Kurs: AI Officer – strategia, prawo, technologia, zarządzanie
Funkcja AI Officera w organizacji. Zarządzanie sztuczną inteligencją (AI Governance).
Zapis i warianty szkolenia
Dostępne warianty
1. Fundamenty, strategia i role w organizacji
Online, 13.05.2026 10:00-15:00
2. Ludzie, dane i ochrona prywatności
Online, 21.05.2026 10:00-15:00
3. Technologia, bezpieczeństwo i relacje z dostawcami
Online, 28.05.2026 10:00-15:00
4. Compliance i AI Act
Online, 11.06.2026 10:00-15:00
5. Operacje, zarządzanie i nadzór
Online, 17.06.2026 10:00-15:00
6. Ciągłość działania, specyfika branżowa i planowanie
Online, 25.06.2026 10:00-15:00
To szkolenie obejmuje:
- Możliwość zadawania pytań
- Materiały szkoleniowe i certyfikat
- Bonus książkowy
- Możliwość płatności w ratach 0% za pakiet
Zarządzanie sztuczną inteligencją (AI Governance), to systemowe podejście do wdrażania i nadzoru nad algorytmami, mające na celu maksymalizację korzyści biznesowych przy jednoczesnej minimalizacji ryzyk prawnych, technicznych i etycznych – na co decyduje się coraz więcej organizacji.
Funkcja AI Officera może być realizowana zarówno w modelu wewnętrznym (jako stały element struktury), jak i zewnętrznym (outsourcing), w zależności od skali i potrzeb organizacji – analogicznie do sprawdzonych standardów przy rolach inspektora ochrony danych czy CISO.
Osoba pełniąca funkcję AI Officera, niezależnie od modelu współpracy:
- identyfikuje procesy biznesowe pod kątem bezpiecznej automatyzacji,
- koordynuje projekty wdrożeniowe lub kieruje dedykowanym zespołem AI wewnątrz organizacji,
- wspiera zgodność z regulacjami i wewnętrznymi politykami,
- prowadzi szkolenia, konsultacje i buduje kompetencje cyfrowe pracowników,
- działa jako „most” łączący dział IT, dział prawny, kierownictwo oraz zarząd, dbając aby technologia służyła strategicznym celom organizacji.
Nasz kurs to intensywny, modułowy program szkoleniowy zaprojektowany, aby przeprowadzić uczestników od podstaw praktycznej obsługi narzędzi AI, przez budowanie strategii, aż po zaawansowane aspekty prawne, techniczne i operacyjne zarządzania sztuczną inteligencją. Kurs opiera się na strukturze vademecum, przekładając wiedzę ekspercką na warsztatową formę. Uczestnicy nie tylko zdobędą wiedzę niezbędną do pełnienia funkcji AI Officera, ale także nauczą się mapować procesy, dobierać dostawców, dbać o compliance (AI Act, RODO) oraz zarządzać ryzykiem i zmianą w organizacji. Program kładzie nacisk na interdyscyplinarność, łącząc perspektywę prawną, technologiczną i biznesową.
Cel kursu
Celem kursu jest kompleksowe przygotowanie uczestników do objęcia roli AI Officera lub lidera transformacji AI, wyposażając ich w praktyczne umiejętności niezbędne do bezpiecznego i efektywnego wdrażania systemów sztucznej inteligencji. Uczestnicy zdobędą kompetencje w zakresie tworzenia strategii AI, zarządzania danymi i własnością intelektualną, nadzoru nad zgodnością z regulacjami (w tym AI Act) oraz operacyjnego.
Dlaczego warto?
- Kompleksowość: zdobędziesz pełen wachlarz kompetencji – od technicznego promptingu, przez prawo, aż po zarządzanie zmianą i ludźmi.
- Praktyka: przećwiczysz na realnych scenariuszach tworzenie polityk, ocenę ryzyka, dobór dostawców oraz reagowanie na incydenty AI.
- Zgodność z regulacjami: nauczysz się nawigować w gąszczu przepisów AI Act, RODO i prawa autorskiego, minimalizując ryzyko prawne dla Twojej organizacji.
