# AI Workshop Switzerland — reviewed program portfolio # https://aiworkshop.ch/llms-full.txt # Source version: 2026-07-10 This document mirrors the visible EN, DE, FR and IT program pages. Delivery is available in English, French and German; Italian is a website language, not a delivery claim. ## EN program portfolio ### Agentic AI Workshop: design a safe, testable pilot Canonical: https://aiworkshop.ch/workshops/agentic-ai/ Choose one important workflow and leave with a safe, testable agent pilot. Your team moves beyond agent demos. Participants define the job, sources, permissions, decisions and human checkpoints for an agent that fits a real workflow. What this program changes in practice: Agentic AI becomes useful when a team stops asking what an agent could do and starts defining one job properly. That means agreeing the trigger, the information the agent may use, the actions it may take, the decisions it must never make alone and the person who remains accountable. This workshop gives the team enough structure to have that conversation together before anyone invests in a platform, integration or ambitious automation project. The session is not a fixed sequence of demonstrations. The facilitator works with the team on Choose the workflow, Define the agent’s job, Connect sources and tools, using Agent Design Canvas, ChatGPT, Your approved AI tools when those systems are approved and available. Participants compare first results, make missing context visible and improve the work together. They learn not only which request works, but why an output is reliable enough to move into the next working step. The value should not end when people leave the room. Exercises therefore produce concrete outputs such as Agent Design Canvas, Permission and approval map, Failure-test checklist. They give colleagues a traceable starting point, show where human review is still required and make the next pilot smaller and more realistic. Optional follow-up work can build on those artefacts instead of beginning again with another general introduction. What an AI Workshop looks like: - The facilitator explains how a bounded workflow can become an AI agent · Agentic AI workshop · Lausanne · May 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-training-lausanne-agent-workflow-ladder.webp - A participant completes the Agent Design Canvas by hand · Agentic AI workshop · Lausanne · May 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-workshop-lausanne-agent-design-canvas.webp - A participant tests an AI-assisted workflow on a laptop · Agentic AI workshop · Lausanne · May 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-workshop-lausanne-hands-on-coding.webp - The facilitator makes tools, connections and human checkpoints explicit · Agentic AI workshop · Lausanne · May 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-workshop-lausanne-mcp-architecture.webp Audience: Business, product, operations, innovation and technical teams ready to examine one multi-step workflow together. Recommended format: Core workshop · 4–6 hours. Alternatives: Focused workshop · 4 hours. Delivery: On-site / in person, online, or hybrid. Tools: - Agent Design Canvas: Define the job, sources, tools, permissions, decisions and human checkpoints before building an agent. - ChatGPT: Draft, analyse, research and turn recurring work into reusable team instructions. - Your approved AI tools: Exercises adapt to the systems, licences and data boundaries your organisation has approved. Outcomes: - Select an agent opportunity worth testing - Separate agent work from human decisions - Design permissions and review points - Plan a small pilot with clear tests Syllabus: 1. Choose the workflow: Map the current work, friction and decision owner. Output: Agent Design Canvas. 2. Define the agent’s job: Set the goal, boundaries, inputs and expected output. Output: Permission and approval map. 3. Connect sources and tools: Decide what the agent may read, use and change. Output: Failure-test checklist. 4. Design human control: Add approvals, escalation and a visible source trail. Output: Pilot brief with owner and next step. 5. Test before pilot: Create failure cases, success measures and a first pilot plan. Output: Agent Design Canvas. Take-away artefacts: - Agent Design Canvas - Permission and approval map - Failure-test checklist - Pilot brief with owner and next step ### AI Fundamentals Workshop for confident everyday use Canonical: https://aiworkshop.ch/workshops/ai-fundamentals/ Move from uncertain experimentation to confident, responsible everyday use. Participants learn which tool to use, how to give useful context, how to check the answer and when not to use AI. The session ends with one workflow they have tested themselves. What this program changes in practice: Most teams do not need another tour of AI terminology. They need a shared answer to everyday questions: which tool belongs to which task, what information is safe to provide, why one request produces a useful answer while another does not, and who must check the result. The workshop builds that common baseline without making non-technical participants feel behind, then turns the learning into a workflow they can recognise and use in their next working week. The session is not a fixed sequence of demonstrations. The facilitator works with the team on Understand the modern AI workday, Choose the right tool, Ask for useful work, using ChatGPT, Microsoft Copilot, Your approved AI tools when those systems are approved and available. Participants compare first results, make missing context visible and improve the work together. They learn not only which request works, but why an output is reliable enough to move into the next working step. The value should not end when people leave the room. Exercises therefore produce concrete outputs such as Reusable request template, Human review checklist, One tested workflow. They give colleagues a traceable starting point, show where human review is still required and make the next pilot smaller and more realistic. Optional follow-up work can build on those artefacts instead of beginning again with another general introduction. What an AI Workshop looks like: - The facilitator supports a participant during an individual exercise · Earlier AI Workshop session · Lausanne. Image: https://aiworkshop.ch/images/evidence/ai-workshop-facilitator-training-session-lausanne.webp - Participants compare ideas and work through a facilitated team exercise · Earlier AI Workshop session · Lausanne. Image: https://aiworkshop.ch/images/evidence/corporate-ai-training-group-session-lausanne.webp - Physical method cards make the discussion and review steps visible · Earlier AI Workshop session · Lausanne. Image: https://aiworkshop.ch/images/evidence/ai-learning-method-cards-lausanne.webp - Small groups work around shared tables in the workshop room · Earlier AI Workshop session · Lausanne. Image: https://aiworkshop.ch/images/evidence/ai-workshop-venue-overhead-view-lausanne-event-space.webp Audience: Non-technical teams, mixed departments and leaders who need a shared practical foundation. Recommended format: Focused workshop · 4 hours. Alternatives: Core workshop · 4–6 hours. Delivery: On-site / in person, online, or hybrid. Tools: - ChatGPT: Draft, analyse, research and turn recurring work into reusable team instructions. - Microsoft Copilot: Work with approved Microsoft 365 capabilities across documents, meetings, email and business information. - Your approved AI tools: Exercises adapt to the systems, licences and data boundaries your organisation has approved. Outcomes: - Choose an appropriate tool for the task - Give clearer instructions and context - Check claims, numbers and omissions - Turn one recurring task into a reviewed workflow Syllabus: 1. Understand the modern AI workday: See what current tools do well, where they struggle and how work changes. Output: Reusable request template. 2. Choose the right tool: Match writing, research, document and data tasks to approved tools. Output: Human review checklist. 3. Ask for useful work: Practise context, examples, constraints and output formats. Output: One tested workflow. 4. Verify before using: Check sources, numbers, omissions, tone and sensitive information. Output: Shortlist of useful next opportunities. 