Umiejętność skutecznej komunikacji człowieka z AI

- Termin
- 08.02.2027
- Miejsce
- Online
- Zapisy do
- 05.02.2027
Czego się nauczysz
- Wyjaśnia, w jaki sposób model językowy (LLM) generuje odpowiedź na podstawie tokenizacji tekstu i przewidywania kolejnego tokenu.
- Opisuje wpływ okna kontekstowego na jakość i kompletność odpowiedzi LLM.
- Klasyfikuje systemy AI do kategorii: wąska AI, AGI, modele dyskryminatywne, modele generatywne.
- Rozpoznaje przyczyny ograniczeń modeli językowych
- Definiuje elementy anatomii poprawnego promptu.
- Wskazuje wpływ intencji i precyzji językowej polecenia na jakość odpowiedzi AI.
- Rozróżnia techniki promptowania na podstawie ich opisu i przykładu zastosowania.
- Wymienia techniki weryfikacji informacji uzyskanych od AI.
- Rozpoznaje typowe błędy modeli AI (halucynacje) i pułapki RAG.
- Przyporządkowuje metody redukcji halucynacji do właściwych kategorii.
- Konstruuje prompt do zadanego zadania zawodowego z wykorzystaniem elementów anatomii promptu.
- Dobiera styl, ton i format odpowiedzi AI do celu komunikacji
- Identyfikuje błąd w treści promptu.
- Poprawia prompt na podstawie analizy uzyskanej odpowiedzi AI.
- Wykrywa nieprawidłowości w odpowiedziach udzielonych przez AI.
- Wskazuje informacje z odpowiedzi AI, które przed wykorzystaniem wymagają oceny wiarygodności.
- Dobiera metodę weryfikacji wiarygodności informacji uzyskanej od AI.
- . Koryguje prompt w celu ograniczenia ryzyka halucynacji.
- Ocenia przydatność elementów odpowiedzi AI w odniesieniu do własnej wiedzy zawodowej.
- Uzasadnia modyfikację odpowiedzi AI własnym doświadczeniem zawodowym.
- Prezentuje postawę otwartości na nowe technologie, planując wykorzystanie narzędzi AI we własnej pracy zawodowej.
- Zachowuje krytyczny dystans wobec informacji uzyskanych od AI, które mogą wpływać na decyzje dotyczące ludzi.
- Promuje kulturę współpracy człowieka z AI w swoim zespole
Dla kogo
Szkolenie skierowane jest do pracowników i pracodawców sektora MŚP, osób indywidualnych i pracowników administracji, którzy chcą efektywnie i świadomie korzystać z narzędzi AI w pracy zawodowej.
Uczestnik powinien:
- posiadać podstawową umiejętność obsługi komputera i przeglądarki internetowej,
- pracować lub planować pracę z narzędziami AI (ChatGPT, Claude, Gemini, Copilot itp.),
- nie jest wymagana wiedza programistyczna ani techniczna znajomość ML/AI.
Szkolenie kierowane jest szczególnie do: menedżerów, specjalistów ds. marketingu i sprzedaży, analityków, copywriterów, specjalistów HR, pracowników działów obsługi klienta, kierowników projektów, trenerów biznesu, pracowników administracji i edukacji.
Program
8 hSzkolenie realizowane jest w godzinach zegarowych, w formie synchronicznej zdalnej (na żywo z trenerem). Każdy moduł tematyczny zawiera część wykładową i ćwiczenie praktyczne. Uczestnicy pracują samodzielnie z wybranym narzędziem AI (ChatGPT lub Gemini – wersja bezpłatna wystarczająca do wszystkich ćwiczeń).
PODSTAWY AI
- Definicja i historia sztucznej inteligencji (od Turinga i McCarthy'ego po GPT-5 i Claude)
- Typy inteligencji wg Gardnera i analogie z możliwościami AI
- Typy systemów AI: wąska AI, AGI, modele dyskryminatywne vs. generatywne
- Architektura Transformer, tokenizacja, LLM – jak AI 'widzi' tekst i generuje odpowiedzi; ograniczenia okna kontekstowego
PROMPT ENGINEERING: PODSTAWY
- Definicja, cele i historia promptowania (2017–2025+)
- Przegląd modeli AI: GPT-4o, Claude, Gemini, Grok – kiedy używać którego; porównanie możliwości
- Ćwiczenie 1: dobry vs. zły prompt – wpływ promptu na jakość odpowiedzi AI
- Anatomia dobrego promptu: kontekst, rola/persona, zadanie, format, przykłady, ograniczenia
- Ćwiczenie 2: rola i persona – 3 różne style komunikacji z AI do tego samego celu
- Zadania, długość, formatowanie, przejrzystość, dokumentacja i wersjonowanie promptów
- Techniki weryfikacji odpowiedzi AI: schemat oceny (trafność / dokładność / kompletność / użyteczność)
- Ćwiczenie 3: budowa kompletnego, ustrukturyzowanego promptu wg anatomii
ZAAWANSOWANE TECHNIKI PROMPTOWANIA