- Strategiczne podejście: dowiesz się, jak uzasadnić inwestycje w AI przed zarządem, liczyć ROI i unikać pułapek „AI washingu”.
Dla kogo jest ten kurs?
Kurs jest przeznaczony dla osób aspirujących do lub rozwijających się w roli AI Officera, dyrektorów ds. innowacji i technologii, prawników wewnętrznych (in-house lawyers), Compliance Officerów, IOD, CISO oraz menedżerów odpowiedzialnych za cyfrową transformację w organizacjach, którzy chcą uporządkować i profesjonalizować procesy wdrażania AI w swoich organizacjach.
Moduł I: Fundamenty, strategia i role w organizacji
W pierwszym dniu przedstawimy fundamenty funkcjonowania w roli AI Officera, definiując jego miejsce w strukturze firmy oraz relacje z kluczowymi interesariuszami. Przeanalizujemy, w jaki sposób przejść od teoretycznych rozważań o sztucznej inteligencji do budowania konkretnej strategii wdrożeniowej opartej na celach biznesowych. Krok po kroku przejdziemy przez proces weryfikacji opłacalności inwestycji (ROI) oraz zarządzania obawami pracowników. Uczestnicy zapoznają się również z warsztatem praktycznym, poznając techniki Prompt Engineeringu niezbędne do efektywnej pracy własnej.
Udział w zajęciach pozwoli uczestnikom zrozumieć, jak pozycjonować się w roli lidera transformacji AI i jak rozmawiać z zarządem językiem korzyści, a nie tylko technologicznych nowinek. Uczestnicy dowiedzą się m.in., jak unikać pułapki „AI Hype Cycle” i wdrażać rozwiązania, które realnie budują przewagę konkurencyjną.
Umiejętności:
- Efektywna komunikacja z AI: Nauczysz się tworzyć zaawansowane prompty (łańcuchowe, kontekstowe) do przyspieszania zadań analitycznych i zarządczych.
- Pozycjonowanie roli: Zdobędziesz umiejętność definiowania zakresu odpowiedzialności AI Officera i rozgraniczania go od ról IOD, CISO czy Compliance Officera.
- Budowanie uzasadnienia biznesowego: Będziesz potrafił obliczyć ROI wdrożenia (TCO vs. oszczędności) i przedstawić zarządowi analizę „Build vs. Buy vs. Partner”.
- Zarządzanie zmianą: Poznasz model ADKAR w kontekście AI, co pozwoli Ci skutecznie niwelować opór pracowników przed automatyzacją.
Moduł II: Ludzie, dane i ochrona prywatności
W drugim dniu przedstawimy kluczowe wyzwania związane z „paliwem” dla sztucznej inteligencji, czyli danymi, oraz kapitałem ludzkim. Przeanalizujemy, w jaki sposób przygotować organizację pod kątem kompetencyjnym (Reskilling/Upskilling) oraz prawnym (RODO). Krok po kroku przejdziemy przez proces audytu jakości danych (Data Governance) oraz legalnego pozyskiwania zbiorów do trenowania modeli. Uczestnicy zapoznają się z metodami minimalizacji ryzyka naruszenia praw autorskich oraz prywatności pracowników w erze algorytmicznego zarządzania.
Uczestnicy dowiedzą się m.in., jak zbudować bezpieczny ekosystem danych, który jest zgodny z RODO, a jednocześnie umożliwia efektywne trenowanie i wykorzystanie modeli AI. Udział w zajęciach pozwoli uczestnikom stworzyć spójną politykę HR, która zamiast wykluczać, włącza pracowników w proces transformacji cyfrowej.
Umiejętności:
- Audyt gotowości danych: Nauczysz się oceniać „dojrzałość danych” w organizacji i przygotowywać je do bezpiecznego użycia w modelach LLM (czyszczenie, anonimizacja).
- Zgodność z RODO w AI: Zdobędziesz praktyczną wiedzę o tym, jak realizować prawa osób (w tym „prawo do bycia zapomnianym”) w systemach, które „uczą się” na danych osobowych.
- Zarządzanie własnością intelektualną: Dowiesz się, jak legalnie pozyskiwać dane treningowe (TDM) i jak zabezpieczyć prawa autorskie do efektów pracy AI.
