AI w biznesie 2600-DMzAIBf
Fundamenty sztucznej inteligencji i jej miejsce w biznesie
Blok 1: Historia i podstawowe pojęcia AI
• Geneza sztucznej inteligencji: Alan Turing, test Turinga, Dartmouth Conference.
• Główne etapy rozwoju: systemy eksperckie, uczenie maszynowe, deep learning.
• Podstawowe pojęcia: algorytm, model, dane treningowe, sieć neuronowa.
• Różnice między AI, ML, DL, Generative AI.
Blok 2: Kluczowe technologie AI
• Machine learning – uczenie nadzorowane i nienadzorowane.
• Deep learning – wielowarstwowe sieci neuronowe.
• Natural Language Processing – analiza i generowanie języka.
• Generative AI – modele tworzące treści (teksty, obrazy, dźwięki, wideo).
Blok 3: Obszary zastosowań AI w biznesie
• Marketing i sprzedaż – rekomendacje, predykcja, personalizacja.
• Finanse – scoring kredytowy, wykrywanie nadużyć.
• HR – rekrutacja i analiza kompetencji.
• Logistyka – prognozowanie popytu, optymalizacja tras.
• Obsługa klienta – chatboty, voiceboty.
Blok 4: AI a rynek pracy i biznes
• AI jako wsparcie vs AI jako zagrożenie.
• Pojęcie augmented intelligence.
• Zmiana kompetencji pracowników w erze AI.
AI w marketingu i doświadczeniu klienta
Blok 1: Algorytmy rekomendacji
• Mechanizmy rekomendacji: collaborative filtering, content-based filtering.
• Przykłady: Amazon, Netflix, Spotify.
• Wpływ rekomendacji na sprzedaż i lojalność klienta.
Blok 2: Personalizacja i dynamiczne ustalanie cen
• Personalizacja treści: mailing, strony www, reklama online.
• Dynamiczne ceny – logika działania, przykłady (Uber, linie lotnicze).
• Wyzwania i kontrowersje dynamicznego pricingu.
Blok 3: Automatyzacja komunikacji – chatboty i voiceboty
• Rola w customer service – dostępność 24/7, redukcja kosztów.
• Technologie NLP w praktyce.
• Zalety i ograniczenia chatbotów w komunikacji z klientem.
Blok 4: AI w kampaniach marketingowych
• Programmatic advertising – automatyzacja zakupu mediów.
• Predictive targeting – przewidywanie zachowań klientów.
• Automatyczna optymalizacja kampanii reklamowych.
Dane i uczenie maszynowe w praktyce biznesowej
Blok 1: Rola danych w sztucznej inteligencji
• Źródła danych w przedsiębiorstwach (CRM, e-commerce, social media).
• Big data vs smart data.
• Jakość danych jako warunek skuteczności modeli AI.
Blok 2: Mechanizmy uczenia maszynowego
• Uczenie nadzorowane: klasyfikacja, regresja.
• Uczenie nienadzorowane: clustering, segmentacja.
• Workflow ML: dane → trening → model → ewaluacja.
Blok 3: Segmentacja klientów i analityka predykcyjna
• Segmentacja demograficzna vs segmentacja behawioralna.
• Predykcja churnu i wartości klienta (Customer Lifetime Value).
• Analiza sentymentu w social mediach.
Blok 4: Studium przypadków zastosowań
• E-commerce: rekomendacje i personalizacja (Amazon, Allegro).
• Bankowość: fraud detection, scoring kredytowy.
• Retail i FMCG: prognozowanie popytu, zarządzanie zapasami.
Regulacje, etyka i przyszłość AI w biznesie
Blok 1: Regulacje prawne dotyczące AI
• EU AI Act – system oceny ryzyka.
• RODO i ograniczenia w profilowaniu klientów.
• Prawo autorskie i własność intelektualna w kontekście AI.
• Regulacje w USA i Azji – różnice podejść.
Blok 2: Etyczne wyzwania związane z AI
• Uprzedzenia i dyskryminacja w algorytmach.
• Transparentność i odpowiedzialność systemów AI.
• Deepfake, fake news i ich wpływ na biznes i społeczeństwo.
Blok 3: Zagrożenia i ryzyka biznesowe
• Ryzyko błędnych prognoz i decyzji.
• Cyberbezpieczeństwo i ataki na modele AI.
• Reputacyjne zagrożenia związane z użyciem AI w marketingu.