5. Build one reusable workflow: Turn a real task into a repeatable request-review-improve loop. Output: Reusable request template. Take-away artefacts: - Reusable request template - Human review checklist - One tested workflow - Shortlist of useful next opportunities ### Generative AI for Business: build repeatable team workflows Canonical: https://aiworkshop.ch/workshops/generative-ai-for-business/ Turn scattered individual use into shared, repeatable team workflows. Participants apply generative AI to research, documents, files, presentations and recurring team work. They leave with shared instructions, a quality check and clear owners for the next experiments. What this program changes in practice: Generative AI often enters a company through individual experiments: someone improves a report, another prepares a meeting faster and a third creates a useful assistant. The value remains fragile because colleagues cannot repeat the result and managers cannot see how it was checked. This program turns those isolated successes into shared working patterns by making context, examples, quality expectations, ownership and review explicit across the team. The session is not a fixed sequence of demonstrations. The facilitator works with the team on Find the useful work, Research and documents, Files, data and presentations, using ChatGPT, Microsoft Copilot, AI search & deep research when those systems are approved and available. Participants compare first results, make missing context visible and improve the work together. They learn not only which request works, but why an output is reliable enough to move into the next working step. The value should not end when people leave the room. Exercises therefore produce concrete outputs such as Team instruction pack, Worked examples from real tasks, Quality and review checklist. They give colleagues a traceable starting point, show where human review is still required and make the next pilot smaller and more realistic. Optional follow-up work can build on those artefacts instead of beginning again with another general introduction. What an AI Workshop looks like: - Participants compare ideas and work through a facilitated team exercise · Earlier AI Workshop session · Lausanne. Image: https://aiworkshop.ch/images/evidence/corporate-ai-training-group-session-lausanne.webp - A team maps ideas with workshop cards and sticky notes · Earlier AI Workshop session · Lausanne. Image: https://aiworkshop.ch/images/evidence/design-thinking-workshop-collaboration-lausanne-switzerland.webp - The group discusses boundaries and review before building · Agentic AI workshop · Lausanne · May 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-training-lausanne-facilitated-discussion.webp - Small groups work around shared tables in the workshop room · Agentic AI workshop · Lausanne · May 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-workshop-espace-dickens-lausanne-room.webp Audience: Cross-functional business teams that have begun experimenting and now need consistency, quality and responsible boundaries. Recommended format: Core workshop · 4–6 hours. Alternatives: Focused workshop · 4 hours. Delivery: On-site / in person, online, or hybrid. Tools: - ChatGPT: Draft, analyse, research and turn recurring work into reusable team instructions. - Microsoft Copilot: Work with approved Microsoft 365 capabilities across documents, meetings, email and business information. - AI search & deep research: Find, compare and cite current sources, then separate evidence from interpretation. Outcomes: - Choose business tasks where generative AI is genuinely useful - Create reusable context and instructions - Review quality, sources and sensitive information - Assign owners to a focused 30-day workflow plan Syllabus: 1. Find the useful work: Separate high-value team tasks from low-value novelty. Output: Team instruction pack. 2. Research and documents: Create sourced briefs, summaries and stronger first drafts. Output: Worked examples from real tasks. 3. Files, data and presentations: Work across tables, documents, slides and visual concepts. Output: Quality and review checklist. 4. Build reusable context: Turn individual prompts into shared projects, instructions and examples. Output: Prioritised workflow map with owners. 5. Adopt with control: Set review rules, owners and a practical 30-day plan. Output: Team instruction pack. Take-away artefacts: - Team instruction pack - Worked examples from real tasks - Quality and review checklist - Prioritised workflow map with owners ### AI for Business Intelligence & Decision-Making Canonical: https://aiworkshop.ch/workshops/ai-for-business-intelligence/ Move from a business question to a checked, explainable decision brief. Teams practise a complete data-to-decision workflow: frame the question, inspect the data, explore patterns, challenge assumptions and communicate what the evidence does—and does not—support. What this program changes in practice: Better analysis does not begin with asking AI to find an insight. It begins with a decision, a clear definition of the numbers and an honest view of what the data cannot answer. This workshop helps teams slow down at precisely those points, then use AI to explore tables, question variances, compare scenarios and explain findings more efficiently. The aim is not automatic analysis; it is a decision brief that another person can follow, challenge and approve. The session is not a fixed sequence of demonstrations. The facilitator works with the team on Frame the decision, Prepare the data, Explore patterns, using Spreadsheets & data tools, ChatGPT, AI search & deep research when those systems are approved and available. Participants compare first results, make missing context visible and improve the work together. They learn not only which request works, but why an output is reliable enough to move into the next working step. The value should not end when people leave the room. Exercises therefore produce concrete outputs such as Decision and analysis brief, Reusable question library, Verification checklist. They give colleagues a traceable starting point, show where human review is still required and make the next pilot smaller and more realistic. Optional follow-up work can build on those artefacts instead of beginning again with another general introduction. What an AI Workshop looks like: - George facilitates an AI-in-finance exercise with participants · Innovation Time Lausanne × AI Workshop · UNIL · May 2026. Image: https://aiworkshop.ch/images/evidence/ai-finance-facilitated-exercise-lausanne.webp - A live output is reviewed with the group rather than accepted at first sight · Agentic AI workshop · Lausanne · May 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-training-switzerland-agent-export.webp - The group discusses boundaries and review before building · Agentic AI workshop · Lausanne · May 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-training-lausanne-facilitated-discussion.webp - A participant turns the discussion into a written workflow brief · Innovation Time Lausanne × AI Workshop · UNIL · May 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-student-worksheet-exercise-lausanne.webp Audience: Analysts, managers, finance, operations and commercial teams that work with recurring reports, spreadsheets or management decisions. Recommended format: Core workshop · 4–6 hours. Alternatives: Focused workshop · 4 hours. Delivery: On-site / in person, online, or hybrid. Tools: - Spreadsheets & data tools: Explore tables, test assumptions and create checked summaries without losing the source trail. - ChatGPT: Draft, analyse, research and turn recurring work into reusable team instructions. - AI search & deep research: Find, compare and cite current sources, then separate evidence from interpretation. Outcomes: - Start analysis with a decision rather than a chart - Use AI to explore tables without hiding assumptions - Check trends, anomalies and calculations - Create a concise decision narrative with limits Syllabus: 1. Frame the decision: Define the question, owner, timeframe and evidence needed. Output: Decision and analysis brief. 2. Prepare the data: Inspect columns, missing values, definitions and sensitive fields. Output: Reusable question library. 3. Explore patterns: Investigate trends, variances and anomalies with plain-language questions. Output: Verification checklist. 4. Test scenarios: Make assumptions visible and compare alternatives without presenting guesses as facts. Output: Recurring reporting pattern. 