- Projektowanie polityk pracowniczych: Będziesz potrafił stworzyć jasne zasady korzystania z narzędzi AI w firmie, mitygując ryzyko „Shadow AI”.
Moduł III: Technologia, bezpieczeństwo i relacje z dostawcami
W trzecim dniu przedstawimy techniczne i kontraktowe aspekty bezpiecznego wdrażania AI. Przeanalizujemy, w jaki sposób dobierać architekturę systemu (np. RAG, Agenci) do potrzeb firmy i jak zabezpieczać ją przed atakami typu Prompt Injection. Krok po kroku przejdziemy przez proces weryfikacji dostawców (Due Diligence) oraz negocjowania umów wdrożeniowych. Uczestnicy zapoznają się z zagrożeniami takimi jak Deepfake czy scraping danych i nauczą się przed nimi bronić.
Udział w zajęciach pozwoli uczestnikom stać się równorzędnym partnerem dla działów IT oraz zewnętrznych dostawców technologii. Uczestnicy dowiedzą się m.in., jak nie dać się nabrać na „AI Washing” i jak skonstruować umowę, która zabezpiecza firmę przed halucynacjami modelu i utratą danych.
Umiejętności:
- Wybór bezpiecznej architektury: Zrozumiesz różnice między chmurą a on-premise oraz nauczysz się bezpiecznie integrować LLM z własną bazą wiedzy (RAG).
- Cyberbezpieczeństwo AI: Poznasz listę OWASP Top 10 dla LLM i będziesz wiedział, jak zlecić testy odporności modelu (Red Teaming) na ataki hackerskie.
- Negocjacje z dostawcami: Nabędziesz umiejętność tworzenia zapytań ofertowych (RFP) i klauzul umownych, w tym Exit Planów i zasad odpowiedzialności za naruszenia IP.
- Ochrona marki i zasobów: Dowiesz się, jak chronić firmę przed nieuczciwą konkurencją, scrapingiem danych i atakami typu Deepfake.
Moduł IV: Compliance i AI Act
W czwartym dniu przedstawimy kompleksowe podejście do zgodności z europejskim aktem o sztucznej inteligencji (AI Act). Przeanalizujemy, w jaki sposób prawidłowo sklasyfikować system AI, aby uniknąć kar i zbędnej biurokracji. Krok po kroku przejdziemy przez obowiązki w zakresie dokumentacji technicznej, zarządzania ryzykiem oraz przejrzystości algorytmów. Uczestnicy zapoznają się z wymogami dotyczącymi zautomatyzowanego podejmowania decyzji (ADM) i wyjaśnialności (XAI).
Uczestnicy dowiedzą się m.in., jak samodzielnie przeprowadzić wstępną ocenę ryzyka systemu i jakie dokumenty muszą przygotować przed wdrożeniem. Udział w zajęciach pozwoli uczestnikom sprawnie nawigować w gąszczu nowych przepisów, odróżniając rolę Dostawcy od Wdrażającego, co ma kluczowe znaczenie dla odpowiedzialności prawnej.
Umiejętności:
- Klasyfikacja systemów AI: Nauczysz się korzystać z drzewa decyzyjnego, aby poprawnie identyfikować systemy zakazane, wysokiego ryzyka i ograniczonego ryzyka.
- Ocena ryzyka (FRIA): Poznasz metodologię oceny wpływu systemów AI na prawa podstawowe i nauczysz się zarządzać tym ryzykiem w procesie ciągłym.
- Dokumentacja i transparentność: Będziesz potrafił stworzyć „Model Cards” oraz zrozumiałe instrukcje dla użytkowników, spełniając wymogi wyjaśnialności.
- Operacyjna ochrona: Dowiesz się, jak wdrożyć procedury weryfikacji tożsamości (ochrona przed CEO fraud) i monitorować „Shadow AI” w organizacji.
Moduł V: Operacje, zarządzanie i nadzór
W piątym dniu przedstawimy operacyjne aspekty utrzymania systemów AI po ich wdrożeniu. Przeanalizujemy, w jaki sposób zorganizować nadzór człowieka (Human Oversight), aby był on skuteczny i zgodny z etyką. Krok po kroku przejdziemy przez metodykę zarządzania projektem AI (od PoC do produkcji) oraz kwestie odpowiedzialności cywilnej za błędy algorytmów. Uczestnicy zapoznają się z procedurami monitorowania jakości modeli (Model Drift) i zarządzania incydentami.
