Z A C Z Y N A M Y

Ładowanie...

Moja przygoda z AIDEAS (kohorta 3) – recenzja programu rozwoju kompetencji AI

Moja przygoda z AIDEAS (kohorta 3) – recenzja programu rozwoju kompetencji AI

Wprowadzenie – dlaczego wybrałam AIDEAS?

Od początku byłam ciekawa sztucznej inteligencji, choć pierwsze spotkania z nią nie zachwycały – odpowiedzi ChataGPT były dość sztampowe ( czym z resztą jest problem do dzisiaj), a w Midjourney trudno było zapanować nad prawidłową liczbą palców przy dłoniach. Jednakże, gdy wróciłam do nich po kilku miesiącach byłam pod wrażeniem, jak bardzo się rozwinęły. W tym krótkim czasie zrobiły kolosalny postęp – zaczęły generować coraz trafniejsze i bardziej naturalne odpowiedzi. Fascynuje mnie nie tylko to, jak szybko poprawia się jakość pracy z AI, ale też jak bardzo zaczyna ona przenikać do naszego życia.

Z czasem zaczęłam szukać kursu o sztucznej inteligencji, który naprawdę ma sens. Większość ofert wyglądała jednak jak marketingowy pokaz fajerwerków – pełno obietnic, mało konkretów. Nie chciałam inwestować czasu w kurs, po którym zostaje tylko setka promptów, których nigdy nie użyję. Dlatego moją uwagę zwrócił program AIDEAS organizowany przy współudziale Politechniki Wrocławskiej. Pomyślałam, że to propozycja inna niż wszystkie – szkolenie dla osób, które chcą zrozumieć zasady działania AI, a nie tylko testować kolejne prompty, które na nic się nie przekładają.

Po raz pierwszy o AIDEAS  usłyszałam na Instagramie, gdy natknęłam się na informację,  o naborze do 3 kohorty programu. Jeżeli szukasz informacji, gdzie zapisać się na kolejną edycję znajdziesz ją na stronie programu lub na  Instagramie Generatora Pomysłów.

Przystępując do szkolenia, spodziewałam się intensywnej nauki i konkretów – chciałam zobaczyć, co uda mi się wycisnąć z AI w praktyce. Byłam też ciekawa, jak przebiega takie szkolenie online: czy dam radę pogodzić je z pracą? Czy forma zdalna będzie angażująca? Jak będą wyglądały praktyczne zadania? 

Czym jest program AIDEAS i kto za nim stoi?

AIDEAS to ogólnopolski program rozwoju kompetencji z zakresu sztucznej inteligencji. Organizowany jest wspólnie przez Politechnikę Wrocławską oraz firmę szkoleniowo-consultingową Generator Pomysłów. Inicjatywa jest dofinansowana przez EIT Deep Tech Talent Initiative – europejski program, który ma ambitny cel przeszkolenia miliona osób w obszarze nowych technologii (w tym AI) do końca 2025 roku. Dzięki temu AIDEAS może oferować szkolenie niemal bezpłatnie. Za udział w części teoretycznej (6 modułów) nie poniosłam kosztów, cena za udział w  części zespołowej, w mojej edycji wynosiła 259 zł. W momencie tworzenia tego wpisu jestem w 2 tygodniu kursu, nieco szybciej niż reszta uczestników przerobiłam całą część teoretyczną, a praca w zespole dopiero mnie czeka. Dlatego w tym wpisie omawiam tylko pierwszą część kursu, przeznaczoną do samodzielnej nauki.

Warto podkreślić, że AIDEAS to inicjatywa z misją: jak mówią organizatorzy, każdy może w AI”. Program jest otwarty dla ludzi z różnych środowisk – studentów, specjalistów, managerów, przedsiębiorców – słowem wszystkich, którzy chcą rozwinąć praktyczne umiejętności AI niezależnie od punktu startowego. Nie jest wymagane programistyczne doświadczenie ani zaawansowana wiedza techniczna; kluczowe są ciekawość, otwartość na naukę i gotowość do pracy.

Struktura szkolenia – 7 intensywnych tygodni online

Program AIDEAS trwał 7 tygodni i realizowany był w całości online.

Źródło: Prezentacja AIDEAS z inauguracji programu, Generator Pomysłów / Politechnika Wrocławska

 Organizatorzy zadbali o przejrzystą strukturę i rytm szkolenia:

  • Początek – spotkanie wprowadzające (tydzień 0): Na starcie odbyło się spotkanie organizacyjne, podczas którego przedstawiono harmonogram, platformę do nauki oraz udostępnione narzędzia.

  • Indywidualne moduły (tydzień 1-3): pierwsze faza dotyczyła samodzielnej nauki, którą podzielono na 6 modułów.

  • Praca zespołowa (tydzień 4-6): Po opanowaniu podstaw, od czwartego tygodnia można było dołączyć do interdyscyplinarnego zespołu (5-6 osób) i rozpoczynała się część projektowa. Każda grupa wybierała (lub otrzymała) jedno z przygotowanych przez partnerów wyzwań biznesowych. Przez kolejne trzy tygodnie, można było pracować nad koncepcją i prototypem rozwiązania AI odpowiadającego na dane wyzwanie.

  • Finał (po 7 tygodniu): Po zakończeniu modułów i przygotowaniu projektów nastąpiła Wirtualna Celebracja, w postaci spotkania 0n-line .

  • Poza tym zorganizowano 4 spotkania eksperckie:

Tak zaplanowana struktura sprawiła, że nauka była stopniowa i przemyślana: najpierw fundamenty i praca własna, potem coraz więcej interakcji i w końcu wspólne budowanie czegoś konkretnego. Mimo, że zajęcia odbywały się online, to platforma była intuicyjna, terminy jasno komunikowane, a organizatorzy regularnie mailem wysyłali przypomnienia i wskazówki, jak efektywnie się uczyć (np. cheklisty).

Podsumowanie modułów 1-6

Dla przejrzystości zestawiam poniżej wszystkie moduły programu AIDEAS wraz z ich tematyką, przykładowymi narzędziami omawianymi oraz orientacyjnym czasem trwania.

