Praktyczny warsztat dla osób, które pracują na liczbach i tekstach analitycznych. Bez teorii akademickiej: uczestnicy wykonują realne zadania na danych syntetycznych, a następnie przenoszą gotowe schematy pracy na własne procesy. Każde ćwiczenie prowadzone jest w dwóch wariantach narzędziowych — dla osób pracujących w dowolnym czacie AI oraz dla osób z licencją Microsoft 365 Copilot.

Dzień 1 — AI i Copilot w codziennej pracy analitycznej

Cel dnia: uczestnik poznaje zasady bezpiecznej pracy z AI, buduje skuteczne prompty oraz wykorzystuje AI do analizy danych i tworzenia komentarzy zarządczych.

1. Otwarcie i zasady pracy
• Cele uczestników, zasady bezpieczeństwa danych.

2. AI w pracy analitycznej — podstawy
• Modele językowe, asystenci i agenci oraz różnice między AI, RPA i klasyczną automatyzacją.
• Zastosowania w finansach i ograniczenia: jakość danych, halucynacje, obliczenia i dostęp do źródeł.

Efekt dla uczestnika: umie ocenić w 30 sekund, czy dane zadanie jest „dla AI”, i przewidzieć, gdzie AI się pomyli.

3. Zastosowania AI w analizie
Przegląd zastosowań w układzie przekrojowym, tak aby każdy uczestnik znalazł przykłady ze swojego obszaru:
• Controlling i FP&A, sprawozdawczość, dane transakcyjne, ryzyko, analiza kredytowa oraz komunikacja.
• Wybór zastosowań o największym potencjale dla własnego obszaru.
Efekt dla uczestnika: własna, zawężona lista zastosowań zamiast ogólnego „AI pomaga w finansach”.

4. Prompt analityczny — warsztat
• Struktura promptu: rola, kontekst, dane, zadanie, format i ograniczenia.
• Iteracja, krytyka odpowiedzi i budowa wzorców do raportów cyklicznych.
Efekt dla uczestnika: umiejętność, która działa w każdym narzędziu — niezależna od licencji i dostawcy.

5. Warsztat: analiza danych finansowych
Pracujemy na przygotowanym zbiorze syntetycznym. To samo zadanie wykonujemy dwiema drogami i porównujemy efekt.
• Przygotowanie danych, identyfikacja odchyleń i analiza przyczyn.
• Formuły, Power Query, zestawienia i wizualizacja wyników dla odbiorcy zarządczego.

Efekt dla uczestnika: przepracowana ścieżka analizy odchyleń, którą można powtórzyć na własnych danych w najbliższym zamknięciu miesiąca — w wersji dostępnej dla swojego stanowiska.

6. Warsztat: komentarz zarządczy
• Budowa narracji z liczb, dopasowanie stylu do odbiorcy i standaryzacja komentarza.
Efekt dla uczestnika: gotowy, własny szablon komentarza plus zestaw promptów stylistycznych.

7. Automatyzacja procesów analitycznych
• Ocena powtarzalności, jakości danych, wolumenu, ryzyka i wymogów kontrolnych.
• Dobór AI, RPA, Excela lub Power Query do typu zadania.

Efekt dla uczestnika: narzędzie do odsiewania pomysłów, które brzmią dobrze, ale nie mają sensu ekonomicznego.

8. Podsumowanie dnia
• Najważniejsze wnioski i wybór promptu do przetestowania na bezpiecznym przykładzie.

Dzień 2 — od pojedynczych zadań do wdrożenia

Cel dnia: uczestnik mapuje własny proces, wybiera priorytetowe zastosowania AI, ocenia ich wartość i ryzyko oraz przygotowuje plan wdrożenia.

1. Otwarcie dnia i wnioski z prób
• Co zadziałało, co nie zadziałało — szybka runda i korekta technik.

2. AI w analizie, prognozowaniu i modelach
• Hipotezy, scenariusze, analiza wrażliwości i recenzja modeli.
• Granice AI: precyzja, powtarzalność i audytowalność modeli.

Efekt dla uczestnika: realistyczna ocena, w których miejscach procesu planistycznego AI naprawdę pomoże.

3. Warsztat: mapowanie procesu i obszarów dla AI
• Wybór zanonimizowanego procesu, rozpisanie kroków i punktów bólu.
• Wskazanie działań dla AI, klasycznej automatyzacji i człowieka.
• Wstępna ocena oszczędności czasu, ryzyk i oczekiwanego efektu.

Efekt dla uczestnika: mapa procesu „jak jest / jak może być” jako podstawa wyboru use-case’ów.

4. Warsztat: use-case’y dla organizacji
• Generowanie zastosowań na podstawie mapy procesu oraz podział na szybkie usprawnienia i inicjatywy strategiczne.
• Odsiew pomysłów i wymiana przykładów między uczestnikami.

Efekt dla uczestnika: własna, uporządkowana lista zastosowań zamiast pojedynczych inspiracji.

5. Analiza wartości i priorytetyzacja
• Ocena wartości, trudności, ryzyka i dostępności danych.
• Macierz priorytetów, shortlista i mini-business case dla wybranego pomysłu.

Efekt dla uczestnika: materiał gotowy do przedstawienia w firmie w pierwszym tygodniu po szkoleniu.

6. Bezpieczeństwo, governance i ryzyka

Efekt dla uczestnika: jednostronicowa checklista bezpiecznego użycia AI, dopasowana do własnej roli.

7. Warsztat: ryzyka i anomalie w danych
• Wykrywanie anomalii, interpretacja sygnałów i walidacja hipotez.
• Kontrola krzyżowa liczb i przeciwdziałanie efektowi potwierdzenia.

Efekt dla uczestnika: nawyk weryfikacji, bez którego wyników AI nie da się użyć w raporcie.

8. Playbook codziennej pracy z AI
• Schemat: przygotowanie danych, prompt, weryfikacja, iteracja i dokumentacja.
• Standardy zespołowe, biblioteka promptów i rozwój kompetencji.

9. Plan wdrożenia i zakończenie
• Plan działań 30/60/90 dni i sposób pomiaru efektów.
• Pytania, konsultacje i zobowiązanie do pierwszego wdrożenia.

Efekt dla uczestnika: własny, zapisany plan działania — nie notatki, a zobowiązanie z terminami.