Udział w zajęciach pozwoli uczestnikom wdrożyć skuteczny system Governance, integrujący AI z normami ISO i wewnętrznymi politykami. Uczestnicy dowiedzą się m.in., jak zabezpieczyć organizację przed roszczeniami odszkodowawczymi i jak technicznie monitorować zużycie zasobów, by AI nie stało się „studnią bez dna” finansowego.
Umiejętności:
- Nadzór nad AI (Human Oversight): Nauczysz się projektować procedury nadzoru „Human-in-the-loop” i szkolić operatorów, by unikali błędu automatyzacji (Automation Bias).
- Zarządzanie cyklem życia modelu: Poznasz techniki wykrywania spadku jakości modelu (Data Drift) i procedury jego ponownego trenowania oraz wersjonowania.
- Zarządzanie odpowiedzialnością: Zrozumiesz zasady odpowiedzialności odszkodowawczej za szkody wyrządzone przez AI i dowiesz się, jak przygotować się do ewentualnych roszczeń.
- AI Governance: Będziesz potrafił stworzyć wewnętrzny system zgłaszania nieprawidłowości oraz polityki etycznego wykorzystania AI w organizacji.
Moduł VI: Ciągłość działania, specyfika branżowa i planowanie
W szóstym dniu przedstawimy strategie zapewnienia ciągłości działania w przypadku awarii systemów AI oraz adaptację wdrożeń do specyfiki różnych sektorów. Przeanalizujemy, w jaki sposób zarządzać incydentami i prowadzić analizę poincydentalną. Krok po kroku przejdziemy przez proces tworzenia indywidualnej mapy drogowej dla Twojej organizacji. Uczestnicy zapoznają się także z wyzwaniami robotyki, bezpieczeństwa fizycznego oraz wykorzystania AI jako osobistego „Co-pilota” w pracy eksperckiej.
Uczestnicy dowiedzą się m.in., jak opracować Plan Ciągłości Działania (BCP), który pozwoli firmie funkcjonować nawet w przypadku awarii krytycznych modeli AI. Udział w zajęciach pozwoli uczestnikom wyjść ze szkolenia z gotowym planem działań na pierwsze 30 dni („Indywidualna mapa drogowa”) oraz checklistą wdrożeniową dopasowaną do ich branży.
Umiejętności:
- Zarządzanie kryzysowe: Nauczysz się definiować i zgłaszać „poważne incydenty” zgodnie z AI Act oraz uruchamiać procedury awaryjne (fallback).
- Adaptacja sektorowa: Dowiesz się, jak dostosować procedury compliance do wielkości firmy (MŚP vs Korporacja) i specyfiki branży (Finanse, Administracja).
- Produktywność ekspercka: Zdobędziesz wiedzę, jak bezpiecznie używać asystentów AI (Co-pilot) w codziennej pracy, dbając o weryfikację faktów i ochronę tajemnicy.
- Strategiczne planowanie: Stworzysz własny plan (mapę drogową) wdrożenia AI i otrzymasz rekomendacje dotyczące dalszego rozwoju kompetencji Twojego zespołu.
Prelegent zaprasza na kurs
Moduł I: Fundamenty, strategia i role w organizacji13.05.2026, 10:00-15:00 | dr Paweł Mielniczek, Tomasz Zapała
1. Warsztat praktyczny – Prompt Engineering i narzędzia AI.
- Wprowadzenie do generatywnej sztucznej inteligencji i przegląd najważniejszych narzędzi biznesowych.
- Techniki tworzenia skutecznych promptów (struktura, kontekst, iteracja) do zadań biurowych i analitycznych.
- Praktyczne ćwiczenia z wykorzystaniem modeli językowych do generowania treści, analizy i streszczania dokumentów.
- Weryfikacja faktów i unikanie halucynacji w codziennej pracy z AI.