ModułTematykaPrzykładowe narzędziaCzas trwania
1. Fundamenty AIPodstawy AI, historia rozwoju, rodzaje AI , pierwsze eksperymenty z AI (promptowanie)ChatGPT (pierwsze prompty)~pierwszy tydzień (1h 26 minut nagrań)
2. Prawo i etyka AIRegulacje prawne (AI Act, RODO, pr. autorskie), analiza ryzyk, etyczne wyzwania AI (uprzedzenia, odpowiedzialność, AI governance)Moduł koncepcyjny, omawiano frameworki prawne i case’y.~ pierwszy (1 h 2 minuty nagrań)
3. Generatywne narzędzia AITworzenie treści przez AI: generowanie tekstu, obrazów, wideo, audio. Zasady pisania promptów dla różnych modeli.Perplexity AI, Scite, NotebookLM, Midjourney, Stable Diffusion, RunwayML, Suno, Jasper.ai, Ideogram~drugi tydzień (prawie 2 godziny nagrań)
4. Agenci AI i Proof of ConceptBudowa rozwiązań AI: czym jest PoC, jak eksperymentować i prototypować. Wprowadzenie do agentów AI (systemów wykonujących zadania autonomicznie).GeneratorGPT (platforma m.in do agentów), przykłady , narzędzia no-code do integracji.~drugi tydzień (1 h 13 minut nagrań)
5. AI Mastery (zaaw. AI)Zaawansowane techniki: prompt engineering na eksperckim poziomie, optymalizacja modeli. Jakość danych, unikanie halucynacji.OpenAI Playground (testowanie modeli z parametrami), narzędzia do analizy danych.~trzeci tydzień (1 godzina 32 minuty nagrań)
6. AI w praktyceWdrażanie AI w firmie, trendy przyszłości. Własny plan wdrażania AI.Przegląd case studies różnych branż.~trzeci tydzień (1 h 4 minuty nagrań)

Uwagi: Do czasu trwania modułów należy doliczyć czas na wykonywanie i przesłanie zadań oraz na zabawę narzędziami 🙂 

Część teoretyczna została przewidziana na trzy tygodnie nauki. Jednakże wszystkie materiały były dostępne od razu po zalogowaniu – nie trzeba było czekać na „odblokowanie” kolejnych modułów. Dzięki temu można było przerabiać lekcje we własnym rytmie, wracać do nagrań lub robić je z wyprzedzeniem, jeśli ktoś miał więcej czasu.

Harmonogram oficjalnych tygodni wyglądał tak:

  • Tydzień 1 (7–13 października): Moduł 0 i 1

  • Tydzień 2 (14–20 października): Moduł 2 i 3

  • Tydzień 3 (21–26 października): Moduł 4, 5 i 6

Długość nagrań w poszczególnych modułach nie była przytłaczająca. Z moich szacunków wynika, że nagrania nie przekroczyły 8 godzin, a średnia długość filmiku wynosiła około 10 minut.

Moduły tematyczne AIDEAS – czego się nauczyłam?

Każdy z 6 modułów skupia się na innym aspekcie sztucznej inteligencji. Poniżej przedstawiam po kolei te moduły wraz z moimi wrażeniami i przykładami zagadnień, które zgłębialiśmy.

Moduł 1: Fundamenty AI – od historii do pierwszych eksperymentów

Pierwszy moduł dotyczył podstawowych informacji o sztucznej inteligencji. Zaczęliśmy od odpowiedzi na pytanie “Czym właściwie jest AI?” – poznaliśmy definicje oraz krótką historię AI od lat 50. XX wieku po obecne czasy. Byłam zaskoczona, że koncept AI wcale nie jest taki nowy, choć prawdziwy boom nastąpił dopiero w ostatniej dekadzie dzięki mocy obliczeniowej i big data.

Okazuje się, że AI może istnieć na trzech poziomach:

  • Słaba AI (Narrow AI) – czyli systemy wyspecjalizowane w jednym obszarze (te dominują obecnie, np. rekomendacje Netflixa czy chatboty typu ChatGPT).

  • Silna AI ogólna (General AI) – hipotetyczna AI dorównująca inteligencją człowiekowi, potrafiąca się uczyć dowolnych nowych umiejętności (jeszcze jej nie osiągnęliśmy, choć dyskusje trwają!).

  • Super AI (Strong AI) – poziom przewyższający człowieka pod każdym względem; brzmi futurystycznie i trochę strasznie, ale na razie to bardziej domena science-fiction.

Wyjaśniono również różnicę pomiędzy tradycyjnym uczeniem maszynowym (Machine Learning) a generatywną AI. Uczenie maszynowe opiera się na analizie danych i tworzeniu modeli predykcyjnych (np. model analizuje tysiące zdjęć kotów, by nauczyć się rozpoznawać koty na nowych obrazach). Z kolei generatywna sztuczna inteligencja idzie krok dalej – nie tylko przewiduje wynik, ale sama tworzy nowe treści na podstawie wzorców danych (np. pisze unikalny wiersz lub maluje obraz w stylu Picassa, choć wcześniej widziała tylko dzieła mistrza). To symulacja kreatywności – AI generuje coś nowego, co jednak jest podobne do tego, na czym została wytrenowana.

W ramach modułu 1 miałam też swoje pierwsze praktyczne zadania: proste ćwiczenia z promptowaniem (czyli wydawaniem poleceń modelowi językowemu). Korzystanie z AI jest intuicyjne, bo to przecież rozmowa, ale trzeba myśleć krytycznie – model potrafi brzmieć pewnie nawet, gdy zmyśla.

AI to narzędzie: asystent, który może pomóc w generowaniu pomysłów czy przyspieszyć pracę, ale jego działanie na razie opiera się na danych i algorytmach wymyślonych wcześniej przez ludzi. Obecnie nie mamy do czynienia z kreowaniem przez model nowej wiedzy, bardziej z jej przetworzeniem.

Moduł 2: Prawo i etyka AI – gdzie są granice sztucznej inteligencji?

Drugi moduł dotyczył regulacji prawnych i dylematów etycznych związanych ze sztuczną inteligencją. Przyznam, że obawiałam się, iż ten temat będzie suchy lub trudny – w końcu prawo i AI są pełne niejednoznaczności. Jednakże prowadzący świetnie to ugryzł, tłumacząc praktycznie, na co uważać korzystając z narzędzi AI.

Poznałam kluczowe akty prawne, które już teraz wpływają na AI:

  • Europejski AI Act (projekt unijnego rozporządzenia ws. sztucznej inteligencji) – klasyfikujący systemy AI wg ryzyka (od niskiego do niedozwolonego). Dowiedziałam się np., że rozpoznawanie twarzy czy skoring uczniów to przykłady zastosowań wysokiego ryzyka, które będą ściśle regulowane.

  • RODO (ochrona danych osobowych) – dane wykorzystywane do trenowania modeli czy w aplikacjach AI muszą być zgodne z przepisami o prywatności. Hasło „Za używanie darmowej aplikacji płacisz swoimi danymi” zapadło mi w pamięć – warto zawsze myśleć, jakie dane udostępniamy narzędziom AI i jak to narzędzie będzie mogło je później wykorzystać.

  • Prawo autorskie – gorący temat generowania obrazów, muzyki czy tekstów przez AI. Kto właściwie ma prawa do dzieła stworzonego przez AI i czy wolno trenować modele na cudzych utworach (np. obrazach znalezionych w internecie)? Technologia może chronić twórców (np. znakując treści wygenerowane), ale stawia też wyzwania – co z plagiatem AI, deepfake’ami, kopiowaniem stylu artysty?

