Plan szkolenia
1. Fundamenty pracy z AI (Prompt Engineering)
• Zasady komunikacji z modelami LLM (ChatGPT, Claude 3, Gemini)
• Struktura skutecznego promptu: Rola, Kontekst, Zadanie, Format
• Techniki: Few-Shot Prompting (uczenie na przykładach) i Chain-of-Thought (łańcuch myśli)
2. AI w definicji wymagań i zarządzaniu Backlogiem
• Generowanie User Stories i Kryteriów Akceptacji (Acceptance Criteria)
• Dekompozycja dużych zadań (Epics) na mniejsze zadania (Tasks/Sub-tasks)
• Wsparcie w priorytetyzacji – analiza wartości biznesowej z pomocą AI
• Praca z Jira Product Discovery (lub odpowiednikami) – automatyzacja opisów
3. Dokumentacja i komunikacja w projekcie
• Automatyczne notatki ze spotkań – narzędzia: MS Teams Premium / Otter.ai / Fireflies
• Generowanie podsumowań (Follow-up emails) i list zadań po spotkaniu Daily/Retro
• Tworzenie dokumentacji technicznej dla nietechnicznych interesariuszy
• Redagowanie trudnych komunikatów do klienta/zespołu (tonality adjustment)
4. AI w obszarze UX/UI dla Managerów
• Szybkie prototypowanie (Rapid Prototyping) – narzędzia Uizard / Visily
• Generowanie wizualizacji koncepcji dla zespołu deweloperskiego
• Wstępna analiza użyteczności na podstawie screenshotów
5. Analiza danych i raportowanie
• ChatGPT Data Analyst / Advanced Data Analysis: Praca z plikami CSV/Excel
• Automatyczne generowanie wniosków z raportów sprzedaży/wydajności
• Tworzenie wykresów i wizualizacji danych bez znajomości SQL
• Wsparcie w estymacji projektów – analiza historycznych danych
• Google Gemini for Workspace: Integracja AI z Dokumentami, Arkuszami i Gmailem
6. Aspekty prawne, etyczne i bezpieczeństwo
• Shadow AI: Zagrożenia związane z nieautoryzowanym użyciem narzędzi AI
• Ochrona danych wrażliwych (RODO/GDPR) – czego nie wrzucać do ChatGPT?
• Weryfikacja prawdomówności modeli (halucynacje w danych biznesowych)
7. Warsztat podsumowujący
• Symulacja: Przeprowadzenie procesu od pomysłu na funkcję po wdrożenie
• Dyskusja: Jak wdrożyć AI w swoim zespole od jutra?