2. Ustalanie roli AI Officera i ład korporacyjny.
- Usytuowanie AI Officera w strukturze organizacji i relacje z działami IT, Prawnym i Compliance.
- Matrix odpowiedzialności: rozróżnienie kompetencji między AI Officerem, Compliance Officerem, IOD, IT i CISO.
- Zasoby niezbędne do pracy: budżet, narzędzia i dostęp do informacji.
- Etyka a prawo: zarządzanie dylematami, które nie są jeszcze skodyfikowane.
3. Strategia AI i mapowanie potrzeb biznesowych.
- Model „Business Capability Map”: identyfikacja procesów, gdzie AI buduje realną przewagę.
- Strategia „Build vs. Buy vs. Partner”: kryteria decyzyjne dla zarządu przy wyborze ścieżki wdrożenia.
- Komunikacja z C-level: tłumaczenie ryzyk technologicznych na język celów strategicznych.
- Ustalanie KPI dla wdrożeń AI: mierniki sukcesu niefinansowe (czas, jakość, innowacyjność).
4. Ocena opłacalności (ROI) i ryzyka biznesowego.
- Modele liczenia ROI: koszt tokenów i infrastruktury vs. oszczędność zasobów (Total Cost of Ownership).
- Ryzyka biznesowe: koszty halucynacji, utrata reputacji i dług technologiczny.
- Vendor Lock-in: analiza kosztów wyjścia i ryzyka uzależnienia od dostawcy.
- Zarządzanie oczekiwaniami i unikanie "AI Hype Cycle" wewnątrz organizacji.
5. Zarządzanie zmianą i kultura organizacyjna.
- Model ADKAR w kontekście AI: przeprowadzanie pracowników przez obawy przed automatyzacją.
- Strategia komunikacji wewnętrznej i rola „AI Champions” w zespołach.
- Adaptacja kultury błędu: akceptacja dla iteracyjnego uczenia się i eksperymentów.
- Uświadamianie zamiast dezinformacji i mitów na temat AI w organizacji.
Moduł II: Ludzie, dane i ochrona prywatności 21.05.2026, 10:00-15:00 | dr Jacek Markowski, dr Paweł Mielniczek
1. Kompetencje, HR i polityki pracownicze.
- Matryca kompetencji AI (AI Literacy): projektowanie ścieżek reskillingu i upskillingu.
- AI w procesach HR: rekrutacja, ocena pracownicza i przeciwdziałanie stronniczości (bias).
- Polityka korzystania z narzędzi AI: granice dozwolonego użytku i Shadow AI.
- Prywatność pracowników a monitorowanie efektywności za pomocą algorytmów.
2. Przygotowanie danych (Data Readiness) i Data Governance.
- Ocena dojrzałości zbiorów danych: audyt zasobów pod kątem możliwości trenowania modeli.
- Data Governance - czyszczenie, kategoryzacja i etykietowanie danych pod LLM.
- Wykrywanie stronniczości (bias) w danych treningowych. Metody audytu zestawów danych.
- Wersjonowanie danych (Data Lineage) i śledzenie ich pochodzenia w cyklu życia modelu.
3. Ochrona danych osobowych w systemach AI (RODO).
- Podstawy prawne przetwarzania: trenowanie modeli a wnioskowanie (inference).
- Zasada minimalizacji w Big Data: anonimizacja, pseudonimizacja i dane syntetyczne.
- Privacy by Design w Machine Learning: projektowanie zgodności od fazy koncepcyjnej.
- Specyfika oceny skutków dla ochrony danych (DPIA) dla systemów i narzędzi AI.
4. Prawa jednostki w zautomatyzowanym świecie.
- Machine Unlearning. Wyzwania techniczne realizacji prawa do bycia zapomnianym w ramach modeli AI.
- Realizacja praw dostępu, sprostowania i sprzeciwu w kontekście przeprocesowanych danych.
- Obowiązek informacyjny: warstwowe klauzule specyficzne dla systemów AI.
- Automatyzacja obsługi wniosków osób, których dane dotyczą – szanse i zagrożenia.
5. Prawo autorskie i dane treningowe.
- Exception TDM (Text and Data Mining): legalne pozyskiwanie danych do treningu.