Drugą częścią modułu była etyka AI. To był moment refleksji: jak używać AI odpowiedzialnie? Poruszyliśmy kwestie uprzedzeń w algorytmach (AI uczy się na danych historycznych, więc może powielać błędy – np. dyskryminować mniejszości, jeśli dane były stronnicze). Omawiano, kto ponosi odpowiedzialność za decyzje AI – czy twórca modelu, użytkownik, a może sam „autonomiczny” system? Okazuje się, że na razie prawnie odpowiedzialność spada na człowieka korzystającego z narzędzia. Dlatego tak ważne jest zaufanie – jeśli chcemy, by ludzie akceptowali AI, systemy muszą być transparentne, wyjaśnialne i wolne od dyskryminacji.

Zapadło mi w pamięć zdanie prowadzącego: „AI może zautomatyzować procesy, ale nie może automatyzować odpowiedzialności. Innymi słowy, firmy i zespoły wdrażające AI muszą same wypracować zasady etyczne, audytować swoje modele, monitorować skutki – słowem zarządzać AI mądrze i odpowiedzialnie (tzw. AI governance). Mówiliśmy też o potrzebie planów awaryjnych – np. co jeśli system AI w banku zawiedzie, czy mamy mechanizm interwencji człowieka?

Jeśli AI ma nam służyć, musimy mądrze ustanowić granice. Po tym tygodniu zaczęłam inaczej patrzeć na aplikacje, z których korzystam na co dzień –  jakie dane zbiera, czy ja chciałabym, by tak analizowano moje zachowanie? Dobrze, że AIDEAS uwzględnia te tematy, bo wiele kursów AI pomija kwestie prawne, a przecież są one absolutnie kluczowe we wdrażaniu nowych rozwiązań.

Moduł 3: Generatywne narzędzia AI – tekst, obraz, wideo, dźwięk

Trzeci moduł to była dla mnie czysta frajda – zanurzenie się po uszy w różnych narzędziach AI to właśnie to co Tygryski lubią najbardziej!  Nadszedł czas, by pobawić się modelami generującymi teksty, grafiki, muzykę i filmy.

Zaczęliśmy od narzędzi tekstowych. Oczywiście wymieniono tu ChatGPT, Gemini, Claude czy DeepSeek, ale odkryliśmy także mniej oczywiste narzędzia:

  • Perplexity.ai – sprytna wyszukiwarka wspomagana AI, która nie tylko odpowiada na pytania pełnymi zdaniami, ale od razu podaje źródła. Taki „dociekliwy asystent”, przydatny przy researchu informacji.

  • Scite.ai – narzędzie stworzone dla naukowców, które pomaga w wyszukiwaniu literatury i cytowań. Coś jak inteligentny Google Scholar – wpisujesz temat, a Scite nie tylko wynajduje publikacje, ale też wskazuje, czy inne prace je potwierdzają czy im zaprzeczają (tzw. „inteligentne cytowania”).

  • Google NotebookLM – AI zaimplementowane w notatniku od Google. Pozwala wgrać własne dokumenty lub artykuły, a następnie zadać pytania do tej treści czy poprosić o streszczenie. Idealne do szybkiego robienia notatek i podsumowań dużego tekstu – testowałam to później do rozmawiania z artykułami naukowymi i byłam zachwycona, jak trafnie wyłapywało kluczowe punkty, dodatkowo nie halucynuje, bo opiera się tylko na plikach, które sami tam załadujemy.

  • GeneratorGPT autorskie narzędzie od Generatora Pomysłów, które oferuje bezpieczną pracę z AI. Dodatkowe opcje to konfiguracja i możliwość dostosowania stylu odpowiedzi. Pozwala także budować zespoły Agentów AI.
  • Jasper.ai – popularne narzędzie do generowania tekstów marketingowych i postów w social media, z opcją ustawiania tonu wypowiedzi zgodnego z marką. Dla osób tworzących treści to spore ułatwienie – można wygenerować np. 5 wariantów sloganu reklamowego i wybrać najlepszy.

Co ważne, prowadzący uczulili nas, że wybór narzędzia zależy od potrzeb. Jeśli piszę pracę naukową  to Scite i NotebookLM będą lepsze niż ChatGPT. Jeśli potrzebuję kreatywnego tekstu na blog – warto sprawdzić Jasper lub nawet specjalistyczne narzędzia copywriterskie (typu Copy.ai). Każde z tych narzędzi bazuje na podobnych modelach językowych, ale różni się „opakowaniem” i funkcjami. Mieliśmy więc zachętę: testujcie różne chatboty i aplikacje, znajdźcie swoją ulubioną kombinację.

Następnie przeszliśmy do generowania obrazów. Tu zabawa zaczęła się na całego. Narzędzi jest mnóstwo, ale skupiliśmy się na kilku:

  • Midjourney – prawdziwy hit, jeśli chodzi o jakość generowanych obrazów. Promptowanie tutaj nie należy do najłatwiejszych, ale wyniki są piorunujące.Początkowo z narzędzia można było korzystać tylko przez Discord, ale od jakiegoś czasu jest to możliwe również z poziomu strony głównej Midjourney. Poniżej możesz zobaczyć możliwości Midjourney, przy użyciu bardzo prostego promptu, można uzyskać bardzo zaawansowaną fotorealistyczną grafikę. Jest to narzędzie bez darmowej wersji próbnej.

  • Ideogram – narzędzie generujące obrazy ze specjalizacją… w tekście. Okazuje się, że zwykłe modele często mają problem z literami. Wystarczy, że poprosić ChatGPT o wygenerownie loga z napisem. Często wychodzą krzaczki, literki się zlewają, a polskie znaki to już dramat! Ideogram radzi sobie lepiej z generowaniem grafik zawierających napisy czy litery, co jest przydatne np. przy tworzeniu koncepcji logo czy plakatu z hasłem. 

Kulminacją części obrazkowej było ćwiczenie: każdy z nas miał wymyślić oryginalny prompt i wygenerować obraz. Bawiłam się świetnie, kombinując opisy. Kilka prób i odkryłam, że pisanie dobrych promptów to trochę sztuka – trzeba myśleć jak reżyser czy malarz, używać określeń dot. stylu, kompozycji, światła.

Dalej przyszła pora na wideo generowane przy pomocy AI.To kolejna względnie nowa dziedzina, ale już są pierwsze rewelacyjne narzędzia:

  • Poznaliśmy zasadę działania np. RunwayML, który  pozwala tworzyć krótkie klipy, w których kluczowe jest bardzo precyzyjne opisanie sceny, ruchu kamery i stylu filmowego. Dowiedziałam się, że najlepsze efekty daje podział dłuższego promptu na kilka fragmentów: osobno opis akcji, osobno ruch kamery, a na końcu stylistykę (np. „ujęcie jak z teledysku, kamera szybko panoramuje, klimat dynamiczny i pełen akcji, kolorystyka neonowa”).

  • Z kolei Hailuo AI i Kling AI to nowe generatory, które potrafią tworzyć zaskakująco realistyczne wideo, zachowując naturalny ruch postaci i płynność scen. To właśnie one pokazują, jak szybko rozwija się generatywna AI – jeszcze kilka miesięcy temu takie efekty były nieosiągalne.