5. Communicate and sign off: Build charts and commentary with a source trail and human approval. Output: Decision and analysis brief. Take-away artefacts: - Decision and analysis brief - Reusable question library - Verification checklist - Recurring reporting pattern ### AI for HR: practical workflows with human judgement Canonical: https://aiworkshop.ch/workshops/hr-training/ Help HR teams prepare, communicate and support people more consistently while keeping sensitive decisions human. The workshop applies approved AI tools to employee communication, policies, recruitment support, onboarding, learning and meeting follow-up. Fairness, privacy and review are part of every exercise. What this program changes in practice: HR teams work with language all day, but the work is never only about producing text. A policy answer must reflect the approved source, a recruitment document must avoid hidden bias and a people-related summary must protect sensitive information. This workshop focuses on the preparation and communication work where AI can genuinely help, while keeping employment decisions, exceptions, empathy and accountability with the HR professional. The session is not a fixed sequence of demonstrations. The facilitator works with the team on Map HR work, Employee and policy communication, Recruitment and onboarding support, using Microsoft Copilot, ChatGPT, Your approved AI tools when those systems are approved and available. Participants compare first results, make missing context visible and improve the work together. They learn not only which request works, but why an output is reliable enough to move into the next working step. The value should not end when people leave the room. Exercises therefore produce concrete outputs such as HR workflow cards, Approved instruction pack, Fairness and review checklist. They give colleagues a traceable starting point, show where human review is still required and make the next pilot smaller and more realistic. Optional follow-up work can build on those artefacts instead of beginning again with another general introduction. What an AI Workshop looks like: - The room is prepared with a device, workbook and materials for every participant · HR assistant workshop setup · Zürich. Image: https://aiworkshop.ch/images/evidence/hr-assistant-workshop-room-zurich.webp - A team maps ideas with workshop cards and sticky notes · Earlier AI Workshop session · Lausanne. Image: https://aiworkshop.ch/images/evidence/design-thinking-workshop-collaboration-lausanne-switzerland.webp - Physical method cards make the discussion and review steps visible · Earlier AI Workshop session · Lausanne. Image: https://aiworkshop.ch/images/evidence/ai-learning-method-cards-lausanne.webp - Participants compare ideas and work through a facilitated team exercise · Earlier AI Workshop session · Lausanne. Image: https://aiworkshop.ch/images/evidence/corporate-ai-training-group-session-lausanne.webp Audience: HR business partners, people operations, talent, learning and HR leadership teams. Recommended format: Core workshop · 4–6 hours. Alternatives: Focused workshop · 4 hours, Core workshop plus optional follow-up. Delivery: On-site / in person, online, or hybrid. Tools: - Microsoft Copilot: Work with approved Microsoft 365 capabilities across documents, meetings, email and business information. - ChatGPT: Draft, analyse, research and turn recurring work into reusable team instructions. - Your approved AI tools: Exercises adapt to the systems, licences and data boundaries your organisation has approved. Outcomes: - Identify useful low-risk HR workflows - Create clearer employee and policy communication - Use AI as preparation support, not decision-maker - Set review rules for fairness and sensitive data Syllabus: 1. Map HR work: Prioritise repeated, high-effort tasks that still need human ownership. Output: HR workflow cards. 2. Employee and policy communication: Draft clear answers, summaries and manager guidance from approved material. Output: Approved instruction pack. 3. Recruitment and onboarding support: Improve role briefs, interview preparation and onboarding content without delegating decisions. Output: Fairness and review checklist. 4. Learning and meeting follow-up: Create learning plans, summaries and actions that people can review. Output: Pilot map with human owners. 5. Fairness, privacy and adoption: Define data boundaries, review questions and a responsible pilot. Output: HR workflow cards. Take-away artefacts: - HR workflow cards - Approved instruction pack - Fairness and review checklist - Pilot map with human owners ### AI for Developers: from issue to reviewed change Canonical: https://aiworkshop.ch/workshops/ai-for-developers/ Establish a dependable AI-assisted development workflow from issue to tested, reviewed change. Developers practise how to give coding tools the right repository context, plan changes, inspect generated work, run tests and leave evidence for reviewers. The focus is team reliability, not faster typing. What this program changes in practice: Coding assistants can produce a convincing change before they understand the repository, the reason behind the issue or the tests that protect the system. That is why the workshop treats AI-assisted development as a team operating practice rather than a collection of shortcuts. Developers learn to provide useful context, require a plan, inspect the diff, run the right tests and leave evidence that makes the eventual review easier rather than more uncertain. The session is not a fixed sequence of demonstrations. The facilitator works with the team on Prepare repository context, Issue to plan, Plan to change, using GitHub Copilot, Codex & coding agents, Agent Design Canvas, Your approved AI tools when those systems are approved and available. Participants compare first results, make missing context visible and improve the work together. They learn not only which request works, but why an output is reliable enough to move into the next working step. The value should not end when people leave the room. Exercises therefore produce concrete outputs such as Repository instruction template, Agent-ready development workflow, Test-evidence checklist. They give colleagues a traceable starting point, show where human review is still required and make the next pilot smaller and more realistic. Optional follow-up work can build on those artefacts instead of beginning again with another general introduction. What an AI Workshop looks like: - A participant tests an AI-assisted workflow on a laptop · Agentic AI workshop · Lausanne · May 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-workshop-lausanne-hands-on-coding.webp - Physical method cards make the discussion and review steps visible · Innovation Time Lausanne × AI Workshop · UNIL · May 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-agent-design-method-cards-lausanne.webp - The facilitator makes tools, connections and human checkpoints explicit · Agentic AI workshop · Lausanne · May 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-workshop-lausanne-mcp-architecture.webp - The facilitator reviews a participant’s work directly on the laptop · Innovation Time Lausanne × AI Workshop · UNIL · May 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-george-mentoring-student-agent-design-lausanne.webp Audience: Software engineers, technical leads, platform teams and product engineers using or evaluating coding assistants and agents. Recommended format: Core workshop · 4–6 hours. Alternatives: Focused workshop · 4 hours, Optional follow-up clinic · 60–90 minutes. Delivery: On-site / in person, online, or hybrid. Tools: - GitHub Copilot, Codex & coding agents: Move from issue to plan, change, tests and review inside the team’s approved development environment. - Agent Design Canvas: Define the job, sources, tools, permissions, decisions and human checkpoints before building an agent. - Your approved AI tools: Exercises adapt to the systems, licences and data boundaries your organisation has approved. Outcomes: - Give coding tools useful repository context - Move from issue to explicit implementation plan - Require tests and review evidence from agent work - Agree team boundaries, permissions and standards Syllabus: 1. Prepare repository context: Create instructions, architecture notes and constraints the tool can follow. Output: Repository instruction template. 2. Issue to plan: Turn an ambiguous request into a reviewable implementation plan. Output: Agent-ready development workflow. 3. Plan to change: Make focused edits, inspect diffs and keep the developer in control. Output: Test-evidence checklist. 4. Tests, security and review: Require evidence, test failure paths and examine security-sensitive changes. Output: Team standard and pilot backlog. 