- Status prawny outputu: czy prompt engineer ma prawa autorskie do wytworów AI?
- Ryzyko naruszenia praw osób trzecich przez generowanie plagiatów lub utworów zależnych.
- Licencjonowanie danych treningowych i specyfika licencji Open Source AI.
Moduł III: Technologia, bezpieczeństwo i relacje z dostawcami28.05.2026, 10:00-15:00 | Sergii Demianchuk, dr Paweł Mielniczek
1. Ochrona wizerunku i uczciwa konkurencja.
- Deepfakes i voice cloning: ochrona dóbr osobistych przed nieautoryzowaną syntezą.
- Wymogi prawne dotyczące oznaczania treści wygenerowanych przez AI.
- Scraping jako czyn nieuczciwej konkurencji i naruszanie dobrych obyczajów rynkowych.
- Ochrona know-how i tajemnicy przedsiębiorstwa przed wyciekiem do publicznych modeli.
2. Architektura systemów AI i integracje.
- Architektura RAG (Retrieval-Augmented Generation): bezpieczne łączenie LLM z własną bazą wiedzy.
- Systemy Agentowe: specyfika autonomicznego działania i kontrola sekwencji zadań.
- Bezpieczna integracja przez API: zarządzanie kluczami i separacja środowisk.
- Chmura vs. on-premise: implikacje dla bezpieczeństwa i dostępności danych.
3. Rynek rozwiązań i wybór dostawcy.
- Traceability łańcucha dostaw: weryfikacja pochodzenia danych i modelu.
- Kryteria wyboru dostawcy (RFP): o co pytać w przetargu (efektywność, przejrzystość).
- Weryfikacja "AI Washing": jak sprawdzić, czy produkt faktycznie używa AI.
- Due diligence dostawcy: ocena stabilności i zgodności z AI Act podmiotów trzecich.
4. Umowy wdrożeniowe i licencyjne.
- SLA dla systemów niedeterministycznych: definiowanie "poprawnego działania" przy halucynacjach.
- Klauzule indemnifikacyjne i podział odpowiedzialności za naruszenia IP.
- Exit Plan: procedury zwrotu danych i usunięcia ich z modelu po zakończeniu współpracy.
- Prawa do dotrenowania (Fine-tuning): własność "wiedzy" zdobytej przez model na danych klienta.
5. Jak wdrażać skutecznie procedury wewnętrzne w organizacji - jak dobrze napisać procedurę?
- OWASP Top 10 for LLM: omówienie kluczowych podatności (Prompt Injection, Model Poisoning).
- Red Teaming i techniki Jailbreakingu: testowanie odporności modelu na ataki.
- Ochrona przed atakami inwersji modelu i odtworzeniem danych treningowych.
- Szyfrowanie, enklawy i bezpieczeństwo wtyczek/rozszerzeń.
Moduł IV: Compliance i AI Act11.06.2026, 10:00-15:00 | Adriana Jarczyńska, dr Paweł Mielniczek
1. Klasyfikacja systemów wg AI Act.
- Drzewko decyzyjne: Systemy zakazane, Wysokiego Ryzyka, GPAI i ograniczonego ryzyka.
- Metodologia oceny ryzyka dla praw podstawowych (FRIA).
- System zarządzania ryzykiem (Risk Management System) jako proces ciągły.
- Wymogi dotyczące dokumentacji technicznej zgodnie z Załącznikiem IV do AI Act.
2. Role i odpowiedzialność w łańcuchu AI.
- Dostawca (Provider) vs. Wdrażający (Deployer): kluczowe różnice w obowiązkach.
- Zmiana kwalifikacji: kiedy Wdrażający staje się Dostawcą (istotna modyfikacja).
- Obowiązki dystrybutorów i importerów wprowadzających system na rynek UE.
- Zarządzanie dostawcami modeli ogólnego przeznaczenia (GPAI).
3. Przejrzystość i wyjaśnialność (XAI).
- Model Cards: standard dokumentowania modelu (przeznaczenie, ograniczenia, metryki).
- Metody techniczne wyjaśnialności (SHAP, LIME) tłumaczące decyzje modelu.
- Obowiązek oznaczania interakcji z chatbotami i systemami AI (art. 50 AI Act).
