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 przekazanie uczestnikom praktycznych umiejętności i wiedzy na temat wykorzystania generatywnej sztucznej inteligencji (GenAI), w szczególności narzędzi takich jak ChatGPT, w pracy finansistów. Szkolenie obejmuje zarówno strategiczne aspekty wdrażania GenAI w środowisku finansowym, jak i szczegółowe zastosowania w analizie danych, raportowaniu, komunikacji oraz automatyzacji pracy analityków i kontrolerów.

Po ukończeniu szkolenia uczestnicy będą potrafili:
• efektywnie wykorzystywać narzędzia GenAI do analizy danych i tworzenia raportów finansowych,
• projektować skuteczne podpowiedzi (prompty) w kontekście finansowym,
• wdrażać narzędzia AI w codziennej pracy z zachowaniem zasad bezpieczeństwa, zgodności z przepisami i etyki,
• świadomie oceniać ograniczenia GenAI oraz zarządzać ryzykiem związanym z jego zastosowaniem,
• rozwijać własne rozwiązania przy użyciu prostych automatyzacji (np. Python, lokalne modele AI).

Szkolenie adresowane jest do specjalistów i menedżerów działów finansowych, w szczególności do:
• analityków finansowych,
• kontrolerów i specjalistów ds. raportowania,
• księgowych,
• dyrektorów finansowych (CFO),
• audytorów i ekspertów ds. ryzyka,
• doradców inwestycyjnych i podatkowych,
• członków zespołów FP&A oraz BI,
• liderów projektów transformacji cyfrowej w finansach.

Szkolenie nie wymaga umiejętności programowania – wszystkie rozwiązania prezentowane są w przystępny sposób i oparte na gotowych narzędziach.

Szkolenie prowadzone jest metodą warsztatową i opiera się na zasadzie „learn & apply” – czyli połączenia wiedzy teoretycznej z intensywnym zastosowaniem praktycznym.

W szczególności wykorzystujemy:
• krótkie wprowadzenia eksperckie do każdego modułu (mini wykłady),
• ćwiczenia indywidualne z użyciem ChatGPT i innych narzędzi GenAI,
• studia przypadków z praktyki zespołów finansowych
• analizę konkretnych danych finansowych w arkuszach Excel,
• pracę z gotowymi promptami i budowanie własnych zestawów zapytań.

Szkolenie prowadzone jest w formule interaktywnej z dostępem do środowiska testowego AI, a każdy uczestnik otrzymuje materiały szkoleniowe, przykładowe prompty oraz checklistę wdrożeniową dla swojego zespołu finansowego.

Moduł 1. GenAI w Finansach – Wprowadzenie dla finansistów i analityków
1. Czym jest Generative AI vs tradycyjna analityka i RPA.
2. Przegląd kluczowych narzędzi.
3. Ryzyka i zabezpieczenia: prywatność, poufność, halucynacje.

Moduł 2. Podstawy generatywnej AI
1. Jak działają modele LLM (duże modele językowe).
2. Różnice między interfejsem webowym a API.
3. Konstrukcja promptu: Rola, Kontekst, Zadanie, Format, Ton.
4. Dopasowanie tonu: formalny, zwięzły, asertywny.
5. Efektywne promptowanie: techniki few-shot, chain-of-thought, zero-shot.

Moduł 3. AI jako narzędzie wsparcia i efektywna komunikacja z AI
1. Uzyskiwanie odpowiedzi na pytania prawno-podatkowe i analiza ich wiarygodności.
2. Tłumaczenie i streszczanie dokumentów.
3. Tworzenie wirtualnych person i przewidywanie reakcji interesariuszy.
4. Wykorzystywanie AI do przekształcania zrzutów ekranów i eksploracji internetu.
5. Automatyczne transkrypcje spotkań, spotykanie się z barierą językową.

Moduł 4. AI w bezpiecznym środowisku i z Pythonem
1. Praca offline i lokalne modele dla lepszej kontroli.
2. Proste automatyzacje finansowe w Pythonie bez zaawansowanego kodowania.

Moduł 5. Ograniczenia i ryzyka GenAI
1. Koszty, zgodność z RODO i AI Act, prawa autorskie.
2. Polityki wewnętrzne firmy wobec AI.
3. Etyka w wykorzystaniu generatywnej AI.

Moduł 6. Nowe narzędzia i trendy
1. Sora, Eleven Labs, Notion AI – nowe możliwości.
2. Scenariusze użycia w finansach.

Moduł 7. Prompt Engineering w Finansach
1. Tworzenie zaawansowanych promptów: analiza sprawozdań, scenariuszy finansowych, KPIs.
2. Użycie person w promptowaniu
3. Warsztat: testowanie promptów z rzeczywistymi zadaniami analitycznymi.

Moduł 8. ChatGPT jako Asystent Analityka
1. Praca z danymi: Excel za pomocą narzędzia Advanced Data Analysis.
2. Analiza trendów, korelacji, anomalii.
3. Podsumowania i interpretacje wyników.
4. Analiza wiadomości rynkowych.

Moduł 9. Automatyzacja raportowania finansowego
1. Generowanie szkiców raportów (komentarze, wnioski, executive summary).
2. Opisy wykresów i komunikacja zarządcza.
3. Tworzenie podsumowań kwartalnych na podstawie danych z poprzedniego modułu.

Moduł 10. Wdrożenie GenAI w zespole finansowym
1. Weryfikacja wyników wygenerowanych przez AI.
2. Zasady wdrażania AI w zespołach – dokumentacja, workflow.
3. Etyczne aspekty użycia AI.