GenAI w finansach: od promptu do decyzji
kod szkolenia: HR-AI / GenAI_finanse
To szkolenie nie jest wykładem inspiracyjnym o technologii. Jest o sposobach zmiany konkretnej, codziennej pracy finansisty - z czasochłonnej na dodającą wartość. Adresujemy je do osób, które chcą się dowiedzieć, jak AI może im ułatwić pracę z danymi, raportami, arkuszami kalkulacyjnymi i komunikacją wyników finansowych.
W trakcie zajęć sprawdzamy AI w działaniu: na tekstach o charakterze prawno-finansowym, budżetach, komentarzach zarządczych i powtarzalnych procesach księgowych. Uczestnicy przekonują, kiedy AI rzeczywiście skraca czas pracy, a kiedy jej wyniki trzeba traktować z rezerwą i sprawdzić dwa razy, zanim się podpisze.
Przyjmujemy jedno założenie: AI to partner, a nie zastępstwo człowieka. Finansista pozostaje odpowiedzialny za wynik swojej pracy - AI pomaga go osiągnąć szybciej i z mniejszym wysiłkiem. Dlatego kluczowym tematem szkolenia jest nie tylko to, jak używać AI, ale jak zachować nad nią pełną kontrolę.
- Księgowi
- Pracownicy ds. controllingu
- Analitycy finansowi
- Pracownicy działów sprawozdawczości
- Pracownicy SSC/GBS
- Pracownicy biur rachunkowych
- wie, przy których zadaniach warto sięgnąć po AI, a przy których lepiej tego nie robić;
- umie zadać modelowi pytanie tak, żeby odpowiedź była użyteczna, a nie tylko „mądrze” wyglądająca;
- potrafi sprawdzić, czy to, co zwrócił model, ma sens – merytorycznie i liczbowo;
- zna granice bezpiecznego użycia AI;
- wraca do biura z zestawem gotowych, przetestowanych promptów, które można od razu zastosować.
Dzień podzielony jest na sześć bloków. Każdy zaczyna się od krótkich założeń, a kończy na ćwiczeniu. Wykładu jest tu tyle, ile niezbędnie potrzeba; reszta to warsztat.
Moduł I: Realistyczny obraz AI: co potrafi, czego nie zrobi i kto za co odpowiada?
- GenAI a automatyzacja regułowa – dlaczego to rozróżnienie ma znaczenie dla finansisty
- Przegląd modeli LLM dostępnych na rynku, m.in.: ChatGPT, Microsoft Copilot, Google Gemini, Claude – czym się różnią i jak dobierać narzędzie do zadania
- AI Act z perspektywy użytkownika: jakie obowiązki już dotyczą pracowników działów finansowych?
- Gdzie kończy się rola modelu, a zaczyna odpowiedzialność finansisty – granica, której nie należy przekraczać
Moduł II: Jak rozmawiać z AI, żeby odpowiedź miała wartość merytoryczną?
- Dlaczego to samo pytanie daje różne wyniki w ChatGPT, Copilot i Gemini – i co z tego wynika?
- Budowanie zapytania z kontekstem finansowym: standard rachunkowości, rola nadawcy, oczekiwana forma odpowiedzi
- Biblioteka promptów — jak tworzyć i przechowywać gotowe szablony do analizy KPI, raportowania i komunikacji zarządczej?
- Halucynacja – skąd się bierze i jak sobie z nią radzić?
Moduł III: Gdzie AI „oddaje” godziny -mapowanie rutyny i pierwsze wdrożenia
- Ćwiczenie diagnostyczne: uczestnicy mapują powtarzalne zadania i oceniają, które nadają się do wsparcia AI
- Automatyzacja streszczeń i notatek: jak AI skraca czas pracy z dokumentami
- Granica między skróceniem czasu a obniżeniem jakości: jak ją rozpoznać, a następnie nią zarządzać
- Ćwiczenie: to samo zadanie wykonane bez AI i z AI — co się zmieniło, co trzeba było poprawić
Moduł IV: AI przy liczbach: wsparcie analityczne z „human in the loop”
- Analiza KPI i odchyleń od budżetu — jak AI pomaga ustrukturyzować myślenie o przyczynach, nie tylko o liczbach
- Prognozowanie wyników i analiza scenariuszy FP&A: AI jako narzędzie porównania wariantów, nie wyrocznia
- Narracja finansowa i komentarze zarządcze: od „gęstej” tabeli do komunikatu zrozumiałego dla laika
- Wykrywanie nadużyć i identyfikacja anomalii — gdzie AI sygnalizuje, a gdzie finansista musi ocenić i zdecydować o dalszych krokach
- Ćwiczenie: uczestnicy przeprowadzają pełną analizę za pomocą AI na zestawie danych
Moduł V: Ten sam materiał, różni odbiorcy – jak AI pomaga zmieniać formę przekazu bez zmiany kluczowego przesłania
- Raportowanie zarządcze dla różnych odbiorców: dział finansowy, zarząd, jednostka biznesowa – inne cele, pytania, narracja
- Automatyzacja raportowania: jak skrócić proces przygotowania raportu z kilku godzin do kilkunastu minut
- Przygotowanie prezentacji i skróconej notatki na podstawie gotowej analizy pisemnej
- Ćwiczenie: na podstawie jednego dokumentu uczestnicy tworzą trzy wersje dla różnych odbiorców w biznesie
Moduł VI: Odpowiedzialność, ryzyko i to, co bierzesz ze sobą do pracy
- AI Act bez żargonu: obowiązki dotyczące finansistów
- Jakich danych nie wolno wprowadzać do modeli LLM – praca z wrażliwymi informacjami bez naruszania polityki firmy
- Trzy pytania do każdej odpowiedzi AI: czy źródło jest wiarygodne, czy logika się zgadza, czy ryzyko jest do zaakceptowania
- Audyt i transparentność: jak dokumentować pracę z AI, żeby było jasne co było dziełem modelu, a co decyzją człowieka
Warsztat — nie wykład. Prowadzący omawia temat, uczestnicy od razu próbują na własnym urządzeniu. Każdy pracuje z narzędziem AI, które zna lub chce poznać; nie ma jednego obowiązkowego systemu.
Każdy uczestnik dostaje prezentację w wersji elektronicznej oraz zbiór gotowych zapytań do codziennego użytku w pracy finansowej.
polski