5. Team operating standard: Define approved tools, permissions, review rules and a pilot backlog. Output: Repository instruction template. Take-away artefacts: - Repository instruction template - Agent-ready development workflow - Test-evidence checklist - Team standard and pilot backlog ### AI for Finance: faster preparation without weaker control Canonical: https://aiworkshop.ch/workshops/ai-for-finance/ Make recurring finance work easier to prepare, explain and review without weakening control. Finance teams practise sourced research, reconciliation support, variance analysis, scenarios and management commentary. Every workflow keeps assumptions, evidence and final approval visible. What this program changes in practice: Finance teams can save time with AI, but only if speed does not hide the assumptions behind a number or weaken the route to approval. The useful opportunity is often in preparation: structuring research, forming reconciliation questions, explaining variances and drafting commentary that a finance professional can then challenge. The workshop keeps the source trail, the calculation owner and the final sign-off visible throughout that process. The session is not a fixed sequence of demonstrations. The facilitator works with the team on Choose the finance workflow, Research and source trails, Reconciliation and variance, using Spreadsheets & data tools, AI search & deep research, Microsoft Copilot when those systems are approved and available. Participants compare first results, make missing context visible and improve the work together. They learn not only which request works, but why an output is reliable enough to move into the next working step. The value should not end when people leave the room. Exercises therefore produce concrete outputs such as Finance workflow brief, Source and assumption trail, Human review checklist. They give colleagues a traceable starting point, show where human review is still required and make the next pilot smaller and more realistic. Optional follow-up work can build on those artefacts instead of beginning again with another general introduction. What an AI Workshop looks like: - George facilitates an AI-in-finance exercise with participants · Innovation Time Lausanne × AI Workshop · UNIL · May 2026. Image: https://aiworkshop.ch/images/evidence/ai-finance-facilitated-exercise-lausanne.webp - The facilitator introduces the next practical step to the cohort · Innovation Time Lausanne × AI Workshop · UNIL · May 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-finance-agent-presentation-lausanne.webp - A participant turns the discussion into a written workflow brief · Innovation Time Lausanne × AI Workshop · UNIL · May 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-student-worksheet-exercise-lausanne.webp - The university cohort works with laptops, worksheets and live guidance · Innovation Time Lausanne × AI Workshop · UNIL · May 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-innovation-time-lausanne-classroom-wide-view.webp Audience: FP&A, controlling, accounting, treasury, finance operations and finance leaders. Recommended format: Core workshop · 4–6 hours. Alternatives: Focused workshop · 4 hours. Delivery: On-site / in person, online, or hybrid. Tools: - Spreadsheets & data tools: Explore tables, test assumptions and create checked summaries without losing the source trail. - AI search & deep research: Find, compare and cite current sources, then separate evidence from interpretation. - Microsoft Copilot: Work with approved Microsoft 365 capabilities across documents, meetings, email and business information. Outcomes: - Use AI for preparation while retaining finance ownership - Investigate variances with explicit assumptions - Create management commentary linked to evidence - Design a reviewed pilot for recurring work Syllabus: 1. Choose the finance workflow: Identify recurring work with clear inputs, controls and owner. Output: Finance workflow brief. 2. Research and source trails: Build current briefs that distinguish source facts from interpretation. Output: Source and assumption trail. 3. Reconciliation and variance: Use AI to structure checks, questions and explanations—not approve numbers. Output: Human review checklist. 4. Scenarios and commentary: Make assumptions visible and draft concise management narratives. Output: Reporting template and pilot plan. 5. Controls and pilot: Set data boundaries, review steps and a small controlled pilot. Output: Finance workflow brief. Take-away artefacts: - Finance workflow brief - Source and assumption trail - Human review checklist - Reporting template and pilot plan ### AI for Legal: accelerate preparation, keep legal judgement Canonical: https://aiworkshop.ch/workshops/ai-for-legal/ Accelerate preparation and comparison while keeping legal judgement with the professional. Legal teams practise matter preparation, clause comparison, source-grounded research and drafting support. Confidentiality, verification and final professional review are built into each workflow. What this program changes in practice: Legal work contains many tasks that look repetitive but depend heavily on context: preparing a matter, comparing wording, locating current authority or creating a first draft. AI can support those steps, yet a fluent answer may still omit an exception, misread a clause or rely on an outdated source. The workshop gives legal teams a controlled way to use the tools for preparation and comparison while preserving confidentiality, professional judgement and review. The session is not a fixed sequence of demonstrations. The facilitator works with the team on Choose the legal task, Prepare the matter, Compare clauses, using AI search & deep research, Claude, Your approved AI tools when those systems are approved and available. Participants compare first results, make missing context visible and improve the work together. They learn not only which request works, but why an output is reliable enough to move into the next working step. The value should not end when people leave the room. Exercises therefore produce concrete outputs such as Matter-preparation template, Playbook-based comparison workflow, Research and citation checklist. They give colleagues a traceable starting point, show where human review is still required and make the next pilot smaller and more realistic. Optional follow-up work can build on those artefacts instead of beginning again with another general introduction. What an AI Workshop looks like: - The facilitator supports a participant during an individual exercise · Earlier AI Workshop session · Lausanne. Image: https://aiworkshop.ch/images/evidence/ai-workshop-facilitator-training-session-lausanne.webp - A participant raises a question while the rest of the room continues the exercise · Innovation Time Lausanne × AI Workshop · UNIL · May 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-participant-question-lausanne.webp - Physical method cards make the discussion and review steps visible · Earlier AI Workshop session · Lausanne. Image: https://aiworkshop.ch/images/evidence/ai-learning-method-cards-lausanne.webp - The facilitator reviews a participant’s work directly on the laptop · Innovation Time Lausanne × AI Workshop · UNIL · May 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-george-mentoring-student-agent-design-lausanne.webp Audience: In-house legal teams, law firms, contract professionals, compliance and legal operations. Recommended format: Core workshop · 4–6 hours. Alternatives: Focused workshop · 4 hours. Delivery: On-site / in person, online, or hybrid. Tools: - AI search & deep research: Find, compare and cite current sources, then separate evidence from interpretation. - Claude: Review long documents, compare alternatives and support structured writing when it is an approved tool. - Your approved AI tools: Exercises adapt to the systems, licences and data boundaries your organisation has approved. Outcomes: - Select legal tasks suitable for AI support - Compare clauses against an approved playbook - Research with a visible source and date trail - Set confidentiality and final-review boundaries Syllabus: 1. Choose the legal task: Separate preparation and comparison from professional judgement. Output: Matter-preparation template. 2. Prepare the matter: Structure facts, questions, documents and missing information. Output: Playbook-based comparison workflow. 3. Compare clauses: Review language against an approved playbook and flag differences. Output: Research and citation checklist. 4. Research and draft: Use current sources, citations and controlled drafting patterns. Output: Confidentiality and review boundary. 