1. Wprowadzenie do sztucznej inteligencji i modeli językowych
Modele językowe typu GPT są omawiane na tle szerszych pojęć, takich jak sztuczna inteligencja i uczenie maszynowe. Uczestnicy poznają sposób działania tych modeli, różnice między rozwiązaniami konwersacyjnymi a innymi narzędziami generatywnej AI oraz granice ich użycia. Program obejmuje też typowe zastosowania w pracy umysłowej i twórczej.
- czym jest sztuczna inteligencja i uczenie maszynowe?
- jak działają modele językowe typu GPT?
- różnice między modelami konwersacyjnymi i narzędziami generatywnej AI,
- możliwości i ograniczenia modeli językowych,
- obszary zastosowań AI w pracy umysłowej i twórczej.
2. Zastosowania AI w praktyce biznesowej
W praktyce biznesowej AI wspiera przetwarzanie tekstu, analizę danych i raportowanie, ale jej zastosowanie zależy od specyfiki procesu i działu. Omawiane są przykłady z obszaru sprzedaży, marketingu, HR, finansów, administracji i obsługi klienta. Sekcja pomaga rozpoznać zadania warte usprawnienia oraz ocenić korzyści, ograniczenia i ryzyka wdrożenia.
- automatyzacja zadań związanych z przetwarzaniem tekstu, analizą danych i raportowaniem,
- wsparcie pracy działów: sprzedaży, marketingu, HR, finansów, administracji i obsługi klienta,
- przykłady zastosowań AI w codziennych procesach firmowych,
- korzyści, ograniczenia i ryzyka związane z wdrażaniem AI w organizacji,
- identyfikacja zadań, które można usprawnić z pomocą AI.
3. Fundamenty Prompt Engineering – jak skutecznie komunikować się z AI
Skuteczność pracy z AI zależy od sposobu formułowania poleceń, pytań i kontekstu. Ten moduł wyjaśnia, czym jest prompt, jak określać cel, intencję i poziom precyzji oraz jak unikać typowych błędów komunikacyjnych. Uczestnicy porównują także przykłady trafnych i nietrafnych instrukcji kierowanych do modelu.
- czym jest prompt i jak go prawidłowo formułować?
- rola kontekstu, celu, intencji i precyzji polecenia,
- jak zadawać pytania, aby uzyskiwać bardziej trafne odpowiedzi?
- przykłady skutecznych i nieskutecznych promptów,
- najczęstsze błędy w komunikacji z AI.
4. Tworzenie zaawansowanych promptów krok po kroku
Złożone zadania warto rozkładać na etapy, a prompty budować tak, by precyzyjnie prowadziły model do oczekiwanego rezultatu. Uczestnicy uczą się definiować role i persony, przekazywać dane wejściowe oraz narzucać format odpowiedzi w tabelach, listach czy strukturach raportowych. Ważnym elementem jest iteracyjne dopracowywanie poleceń.
- rozbijanie złożonych zadań na etapy,
- tworzenie ról i person w promptach,
- przekazywanie danych wejściowych i określanie oczekiwanego rezultatu,
- formatowanie odpowiedzi: tabele, listy, podsumowania, struktury raportowe,
- iteracyjne ulepszanie promptów i doprecyzowywanie wyników.
5. Redagowanie i przekształcanie treści z pomocą AI
Pisanie z pomocą AI nie kończy się na wygenerowaniu pierwszej wersji, ponieważ równie ważna jest jej dalsza obróbka. Uczestnicy ćwiczą redagowanie maili, raportów, opisów i notatek, skracanie lub rozwijanie treści oraz dopasowanie stylu do odbiorcy. Zakres obejmuje także korektę językową i tworzenie dłuższych form tekstowych.
- pisanie i edytowanie tekstów: maile, raporty, opisy, streszczenia, notatki,
- tworzenie wersji alternatywnych, skracanie i rozwijanie treści,
- dopasowanie stylu i tonu wypowiedzi do odbiorcy,
- korekta językowa, poprawa błędów i optymalizacja komunikatów,
- generowanie dłuższych form tekstowych: artykułów, scenariuszy, raportów i materiałów informacyjnych.
6. Analiza danych i dokumentów
Tabele, pliki tekstowe i dokumenty często wymagają nie tylko odczytu, ale także selekcji informacji i ich interpretacji. Sekcja skupia się na tworzeniu zestawień, podsumowań i pytań do materiałów źródłowych oraz wydobywaniu kluczowych danych. Osobny nacisk położono na sprawdzanie poprawności odpowiedzi i kontrolę jakości wyników.
- praca z tabelami, plikami tekstowymi i dokumentami,
- generowanie zestawień, podsumowań i interpretacji,
- wyciąganie kluczowych informacji z dokumentów,
- tworzenie pytań do danych i dokumentów,
- weryfikacja poprawności odpowiedzi oraz kontrola jakości wyników.
7. Organizacja pracy i zarządzanie informacją
Planowanie pracy z użyciem AI obejmuje porządkowanie informacji i zamienianie ich w konkretne artefakty robocze. W tej sekcji uczestnicy tworzą harmonogramy, checklisty, notatki ze spotkań i listy zadań, a także struktury wiedzy. Dodatkowo wykorzystują AI do przygotowania procedur, instrukcji i propozycji rozwiązań.
