Warsztat dla osób odpowiedzialnych za dokumentację wewnętrzną, polityki, procedury i procesy wymagające dostępu do wiedzy specyficznej dla organizacji.

Celem szkolenia jest nauczenie uczestników, jak wyposażyć asystenta AI w wiedzę, której publiczne modele nie posiadają – wiedzę o polityce rachunkowości własnej firmy, planie kont, procedurach, instrukcjach wewnętrznych, umowach typowych. Uczestnicy poznają mechanizm retrieval-augmented generation (RAG) w ujęciu praktycznym, porównają trzy dostępne ścieżki techniczne oraz zbudują własną firmową bazę wiedzy gotową do wdrożenia, z zachowaniem zasad poufności i zgodności regulacyjnej.

I. Granica wiedzy modelu – co AI wie, a czego nie wie o Twojej firmie

Cel: Zrozumienie fundamentalnej różnicy między wiedzą publiczną modelu a wiedzą specyficzną dla organizacji.

Opis przebiegu: Prowadzący wprowadza koncepcję granicy wiedzy modelu: AI zna polską ustawę o rachunkowości, ale nie zna polityki rachunkowości konkretnej firmy; zna standardy raportowania, ale nie zna konkretnych szablonów stosowanych w organizacji uczestnika. Uczestnicy wykonują ćwiczenie: formułują dziesięć pytań specyficznych dla swojej firmy, na które żadne publiczne AI nie zna odpowiedzi. Grupa wspólnie klasyfikuje typy tych pytań i identyfikuje wzorce: procedury, wartości graniczne, odpowiedzialności, terminy, odstępstwa.

Rezultaty:
• Uczestnicy rozumieją, gdzie leży granica między wiedzą publiczną a firmową.
• Potrafią zidentyfikować obszary, w których RAG przyniesie realną wartość biznesową.

II. Trzy ścieżki retrievala – Claude Projects, NotebookLM, custom RAG

Cel: Porównanie trzech dostępnych podejść do budowy asystenta z wiedzą firmową.

Opis przebiegu: Uczestnicy testują ten sam pakiet dokumentów firmowych (plan kont, polityka rachunkowości, instrukcja obiegu dokumentów) w trzech środowiskach: Claude Projects, Google NotebookLM oraz custom RAG zbudowany w ramach demonstracji prowadzącego. Porównują jakość odpowiedzi, precyzję cytowań, obsługę długich dokumentów, koszt utrzymania, poziom kontroli nad bezpieczeństwem danych. Debriefing kończy się matrycą decyzyjną: które rozwiązanie dla której organizacji i którego procesu.

Rezultaty:
• Uczestnicy potrafią wybrać odpowiednią ścieżkę techniczną dla potrzeb swojej firmy.
• Rozumieją kompromisy między prostotą wdrożenia, kosztem a poziomem kontroli.

III. Projektowanie asystenta firmowego – zasada „jeden asystent, jeden cel”

Cel: Opanowanie zasad projektowania skutecznego asystenta z bazą wiedzy.

Opis przebiegu: Uczestnicy w parach projektują asystenta firmowego dla konkretnego procesu: asystent zamknięcia miesiąca, asystent polityki rachunkowości, asystent procedur zakupowych. Budują go w Claude Projects w trzech iteracjach: wersja bazowa, wersja po testach, wersja po peer review. Prowadzący wprowadza antypattern „asystenta od wszystkiego” i pokazuje, dlaczego wyspecjalizowany asystent zawsze wygrywa jakością z uniwersalnym.

Rezultaty:
• Uczestnicy potrafią zaprojektować asystenta firmowego z precyzyjnie określonym zakresem.
• Rozumieją, dlaczego segmentacja wiedzy na wyspecjalizowane asystenty poprawia jakość odpowiedzi.

IV. Compliance i poufność – co może, a co nie może trafić do chmurowego modelu

Cel: Zbudowanie świadomości regulacyjnej i bezpieczeństwa danych w kontekście wdrożeń RAG.

Opis przebiegu: Prowadzący prezentuje studium przypadku: pracownik wrzucił do publicznego chatbota politykę wynagrodzeń zawierającą imiona i kwoty. Uczestnicy analizują kaskadę konsekwencji: RODO, tajemnica przedsiębiorstwa, obowiązki informacyjne, AI Act. Następnie tworzą wspólnie mapę ryzyk dla własnej firmy i decyzyjną matrycę: co wolno, co wymaga anonimizacji, co wymaga lokalnego modelu (np. Bielik), czego nie wolno nigdy.

Rezultaty:
• Uczestnicy znają granice bezpieczeństwa danych w pracy z modelami chmurowymi.
• Potrafią ocenić, które procesy wymagają rozwiązania on-premise lub suwerennego AI.

V. Projekt warsztatowy – firmowa baza wiedzy w Claude Projects

Cel: Zbudowanie funkcjonalnej firmowej bazy wiedzy gotowej do pilotażu w organizacji uczestnika.

Opis przebiegu: Każdy uczestnik identyfikuje jeden proces w swojej firmie, który wymaga dostępu do wiedzy firmowej, i buduje dla niego dedykowany Claude Project: od pięciu do siedmiu dokumentów, precyzyjny system prompt, testowe pytania, checklista weryfikacji. Na zamknięciu uczestnik przedstawia plan: które kolejne dokumenty doda, kto w organizacji będzie pierwszym testerem, jaki wskaźnik pozwoli ocenić wartość asystenta po trzydziestu dniach.

Rezultaty:
• Uczestnicy wynoszą z warsztatu działającą firmową bazę wiedzy z pierwszym przypadkiem użycia.
• Mają plan trzydziestodniowego pilotażu w swojej organizacji.