- Techniki N-shot: zero-shot, one-shot, few-shot – kiedy podawać przykłady, a kiedy nie
- Ćwiczenie 4: few-shot prompting – klasyfikacja i ekstrakcja danych
- Chain-of-Thought (CoT) – wymuszanie rozumowania krok po kroku w zadaniach logicznych i analitycznych
- Ćwiczenie 5: CoT – rozwiązywanie problemów krok po kroku
- Self-Consistency – generowanie wielu ścieżek rozumowania i wybór najspójniejszej odpowiedzi
- Ćwiczenie 6: Self-Consistency jako narzędzie weryfikacji odpowiedzi AI
- Meta Prompting – AI jako optymalizator własnych promptów
- Ćwiczenie 7: Meta Prompting (etap 1: własny prompt; etap 2: AI optymalizuje prompt)
MODUŁ 4 – RAG, AUTOMATYZACJA I FRAMEWORKI
- Generate Knowledge Prompting – generowanie wiedzy kontekstowej przed odpowiedzią na pytanie
- Ćwiczenie 8: GKP – generowanie faktów branżowych przed analizą
- Prompt Chaining i Tree of Thoughts – łańcuchy promptów i drzewa alternatywnych rozwiązań
- Ćwiczenie 9: Prompt Chaining – wieloetapowy proces twórczy
- RAG (Retrieval Augmented Generation): schemat działania, chunki, pułapki RAG, grafy wiedzy
- Ćwiczenie 10: RAG – klasyczny schemat promptu RAG; identyfikacja pułapek w scenariuszach
- ART (Automatic Reasoning and Tool-Use) – agenci AI z autonomicznym doborem narzędzi
- Ćwiczenie 11: agent AI z użyciem narzędzi (kalkulator, wyszukiwarka, kursy walut)
MODUŁ 5 – PODSUMOWANIE I KRYTYCZNE KORZYSTANIE Z AI
- Porównanie technik promptowania i kiedy używać której (tabela zbiorcza – Złożoność / Dokładność / Szybkość)
- Frameworki: CREATE, RISE, RACE, CLEAR – zastosowania i przykłady praktyczne
- Halucynacje AI: przyczyny (dane, architektura, metody generowania), przykłady, metody redukcji
- Ćwiczenie 12: porównanie modeli AI, optymalizacja promptu (meta prompting); analiza wiarygodności odpowiedzi AI; łączenie odpowiedzi AI z własną wiedzą zawodową
- Przyszłość Prompt Engineeringu (2025–2035+), narzędzia i bazy wiedzy
WALIDACJA (16:15–17:00) | Ocena obszarów: Wiedza (W) + Umiejętności (U)
- Arkusz ćwiczenia zaliczeniowego (oceniany zdalnie przez zewnętrznego Walidatora): przekształcenie min. 3 złych promptów w dobre z identyfikacją błędu, analiza 2 odpowiedzi AI zawierających celowe błędy (weryfikacja wiarygodności) oraz wskazanie, które elementy odpowiedzi AI uczestnik akceptuje, modyfikuje lub odrzuca na podstawie własnej wiedzy zawodowej; ocenie podlega też prompt z Ćwiczenia 3 (Moduł 2), oceniany wg anatomii promptu i dopasowania do celu zawodowego
- Test końcowy z wynikiem generowanym automatycznie (min. 70% = zaliczenie) – obejmuje wyłącznie wiedzę z zakresu W (Wiedza); efekty U i KS są oceniane odrębnie na podstawie arkuszy ćwiczeń i ankiety ewaluacyjnej
- Ankieta ewaluacyjna (wypełniana po teście końcowym): pisemna deklaracja gotowości do stosowania AI w pracy zawodowej oraz potwierdzenie przesłania co najmniej 2 z 3 wskazanych arkuszy ćwiczeń – dowód dla kompetencji społecznych (KS)
Terminy i miejsca
Wymagania techniczne
Komputer PC/Mac lub tablet z kamerą i mikrofonem; aktualna przeglądarka (Chrome, Edge, Firefox, Safari)
Min. 5 Mbit/s download, 2 Mbit/s upload; stabilne połączenie.
Klient MS Teams/Zoom/Google/ (bezpłatny) lub dostęp przez przeglądarkę;
Konto na platformie AI (ChatGPT.com lub Gemini.google.com – bezpłatne)
Prowadzący
Materiały
Każdy uczestnik otrzymuje (elektronicznie, do 3 dni roboczych po szkoleniu):
- Prezentacja szkoleniowa (PDF, 125+ slajdów) – pełna agenda, definicje, porównania, przykłady promptów
- Arkusz ćwiczeń (PDF/DOCX) – 12 ćwiczeń z instrukcjami i miejscem na notatki
- Quick Reference Card – karta referencyjna z technikami i frameworkami (A4 PDF)
- Zestaw szablonów promptów (DOCX) – gotowe szablony wg CREATE, RISE, RACE, CLEAR
- Schemat weryfikacji odpowiedzi AI (PDF) – schemat krytycznej oceny wiarygodności informacji z AI
- Lista zasobów i narzędzi – platformy, bazy promptów, kursy do samodzielnego dalszego rozwoju
Zaświadczenie ukończenia szkolenia z wykazem efektów uczenia się (W/U/KS) i wynikiem testu (PDF)
Po szkoleniu
Numer usługi w BUR: 2026/11/17/137520/3952275 · Dane z Bazy Usług Rozwojowych
Podobne szkolenia
Techniczne · Pozostałe techniczne