Kurs jest skierowany do kierowników projektów, liderów transformacji cyfrowej, menedżerów biznesowych, product ownerów, analityków biznesowych oraz osób odpowiedzialnych za wdrażanie innowacji i rozwiązań AI w organizacji. Szkolenie będzie również wartościowe dla członków zespołów projektowych, którzy chcą lepiej zrozumieć specyfikę planowania, realizacji i wdrażania projektów opartych na sztucznej inteligencji.

Uczestnicy poznają metodykę prowadzenia projektów AI od identyfikacji potrzeb biznesowych po wdrożenie i rozwój rozwiązań opartych na sztucznej inteligencji. Nauczą się planować projekty AI, zarządzać ryzykiem, współpracować z ekspertami technologicznymi oraz oceniać wartość biznesową wdrażanych rozwiązań.

Korzyści dla uczestników
• Umiejętność prowadzenia projektów AI od pomysłu do wdrożenia.
• Zrozumienie specyfiki projektów wykorzystujących sztuczną inteligencję.
• Poznanie metod oceny opłacalności inicjatyw AI.
• Umiejętność współpracy z zespołami biznesowymi i technologicznymi.
• Gotowość do pełnienia roli kierownika projektów AI.

Kurs prowadzony jest w formule warsztatowej i praktycznej, z naciskiem na pracę na przykładach biznesowych, analizę studiów przypadków oraz wypracowywanie konkretnych artefaktów projektowych. Metodyka zajęć opiera się na sprawdzonych podejściach zarządzania projektami, w szczególności PMBOK, PRINCE2 oraz Agile, które są adaptowane do specyfiki projektów AI. Uczestnicy pracują nad kartą projektu, business case’em, backlogiem, planem wdrożenia, rejestrem ryzyk i roadmapą działań, dzięki czemu zdobywają nie tylko wiedzę teoretyczną, ale przede wszystkim praktyczne umiejętności możliwe do wykorzystania bezpośrednio w organizacji.

Moduł 1. Inicjowanie projektu AI – od pomysłu do uzasadnienia biznesowego.

Efekt dla uczestnika
Uczestnik potrafi rozpoznać obszary organizacji, w których AI może przynieść realną wartość biznesową oraz przygotować założenia projektu AI.

Zakres

AI w organizacji – możliwości i ograniczenia
• Rodzaje rozwiązań AI wykorzystywanych w biznesie.
• AI generatywna, agenci AI, automatyzacja procesów.
• Typowe przypadki zastosowań w różnych branżach.

Identyfikacja potrzeb biznesowych
• Problemy nadające się do rozwiązania przez AI.
• Ocena potencjału biznesowego inicjatyw.
• Analiza interesariuszy projektu.

Definiowanie celu projektu AI
• Problem biznesowy vs problem technologiczny.
• Formułowanie mierzalnych celów.
• Określanie wskaźników sukcesu.

Business Case dla projektu AI
• Analiza kosztów i korzyści.
• ROI dla projektów AI.
• Szacowanie wartości biznesowej.

Warsztat
• Opracowanie karty projektu AI.
• Przygotowanie uzasadnienia biznesowego.

Moduł 2. Planowanie projektu AI.

Efekt dla uczestnika
Uczestnik potrafi zaplanować projekt AI, określić zakres prac, zasoby, harmonogram oraz ryzyka charakterystyczne dla projektów opartych o sztuczną inteligencję.

Zakres

Cykl życia projektu AI
• Fazy projektu AI.
• Specyfika projektów danych i modeli AI.
• Różnice między projektami IT a projektami AI.

Definiowanie zakresu
• Określanie wymagań biznesowych.
• Tworzenie backlogu funkcjonalności.
• Zarządzanie oczekiwaniami interesariuszy.

Zarządzanie danymi
• Znaczenie jakości danych.
• Przygotowanie danych do projektu.
• Wymagania dotyczące bezpieczeństwa i zgodności.

Harmonogramowanie projektu
• Szacowanie prac.
• Kamienie milowe.
• Plan wdrożenia.

Zarządzanie ryzykiem
• Ryzyka technologiczne.
• Ryzyka organizacyjne.
• Ryzyka prawne i etyczne.

Warsztat
• Budowa planu projektu AI.
• Opracowanie rejestru ryzyk.

Moduł 3. Realizacja projektu AI i współpraca z zespołem.

Efekt dla uczestnika
Uczestnik potrafi skutecznie prowadzić realizację projektu AI, współpracować z ekspertami biznesowymi i technologicznymi oraz monitorować postępy projektu.

Zakres

Role w projekcie AI
• Sponsor projektu.
• Kierownik projektu.
• Ekspert biznesowy.
• Data Scientist.
• AI Engineer.
• Ekspert ds. bezpieczeństwa i zgodności.

Zarządzanie zespołem interdyscyplinarnym
• Komunikacja między biznesem i IT.
• Podejmowanie decyzji projektowych.
• Zarządzanie zmianą.

Zarządzanie wymaganiami
• Iteracyjne doprecyzowywanie wymagań.
• Walidacja rezultatów.
• Zarządzanie zakresem.

Monitorowanie projektu
• KPI projektu AI.
• Kontrola jakości.
• Raportowanie postępów.

Warsztat
• Symulacja realizacji projektu AI.
• Analiza problemów projektowych.

Moduł 4. Wdrożenie, skalowanie i zarządzanie wartością biznesową AI.

Efekt dla uczestnika
Uczestnik potrafi przygotować organizację do wdrożenia rozwiązania AI oraz monitorować osiąganie zakładanych korzyści biznesowych.

Zakres

Wdrożenie rozwiązania AI
• Przygotowanie organizacji.
• Zarządzanie zmianą.
• Szkolenie użytkowników.
Governance AI
• Odpowiedzialne wykorzystanie AI.
• Zarządzanie zgodnością.
• Polityki i standardy organizacyjne.

Pomiar efektów biznesowych
• Monitorowanie korzyści.
• Ocena skuteczności rozwiązania.
• Zarządzanie wartością projektu.

Skalowanie AI w organizacji
• Od pilotażu do wdrożenia organizacyjnego.
• Budowa portfolio inicjatyw AI.
• AI jako element strategii firmy.

Warsztat końcowy
• Opracowanie roadmapy wdrożenia AI.
• Prezentacja projektu przed zarządem.