5. Confidentiality and verification: Set data boundaries, review questions and a safe pilot workflow. Output: Matter-preparation template. Take-away artefacts: - Matter-preparation template - Playbook-based comparison workflow - Research and citation checklist - Confidentiality and review boundary Important: This is professional training, not legal advice. Outputs require review by a qualified legal professional. ### AI for Marketing: from brief to reviewed campaign workflow Canonical: https://aiworkshop.ch/workshops/ai-for-marketing/ Move from disconnected content experiments to a coherent, reviewable campaign workflow. Marketing teams practise audience research, positioning, brand context, multimodal creation, localization, search and AI discovery, approval and performance learning—using one connected campaign story. What this program changes in practice: Marketing teams can now produce more options than they can reasonably review. The real challenge is no longer creating another headline or image; it is maintaining a recognisable brand, using evidence responsibly, adapting work across languages and learning from what reaches the market. This workshop connects those steps into one campaign workflow so AI supports strategic clarity and iteration rather than adding more disconnected content to the queue. The session is not a fixed sequence of demonstrations. The facilitator works with the team on Audience and positioning, Brand context, Multimodal creation, using ChatGPT, AI search & deep research, AI visual tools when those systems are approved and available. Participants compare first results, make missing context visible and improve the work together. They learn not only which request works, but why an output is reliable enough to move into the next working step. The value should not end when people leave the room. Exercises therefore produce concrete outputs such as Brand context pack, Search and GEO content brief, Localization and approval checklist. They give colleagues a traceable starting point, show where human review is still required and make the next pilot smaller and more realistic. Optional follow-up work can build on those artefacts instead of beginning again with another general introduction. What an AI Workshop looks like: - A team maps ideas with workshop cards and sticky notes · Earlier AI Workshop session · Lausanne. Image: https://aiworkshop.ch/images/evidence/design-thinking-workshop-collaboration-lausanne-switzerland.webp - Physical method cards make the discussion and review steps visible · Innovation Time Lausanne × AI Workshop · UNIL · May 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-agent-design-method-cards-lausanne.webp - The facilitator introduces the next practical step to the cohort · Innovation Time Lausanne × AI Workshop · UNIL · May 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-george-presenting-agentic-ai-session-lausanne.webp - Participants hold the printed resources used to structure the exercise · Innovation Time Lausanne × AI Workshop · UNIL · May 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-resources-lausanne.webp Audience: Marketing, communications, brand, content, growth and customer teams. Recommended format: Core workshop · 4–6 hours. Alternatives: Focused workshop · 4 hours. Delivery: On-site / in person, online, or hybrid. Tools: - ChatGPT: Draft, analyse, research and turn recurring work into reusable team instructions. - AI search & deep research: Find, compare and cite current sources, then separate evidence from interpretation. - AI visual tools: Create and refine visual concepts while keeping brand, rights and human approval visible. Outcomes: - Turn audience evidence into a stronger brief - Give tools useful brand context - Create and localize content with clear review - Design a campaign experiment that can teach the team Syllabus: 1. Audience and positioning: Turn research and customer language into a focused campaign brief. Output: Brand context pack. 2. Brand context: Create instructions, examples and boundaries tools can follow. Output: Search and GEO content brief. 3. Multimodal creation: Develop copy and visual concepts without losing rights or approval. Output: Localization and approval checklist. 4. Localization and AI discovery: Adapt messages for people, search engines and answer engines without keyword stuffing. Output: Campaign experiment plan. 5. Approval and learning: Set review, measurement and a useful campaign experiment. Output: Brand context pack. Take-away artefacts: - Brand context pack - Search and GEO content brief - Localization and approval checklist - Campaign experiment plan ### AI for Education & Teaching: save time, improve learning design Canonical: https://aiworkshop.ch/workshops/ai-for-education/ Save preparation time while improving learning design, assessment and student guidance. Educators practise lesson planning, differentiation, feedback and assessment redesign while addressing academic integrity, student AI literacy, privacy and the need for human pedagogical judgement. What this program changes in practice: Education cannot treat AI as only a productivity tool because the way a task is completed is often part of the learning itself. A faster lesson plan can help an educator, while an automatically completed student task may remove the thinking the activity was designed to reveal. This workshop helps educators make that distinction, redesign learning and assessment where necessary, and give students guidance that is practical enough to use rather than a list of abstract warnings. The session is not a fixed sequence of demonstrations. The facilitator works with the team on Teaching tasks and boundaries, Lesson design and adaptation, Feedback and assessment, using ChatGPT, AI search & deep research, Your approved AI tools when those systems are approved and available. Participants compare first results, make missing context visible and improve the work together. They learn not only which request works, but why an output is reliable enough to move into the next working step. The value should not end when people leave the room. Exercises therefore produce concrete outputs such as Lesson-planning template, Redesigned assessment activity, Student AI guidance. They give colleagues a traceable starting point, show where human review is still required and make the next pilot smaller and more realistic. Optional follow-up work can build on those artefacts instead of beginning again with another general introduction. What an AI Workshop looks like: - A participant raises a question while the rest of the room continues the exercise · Innovation Time Lausanne × AI Workshop · UNIL · May 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-participant-question-lausanne.webp - Physical method cards make the discussion and review steps visible · Earlier AI Workshop session · Lausanne. Image: https://aiworkshop.ch/images/evidence/ai-learning-method-cards-lausanne.webp - Physical method cards make the discussion and review steps visible · Innovation Time Lausanne × AI Workshop · UNIL · May 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-agent-design-method-cards-lausanne.webp - The facilitator supports a participant during an individual exercise · Earlier AI Workshop session · Lausanne. Image: https://aiworkshop.ch/images/evidence/ai-workshop-facilitator-training-session-lausanne.webp Audience: Teachers, lecturers, learning designers, faculty teams and education leaders. Recommended format: Focused workshop · 4 hours. Alternatives: Core workshop · 4–6 hours. Delivery: On-site / in person, online, or hybrid. Tools: - ChatGPT: Draft, analyse, research and turn recurring work into reusable team instructions. - AI search & deep research: Find, compare and cite current sources, then separate evidence from interpretation. - Your approved AI tools: Exercises adapt to the systems, licences and data boundaries your organisation has approved. Outcomes: - Use AI to strengthen lesson preparation - Adapt material without losing learning intent - Redesign assessment for an AI-rich environment - Give students clear responsible-use guidance Syllabus: 1. Teaching tasks and boundaries: Choose where AI helps preparation and where educator judgement remains essential. Output: Lesson-planning template. 2. Lesson design and adaptation: Create activities, examples and accessible variants tied to learning goals. Output: Redesigned assessment activity. 3. Feedback and assessment: Improve feedback and redesign tasks that reveal student thinking. Output: Student AI guidance. 4. Academic integrity and literacy: Set transparent expectations and teach students how to question AI outputs. Output: Privacy and review checklist. 