Uddannelse:
AI Project Leader™

Det handler ikke om at bruge AI – men om at lede AI

Der findes efterhånden mange kurser i at bruge AI til at gøre dit projektarbejde lettere. Det her er noget andet. AI-projektledelse – som det praktiseres på AI Project Leader™ – handler om at lede selve AI-leverancen: at træffe de rigtige beslutninger om data, modelvalg, drift, risiko og adoption, så jeres investering rent faktisk ender med at skabe værdi.

Det er en disciplin i sig selv. Og det er en disciplin, der bliver efterspørgt i stigende grad, efterhånden som flere og flere organisationer opdager, at det svære ved AI ikke er at komme i gang – men at komme i mål.

Sådan er forløbet bygget op

AI Project Leader™ er 4 intensive undervisningsdage med studiegruppe imellem. Gennem hele forløbet arbejder du med et konkret AI-projekt fra din egen hverdag, som bliver den røde tråd – og grundlaget for din certificering.

Forløbet munder ud i en reel certificering: en skriftlig eksamen og en bedømt projektaflevering, hvor du anvender det hele på dit eget AI-projekt – og ikke bare fire dages undervisning med et flot bevis.

Certificering, badge og recertificering

Når du har bestået eksamen og fået godkendt din projektaflevering, er du certificeret AI Project Leader™. Du får et digitalt badge, du kan dele på LinkedIn og i din mailsignatur.

Fordi AI-feltet udvikler sig hurtigt, er din certificering gyldig i en afgrænset periode, hvorefter den fornyes. Det sikrer, at en AI Project Leader™ altid er ajour med den nyeste praksis – og at titlen bliver ved med at betyde noget.

Bliv undervist af praktikere, der selv har leveret AI

Du bliver undervist af nogle af landets mest erfarne AI-praktikere – folk, der selv har stået med projekterne, krydset ”the valley of death” og fået løsninger i drift. Ikke teoretikere, men mennesker, der kan fortælle dig, hvad der virker, og hvor det plejer at gå galt.

Dag 1 – AI-projektets anatomi & use-case-udvælgelse

Hvorfor fejler AI-projekter på andre måder end almindelige it-projekter? Vi starter med det probabilistiske: at man ikke kan love en deterministisk leverance, og hvordan man styrer forventninger derefter. Du lærer at udvælge de rigtige use cases ud fra værdi vs. feasibility – og at aflive de dårlige idéer, før de koster dyrt. Du rammesætter dit eget projekt.

Vi arbejder blandt andet med:

• Hvorfor AI-projekter fejler anderledes end klassiske it-projekter
• Det probabilistiske paradigme: styring af forventninger til ikke-deterministisk output
• Value vs. feasibility-framework til udvælgelse af use cases
• Rammesætning af dit eget AI-projekt

Dag 2 – Data, modelvalg & scoping

Data er den oversete flaskehals i næsten alle AI-projekter. Vi arbejder med dataparathed, -kvalitet og -adgang, og med valget mellem build, buy og API – inklusive leverandørlandskab og den omkostningsøkonomi (tokens, compute), de fleste glemmer. Du lærer at scope en proof of concept og sætte succeskriterier, når output ikke er forudsigeligt.

Vi arbejder blandt andet med:

• Dataparathed, datakvalitet og dataadgang som projektlederansvar
• Build, buy eller API: valg af teknisk tilgang og leverandørlandskab
• Tokens, compute og AI-økonomi – det, de fleste glemmer at budgettere
• Scoping af proof of concept og definition af succeskriterier
• Udkast til din business case

Dag 3 – Fra pilot til drift + risiko & compliance

Her krydser vi ”the valley of death” – kløften, hvor de fleste pilotter strander, og hvad der skal til for at komme over. Vi ser på drift, monitorering og model drift i et ledelsesperspektiv. Og vi gør risiko og compliance til dit projektlederansvar.

Vi arbejder blandt andet med:

• ”The valley of death”: hvad der dræber pilotter og hvordan du undgår det
• Drift, monitorering og model drift – når en løsning ”rådner” og skal vedligeholdes
• AI Act og high-risk-klassificering: hvad det betyder for dit projekt
• Human oversight, GDPR og grundlæggende AI-sikkerhed
• Risikoplan for dit eget projekt

Dag 4 – Adoption, værdi & certificering

Hvorfor bruger folk ikke det, I byggede? Vi arbejder med forandring og adoption – det, der reelt afgør, om en AI-løsning skaber værdi. Du lærer at måle ROI, når output er ”fuzzy”. Dagen afsluttes med eksamen og din projektpræsentation.

Vi arbejder blandt andet med:

• Forandringsledelse og adoption som nøglekompetence i AI-projekter
• ROI-måling når output ikke er deterministisk
• Skriftlig eksamen
• Projektpræsentation: business case, roadmap og risikoplan