AI in Business, part 2 2400-MIKRO-AIBF-AIB2
Opis treści kursu
Kurs wprowadza praktyczne zastosowania sztucznej inteligencji i uczenia maszynowego w biznesie, zarządzaniu projektami oraz podejmowaniu decyzji organizacyjnych. Uczestnicy poznają sposoby wykorzystania AI do wspierania planowania projektów, identyfikacji ryzyka, alokacji zasobów, analizy budżetu, optymalizacji procesów oraz podejmowania decyzji opartych na danych.
Kurs łączy wiedzę koncepcyjną z praktycznymi studiami przypadków z obszaru finansów, handlu detalicznego, produkcji, ochrony zdrowia, sektora publicznego i platform cyfrowych. Studenci wykorzystują narzędzia AI do przygotowywania struktur i harmonogramów projektów w Asanie, analizowania procesów organizacyjnych oraz tworzenia modeli BPMN w Cardanit.
Szczególną uwagę poświęcono tworzeniu wartości biznesowej, krytycznej weryfikacji wyników generowanych przez AI, nadzorowi człowieka, ryzyku etycznemu, prywatności, ochronie danych oraz odpowiedzialnemu wdrażaniu AI.
Projekt Application of Artificial Intelligence in Business and Finance (nr BPI/SPI/2024/1/00078) realizowany przez Uniwersytet Warszawski w ramach programu Spinaker organizowanego przez Narodową Agencję Wymiany Akademickiej (w ramach projektu Wsparcie tworzenia i realizacji międzynarodowych programów kształcenia, finansowanego ze środków Funduszy Europejskich dla Rozwoju Społecznego 2021-2027).
Koordynatorzy przedmiotu
Certyfikat mikropoświadczenia
Efekty uczenia się
Po ukończeniu kursu uczestnik:
w zakresie wiedzy:
zna i rozumie podstawowe zasady sztucznej inteligencji i uczenia maszynowego oraz główne formy ich zastosowania w działalności biznesowej i gospodarczej; zna i rozumie, w jaki sposób systemy AI wykorzystują dane do generowania prognoz, klasyfikacji, rekomendacji, rankingów i alertów dotyczących anomalii; zna i rozumie rolę AI w planowaniu projektów, analizie ryzyka, alokacji zasobów, zarządzaniu budżetem oraz podejmowaniu decyzji menedżerskich; zna i rozumie główne mechanizmy, za pomocą których AI tworzy wartość biznesową, w tym przeprojektowanie procesów, zwiększenie skali działania i ograniczenie niepewności; zna i rozumie podstawowe zasady struktury podziału pracy, kamieni milowych projektu, zależności między zadaniami i optymalizacji harmonogramu; zna i rozumie podstawowe elementy modelowania procesów BPMN; zna i rozumie znaczenie jakości danych, procesów organizacyjnych, kompetencji pracowników i zarządzania dla skutecznego wdrażania AI; zna i rozumie główne ryzyka etyczne, prawne, związane z prywatnością i ochroną danych, wynikające z zastosowania AI.
w zakresie umiejętności:
potrafi identyfikować problemy biznesowe i organizacyjne, które mogą być wspierane przez AI; potrafi analizować rzeczywiste zastosowania AI i odróżniać funkcje technologiczne od mierzalnej wartości biznesowej; potrafi wykorzystywać narzędzia generatywnej AI do wspierania planowania projektów, opracowania struktury podziału pracy, szacowania czasu trwania zadań, identyfikacji zależności i definiowania kamieni milowych projektu; potrafi przenieść plan projektu wspierany przez AI do Asany oraz stworzyć przejrzysty harmonogram operacyjny; potrafi identyfikować ryzyko projektowe i wykorzystywać AI do proponowania działań ograniczających ryzyko oraz usprawnień harmonogramu; potrafi analizować proces organizacyjny i stworzyć logicznie poprawny model BPMN w Cardanit; potrafi identyfikować etapy procesu, które mogą zostać zautomatyzowane lub wsparte przez AI; potrafi przygotować uproszczone porównanie kosztów, czasu przetwarzania i zapotrzebowania na zasoby przed wdrożeniem AI i po jego wdrożeniu; potrafi oceniać informacje generowane przez AI oraz weryfikować je przy wykorzystaniu wiarygodnych źródeł; potrafi jasno przedstawiać wyniki analizy biznesowej związanej z AI w formie pisemnej i ustnej.
w zakresie kompetencji społecznych:
jest gotów do odpowiedzialnego i krytycznego wykorzystywania sztucznej inteligencji w pracy indywidualnej i grupowej; jest gotów do rozpoznawania ograniczeń informacji generowanych przez AI oraz ciągłego znaczenia ludzkiego osądu i odpowiedzialności; jest gotów do uwzględniania interesów organizacji, pracowników, klientów i społeczeństwa podczas oceny wdrażania AI; jest gotów do identyfikowania i omawiania kwestii etycznych związanych z prywatnością, stronniczością, przejrzystością, manipulacją i ochroną danych; jest gotów do współpracy z innymi uczestnikami podczas analizowania złożonych problemów biznesowych i organizacyjnych; jest gotów do uzasadniania przyjętych założeń, uwzględniania niepewności oraz odróżniania zweryfikowanych dowodów od sugestii generowanych przez AI.
Kryteria oceniania
Zaliczenie pisemne (post-test)
Literatura
Verster, P. (2024). AI for Business: A Practical Guide for Business Leaders to Extract Value from Artificial Intelligence. Rethink Press.
Russell, S. J. i Norvig, P. (2021). Artificial Intelligence: A Modern Approach. Wydanie czwarte. Pearson.