5. Privacy and subject workflow: Define data boundaries and build one workflow for the educator’s context. Output: Lesson-planning template. Take-away artefacts: - Lesson-planning template - Redesigned assessment activity - Student AI guidance - Privacy and review checklist ### AI workshops for universities, faculty and students Canonical: https://aiworkshop.ch/universities/ Give each university audience a practical, responsible way to use AI in its own work. Choose a track for students, faculty, researchers, professional services, executive education or alumni. Each format combines current tools, guided practice, academic judgement and artefacts participants can adapt after the session. What this program changes in practice: A university rarely has one AI audience. Students are deciding how to learn and disclose use, faculty are redesigning teaching and assessment, researchers are testing new support tools, and professional services are looking at recurring workflows. A strong campus program respects those differences. AI Workshop therefore starts with the cohort and its responsibilities, then selects the examples, level of technical depth and take-home artefacts that make sense for that group. The session is not a fixed sequence of demonstrations. The facilitator works with the team on Choose the audience track, Understand current capabilities, Practise role-specific work, using ChatGPT, Agent Design Canvas, Your approved AI tools when those systems are approved and available. Participants compare first results, make missing context visible and improve the work together. They learn not only which request works, but why an output is reliable enough to move into the next working step. The value should not end when people leave the room. Exercises therefore produce concrete outputs such as Track-specific workshop workbook, Responsible-use guidance, Ready-to-adapt workflow or agent brief. They give colleagues a traceable starting point, show where human review is still required and make the next pilot smaller and more realistic. Optional follow-up work can build on those artefacts instead of beginning again with another general introduction. What an AI Workshop looks like: - Physical method cards make the discussion and review steps visible · Innovation Time Lausanne × AI Workshop · UNIL · May 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-agent-design-method-cards-lausanne.webp - A live explanation connects the method to the cohort’s questions · Innovation Time Lausanne × AI Workshop · UNIL · May 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-innovation-time-facilitator-lausanne.webp - The facilitator reviews a participant’s work directly on the laptop · Innovation Time Lausanne × AI Workshop · UNIL · May 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-george-mentoring-student-agent-design-lausanne.webp - Participants hold the printed resources used to structure the exercise · Innovation Time Lausanne × AI Workshop · UNIL · May 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-resources-lausanne.webp Audience: Universities, schools, executive-education teams and academic communities planning practical AI learning for a defined cohort. Recommended format: Focused workshop · 4 hours. Alternatives: Core workshop · 4–6 hours, Core workshop plus optional follow-up. Delivery: On-site / in person, online, or hybrid. Tools: - ChatGPT: Draft, analyse, research and turn recurring work into reusable team instructions. - Agent Design Canvas: Define the job, sources, tools, permissions, decisions and human checkpoints before building an agent. - Your approved AI tools: Exercises adapt to the systems, licences and data boundaries your organisation has approved. Outcomes: - Select the right track for the cohort - Practise tasks that match academic roles - Address integrity, privacy and human judgement - Leave with guidance and artefacts that can be reused Syllabus: 1. Choose the audience track: Align the session with students, faculty, research, services or executive education. Output: Track-specific workshop workbook. 2. Understand current capabilities: Use the tools available to the institution and make limits visible. Output: Responsible-use guidance. 3. Practise role-specific work: Work on teaching, study, research or service scenarios. Output: Ready-to-adapt workflow or agent brief. 4. Set responsible boundaries: Discuss integrity, privacy, disclosure, verification and human responsibility. Output: Cohort next-step plan. 5. Take the work back: Create guidance, templates and next steps for the cohort. Output: Track-specific workshop workbook. Take-away artefacts: - Track-specific workshop workbook - Responsible-use guidance - Ready-to-adapt workflow or agent brief - Cohort next-step plan ### Microsoft Copilot for Teams: useful habits and a realistic adoption plan Canonical: https://aiworkshop.ch/workshops/copilot/ Help teams use the Copilot capabilities available in their organisation with clearer expectations and safer habits. The workshop distinguishes Copilot Chat from licensed Microsoft 365 Copilot, then applies available capabilities to documents, meetings, email and business information. Permissions, source checking and adoption are addressed before automation. What this program changes in practice: A Copilot rollout can look complete when licences have been assigned, even though the working habits that create value are still missing. People need to understand which Copilot experience they have, where its answers come from, how existing permissions affect what it can find and how to review generated work. The workshop makes those conditions practical, then helps the team choose a small number of role-based habits worth supporting over the next 90 days. The session is not a fixed sequence of demonstrations. The facilitator works with the team on Know your Copilot environment, Work across Microsoft 365, Context, sources and permissions, using Microsoft Copilot, Enterprise knowledge & workspaces, Your approved AI tools when those systems are approved and available. Participants compare first results, make missing context visible and improve the work together. They learn not only which request works, but why an output is reliable enough to move into the next working step. The value should not end when people leave the room. Exercises therefore produce concrete outputs such as Copilot use-case map, Role-based instruction pack, Readiness and permission checklist. They give colleagues a traceable starting point, show where human review is still required and make the next pilot smaller and more realistic. Optional follow-up work can build on those artefacts instead of beginning again with another general introduction. What an AI Workshop looks like: - Participants compare ideas and work through a facilitated team exercise · Earlier AI Workshop session · Lausanne. Image: https://aiworkshop.ch/images/evidence/corporate-ai-training-group-session-lausanne.webp - The facilitator supports a participant during an individual exercise · Earlier AI Workshop session · Lausanne. Image: https://aiworkshop.ch/images/evidence/ai-workshop-facilitator-training-session-lausanne.webp - The group discusses boundaries and review before building · Agentic AI workshop · Lausanne · May 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-training-lausanne-facilitated-discussion.webp - Physical method cards make the discussion and review steps visible · Earlier AI Workshop session · Lausanne. Image: https://aiworkshop.ch/images/evidence/ai-learning-method-cards-lausanne.webp Audience: Teams and champions using or preparing to roll out Microsoft Copilot in a managed Microsoft 365 environment. Recommended format: Core workshop · 4–6 hours. Alternatives: Focused workshop · 4 hours, Core workshop plus optional follow-up. Delivery: On-site / in person, online, or hybrid. Tools: - Microsoft Copilot: Work with approved Microsoft 365 capabilities across documents, meetings, email and business information. - Enterprise knowledge & workspaces: Organise shared context, approved knowledge and repeatable ways of working inside managed AI workspaces. - Your approved AI tools: Exercises adapt to the systems, licences and data boundaries your organisation has approved. Outcomes: - Understand which Copilot experience the team actually has - Use Copilot across approved Microsoft 365 work - Check sources, permissions and generated content - Create a practical 90-day adoption plan Syllabus: 1. Know your Copilot environment: Distinguish Copilot Chat, licensed Microsoft 365 Copilot and plan-dependent features. Output: Copilot use-case map. 2. Work across Microsoft 365: Practise available document, meeting, email and information workflows. Output: Role-based instruction pack. 3. Context, sources and permissions: See how access and document quality shape the answer. Output: Readiness and permission checklist. 