmie – czego nie wklejać do AI

• baza wiedzy dla bota – spójność i aktualizacja

Moduł 4. Generowanie grafiki, wideo i audio z AI (multimedia w firmie)

• grafika do materiałów firmowych i prezentacji

• wideo i audio: krótkie materiały informacyjne, instruktaż, komunikacja

• podstawy jakości: formaty, parametry, dobór narzędzia do celu

• zielone i cyfrowe kompetencje: optymalizacja plików i materiałów (mniej wersji, mniejszy rozmiar, sensowna publikacja)

• zasady bezpiecznej publikacji – obraz, logo, wizerunek, prawa do treści

• parametry i optymalizacja – jakość przy mniejszym obciążeniu

Moduł 5. Dane i podstawy ML w praktyce (bez programowania)

• jak AI wspiera analizę danych i raportowanie

• podstawy pojęć: typy problemów (prognoza, segmentacja, klasyfikacja) i kiedy je stosować

• czytanie wyników i wyciąganie wniosków biznesowych

• jakość danych – najczęstsze problemy i jak je rozpoznać

• dobór podejścia ML do problemu – prosta mapa decyzji

Moduł 6. Wdrażanie AI w firmie – projekt, plan i monitorowanie efektów

• planowanie wdrożenia: cel, zakres, proces, ryzyka, role w zespole

• mierzenie efektów: KPI, jakość, koszty, ryzyko, utrzymanie rozwiązania

• monitorowanie wdrożenia i reagowanie na problemy

• ryzyka wdrożenia i plan reakcji – co robić, gdy AI się myli

• monitoring w praktyce – co mierzyć i jak raportować

Moduł 7. Etyka, prawo i odpowiedzialne użycie AI

• bezpieczna praca z danymi i dokumentami – co wolno, a czego nie

• ryzyka: poufność, prawa do treści, błędy AI, nadużycia

• zielone kwalifikacje: odpowiedzialne i efektywne zasobowo użycie AI

• sytuacje ryzykowne – gotowe scenariusze i poprawne decyzje

• odpowiedzialne użycie AI w firmie – zasady zespołowe

Moduł 8. Komunikacja wyników i praca zespołowa przy projektach AI

• jasne przedstawianie wyników i rekomendacji osobom nietechnicznym

• praca zespołowa: role, odpowiedzialność, standard jakości

• zasady współpracy przy materiałach tworzonych z AI – kontrola jakości i spójność

• jak pokazywać wyniki AI osobom nietechnicznym

• role w zespole i standard jakości