  • Na koniec poznaliśmy też Sora – narzędzie rozwijane przez OpenAI, które idzie o krok dalej, przekształcając tekst w wideo filmowej jakości. To wciąż technologia we wczesnej fazie, ale potencjał jest ogromny: wystarczy opisać sytuację, a model sam buduje całą scenę z oświetleniem, ruchem i głębią obrazu.

Choć generowanie pełnoprawnych filmów przez AI wciąż brzmi futurystycznie,  potencjał jest ogromny. Może nie stworzymy od zera „Avatara 3”, ale do marketingu czy mediów społecznościowych – czemu nie? Kilkoma zdaniami można wygenerować unikalną animację produktową albo artystyczny klip.

Na koniec modułu 3 przeszliśmy do audio – czyli jak AI może tworzyć muzykę i dźwięki. Tu moje serce skradło narzędzie Suno, które generuje całe utwory muzyczne na bazie promptu. Dosłownie wpisujesz: „energetyczny utwór taneczny w stylu lat 80., z mocną linią basu, żeński wokal o ciepłym brzmieniu, tekst o pokonywaniu przeciwności” – i klikasz Enter. Suno po chwili serwuje Ci 3-minutową piosenkę z wygenerowanym wokalem i muzyką! Efekt? Melodie może nie hitowe, ale niektóre wpadały w ucho.

Poznałam też:

  • Stable Audio umożliwia tworzenie efektów dźwiękowych i muzyki na podstawie krótkiego opisu – wystarczy wpisać, czego potrzebujemy („energetyczny beat w stylu pop, 120 BPM, z gitarą i syntezatorami”), a model generuje gotowy podkład.
  • Eleven Labs skupia się na głosie – pozwala generować narracje, dubbing i lektorskie nagrania w wielu językach, z zachowaniem emocji i intonacji. To właśnie to narzędzie pokazało mi, jak bardzo realistyczne potrafią być dziś syntetyczne głosy.

  • Beatoven – ciekawostka dla twórców wideo, generuje podkłady muzyczne dopasowane do nastroju i tempa, na podstawie tekstowego opisu.

Zasada przy audio, jak się nauczyłam, jest podobna do obrazów: im precyzyjniej opiszesz pożądane brzmienie (instrumenty, tempo, emocje, styl), tym lepszy wynik. I najlepiej pisać prompt po angielsku – wiele modeli audio i graficznych lepiej rozumie angielskie komendy niż polskie.

Po tym module tworzenie grafiki do artykułu, wymyślenie tła muzycznego do prezentacji czy wygenerowanie klipu video stało się kwestią minut, a nie tygodni pracy profesjonalnego studia. Arsenał narzędzi z jakich można korzystać jest ogromny.

Moduł 4: Agenci AI i Proof of Concept – od pomysłu do prototypu

Czwarty moduł stanowił pomost między częścią indywidualną a zespołową, bo skupiał się na tym, jak budować rozwiązania oparte o AI w praktyce. Dowiedzieliśmy się, czym jest PoC (Proof of Concept) i dlaczego jest tak ważny w projektach AI. Mówiąc krótko: PoC to taki szybki prototyp, który pozwala sprawdzić, czy nasz pomysł na wykorzystanie AI w ogóle ma sens, zanim zainwestujemy mnóstwo czasu i pieniędzy.

Tworzenie rozwiązań AI to eksperymentalny proces. Nie da się zaplanować wszystkiego od A do Z i gwarantować sukcesu. Zamiast tego, trzeba szybko prototypować i testować kolejne iteracje pomysłu, obserwować wyniki i poprawiać model. W tym module nauczyłam się więc myśleć jak innowator: zacznij od wersji minimum, sprawdź czy działa, wyciągnij wnioski, ulepszaj – i tak w kółko. To podejście zdejemuje presje, bo na starcie wiesz, że pierwsza wersja nie będzie idealna.

Agenty AI – kluczowy koncept tej edycji AIDEAS. Wcześniej, w module 3, pracowaliśmy z pojedynczymi modelami, które reagowały na nasze polecenia – generowały tekst, obraz czy dźwięk „na żądanie”. Agent AI to krok dalej: system, który potrafi sam zaplanować i wykonać zadanie w określonym środowisku, a nie tylko odpowiadać na pytania. 

Przykład? Wyobraźcie sobie bota, który nie tylko odpisuje na maile, ale też samodzielnie przeszukuje internet, znajduje potrzebne dane i tworzy z nich raport. Albo agenta, który monitoruje kalendarz, sam umawia spotkania i rezerwuje bilety – bez konieczności podawania mu każdego kroku.

🤖 Agent AI – działa sam, według ustalonego celu.

 Asystent AI – to narzędzie, które reaguje na Twoje polecenia i prowadzi rozmowę, pamiętając kontekst. Może mieć określoną osobowość, styl mówienia i zasady działania. Wykonuje jednak tylko to, o co go poprosisz — nie działa samodzielnie.

Przykład: ChatGPT (tworzysz Asystenta), Gemini (tworzysz Gema)

  • Potrafi zapamiętać kontekst rozmowy.

  • Umie analizować dane, pisać teksty, tłumaczyć, kodować.

  • Ale nie wykona działania bez Twojej inicjatywy — nie „zrobi czegoś sam”.

🧠 Asystent AI – reaguje na Twoje polecenia.

 Agenty a asystenci AI

Agenty to kolejny poziom zaawansowania – system, który potrafi samodzielnie podejmować działania, korzystać z innych narzędzi i podejmować decyzje na podstawie celu, a nie pojedynczego polecenia.
Agent potrafi planować, monitorować efekty i modyfikować swoje działania bez konieczności ciągłego wprowadzania promptów przez człowieka.

Przykład:
Agent może samodzielnie:

  • przeanalizować dane z kilku źródeł,

  • wysłać e-mail lub wypełnić formularz,

  • napisać i opublikować post w social media,

  • a nawet samodzielnie uruchamiać inne aplikacje (np. przetwarzać arkusze w Google Sheets).

CechaAsystent AIAgent AI
Inicjatywa działaniaReaguje na komendy użytkownikaSam planuje i realizuje zadania
Pamięć kontekstuTak, w ramach rozmowyTak, plus wykorzystuje ją do podejmowania decyzji
Dostęp do narzędziOgraniczony (np. przeglądarka, kod)Rozszerzony (może korzystać z wielu systemów i API)
Cel działaniaWykonanie pojedynczego poleceniaOsiągnięcie określonego celu (np. „zwiększ sprzedaż o 10%”)
Poziom samodzielnościZależny od użytkownikaCzęściowo autonomiczny
PrzykładChatGPT, Google GeminiAutoGPT, AgentGPT, CrewAI, OpenDevin

Źródło: opracowanie własne na podstawie Modułu 4.

Dowiedziałam się też, że budując agenta trzeba zadbać o pamięć konwersacyjną (zwykła rozmowa w ChatGPT ma ograniczony kontekst – agent może to obchodzić, przechowując informacje o wcześniejszych krokach) oraz o łączenie różnych umiejętności. Najciekawsze agentowe rozwiązania integrują wiele modeli: np. jeden model odpowiada za analizę tekstu, drugi za generowanie obrazu, trzeci za wyszukiwanie informacji – razem mogą zrobić coś bardziej kompleksowego. Częstszy błędm bywają jeszcze próby stworzenia Agenta, który będzie wielofunkcyjny, np. takiego który zarządza całą firmą.

Moduł 5: AI Mastery – zaawansowane promptowanie i jakość danych

Piąty moduł brzmiał dumnie: AI Mastery.  Był to najtrudniejszy technicznie tydzień, ale też niezwykle wartościowy, bo poruszał dwie kluczowe kwestie dla zaawansowanych użytkowników AI: sztukę promptowania na wyższym poziomie oraz pracę z danymi i modelami bardziej „pod maską”.

Najpierw zaawansowane techniki prompt engineering.  Tutaj nauczyłam się całej gamy nowych trików:

  • Strukturyzacja promptu: Dowiedziałam się, że warto dzielić polecenie na części, np. określić rolę modelu („ Jesteś doświadczonym analitykiem danych…”), dodać kontekst („ …dane pochodzą z raportu sprzedaży za ostatni rok”), a na końcu jasno zadać zadanie („ Przygotuj podsumowanie głównych trendów oraz wypunktuj 3 rekomendacje”). Taki wieloczęściowy prompt daje zazwyczaj lepsze efekty niż jedno zdanie.

  • Format odpowiedzi: Można z góry poprosić AI o konkretny format wyniku, np. „ Odpowiedź przedstaw w formie tabeli z kolumnami: Problem | Rozwiązanie AI | Korzyści” albo „ Napisz kod w Pythonie wraz z komentarzami”. Model chętnie się dostosowuje, co oszczędza nam pracy na edycji odpowiedzi.

  • Iteracja i doprecyzowanie: Nie należy zrażać się pierwszą średnią odpowiedzią. Sztuka polega na tym, by iteracyjnie poprawiać prompt – dodać szczegóły, jeśli czegoś zabrakło w wyniku, albo podzielić zadanie na mniejsze etapy. „ Tworzenie efektywnych promptów to proces – rzadko kiedy jedno pytanie od razu da Ci idealny rezultat”. Przykładowo, gdy generowałam podsumowanie dużego artykułu, lepiej było najpierw kazać AI wypisać główne tematy, potem dla każdego tematu oddzielnie poprosić o rozwinięcie. Krok po kroku otrzymałam świetny konspekt.

  • Walidacja odpowiedzi: Zwróciliśmy uwagę na zjawisko halucynacji AI – model bywa przekonujący, ale potrafi wymyślać fakty. Na etapie promptowania warto więc prosić o uzasadnienia, źródła lub weryfikować wyniki innym narzędziem (np. zadać to samo pytanie w Perplexity, który daje źródła).

Drugim filarem modułu 5 była jakość danych i generalnie zrozumienie, jak działają modele „pod spodem”. W przystępny sposób wyjaśniono nam, że:

  • AI jest tak dobra, jak dane, na których ją nauczono. Jeśli dane są stronnicze lub złej jakości, model przejmie te błędy. Stąd wielka rola w realnych projektach AI dla data engineerów i data scientistów, którzy czyszczą, selekcjonują i przygotowują dane.

  • Poznaliśmy pojęcia overfitting (model „ przeuczony” na danych treningowych, tracący ogólność) i underfitting (model zbyt prosty, niedouczony). Choć nie programowaliśmy modeli od zera, zrozumienie tych zjawisk jest przydatne nawet przy korzystaniu z gotowych API – np. wyjaśnia, czemu czasem model daje losowe wyniki (może ma mało danych), albo dlaczego potrzebuje dostrajać model (fine-tuning) pod konkretny task.

  • Omówiliśmy też znaczenie długości kontekstu modelu (dlaczego ChatGPT ma limit i zapomina co było na początku rozmowy – to związane z architekturą modeli transformer) oraz kwestię limitów tokenów. Teraz wiem, czemu czasem model utnie wypowiedź w połowie – bo wyczerpał maksymalną liczbę tokenów odpowiedzi.

  • Ważnym tematem była też anonimizacja danych – szczególnie, gdy np. używasz narzędzi AI do analizy firmowych dokumentów zawierających wrażliwe informacje. Poznałam metody maskowania danych osobowych czy wyrzucania pól, których model nie powinien widzieć. To był praktyczny akcent bezpieczeństwa.

Moduł 6: AI w praktyce – zadania końcowe i eksperymenty wdrożeniowe

Ostatni moduł to był finałowy sprint – skupiliśmy się na praktycznych aspektach wdrażania AI oraz spojrzeliśmy w przyszłość technologii.

W części teoretycznej omówiliśmy, jak AI jest już dziś wykorzystywana w firmach i co nas czeka za rogiem:

  • Podkreślono, że AI to już teraźniejszość w biznesie, nie futurystyka. Wiele firm, które szybko zaadaptowały narzędzia AI, zyskało przewagę konkurencyjną. Padło stwierdzenie: „ AI nie zastąpi ludzi, ale zastąpi tych, którzy nie potrafią z nią współpracować”. Mocne, ale daje do myślenia – warto się szkolić, bo umiejętność pracy z AI stanie się tak oczywista jak obsługa komputera.

  • Przykłady wdrożeń AI w różnych działach: marketing (automatyzacja tworzenia treści, analiza trendów – np. narzędzie generujące kalendarz publikacji social media na bazie jedynie kilku wskazówek od marketera), obsługa klienta (chatboty pierwszej linii odpowiadające na typowe pytania 24/7), finanse (systemy wykrywające fraudy i przeciwdziałające praniu brudnych pieniędzy szybciej niż człowiek), HR (selekcja CV i wsparcie rekrutacji – choć tu też rozmawialiśmy o etycznych pułapkach).

  • Demokratyzacja technologii: AI obniża koszty i barierę wejścia dla wielu rozwiązań. Kiedyś potrzeba było zespołu programistów, by stworzyć aplikację – dziś wiele rzeczy można złożyć z gotowych usług i modeli. To oznacza, że innowacje mogą pasjonaci,własnymi silami, bez wsparcia finansowego.

  • Trochę futurystyki: jak może wyglądać przyszłość AI za 5-10 lat? Mówiliśmy o trendach jak AI coraz lepiej rozumiejąca ludzkie emocje i język (modele multimodalne, które ogarniają tekst, obraz, dźwięk jednocześnie), rozwoju robotyki wspieranej AI, czy AI projektowanej przez AI (automatyczne ulepszanie modeli przez inne modele). Z jednej strony ekscytacja, z drugiej – ostrzeżenie, że tempo zmian jest ogromne i warto stale być na bieżąco.

Prowadzący i mentorzy – ludzie (i awatary) pełni pasji

Jednym z najbardziej zaskakujących i ciekawych elementów AIDEAS była dla mnie forma prowadzenia wykładów. Trenerzy programu to grupa ekspertów z różnych dziedzin AI. 

Co jednak wyróżniało te zajęcia to fakt, że wykładowcą i wykładowczynią były… awatary AI! Okazało się, że nasi prowadzący nagrali swoją wiedzę i osobowość w formie cyfrowej – stworzyli wirtualnych lektorów wygenerowanych przez sztuczną inteligencję, którzy prezentowali nam materiał. Początkowo byłam tym zaskoczona – widziałam na ekranie postać mówiącą płynnie po polsku głosem mentora, z nieco nienaturalnym ruchem rąk. Szybko jednak przywykłam i muszę przyznać, że był to świetny pokaz możliwości AI w edukacji. W rolę awatarów wcieliła się Paula Skrzypecka oraz Tomasz Chyrchel (CEO Generatora Pomysłów, ekspert od innowacji).

Przykłady zastosowań AI w różnych branżach – odkrycia z kursu

Jednym z celów programu AIDEAS było pokazanie, że sztuczna inteligencja ma zastosowanie praktycznie w każdej branży. W trakcie szkolenia poznawaliśmy liczne case’y i przykłady, które poszerzyły moje horyzonty. Oto kilka z nich, które szczególnie zapadły mi w pamięć:

  • Branża beauty (uroda): Czy AI może przewidywać trendy kosmetyczne? Okazuje się, że tak! Dowiedziałam się, że gigant kosmetyczny L’Oréal wykorzystuje AI do analizy mediów społecznościowych i stylu życia konsumentów, potrafiąc wykryć rodzące się trendy urodowe nawet 18 miesięcy wcześniej. AI jest też szansą na bardziej inkluztywne standardy piękna – słyszałam o projektach, gdzie trenuje się modele generujące obrazy ludzi o różnych typach urody, by np. reklamodawcy mieli dostęp do bardziej różnorodnych wizerunków (a nie w kółko te same “ideały”).

  • Handel detaliczny (retail): Tutaj AI pomaga zarówno w personalizacji oferty dla klientów, jak i w logistyce. Przykład z zajęć: marka odzieżowa online wykorzystuje algorytmy do analizy zachowań klientów na stronie – co oglądają, co odkładają do koszyka, czego szukają – i na tej podstawie personalizuje stronę pod każdego użytkownika (kolejność produktów, rekomendacje). W logistyce natomiast AI bierze się za prognozowanie popytu: firma Tchibo analizowała dane sprzedażowe z 6 krajów za pomocą AI, aby lepiej planować stany magazynowe – dzięki temu zmniejszyli nadwyżki towaru i uniknęli braków na półkach, co oznacza mniej odpadów i większy zysk.

  • Farmacja i medycyna: Tu przykłady aż rozpalają wyobraźnię. Jeden z najbardziej imponujących to projekt AlphaFold od DeepMind – AI, która nauczyła się przewidywać strukturę białek. W kursie omawialiśmy, jak to odkrycie przyspiesza prace nad nowymi lekami (wiedząc, jak wygląda białko chorobotwórcze, można szybciej zaprojektować molekułę leku, która je zablokuje). AI pomaga również w modelowaniu przebiegu chorób na poziomie komórek, co może zrewolucjonizować testowanie terapii (mniej eksperymentów na żywym organizmie, więcej symulacji). Był też przykład narzędzia Woebot – to chatbot terapeutyczny używany w psychologii, który wspiera pacjentów rozmową i technikami CBT. Choć nie zastąpi lekarza, badania pokazują, że potrafi pomóc w łagodzeniu lżejszych stanów lękowych czy depresyjnych, jako uzupełnienie terapii.

  • Logistyka i przemysł: W fabrykach AI pełni rolę cichego anioła stróża. Dowiedziałam się o systemach monitoringu, gdzie kamery z AI wykrywają niebezpieczne sytuacje (np. pracownik na hali produkcyjnej zapomniał założyć kask – system to zauważy i natychmiast powiadomi nadzór). Predictive maintenance to kolejne zastosowanie – czujniki zbierają dane z maszyn, a algorytmy przewidują awarię zanim nastąpi. Dzięki temu można zaplanować przerwę techniczną w dogodnym momencie zamiast nagle wstrzymywać produkcję z powodu usterki. W logistyce transportu AI optymalizuje trasy dostaw, co oszczędza paliwo i czas. Świetny case dotyczył firmy kurierskiej, która dzięki algorytmom uczenia maszynowego zredukowała długość tras dostaw o kilka procent – niby niewiele, ale przy tysięcach kilometrów dziennie dało to ogromne oszczędności.

  • Finanse i bankowość: Tutaj AI jest niemal wszędzie za kulisami. Systemy antyfraudowe analizują setki parametrów transakcji w czasie rzeczywistym i wychwytują podejrzane operacje (np. kradzież karty, pranie pieniędzy) szybciej niż analityk. Banki wdrażają chatboty do obsługi klienta – prosty przykład to popularna w Polsce bankowa asystentka głosowa, która potrafi wykonać przelew na podstawie komendy głosowej. Co więcej, AI w bankowości personalizuje ofertę – np. analizuje historię wydatków i podpowiada, że może warto założyć lokatę, bo na koncie leży nadwyżka. W module prawnym też padł przykład: AI wspiera działy compliance, skanując miliony stron dokumentów prawnych i wyłapując te fragmenty, które mają znaczenie dla nowych regulacji (tak, by bank łatwiej dostosował się do zmian prawa).

Te wszystkie przykłady utwierdziły mnie, że AI to uniwersalne narzędzie, które można adaptować do konkretnych potrzeb. Niezależnie czy mówimy o analizie trendów modowych, optymalizacji łańcucha dostaw czy wsparciu lekarzy – klucz leży w zidentyfikowaniu, który etap procesu lub jaki problem można usprawnić dzięki uczeniu maszynowemu czy automatyzacji..

Moje wrażenia i refleksje – osobisty rozwój podczas AIDEAS

Po kilku tygodniach intensywnej nauki mogę z pełnym przekonaniem powiedzieć: to było świetnie zorganizowane doświadczenie edukacyjne. Chciałabym podzielić się kilkoma refleksjami, co dla mnie okazało się najcenniejsze:

  • Nauka przez praktykę przynosi najlepsze rezultaty – teoria teorią, ale najbardziej uczyłam się realizując zadania  z modułu 3: samodzielne promptowanie + testowanie różnych narzędzi do generowania obrazów, filmów i dźwięków. AIDEAS idealnie zbalansował porządną dawkę teorii z mnóstwem praktyki. Każdy moduł przynosił nowe umiejętności, bo musiałam coś zrobić, nie tylko przeczytać/sluchać. Ćwiczenia typu „wygeneruj to i tamto” – to zostaje w głowie o wiele dłużej niż slajdy.

  • Oswojenie korzystania z technologii – okazało się, że można uczyć AI bez żargonu i matematycznych formuł, przynajmniej na tym  poziomie. AIDEAS stopniowo wprowadzał trudniejsze pojęcia, zawsze z konkretnymi przykładami. Kiedy pojawiały się terminy jak „ transformer” czy „ embedding”, od razu mieliśmy analogię albo proste wyjaśnienie.  

  • Surprise, surprise – polski czy angielski? – okazuje się, że w pracy z AI język angielski jednak często daje lepsze efekty. Modele obrazowe, audio, nawet tekstowe  były trenowane głównie na anglojęzycznych danych, więc np. Midjourney lepiej rozumie prompt „ cat playing guitar in space” niż „ kot grający na gitarze w kosmosie”. To mnie zmotywowało do szlifowania angielskiego.  Ostatecznie wszystko zależy od narzedzia, z ChatemGPT rozmawiam po polsku, ale już  w Midjourney najlepiej sprawdzają się propmty po angielsku, ale z kolei  do tłumaczeń wykorzystuję zawsze ChatGPT.

  • Iteracyjność to klucz – chyba najważniejsza lekcja mentalna: nie zrażać się porażką modelu, tylko zadawać kolejne pytania „dlaczego nie wyszło i jak to poprawić”. Widziałam, jak ChatGPT potrafi halucynować – zamiast go skreślać, nauczyłam się zadawać bardziej precyzyjne pytania i weryfikować źródła. Gdy tworzyłam pierwszego agenta, wyniki wcale nie były zadowalające, ale wiem, że tylko testowanie i praca może je poprawić. Ten mindset przenosi się też na inne obszary życia zawodowego – nawet już po kursie złapałam się na tym, że gdy napotkałam problem w projekcie w pracy, to podeszłam do niego bardziej trochę inaczej: „ OK, to podejście nie zadziałało, spróbujmy inaczej” – proste, a czasami najtrudniejesz do zastosowania.

Co mówili inni uczestnicy AIDEAS?

Nie tylko ja wyszłam z tego programu zachwycona. W komentarzach na Discordzie widać było ogromne zaangażowanie uczestników – od pierwszych problemów technicznych po rozmowy o bezpieczeństwie danych czy jakości modeli językowych. Uczestnicy wspierali się nawzajem, wymieniali się notatkami i linkami do przydatnych narzędzi. „Każdy ma inne tempo, ale dużo można słuchać w tle – ja tak robię” – pisała jedna z uczestniczek, pokazując, że program pozwala dopasować naukę do codziennych obowiązków. Wiele dyskutowano o tym czy modele działają lepiej po angielsku, a który po polsku. Zwykle odpowiedzi angielskie wypadają lepiej, bo ten język jest im po prostu bliższy, przez co lepiej go rozumieją. Za to dyskusje o narzędziach, modelach i bezpieczeństwie danych pokazały, jak aktywną społeczność stworzył ten program. Uczestnicy wymieniali się doświadczeniami, testowali różne modele (Gemini, Veo, Seedream, ElevenLabs, DreamFaceApp) i pomagali sobie nawzajem z promptami. Rozmawiali o realnych problemach – od ochrony danych po zjawisko „halucynacji AI” i aktualność informacji w modelach. Widać było, że kurs nie tylko uczył, ale też inspirował do dalszych poszukiwań.

Nie wszyscy jednak byli równie zachwyceni. Część uczestników narzekała na nagrania z awatarami AI, które dla niektórych okazały się „trudne do oglądania”. Wielu przyznało, że wersje live prowadzone przez prawdziwych trenerów były bardziej angażujące i lepiej oddawały emocje. 

Podsumowując – AIDEAS zebrał społeczność ludzi, którzy naprawdę chcieli zrozumieć sztuczną inteligencję, a nie tylko jej używać. Czasem narzekali na formę, czasem żartowali z technologii, ale wszyscy mieli jedno wspólne: ciekawość i chęć rozwoju. I może właśnie to jest największa wartość tego programu – fakt, że uczy nie tylko narzędzi, ale też sposobu myślenia i otwartości na świat, który zmienia się szybciej, niż nadążamy go opisywać.

Mój plan wdrożeniowy – co zrobię z wiedzą po szkoleniu?

Jeszcze przed zakończeniem programu zaczęłam spisywać pomysły, jak wdrożyć AI w mojej codziennej pracy i projektach osobistych. AIDEAS nie tylko dostarczył wiedzy, ale też rozbudził apetyt na eksperymenty! Oto mój osobisty plan na najbliższe miesiące po szkoleniu:

  1. Eksperymenty z generowaniem contentu: Tydzień po szkoleniu postanowiłam założyć bloga, którego właśnie czytasz 🙂 Wpis powstał ze wsparciem ChataGPT i moich obszernych notatek ze szkolenia AIDEAS.
  2. Automatyzacja w życiu codziennym: Skoro AI może układać diety czy planować podróże (jak wspominali prowadzący, używają tego prywatnie), to czemu nie skorzystać? Mam plan stworzyć sobie Wielu uczestników chwaliło prowadzących. Doceniano też luźną atmosferę i poczucie humoru, które sprawiało, że nawet poważne tematy stawały się ciekawsze „osobistego dietetyka”  zeby przestać w końcu zastanawiać się co zrobić na obiad. Mam na komputerze zapisanych mnóstwo diet i przepisów do wypróbowania, więc myślę, że warto spróbować.

  3. Dalsza nauka i specjalizacja: AIDEAS dał mi przekrój przez wiele tematów. Teraz wiem, co mnie szczególnie kręci – niezmiennie generowanie grafik i wykorzystanie AI do pisania tekstów naukowych ze studentami. Dlatego planuję dwa tory rozwoju:

    • Ukończyć kolejny kurs z pisania tekstów naukowych z AI, żeby jeszcze lepiej zrozumieć jak mogę wspierać studentów w  efektywnym pisaniu prac dyplomowych i efektywniejszej nauce na studiach.

    • Eksperymentować dalej z generowaniem obrazów i kontynuować rozwój sklepu z kartami pracy dla dzieci, który założyłam 1,5 roku temu na Etsy.

    • Rozwój marki osobistej i tego bloga, który będzie recenzował wszystkie kursy jakie już wykupiłam, a których jeszcze nie przrobilam i wszystkie nowe kolejne kursy. Chociaż liczbę tych ostatnich chciałabym w końcu organiczyć.

Dzielenie się wiedzą, na to stawiam najmocniej: uważam, że najlepszą nauką jest uczenie innych. Dlatego planuję zrobić pierwszy kurs dla studentów, żeby pokazać im ciekawe narzędzia, które poznałam. Już kilka osób pytało, czy bym im nie wytłumaczyła „ jak korzystać z ChataGPT żeby nie narobić sobie kłopotów na uczelni”. Chętnie podzielę się  tą wiedzą i mam nadzieję, zarazić studentów pasją do AI.

To ambitny plan, wiem.  Ale AIDEAS dał mi nie tylko wiedzę, co robić, ale też wiarę w to, że potrafię. Po prostu czuję się teraz dużo pewniej w świecie AI – jakbym dostała mapę i zestaw narzędzi do eksploracji.