- tworzenie planów, checklist i harmonogramów,
- generowanie notatek, podsumowań spotkań i list zadań,
- porządkowanie informacji i tworzenie struktur wiedzy,
- wsparcie AI w podejmowaniu decyzji i generowaniu propozycji rozwiązań,
- przygotowywanie instrukcji, procedur i szablonów pracy.
8. Kreatory zasobów i multimediów wspierane przez AI
Prezentacje, wizualizacje i materiały komunikacyjne można przygotowywać z udziałem AI szybciej i w bardziej uporządkowany sposób. Uczestnicy pracują nad treściami graficznymi, koncepcjami prostych animacji i wideo oraz materiałami edukacyjnymi, takimi jak testy i quizy. Ważną częścią jest też wsparcie pisania, researchu i redakcji.
- tworzenie treści do prezentacji, materiałów graficznych i wizualizacji,
- przygotowywanie koncepcji prostych animacji i materiałów wideo,
- generowanie testów, quizów i materiałów dydaktycznych,
- wsparcie AI w pisaniu, wyszukiwaniu informacji i redakcji treści,
- projektowanie materiałów komunikacyjnych, edukacyjnych i marketingowych z pomocą AI.
9. Warsztaty promptowania
Na bazie przykładów uczestników powstają prompty dopasowane do konkretnych zadań zawodowych i sposobu pracy w danej roli. Zajęcia obejmują także ulepszanie istniejących poleceń, porównanie dobrych praktyk oraz porządkowanie skutecznych schematów. Efektem jest biblioteka gotowych promptów do wykorzystania po szkoleniu.
- tworzenie promptów pod konkretne cele zawodowe uczestników,
- optymalizacja istniejących promptów,
- praca warsztatowa na przykładach uczestników,
- budowanie biblioteki gotowych promptów do wykorzystania po szkoleniu,
- omówienie dobrych praktyk i schematów pracy z AI.
10. Etyka, bezpieczeństwo i prawo w korzystaniu z AI
Agenci AI różnią się od klasycznych chatbotów tym, że realizują zadania wieloetapowe, współpracują z narzędziami i wspierają przebieg procesów. Sekcja obejmuje zastosowania biznesowe, zmiany w ekosystemie narzędzi agentowych oraz rolę Agents SDK i ChatGPT workplace agents. Istotnym elementem są integracje, nadzór człowieka i kontrola jakości.
- czym są agenci AI i czym różnią się od klasycznych chatbotów?
- przykłady zastosowań agentów AI w biznesie: analiza informacji, obsługa procesów, przygotowanie materiałów, wsparcie decyzyjne i automatyzacja powtarzalnych zadań,
- aktualne zmiany w ekosystemie narzędzi agentowych – Agent Builder jest wycofywany, a jego miejsce zajmują Agents SDK oraz ChatGPT workplace agents,
- agents SDK jako narzędzie do budowania, orkiestracji i rozwijania agentów AI wykonujących wieloetapowe zadania,
- ChatGPT workplace agents, czyli agenci działający w środowisku pracy ChatGPT, wspierający automatyzację powtarzalnych workflow, pracę z narzędziami firmowymi i realizację zadań zespołowych,
- rola integracji z dokumentami, aplikacjami, źródłami danych i procesami biznesowymi,
- bezpieczeństwo, nadzór człowieka i kontrola jakości w pracy z agentami AI.
11. Integracja AI z codzienną pracą
Korzystanie z AI w organizacji wymaga zasad dotyczących ochrony danych, odpowiedzialności i kontroli jakości wyników. Ta część porządkuje dobre praktyki zgodne z RODO, metody weryfikacji faktów i ograniczania halucynacji oraz ryzyka automatyzacji decyzji. Uzupełnieniem są kwestie przejrzystości, praw autorskich i manipulacji.
- ochrona danych osobowych i poufnych informacji – dobre praktyki zgodne z RODO,
- odpowiedzialność za treści wygenerowane przez AI,
- weryfikacja faktów i ograniczanie tzw. halucynacji,
- ryzyka związane z automatyzacją decyzji,
- wyzwania etyczne: przejrzystość, manipulacja, prawa autorskie,
- bezpieczne korzystanie z narzędzi AI w środowisku organizacyjnym.
12. Integracja AI z codzienną pracą
AI można osadzać w dokumentach, formularzach, procesach zespołowych i codziennych zadaniach, aby ograniczać pracę manualną i ujednolicać sposób działania. Uczestnicy analizują wybór obszarów do automatyzacji, ocenę opłacalności oraz tworzenie standardów pracy. Omawiane są też kierunki rozwoju, w tym agenci i współpraca modeli.
- łączenie AI z dokumentami, formularzami, procesami i codziennymi zadaniami,
- projektowanie prostych scenariuszy automatyzacji,
- tworzenie standardów korzystania z AI w zespole,
- wybór zadań do automatyzacji i ocena ich opłacalności,
- kierunki rozwoju technologii AI: agenci, współpraca modeli, automatyzacja procesów i długoterminowe zastosowania w organizacji.