Szkolenie pokazuje, jak liczyć, budżetować i kontrolować inwestycje w AI. Jest przeznaczone dla CFO, członków zarządu i liderów transformacji, którzy pytają: „ile to naprawdę kosztuje i kiedy się zwróci?”.
Korzyści z udziału w szkoleniu
Dlaczego warto wziąć udział?
- Tylko 5% pilotaży generatywnego AI w korporacjach daje mierzalny zwrot — mimo 30–40 mld USD zainwestowanych w tego typu projekty.
- 60% organizacji nie widzi wpływu AI na wynik finansowy, mimo że 78% firm deklaruje adopcję AI w co najmniej jednej funkcji.
- Ponad 80% projektów AI nie kończy się sukcesem — to dwa razy więcej niż w przypadku projektów IT bez komponentu AI.
- 85% organizacji niedoszacowuje kosztów AI o ponad 10%, a prawie co czwarta — o ponad 50%. Średnia różnica między ofertą dostawcy a rzeczywistymi kosztami w pierwszym roku wynosi 2,3 mln USD w analizie 127 wdrożeń.
- Problem zwykle nie jest techniczny. Firmy najczęściej źle liczą koszty i nieprecyzyjnie definiują wartość. Ten warsztat pomaga naprawić to w jeden dzień.
Co otrzymuje uczestnik?
- Szablon kalkulacji ROI — przećwiczony podczas pracy grupowej i gotowy do wykorzystania w firmie. Każdy uczestnik wraca z modelem zwalidowanym przez trenera i grupę, opartym na liczbach z własnego projektu.
- Bibliotekę gotowych elementów do budowy ROI agenta AI automatyzującego pracę.
- Listę kontrolną pełnych kosztów AI — siedem kategorii i ponad 60 pozycji, w tym dedykowane sekcje dla tokenów oraz doboru modeli.
- Cztery szablony modelowania wartości: revenue, cost, margin i risk.
- Bibliotekę case studies z USA i Europy wraz z linkami do źródeł.
- Szablon kwartalnego raportu wartości oraz szablon decyzji inwestycyjnej dla zarządu.
Program szkolenia
Dzień 1
Sesja 1 · Diagnoza: gdzie tracicie ROI
- Cztery powtarzalne przyczyny porażki: brak użytkownika końcowego w projektowaniu rozwiązania, sprzeczne KPI, błędna metryka sukcesu i niedoszacowanie kosztów utrzymania.
- Pięć śmiertelnych pułapek pilotażu: kotwiczenie się na hype, „PoC w nieskończoność”, liczenie ROI po fakcie, ignorowanie kosztów zmiany i brak właściciela na poziomie zarządu.
- Czterostopniowy model dojrzałości organizacji w AI: firmy na poziomach 1–2 osiągają wyniki finansowe poniżej średniej branżowej, a firmy na poziomach 3–4 — wyraźnie powyżej. Największy skok wartości pojawia się przy przejściu z poziomu 2 do 3, czyli od rozproszonych eksperymentów do skalowania i osadzania AI w procesach.
- Ćwiczenie diagnostyczne (15 minut): uczestnik mapuje swój portfel projektów AI na wskazane kategorie i wie, które projekty zatrzymać, zanim przejdzie do liczenia ROI.
Sesja 2 · Anatomia kosztów AI: tokeny, modele, infrastruktura
- Pełna mapa siedmiu kategorii kosztów — większość ofert dostawców pokazuje jedynie ok. 30% realnych kosztów; pozostałe 70% pojawia się po wdrożeniu.
- Ekonomia tokenów — od czego naprawdę zależy rachunek: input vs output, kontekst i historia rozmowy oraz zmiany cen rynkowych.
- Dobór modelu do zadania — obszar, w którym powstają największe oszczędności, m.in. dzięki strategii tiered routing i świadomemu łączeniu modeli.