Blok 4: Przyszłość AI w biznesie
• AI jako narzędzie wspierające kreatywność.
• Trend: AI-agenci i autonomiczne systemy decyzyjne.
• AI w koncepcji Marketing 5.0, 6.0 (Kotler i in.).
• Kierunki dalszego rozwoju i implikacje dla strategii firm.
|
W cyklu 2025Z:
Fundamenty sztucznej inteligencji i jej miejsce w biznesie Regulacje, etyka i przyszłość AI w biznesie |
Rodzaj przedmiotu
Koordynatorzy przedmiotu
Efekty kształcenia
Wiedza (K_W02, K_W03, K_W06)
• K_W02 – Student zna podstawowe pojęcia, koncepcje i etapy rozwoju sztucznej inteligencji oraz rozumie ich miejsce w naukach o zarządzaniu.
• K_W03 – Student rozumie główne obszary zastosowań AI w przedsiębiorstwie, w tym w marketingu, finansach, logistyce i HR, oraz ich wpływ na procesy zarządzania.
• K_W06 – Student zna podstawowe regulacje prawne dotyczące wykorzystania sztucznej inteligencji (m.in. EU AI Act, RODO) oraz etyczne wyzwania związane z jej stosowaniem.
Umiejętności (K_U01, K_U06, K_U09)
• K_U01 – Student potrafi analizować literaturę i przykłady wdrożeń AI w biznesie oraz krytycznie ocenić ich efektywność.
• K_U06 – Student umie wskazać obszary działalności przedsiębiorstwa, w których sztuczna inteligencja może przynieść wartość dodaną, oraz zaproponować odpowiednie narzędzia AI.
• K_U09 – Student potrafi zastosować wiedzę o AI w praktycznym kontekście biznesowym, szczególnie w zakresie procesów marketingowych i analizy danych.
Kompetencje społeczne (K_K01, K_K04, K_K05)
• K_K01 – Student ma świadomość odpowiedzialności społecznej i etycznej przy projektowaniu oraz wdrażaniu rozwiązań opartych na AI.
• K_K04 – Student potrafi pracować w zespole nad analizą i projektowaniem rozwiązań biznesowych z wykorzystaniem AI, komunikując wyniki i rekomendacje.
• K_K05 – Student jest przygotowany do krytycznego i refleksyjnego podejścia do nowoczesnych technologii, uwzględniając zasady etyki i zrównoważonego rozwoju.
Kryteria oceniania
Efekty uczenia się będą weryfikowane na bieżąco za pomocą zadań wykonywanych przez uczestników podczas ćwiczeń i na koniec podczas zaliczenia konwersatorium (testu).
Refleksja/ mini esej po zajęciach (20 pkt), 2. Quizy/Casy na zajęciach do wybranych modułach (20 pkt) 3. Test końcowy zaliczeniowy (online) (60 pkt)
W sumie będzie można zdobyć 100 punktów podczas wszystkich zajęć, a ich liczba określi końcową ocenę:
- 0-50 punktów – ocena 2
- 51-60 punktów – ocena 3
- 61-70 punktów – ocena 3.5
- 71-80 punktów – ocena 4
- 81-90 punktów – ocena 4.5
- 91-100 punktów – ocena 5
Praktyki zawodowe
Praktyki zawodowe nie są wymagane dla realizacji przedmiotu
Literatura
Literatura podstawowa
Russell, S., Norvig, P. (2021). Artificial Intelligence: A Modern Approach (4th ed.). Pearson.
Marr, B. (2021). Artificial Intelligence in Practice: How 50 Successful Companies Used AI and Machine Learning to Solve Problems. Wiley.
Kotler, P., Kartajaya, H., Setiawan, I. (2021). Marketing 5.0: Technology for Humanity. Wiley.
Mazurek, G. (2019). Transformacja cyfrowa – marketing, biznes, konsumenci. Poltext.
Literatura uzupełniająca
Chaffey, D., Ellis-Chadwick, F. (2022). Digital Marketing (8th ed.). Pearson.
Brynjolfsson, E., McAfee, A. (2017). Machine, Platform, Crowd: Harnessing Our Digital Future. W.W. Norton & Company.
McKinsey Global Institute (2022). The State of AI in 2022. Raport branżowy.
Błażewicz, J., Perek, Ł., Szczęch, A. (2022). Sztuczna inteligencja w biznesie i zarządzaniu [w:] E-mentor, nr 2(94), SGH
|
W cyklu 2025Z:
Literatura podstawowa |
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: