Bartłomiej Nita – profesor Uniwersytetu Ekonomicznego we Wrocławiu, doktor habilitowany nauk ekonomicznych, kierownik Katedry Rachunkowości, Sprawozdawczości i Analizy Finansowej. Studiował finanse i rachunkowość także na University of Limerick w Irlandii. Łączy doświadczenie akademickie z wieloletnią praktyką doradczą. Specjalizuje się w wycenie przedsiębiorstw, analizie finansowej, controllingu oraz wykorzystaniu sztucznej inteligencji w zarządzaniu i finansach. Współpracował z firmami konsultingowymi, przygotowując ekspertyzy gospodarcze, programy restrukturyzacji, wyceny spółek oraz projekty transformacji cyfrowej z użyciem AI. Projektuje nowoczesne systemy controllingu, rachunkowości i raportowania menedżerskiego, integrując w nich rozwiązania oparte na AI i narzędziach generatywnych (ChatGPT, Copilot, Gemini, Claude, Perplexity). Jako ekspert łączy wiedzę o finansach z praktyką wykorzystania AI w automatyzacji procesów, analizie danych, prognozowaniu i podejmowaniu decyzji strategicznych. Jako trener biznesu prowadzi szkolenia w Polsce i za granicą, w języku polskim i angielskim. Wyróżnia go unikalna umiejętność tłumaczenia złożonych zagadnień – od rachunkowości po sztuczną inteligencję – w sposób prosty i praktyczny. Ma na swoim koncie kilkaset szkoleń i warsztatów, w tym dedykowanych AI w finansach, controllingu, HR, marketingu i compliance. Wykłada na programach MBA we Wrocławiu i w Warszawie, jest opiekunem i koordynatorem studiów MBA Artificial Intelligence, Finance and Technology w Politechnice Warszawskiej, a także gościnnie współpracuje z uczelniami zagranicznymi. Jest autorem ponad 100 publikacji naukowych dotyczących finansów, zarządzania i transformacji cyfrowej oraz aktywnym członkiem międzynarodowych środowisk branżowych.

Celem szkolenia jest rozwinięcie zdolności uczestników do praktycznego wykorzystania GenAI w procesach finansowych, ze szczególnym uwzględnieniem analizy danych, raportowania oraz automatyzacji pracy.

Po ukończeniu szkolenia uczestnik:
• potrafi zautomatyzować wybrane procesy analityczne i raportowe (redukcja czasu pracy o 30–70% w wybranych zadaniach),
• wykorzystuje AI do interpretacji danych finansowych i wsparcia decyzji zarządczych,
• projektuje powtarzalne i kontrolowalne prompty finansowe,
• rozumie ograniczenia modeli AI i potrafi zarządzać ryzykiem halucynacji,
• potrafi wdrożyć proste integracje (Excel + GPT + n8n) w środowisku organizacji,
• zna zasady compliance, RODO i AI Act w kontekście finansów.

Uczestnik kończy szkolenie z:
• gotowymi rozwiązaniami (Excel + GPT + n8n),
• zestawem promptów i schematów analitycznych,
• umiejętnością automatyzacji raportowania,
• świadomością ryzyk i zasad compliance.

Nie jest wymagana znajomość programowania.

Szkolenie adresowane jest do specjalistów i menedżerów finansów, w szczególności:
• dyrektorów finansowych (CFO) i ich bezpośrednich zespołów,
• kontrolerów finansowych i specjalistów FP&A,
• analityków finansowych i biznesowych,
• księgowych i specjalistów ds. sprawozdawczości,
• audytorów wewnętrznych i ekspertów ds. ryzyka,
• specjalistów BI / data / digital transformation w finansach,
• liderów projektów automatyzacji i transformacji cyfrowej.

Moduł 1. AI w finansach – kontekst strategiczny i ekonomika wdrożeń:
• mierzalna efektywność automatyzacji pracy finansowej – jak skrócić czas raportowania, zwiększyć produktywność zespołu i poprawić jakość decyzji zarządczych,
• AI jako element strategii organizacji – od inicjatyw pilotażowych do budowy przewagi konkurencyjnej i transformacji funkcji finansowej,
• AI vs Business Intelligence vs RPA – różnice funkcjonalne i komplementarność podejść (od raportowania „co się stało” do rekomendacji „co zrobić dalej”),
• identyfikacja procesów o najwyższym potencjale automatyzacji – jak znaleźć „quick wins” w controllingu, FP&A i raportowaniu.

Moduł 2. Fundamenty technologiczne AI dla finansistów:
• jak działają LLM – modele predykcyjne vs rzeczywiste rozumienie, implikacje dla jakości analiz finansowych,
• tokeny, parametry i koszty przetwarzania – jak język, struktura danych i sposób zadawania pytań wpływają na efektywność i koszt pracy z AI,
• multimodalność – analiza jednocześnie tekstu, tabel i wykresów (np. raportów finansowych PDF),
• ograniczenia modeli – gdzie kończy się użyteczność AI i zaczyna ryzyko.