- Ćwiczenie: policzenie pełnych kosztów jednego pilota w szablonie Skuza AI, z osobnymi liniami na tokeny input/output, infrastrukturę, ludzi, zgodność, ryzyko i utrzymanie.
Sesja 3 · Frameworki kalkulacji wartości: gdzie i jak liczyć ROI
- Cztery źródła wartości AI: niższy koszt obsługi, wyższy przychód, większa marża i niższe ryzyko. Każde wymaga innych dowodów oraz innego okresu pomiaru.
- Pięciowarstwowy model pomiaru wartości — od poziomu zadania, przez przepływ pracy, funkcję biznesową i P&L, po wartość przedsiębiorstwa.
- Czterowymiarowa rama oceny inwestycji: mierzalne korzyści, pełne koszty, wartość elastyczności oraz ryzyko skorygowane finansowo.
- Pięć metryk istotnych dla CFO: koszt zaoszczędzony na jednostkę, przyrost przychodu na inwestycję, czas zwrotu pierwszej złotówki, koszt utrzymania jako procent budżetu oraz ryzyko realizacyjne wyrażone w pieniądzu.
- Strategia „małych t” — seria inkrementalnych transformacji o znanej i mierzalnej wartości zamiast jednego, dużego redesignu funkcji biznesowej.
- Seven-Tier AI Productivity Model — autorski framework Skuza AI mapujący 7 warstw produktywności AI, od poziomu indywidualnego po enterprise.
Dzień 2
Sesja 4 · Case Study Lab: ROI w realnych liczbach z USA i Europy
Uczestnicy analizują przykłady firm, które publicznie raportowały twarde liczby dotyczące ROI z AI. Każdy case kończy się pytaniem: co z tego jest obowiązkowe dla naszej organizacji?
- JPMorgan Chase — 2 mld USD rocznego benefitu z AI.
- Morgan Stanley — 15 godzin tygodniowo oszczędności na jednego advisora.
- BBVA (Hiszpania) — do 80% wzrostu efektywności w wybranych procesach.
- ING (Holandia) — 25% wzrost produktywności w procesach operacyjnych.
- Allianz (Niemcy) — wewnętrzne narzędzie generatywnej AI dla 158 000 pracowników.
- Ćwiczenie: który model jest najbliższy naszej organizacji i które trzy decyzje warto przenieść do własnego kontekstu?
Sesja 5 · Symulator: budujemy model zwrotu
- Symulator Skuza AI ROI (Excel + dashboard) — każdy uczestnik wprowadza dane swojego projektu.
- Trzy scenariusze: ostrożny, bazowy i optymistyczny — z przedziałami ufności.
- Wskaźniki finansowe: okres zwrotu, wartość bieżąca netto i ROI skorygowany o ryzyko.
- Walidacja przez Seven-Tier AI Productivity Model: na której warstwie produktywności AI znajduje się projekt i czy mierzone są właściwe wskaźniki.
- „Żywy business case” — model aktualizowany kwartalnie, a nie tylko na początku projektu.
- Sparring: trener i pozostali uczestnicy weryfikują realizm przyjętych liczb.
Sesja 6 · Decyzja, rytm i dyscyplina kosztowa
- Punkty kontrolne: kiedy skalować, kiedy iterować, a kiedy zatrzymać projekt bez ego.
- Kwartalny przegląd wartości dla zarządu: co mierzyć, komu raportować i jak rewidować założenia.
- Dyscyplina kosztowa AI: tylko 44% organizacji ma dziś jakiekolwiek finansowe barierki dla wydatków na AI — jak zbudować własne.
- Efekt końcowy: model zwrotu, decyzja go/no-go/iterate oraz wskaźniki do kwartalnego monitorowania.
Trenerzy
Arek Skuza
Trener EY Academy of Business w obszarze sztucznej inteligencji. Wykwalifikowany specjalista zajmujący się monetyzacją danych, sztuczną inteligencją, produktywnością oraz analizą danych.
Cena 
Cena za osobę
