Projekty AI: praktyka zarządzania

Przedmiot uczy prowadzenia projektów AI od strony zarządczej — planowania, decydowania i dowożenia w terminie, w budżecie i zgodnie z wymaganiami. Punktem wyjścia jest teza, którą kurs weryfikuje na przypadkach: AI nie unieważniła zarządzania projektami, zmieniła tylko materiał, z którego się dowozi — zakres bywa hipotezą, nie specyfikacją; koszt nie kończy się w dniu wdrożenia; a wynik eksperymentu bywa negatywny i to jest sytuacja normalna, nie awaria. Omawiane są: realistyczne otwieranie projektu i odróżnianie obietnicy technologicznej od wykonalności; systemowe przyczyny porażek (optimism bias, planning fallacy, eskalacja zaangażowania, demo pomylone z produktem); business case i hipoteza wartości wraz z kosztem operacyjnym rosnącym wraz z użyciem; dobór podejścia do realizacji (predictive, agile, hybrid, eksperymentalne) rozumiany jako projektowanie własnego rytmu decyzyjnego; etapowanie postępu przez eksperymenty, PoC, pilot i MVP z bramkami go/no-go i kryteriami zabicia. Druga oś przedmiotu jest ludzka: wpływ bez władzy formalnej, relacja ze sponsorem, raportowanie bez pozornej zieloności oraz prowadzenie zespołu wspieranego przez asystentów i agentów AI. Przedmiot pełni w programie funkcję spinającą: bierze produkty pozostałych przedmiotów — architekturę, ocenę kosztów, rejestr ryzyk, wymagania governance, plan LLMOps — i pyta o nie z perspektywy kierownika projektu: kto to dowiezie, kiedy, za ile i co się stanie, gdy nie wyjdzie. Zajęcia prowadzone są przez analizę przypadków, symulacje rozmów i ćwiczenia projektowe — bez wymagań programistycznych.

Wymagania wstępne: Fundamenty LLM dla architektów IT (przedmiot 01) Ogólne rozumienie możliwości i ograniczeń modeli AI Security, AI governance i EU AI Act jako wymagania dla IT (przedmiot 08) — może być realizowany równolegle Orientacja w podstawowych wymaganiach governance AI (przedmiot 04 traktuje je jako ryzyko harmonogramowe, nie jako treść)

Wykład: Zaliczenie na podstawie raportu post-mortem („sekcja zwłok”): analiza pakietu dokumentów nieudanego projektu AI — wskazanie momentu, w którym projekt był jeszcze do uratowania, odróżnienie przyczyn systemowych od objawów, propozycja bramki, która zabiłaby projekt na czas.

Warsztaty: Ocena aktywności: trafność decyzji zarządczych w ćwiczeniach i symulacjach, jakość uzasadnień, umiejętność komunikowania niepewności.