OPIS SZKOLENIA
AI w finansach bez magii i bez strachu – pierwszy krok praktyka
Warsztat dla pracowników działów finansowych i księgowych, którzy używali AI sporadycznie lub wcale i chcą rozpocząć świadomą pracę z modelami językowymi w swojej roli zawodowej.
Cel szkolenia: Celem szkolenia jest zdemistyfikowanie sztucznej inteligencji i zbudowanie u uczestników fundamentu praktycznego, opartego na zrozumieniu mechaniki modeli językowych, a nie na marketingowym entuzjazmie. Uczestnicy poznają, jak faktycznie działa duży model językowy, dlaczego halucynuje, gdzie popełnia najkosztowniejsze błędy w finansach oraz jak formułować pierwsze prompty, by uzyskać użyteczne odpowiedzi. Szkolenie kończy się opanowaniem pierwszego frameworka promptowania i samodzielnym rozwiązaniem trzech realnych zadań z pracy finansisty.
I. Matematyka, nie magia – jak naprawdę działa model językowy
Cel: Zbudowanie u uczestników realistycznego modelu mentalnego tego, czym jest AI i jak przetwarza informacje.
Opis przebiegu: Prowadzący wyjaśnia, w jaki sposób duży model językowy przewiduje kolejny token na podstawie statystyki, a nie rozumowania. Uczestnicy wykonują ćwiczenie, w którym porównują odpowiedź AI z odpowiedzią eksperta na to samo pytanie finansowe – dostrzegając, gdzie AI brzmi przekonująco, ale jest w błędzie. Na tej podstawie powstaje pierwsza reguła: „AI nie wie, że ma rację – AI produkuje tekst, który brzmi jak racja”.
Rezultaty:
• Uczestnicy rozumieją fundamentalną różnicę między predykcją tokenu a rozumieniem.
• Potrafią wyjaśnić, dlaczego AI halucynuje i kiedy ryzyko halucynacji jest największe.
II. Pierwszy prompt finansisty – od ogólnego pytania do konkretnej odpowiedzi
Cel: Opanowanie podstawowej struktury skutecznego promptu w kontekście zadań finansowych.
Opis przebiegu: Uczestnicy wykonują to samo zadanie finansowe – napisanie komentarza do zmiany wskaźnika rentowności – w dwóch wersjach: prompt naturalny („napisz komentarz”) oraz prompt strukturyzowany według schematu Rola / Kontekst / Zadanie / Format / Ograniczenia. Porównują wyniki w parach, identyfikując różnicę jakości. Prowadzący wprowadza framework CLEAR jako standard pracy.
Rezultaty:
• Uczestnicy piszą prompty spełniające standardy zawodowe.
• Znają i stosują framework CLEAR w pierwszych zadaniach po szkoleniu.
III. Halucynacje w finansach – gdzie AI kłamie najdroższym kosztem
Cel: Wykształcenie nawyku krytycznej weryfikacji odpowiedzi AI w zadaniach finansowych.
Opis przebiegu: Uczestnicy otrzymują sześć odpowiedzi AI na typowe pytania finansowe – część z nich zawiera subtelne, kosztowne halucynacje: błędną definicję wskaźnika, nieistniejący standard, złą interpretację podstawy prawnej. Pracując w trójkach, identyfikują, które odpowiedzi są wiarygodne, a które nie. Debriefing pokazuje, które typy błędów są najtrudniejsze do wykrycia i wymagają zawsze weryfikacji u człowieka.
Rezultaty:
• Uczestnicy rozpoznają typowe wzorce halucynacji w treściach finansowych.
• Potrafią zaprojektować własny proces weryfikacji odpowiedzi AI.
IV. Co wolno, czego nie wolno – pierwsza rama bezpieczeństwa
Cel: Zbudowanie podstawowej świadomości regulacyjnej i poufnościowej w pracy z publicznymi modelami AI.
Opis przebiegu: Prowadzący wprowadza zasadę „szarej strefy AI” – niekontrolowanego wykorzystywania publicznych chatbotów do zadań firmowych. Uczestnicy analizują pięć scenariuszy z codziennej pracy finansisty (przekazanie umowy do analizy, wklejenie listy klientów, załadowanie sprawozdania finansowego) i klasyfikują je według ryzyka. Powstaje pierwsza, prywatna „karta czerwonych linii” każdego uczestnika.
Rezultaty:
• Uczestnicy wiedzą, które dane mogą trafić do publicznych modeli, a które wymagają innego rozwiązania.
• Mają własną checklistę bezpieczeństwa do codziennego użycia.
V. Projekt warsztatowy – trzy zadania z Twojej pracy rozwiązane z AI
Cel: Konsolidacja wiedzy przez praktyczne rozwiązanie trzech realnych zadań z pracy uczestnika.
Opis przebiegu: Każdy uczestnik wybiera trzy zadania ze swojej pracy zawodowej (np. podsumowanie protokołu, komentarz do odchylenia, draft maila do klienta wewnętrznego) i wykonuje je z wykorzystaniem AI, stosując poznane frameworki i zasady weryfikacji. Efektem są trzy gotowe produkty pracy oraz własny dziennik obserwacji: co zadziałało, co nie, co wymaga dopracowania.
Rezultaty:
• Uczestnicy mają trzy konkretne przypadki użycia AI w swojej pracy.
• Rozpoczynają własny proces budowania osobistej biblioteki promptów.