Dla kogo jest AIDEAS? Komu polecam to szkolenie?

Na podstawie własnego doświadczenia uważam, że AIDEAS to świetna opcja dla każdego, kto chce praktycznie poznać AI i jej zastosowania. Szczególnie polecam ten program:

  • Osobom początkującym w AI – jeśli słyszałaś/eś o ChatGPT , ale nie wiesz jak się za to zabrać, AIDEAS poprowadzi Cię za rękę od zera. Program naprawdę tłumaczy podstawy prostym językiem i niczego nie wymaga na starcie poza ciekawością.

  • Specjalistom i managerom z różnych branż – uważam, że ogromną wartość wyniosą ludzie biznesu, marketingu, HR, finansów, logistyki… Wszyscy, którzy przeczuwają, że AI zmieni ich branżę (albo już zmienia) i chcą usystematyzować wiedzę oraz zobaczyć konkretne przykłady. W naszej kohorcie byli właśnie tacy ludzie – i z ich opinii (w tym mojej) wynika, że dostali to, po co przyszli.

  • Entuzjastom technologii – jeśli już samodzielnie bawiłeś się AI, ale brakuje Ci szerszego obrazu albo motywacji do zrobienia czegoś więcej, AIDEAS da Ci struktury, mentoring i wyzwanie projektowe. To może pomóc przejść na kolejny poziom. 

Jakie warunki warto spełnić, by skorzystać jak najwięcej z tego szkolenia?
Przede wszystkim mieć czas i chęci. Naprawdę, AIDEAS wymaga zaangażowania, tu nie ma drogi na skróty. Przez te 6 tygodni trzeba wygospodarować po kilka godzin, więc jeżeli ktoś wie, że np. w tym okresie ma inne ważne zobowiązania i nie będzie mógł regularnie przysiąść do nauki, to lepiej przełożyć udział na inną edycję.

Nie potrzebujesz natomiast super sprzętu (wystarczy zwykły komputer z internetem), ani umiejętności programowania. Wszystko jest tak pomyślane, by każdy użytkownik laptopa dał sobie radę. Język angielski – przydatny, jak wspomniałam, do używania globalnych narzędzi AI, ale samo szkolenie jest po polsku, więc bariera językowa jest żadna.

Mocne strony AIDEAS i potencjalne trudności

Co mi się najbardziej podobało?

  • Praktyczny wymiar: AIDEAS to nie kolejny teoretyczny kurs online, gdzie oglądasz slajdy i zapominasz. Tu  testujesz narzędzia AI i tworzysz. 

  • Aktualność i poziom merytoryczny: Miałam poczucie, że treści są świeżutkie. AI rozwija się szybko, ale prowadzący omawiali nawet bardzo nowe rzeczy (np. zmiany w AI Act z 2025).

  • Elastyczność online: Wszystkie materiały były nagrane, więc jesli nie było mnie na sesji eksperciej odsłuchałam webinar następnego dnia z nagrania. 

  • Społeczność i atmosfera: Pisałam już o tym – wspaniali ludzie, atmosfera życzliwości, wręcz entuzjazmu. Zero wyścigu szczurów, raczej wspólna misja: nauczmy się wszyscy jak najwięcej i róbmy fajne AI!

  •  

A jakie były trudności?

  • Czasochłonność: Nie ma co ukrywać – AIDEAS zjada sporo czasu. 

  • Zdalna integracja: choć organizatorzy starali się integrować nas na Discordzie, to jednak nie to samo co fizyczne spotkanie. 

  • Ogrom narzędzi – efekt bycia dzieckiem w sklepie z cukierkami: To akurat „ trudność” luksusowa. Poznaliśmy tyle fajnych aplikacji, że aż chciało się od razu wszystkie używać. Musiałam się pilnować, by nie rozproszyć. Do testów wybierałam zwykle jedno narzędzie, np. wideo stworzyłam w Hailuo a dźwięki w Stable Studio.

  • Trudności z przesyłaniem zadań – niektórzy uczestnicy kursu mieli trudności z przesyłaniem zadań do oceny. Instrukcja jak to zrobić znajdowała się na stronie programu, ale nawet mnie zdarzyło się wysłać przypadkowo pusty plik.

Podsumowując te drobne minusy – warto być świadomym, że AIDEAS wymaga pracy i zaangażowania. Ale w moim odczuciu, to dobrze – bo dzięki temu czuć realną wartość.

Zamiast zakończenia – moja rekomendacja

Sześć tygodni temu wahałam się, czy znajdę czas i motywację, by ukończyć ten program. Dziś nie żałuję ani jednej godziny spędzonej nad AIDEAS. To była inwestycja w siebie, która już procentuje – w postaci nowych umiejętności, pomysłów i po prostu większej pewności siebie w świecie nowych technologii.

Czy polecam AIDEAS? Z całego serca tak! 

Dziś jesteśmy już w punkcie, z którego nie ma odwrotu – sztuczna inteligencja stała się częścią naszej codzienności. To nie chwilowa moda ani ciekawostka technologiczna – to kierunek, który definiuje naszą przyszłość. Dlatego jestem przekonana, że warto się w tym obszarze edukować, zrozumieć, jak AI działa i jak można z niej korzystać efektywnie, ale też etycznie.

Nieważne, czy jesteś marketerką, analitykiem, inżynierem, nauczycielką czy przedsiębiorcą – jeśli chcesz zrozumieć AI i nauczyć się z nią pracować praktycznie, ten program jest dla Ciebie. Dostosujesz tempo do siebie, spotkasz ciekawych ludzi, otrzymasz wsparcie ekspertów i co najważniejsze – zrobisz coś realnego, co możesz potem pokazać w CV lub wykorzystać w firmie.

Dla mnie AIDEAS stał się początkiem nowej drogi – to właśnie po tym szkoleniu powstał ten blog z recenzjami kursów. Dziękuję, AIDEAS! To była niesamowita przygoda, którą z czystym sercem będę polecać każdemu. Jeśli zastanawiasz się nad dołączeniem do kolejnej kohorty – nie wahaj się. Gwarantuję, że oprócz certyfikatu dostaniesz coś znacznie cenniejszego: ogrom uporządkowanej wiedzy, podanej w formie naprawdę dobrze zaplanowanego i przemyślanego doświadczenia edukacyjnego.

 

Uwaga:
Zależy mi na transparentności, więc wyjaśniam, że ten artykuł powstał we współpracy z ChatemGPT. Jego rola sprowadzała się do zaproponowania struktury tekstu i rozwinięcia treści na podstawie moich autorskich notatek z programu AIDEAS. Pisanie nie zajęło trzech minut – to był proces, w którym analizowałam własne materiały, selekcjonowałam pomysły i weryfikowałam treści generowane przez ChatGPT. Wszystkie refleksje, opinie i doświadczenia są jednak w pełni moje, a nie Chata 🙂 Całość to efekt około ośmiu godzin wspólnej pracy człowieka z AI.