- Tworzenie zrozumiałych instrukcji obsługi dla użytkowników końcowych.
4. Zautomatyzowane podejmowanie decyzji (ADM).
- Wymogi ADM w RODO (art. 22) a regulacje z AI Act.
- Human in the loop: kiedy interwencja ludzka jest istotna, a nie fasadowa.
- Profilowanie a zakaz dyskryminacji i ochrona grup wrażliwych.
- Prawo do wyjaśnienia decyzji: procedury odpowiedzi na pytania o powód odmowy.
5. Operacyjna ochrona przed nadużyciami.
- Ochrona tajemnicy firmy: Procedury bezpiecznego wprowadzania danych do chatbotów (co wolno, a czego nie).
- Zabezpieczenie własnych treści: Jak zlecić IT blokadę botów trenujących modele na danych z naszej strony www.
- Obrona przed "CEO fraud": Procedury weryfikacji tożsamości i płatności w erze deepfake’ów audio i wideo.
- Monitoring Shadow AI: Jak identyfikować nieautoryzowane narzędzia AI używane przez pracowników i reagować na ryzyko.
Moduł V: Operacje, zarządzanie i nadzór17.06.2026, 10:00-15:00 | dr Paweł Mielniczek, Marcin Mroczkowski
1. Odpowiedzialność cywilna i odszkodowawcza.
- Dyrektywa w sprawie odpowiedzialności za AI: domniemanie winy i dostęp do dowodów.
- Odpowiedzialność na zasadzie ryzyka vs. winy w systemach AI.
- Roszczenia za szkody niemajątkowe, dyskryminację i naruszenie prywatności.
- Regres ubezpieczeniowy i podejście ubezpieczycieli do szkód wyrządzonych przez AI.
2. Metodyka zarządzania projektem wdrożeniowym.
- Cykl życia projektu AI: od PoC do produkcji – różnice względem klasycznego IT.
- Piaskownice regulacyjne: zasady korzystania ze środowisk testowych.
- Metodyki zwinne (Agile/MLOps) w warunkach niepewności badawczej.
- Kryteria sukcesu i porażki (Go/No-Go): zarządzanie ryzykiem inwestycyjnym.
3. Governance i nadzór wewnętrzny.
- Podział kompetencji i rozważenie powołania organów ds. AI (np. AI Ethics Board).
- Tworzenie Polityk AI regulujących zasady wykorzystania technologii w organizacji.
- System zgłaszania nieprawidłowości (whistleblowing) dla błędów AI.
- Integracja z ISO 42001 i budowa spójnego systemu zarządzania (AIMS).
4. Nadzór człowieka i etyka operacyjna.
- Procedury Human Oversight: mechanizmy human-in-the-loop, on-the-loop, in-command.
- Błąd automatyzacji (Automation Bias): szkolenie operatorów w krytycznym myśleniu.
- Procedury awaryjne, w tym wyłącznik bezpieczeństwa (zatrzymanie systemu).
- Monitorowanie wpływu AI na dobrostan pracowników i etykę pracy.
5. Utrzymanie techniczne i monitoring modeli.
- Wykrywanie spadku jakości i ponowne trenowanie (Model Drift & Data Drift).
- Monitoring kosztów: optymalizacja zużycia tokenów w fazie utrzymania.
- Logowanie zdarzeń do celów dowodowych zgodnie z AI Act.
- Zarządzanie wersjami modeli i spójność z dokumentacją techniczną.
Moduł VI: Ciągłość działania, specyfika branżowa i planowanie25.06.2026, 10:00-15:00 | dr Paweł Mielniczek, Mateusz Ostrowski
1. Zarządzanie incydentami i ciągłość działania.
- Definicja i zgłaszanie poważnego Incydentu wg AI Act.
- Plan ciągłości działania (BCP): procedury fallback w razie awarii AI.
- Analiza poincydentalna (Forensics): dochodzenie przyczyn błędów modelu.
- Komunikacja kryzysowa i naprawa szkód wobec użytkowników.