4. From prompt to repeatable habit: Create role-based instructions and examples colleagues can reuse. Output: Champion kit and 90-day plan. 5. Adoption and measurement: Prioritise use cases, champions, support and a 90-day plan. Output: Copilot use-case map. Take-away artefacts: - Copilot use-case map - Role-based instruction pack - Readiness and permission checklist - Champion kit and 90-day plan ### ChatGPT Enterprise Adoption Workshop Canonical: https://aiworkshop.ch/workshops/chatgpt-enterprise/ Turn access to a managed ChatGPT workspace into useful, governed team practice. Teams build practical habits for projects, research, data work, reusable GPTs or agents and approved company context where available. Capabilities are confirmed against the client’s plan, region and administrator settings before delivery. What this program changes in practice: A managed ChatGPT workspace creates useful conditions for enterprise adoption, but access alone does not create consistent practice. Teams still need to decide how projects are organised, what good reusable instructions look like, when company context may be used, how a GPT or agent is evaluated and who owns improvement. This workshop turns those questions into working decisions based on the capabilities that are actually enabled in the client’s workspace. The session is not a fixed sequence of demonstrations. The facilitator works with the team on Workspace habits and boundaries, Projects, research and data, Reusable GPTs and agents, using ChatGPT, Enterprise knowledge & workspaces, Agent Design Canvas when those systems are approved and available. Participants compare first results, make missing context visible and improve the work together. They learn not only which request works, but why an output is reliable enough to move into the next working step. The value should not end when people leave the room. Exercises therefore produce concrete outputs such as Team workflow pack, Evaluation examples and review set, Governance decision log. They give colleagues a traceable starting point, show where human review is still required and make the next pilot smaller and more realistic. Optional follow-up work can build on those artefacts instead of beginning again with another general introduction. What an AI Workshop looks like: - Participants compare ideas and work through a facilitated team exercise · Earlier AI Workshop session · Lausanne. Image: https://aiworkshop.ch/images/evidence/corporate-ai-training-group-session-lausanne.webp - The group discusses boundaries and review before building · Agentic AI workshop · Lausanne · May 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-training-lausanne-facilitated-discussion.webp - The university cohort works with laptops, worksheets and live guidance · Innovation Time Lausanne × AI Workshop · UNIL · May 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-innovation-time-lausanne-classroom-wide-view.webp - Participants hold the printed resources used to structure the exercise · Innovation Time Lausanne × AI Workshop · UNIL · May 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-resources-lausanne.webp Audience: Organisations rolling out or improving adoption of a managed ChatGPT workspace for business teams. Recommended format: Core workshop · 4–6 hours. Alternatives: Focused workshop · 4 hours, Core workshop plus optional follow-up. Delivery: On-site / in person, online, or hybrid. Tools: - ChatGPT: Draft, analyse, research and turn recurring work into reusable team instructions. - Enterprise knowledge & workspaces: Organise shared context, approved knowledge and repeatable ways of working inside managed AI workspaces. - Agent Design Canvas: Define the job, sources, tools, permissions, decisions and human checkpoints before building an agent. Outcomes: - Create consistent workspace and project habits - Design repeatable research and data workflows - Evaluate reusable GPT or agent behaviour - Agree practical governance and rollout decisions Syllabus: 1. Workspace habits and boundaries: Confirm available capabilities, data rules and team expectations. Output: Team workflow pack. 2. Projects, research and data: Organise context and practise sourced research, documents and analysis. Output: Evaluation examples and review set. 3. Reusable GPTs and agents: Define purpose, instructions, knowledge, tests and human control. Output: Governance decision log. 4. Company context and access: Examine approved apps or company knowledge where available and plan-dependent. Output: Adoption and rollout plan. 5. Evaluation and rollout: Create an evaluation set, ownership decisions and an adoption plan. Output: Team workflow pack. Take-away artefacts: - Team workflow pack - Evaluation examples and review set - Governance decision log - Adoption and rollout plan ## DE program portfolio ### Agentic-AI-Workshop: einen sicheren, testbaren Pilot entwerfen Canonical: https://aiworkshop.ch/de/workshops/agentic-ai/ Wählen Sie einen wichtigen Workflow und verlassen Sie den Workshop mit einem sicheren, testbaren Agenten-Pilot. Ihr Team geht über Agenten-Demos hinaus. Die Teilnehmenden definieren Aufgabe, Quellen, Berechtigungen, Entscheidungen und menschliche Prüfpunkte für einen realen Workflow. Was dieses Programm in der Praxis verändert: Agentic AI wird dann nützlich, wenn ein Team nicht mehr fragt, was ein Agent theoretisch könnte, sondern eine Aufgabe sauber definiert. Dazu gehören Auslöser, erlaubte Informationen, mögliche Aktionen, Entscheidungen, die niemals allein getroffen werden dürfen, und eine verantwortliche Person. Der Workshop gibt dem Team die nötige Struktur für dieses gemeinsame Gespräch, bevor Geld in Plattformen, Integrationen oder eine zu grosse Automatisierung fliesst. Die Session folgt keiner starren Demo-Abfolge. Der Facilitator arbeitet mit dem Team an Workflow auswählen, Aufgabe des Agenten definieren, Quellen und Tools verbinden und nutzt dabei Agent Design Canvas, ChatGPT, Ihre freigegebenen KI-Tools, sofern diese Systeme freigegeben und verfügbar sind. Die Teilnehmenden vergleichen erste Ergebnisse, machen fehlenden Kontext sichtbar und verbessern die Arbeit gemeinsam. Dadurch verstehen sie nicht nur, welche Eingabe funktioniert, sondern auch, warum ein Ergebnis vertrauenswürdig genug für den nächsten Arbeitsschritt ist. Der Wert soll nicht enden, wenn der Workshopraum verlassen wird. Deshalb entstehen während der Übungen konkrete Ergebnisse wie Agent Design Canvas, Berechtigungs- und Freigabekarte, Checkliste für Fehlertests. Sie geben Kolleginnen und Kollegen einen nachvollziehbaren Ausgangspunkt, zeigen, wo menschliche Prüfung erforderlich ist, und machen den nächsten Pilot kleiner und realistischer. Optionale Follow-up-Sessions können anschliessend auf diesen Artefakten aufbauen, statt wieder bei einer allgemeinen Einführung zu beginnen. So sieht ein AI Workshop in der Praxis aus: - Der Facilitator erklärt, wie aus einem abgegrenzten Workflow ein KI-Agent wird · Agentic-AI-Workshop · Lausanne · Mai 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-training-lausanne-agent-workflow-ladder.webp - Ein Teilnehmer füllt das Agent Design Canvas von Hand aus · Agentic-AI-Workshop · Lausanne · Mai 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-workshop-lausanne-agent-design-canvas.webp - Ein Teilnehmer testet einen KI-gestützten Workflow am Laptop · Agentic-AI-Workshop · Lausanne · Mai 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-workshop-lausanne-hands-on-coding.webp - Der Facilitator macht Tools, Verbindungen und menschliche Prüfpunkte sichtbar · Agentic-AI-Workshop · Lausanne · Mai 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-workshop-lausanne-mcp-architecture.webp Audience: Business-, Produkt-, Operations-, Innovations- und technische Teams, die einen mehrstufigen Workflow gemeinsam untersuchen wollen. Recommended format: Kernworkshop · 4–6 Stunden. Alternatives: Fokussierter Workshop · 4 Stunden. Delivery: Vor Ort, online oder hybrid. Tools: - Agent Design Canvas: Aufgabe, Quellen, Tools, Berechtigungen, Entscheidungen und menschliche Prüfpunkte vor dem Bau festlegen. - ChatGPT: Entwürfe, Analysen und Recherchen erstellen und wiederkehrende Arbeit in nutzbare Team-Anleitungen überführen. - Ihre freigegebenen KI-Tools: Die Übungen werden an freigegebene Systeme, Lizenzen und Datengrenzen Ihrer Organisation angepasst. Outcomes: - Eine testwürdige Agenten-Chance auswählen - Agentenarbeit von menschlichen Entscheidungen trennen - Berechtigungen und Prüfpunkte gestalten - Einen kleinen Pilot mit klaren Tests planen Syllabus: 1. Workflow auswählen: Aktuelle Arbeit, Reibung und Entscheidungsverantwortung abbilden. Output: Agent Design Canvas. 2. Aufgabe des Agenten definieren: Ziel, Grenzen, Eingaben und erwartete Ergebnisse festlegen. Output: Berechtigungs- und Freigabekarte. 3. Quellen und Tools verbinden: Bestimmen, was der Agent lesen, nutzen oder verändern darf. Output: Checkliste für Fehlertests. 4. Menschliche Kontrolle gestalten: Freigaben, Eskalation und Quellenpfad einbauen. Output: Pilotbrief mit Verantwortung und nächstem Schritt. 