Moduł 3. Halucynacje AI i kontrola jakości analizy – jak tym zarządzać i unikać błędów:
• mechanizmy powstawania błędów – dlaczego AI generuje przekonujące, ale nieprawdziwe odpowiedzi,
• typologia ryzyk – błędy liczbowe, interpretacyjne, prawne i regulacyjne w kontekście finansów,
• „złoty trójkąt” – praktyczny framework pracy z AI w środowisku profesjonalnym,
• techniki ograniczania błędów i halucynacji – jak zwiększyć precyzję i wiarygodność odpowiedzi oraz wyeliminować błędy.

Moduł 4. Modele GPT i konfiguracja środowiska pracy:
• zastosowania modeli GPT w finansach – od analizy danych po wsparcie decyzji strategicznych,
• tryby pracy (Auto, Thinking, Instant) – jak dopasować „tryb myślenia” AI do złożoności zadania (raport vs szybkie podsumowanie vs analiza scenariuszowa),
• budowa własnego „profilu analityka” (np. CFO, kontroler, audytor),
• konfiguracja stylu i jakości odpowiedzi – jak uzyskać spójne, profesjonalne i powtarzalne wyniki.

Moduł 5. Prompt engineering w finansach – praktyka:
• struktura promptu,
• zaawansowane techniki promptowania:
– few-shot,
– chain-of-thought,
– role prompting.
• budowa banku promptów – tworzenie gotowych szablonów do raportowania, analizy KPI, plnowania i komunikacji zarządczej.

Moduł 6. Narzędzia AI w finansach:
• ChatGPT, Copilot, Gemini, Claude – porównanie funkcjonalne,
• GPTs jako „wirtualni analitycy” – tworzenie wyspecjalizowanych asystentów (np. analityk KPI, doradca CFO, specjalista AML),
• dobór narzędzia do procesu – jak dopasować rozwiązanie do ekosystemu organizacji.

Moduł 7. Zastosowania AI w finansach:
• analiza KPI i wyników – automatyczna interpretacja danych i identyfikacja kluczowych trendów,
• prognozy i scenariusze – wsparcie planowania finansowego i analizy wariantowej,
• fraud detection i AML – wykorzystanie AI w wykrywaniu anomalii i zarządzaniu ryzykiem,
• compliance i ryzyko – automatyzacja kontroli zgodności i wsparcie procesów regulacyjnych,
• AI w dekretowaniu dokumentów.

Moduł 8. AI w analizie danych finansowych:
• analiza rachunku zysków i strat, bilansu i cash flow – szybka interpretacja danych i identyfikacja zależności,
• wykrywanie anomalii – identyfikacja odchyleń i potencjalnych ryzyk,
• interpretacja wyników – generowanie wniosków i rekomendacji zarządczych,
• analiza danych w Excel + AI – praktyczna praca na rzeczywistych datasetach finansowych.

Moduł 9. Automatyzacja raportowania CFO:
• automatyczne komentarze zarządcze – spójne, profesjonalne opisy wyników finansowych,
• executive summary – szybkie generowanie syntetycznych podsumowań dla zarządu,
• standaryzacja narracji – ujednolicenie komunikacji finansowej w organizacji,
• skracanie procesu raportowania – od kilku godzin pracy do kilkunastu minut.

Moduł 10. Nowe narzędzia AI w finansach:
• Sora, Eleven Labs, Notion AI – rozszerzenie możliwości AI poza analizę danych,
• zastosowania w komunikacji i raportowaniu – prezentacje wyników, narracja CFO, automatyczne dokumenty i raporty,
• integracja różnych form komunikacji – tekst, głos, wideo jako nowy standard raportowania.

Moduł 11. Integracja Excel + GPT – automatyzacja analityki pracy w Excelu:
• architektura rozwiązania (Excel → API → GPT → Excel) – przejście od pracy manualnej do systemowej
• praca w EXCEL-u z wykorzystaniem sztucznej inteligencji
• automatyczne komentarze finansowe – generowanie interpretacji danych bez udziału analityka
• analiza KPI i alerty – automatyczne wykrywanie odchyleń i sygnalizowanie ryzyk
• kontrola jakości – walidacja wyników i zapewnienie zgodności z wymaganiami organizacji

Moduł 12. Automatyzacja procesów finansowych za pomocą n8n:
• workflow: dane → AI → raport, czyli pełna automatyzacja procesu analitycznego,
• integracja systemów (Excel, ERP, e-mail, API) – łączenie rozproszonych źródeł danych,
• automatyczne raporty i alerty – raporty generowane cyklicznie bez udziału człowieka,
• n8n jako centralny system automatyzacji.

Moduł 13. Etyka, compliance i regulacje AI:
• RODO i AI Act – wymagania regulacyjne dla wykorzystania AI w finansach,
• odpowiedzialność decyzyjna – rola człowieka w procesie analitycznym,
• audyt wykorzystania AI – transparentność i kontrola procesów,
• ryzyko prawne i reputacyjne – jak bezpiecznie wdrażać AI w organizacji.