2. Adaptacja strategii do specyfiki sektora (MŚP, Finanse, Administracja).
- Jak dostosować ciężar procedur (compliance) do wielkości organizacji i ryzyka – od „lekkich” procedur w MŚP po rygorystyczne w korporacjach.
- Specyfika wdrażania AI w obszarach wrażliwych (scoring bankowy, decyzje administracyjne, medycyna) – identyfikacja dodatkowych narzutów prawnych (KNF, KPA, MDR).
- Różnice i podobieństwa w nabywaniu systemów AI – Opis Przedmiotu Zamówienia (PZP) w administracji a korporacyjne zapytania ofertowe (RFP).
- Otwartość a tajemnica – zarządzanie danymi publicznymi (Open Data) w urzędach kontra ścisła ochrona tajemnicy bankowej i przedsiębiorstwa.
3. Robotyka i bezpieczeństwo fizyczne.
- Relacja AI Act do Rozporządzenia Maszynowego (Safety component).
- Cyber Resilience Act (CRA): wymogi bezpieczeństwa dla produktów z AI.
- Ocena ryzyka fizycznego dla systemów sterujących infrastrukturą lub robotami.
- Aktualizacje OTA i wpływ patchowania modelu na certyfikację urządzenia.
4. AI w produktywności eksperckiej.
- AI jako "Copilot": zaawansowane zasady współpracy z asystentami biurowymi.
- Biblioteka sprawdzonych promptów i zarządzanie wiedzą.
- Ryzyko erozji kompetencji - dbanie o umiejętności pracy bez wsparcia AI.
- Shadow IT i dopuszczanie narzędzi do wewnętrznego użytku.
5. Indywidualna mapa drogowa.
- Synteza zdobytej wiedzy i opracowanie planu działań na pierwsze 30 dni.
- Przygotowanie checklisty wdrożeniowej dopasowanej do specyfiki organizacji uczestnika.
- Sesja Q&A: konsultacje indywidualnych przypadków i wyzwań wdrożeniowych.
- Rekomendacje dalszego rozwoju kompetencji zespołu i organizacji.
Bonusy dla uczestników za udział w szkoleniu:
Wdrażanie AI w organizacji. Analiza prawna, ocena ryzyka i metodyka zapewnienia zgodności + wzory do pobrania
Kompleksowe omówienie zagadnień związanych z bezpiecznym i zgodnym z prawem wdrażaniem systemów AI w organizacjach. Poradnik rozwiązuje problem tzw. luki Lex-Machina, skutecznie tłumacząc język zawiłych przepisów prawnych na konkretne rozwiązania i zabezpieczenia w systemach IT. Zawiera przykłady, wskazówki oraz wzory do pobrania. Sprawdź szczegóły ›
Gratis przysługuje osobom, które zapisały się na pakiet modułów.
Zapisy przyjmujemy do dnia poprzedzającego rozpoczęcie danej części kursu do godziny 23:59 lub do wyczerpania limitu miejsc. Certyfikat uczestnictwa zostanie wysłany drogą elektroniczną w formie PDF w ciągu 7 dni roboczych po szkoleniu. Dostęp do kursu możliwy wyłącznie w czasie rzeczywistym.
Formularz zapisu PDF
Jeśli z przyczyn formalnych nie możesz zarejestrować się online, wypełnij formularz PDF i prześlij na adres [email protected] - Pobierz formularz.
Szkolenie online
Szkolenia online odbywają się przy użyciu platformy Clickmeeting. Nie później niż na 2 godziny przed startem danego szkolenia do uczestników zostanie wysłany e-mail z informacjami jak dołączyć do webinaru. W razie trudności lub nieotrzymania wiadomości (prosimy sprawdzić folder SPAM) z linkiem prosimy o kontakt: tel.: +48 22 311 22 22 lub [email protected].
Udział w szkoleniu można wziąć przy użyciu:
- komputera z systemem operacyjnym Windows 10 lub 11, MacOs 10.13 lub nowszej, Linux, Chrome OS wyposażone w najnowszą wersję przeglądarki Chrome, Safari, Opera, Edge lub Firefox.
- urządzenia mobilnego z systemem operacyjnym Google Android, Apple iOS lub Huawei HarmonyOS z zainstalowaną aplikacją ClickMeeting Webinars Meetings.