5. Vor dem Pilot testen: Fehlerfälle, Erfolgskriterien und Pilotplan erstellen. Output: Agent Design Canvas. Take-away artefacts: - Agent Design Canvas - Berechtigungs- und Freigabekarte - Checkliste für Fehlertests - Pilotbrief mit Verantwortung und nächstem Schritt ### KI-Grundlagen-Workshop für sichere Anwendung im Alltag Canonical: https://aiworkshop.ch/de/workshops/ai-fundamentals/ Von unsicheren Versuchen zu sicherer, verantwortungsvoller Anwendung im Arbeitsalltag. Die Teilnehmenden lernen, welches Tool zur Aufgabe passt, wie guter Kontext aussieht, wie Ergebnisse geprüft werden und wann KI nicht eingesetzt werden sollte. Am Ende steht ein selbst getesteter Workflow. Was dieses Programm in der Praxis verändert: Die meisten Teams brauchen keine weitere Tour durch KI-Fachbegriffe. Sie benötigen gemeinsame Antworten auf Alltagsfragen: Welches Tool passt zu welcher Aufgabe, welche Informationen dürfen eingegeben werden, warum liefert eine Anfrage ein brauchbares Ergebnis und eine andere nicht, und wer prüft das Resultat? Der Workshop schafft diese gemeinsame Grundlage, ohne nicht technische Teilnehmende abzuhängen, und überführt das Gelernte in einen Workflow für die nächste Arbeitswoche. Die Session folgt keiner starren Demo-Abfolge. Der Facilitator arbeitet mit dem Team an Den modernen KI-Arbeitstag verstehen, Das passende Tool wählen, Nützliche Ergebnisse anfordern und nutzt dabei ChatGPT, Microsoft Copilot, Ihre freigegebenen KI-Tools, sofern diese Systeme freigegeben und verfügbar sind. Die Teilnehmenden vergleichen erste Ergebnisse, machen fehlenden Kontext sichtbar und verbessern die Arbeit gemeinsam. Dadurch verstehen sie nicht nur, welche Eingabe funktioniert, sondern auch, warum ein Ergebnis vertrauenswürdig genug für den nächsten Arbeitsschritt ist. Der Wert soll nicht enden, wenn der Workshopraum verlassen wird. Deshalb entstehen während der Übungen konkrete Ergebnisse wie Wiederverwendbare Anfragevorlage, Checkliste für menschliche Prüfung, Ein getesteter Workflow. Sie geben Kolleginnen und Kollegen einen nachvollziehbaren Ausgangspunkt, zeigen, wo menschliche Prüfung erforderlich ist, und machen den nächsten Pilot kleiner und realistischer. Optionale Follow-up-Sessions können anschliessend auf diesen Artefakten aufbauen, statt wieder bei einer allgemeinen Einführung zu beginnen. So sieht ein AI Workshop in der Praxis aus: - Der Facilitator unterstützt eine Teilnehmerin bei einer Einzelübung · Frühere AI-Workshop-Session · Lausanne. Image: https://aiworkshop.ch/images/evidence/ai-workshop-facilitator-training-session-lausanne.webp - Teilnehmende vergleichen Ideen in einer moderierten Teamübung · Frühere AI-Workshop-Session · Lausanne. Image: https://aiworkshop.ch/images/evidence/corporate-ai-training-group-session-lausanne.webp - Methodenkarten machen Diskussion und Prüfschritte sichtbar · Frühere AI-Workshop-Session · Lausanne. Image: https://aiworkshop.ch/images/evidence/ai-learning-method-cards-lausanne.webp - Kleine Gruppen arbeiten im Workshopraum an gemeinsamen Tischen · Frühere AI-Workshop-Session · Lausanne. Image: https://aiworkshop.ch/images/evidence/ai-workshop-venue-overhead-view-lausanne-event-space.webp Audience: Nicht technische Teams, gemischte Abteilungen und Führungskräfte, die eine gemeinsame praktische Grundlage benötigen. Recommended format: Fokussierter Workshop · 4 Stunden. Alternatives: Kernworkshop · 4–6 Stunden. Delivery: Vor Ort, online oder hybrid. Tools: - ChatGPT: Entwürfe, Analysen und Recherchen erstellen und wiederkehrende Arbeit in nutzbare Team-Anleitungen überführen. - Microsoft Copilot: Freigegebene Microsoft-365-Funktionen in Dokumenten, Meetings, E-Mails und Geschäftsinformationen nutzen. - Ihre freigegebenen KI-Tools: Die Übungen werden an freigegebene Systeme, Lizenzen und Datengrenzen Ihrer Organisation angepasst. Outcomes: - Das passende Tool zur Aufgabe wählen - Klarere Anweisungen und Kontext geben - Aussagen, Zahlen und Lücken prüfen - Eine wiederkehrende Aufgabe in einen geprüften Workflow überführen Syllabus: 1. Den modernen KI-Arbeitstag verstehen: Stärken, Grenzen und Veränderungen der aktuellen Tools kennenlernen. Output: Wiederverwendbare Anfragevorlage. 2. Das passende Tool wählen: Schreib-, Recherche-, Dokument- und Datenaufgaben zuordnen. Output: Checkliste für menschliche Prüfung. 3. Nützliche Ergebnisse anfordern: Kontext, Beispiele, Grenzen und Ausgabeformate üben. Output: Ein getesteter Workflow. 4. Vor der Nutzung prüfen: Quellen, Zahlen, Auslassungen, Ton und sensible Informationen kontrollieren. Output: Liste sinnvoller nächster Chancen. 5. Einen wiederholbaren Workflow bauen: Eine reale Aufgabe als Anfrage-Prüfung-Verbesserung strukturieren. Output: Wiederverwendbare Anfragevorlage. Take-away artefacts: - Wiederverwendbare Anfragevorlage - Checkliste für menschliche Prüfung - Ein getesteter Workflow - Liste sinnvoller nächster Chancen ### Generative AI für Unternehmen: wiederholbare Team-Workflows Canonical: https://aiworkshop.ch/de/workshops/generative-ai-for-business/ Aus einzelnen Experimenten werden gemeinsame, wiederholbare Team-Workflows. Die Teilnehmenden wenden generative KI auf Recherche, Dokumente, Dateien, Präsentationen und wiederkehrende Teamarbeit an. Sie gehen mit gemeinsamen Anleitungen, Qualitätsprüfung und klaren Verantwortlichen weiter. Was dieses Programm in der Praxis verändert: Generative KI kommt oft über einzelne Experimente ins Unternehmen: Eine Person verbessert einen Report, eine andere bereitet ein Meeting schneller vor, eine dritte baut einen nützlichen Assistenten. Der Wert bleibt fragil, weil Kolleginnen und Kollegen das Ergebnis nicht wiederholen können und Führungskräfte den Prüfprozess nicht sehen. Das Programm macht daraus gemeinsame Arbeitsmuster, indem Kontext, Beispiele, Qualität, Verantwortung und Review im Team sichtbar werden. Die Session folgt keiner starren Demo-Abfolge. Der Facilitator arbeitet mit dem Team an Sinnvolle Arbeit finden, Recherche und Dokumente, Dateien, Daten und Präsentationen und nutzt dabei ChatGPT, Microsoft Copilot, KI-Suche und vertiefte Recherche, sofern diese Systeme freigegeben und verfügbar sind. Die Teilnehmenden vergleichen erste Ergebnisse, machen fehlenden Kontext sichtbar und verbessern die Arbeit gemeinsam. Dadurch verstehen sie nicht nur, welche Eingabe funktioniert, sondern auch, warum ein Ergebnis vertrauenswürdig genug für den nächsten Arbeitsschritt ist. Der Wert soll nicht enden, wenn der Workshopraum verlassen wird. Deshalb entstehen während der Übungen konkrete Ergebnisse wie Team-Anleitungspaket, Bearbeitete Beispiele aus realen Aufgaben, Qualitäts- und Prüfcheckliste. Sie geben Kolleginnen und Kollegen einen nachvollziehbaren Ausgangspunkt, zeigen, wo menschliche Prüfung erforderlich ist, und machen den nächsten Pilot kleiner und realistischer. Optionale Follow-up-Sessions können anschliessend auf diesen Artefakten aufbauen, statt wieder bei einer allgemeinen Einführung zu beginnen. So sieht ein AI Workshop in der Praxis aus: - Teilnehmende vergleichen Ideen in einer moderierten Teamübung · Frühere AI-Workshop-Session · Lausanne. Image: https://aiworkshop.ch/images/evidence/corporate-ai-training-group-session-lausanne.webp - Ein Team strukturiert Ideen mit Workshop-Karten und Haftnotizen · Frühere AI-Workshop-Session · Lausanne. Image: https://aiworkshop.ch/images/evidence/design-thinking-workshop-collaboration-lausanne-switzerland.webp - Die Gruppe diskutiert Grenzen und Prüfung vor der Umsetzung · Agentic-AI-Workshop · Lausanne · Mai 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-training-lausanne-facilitated-discussion.webp - Kleine Gruppen arbeiten im Workshopraum an gemeinsamen Tischen · Agentic-AI-Workshop · Lausanne · Mai 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-workshop-espace-dickens-lausanne-room.webp Audience: Funktionsübergreifende Teams, die bereits experimentieren und nun Konsistenz, Qualität und verantwortungsvolle Grenzen benötigen. Recommended format: Kernworkshop · 4–6 Stunden. Alternatives: Fokussierter Workshop · 4 Stunden. Delivery: Vor Ort, online oder hybrid. Tools: - ChatGPT: Entwürfe, Analysen und Recherchen erstellen und wiederkehrende Arbeit in nutzbare Team-Anleitungen überführen. - Microsoft Copilot: Freigegebene Microsoft-365-Funktionen in Dokumenten, Meetings, E-Mails und Geschäftsinformationen nutzen. - KI-Suche und vertiefte Recherche: Aktuelle Quellen finden, vergleichen und zitieren sowie Fakten klar von Interpretation trennen. Outcomes: - Sinnvolle Geschäftsaufgaben für generative KI auswählen - Wiederverwendbaren Kontext und Anleitungen erstellen - Qualität, Quellen und sensible Daten prüfen - Verantwortliche für einen fokussierten 30-Tage-Plan benennen Syllabus: 1. Sinnvolle Arbeit finden: Wertvolle Teamaufgaben von kurzfristiger Spielerei trennen. Output: Team-Anleitungspaket. 2. Recherche und Dokumente: Quellenbasierte Briefings, Zusammenfassungen und bessere Entwürfe erstellen. Output: Bearbeitete Beispiele aus realen Aufgaben. 3. Dateien, Daten und Präsentationen: Mit Tabellen, Dokumenten, Folien und visuellen Konzepten arbeiten. Output: Qualitäts- und Prüfcheckliste. 4. Wiederverwendbaren Kontext bauen: Einzelne Prompts in gemeinsame Projekte, Anleitungen und Beispiele überführen. Output: Priorisierte Workflow-Karte mit Verantwortlichen. 5. Kontrolliert einführen: Prüfregeln, Verantwortliche und einen 30-Tage-Plan festlegen. Output: Team-Anleitungspaket. Take-away artefacts: - Team-Anleitungspaket - Bearbeitete Beispiele aus realen Aufgaben - Qualitäts- und Prüfcheckliste - Priorisierte Workflow-Karte mit Verantwortlichen ### KI für Business Intelligence und Entscheidungen Canonical: https://aiworkshop.ch/de/workshops/ai-for-business-intelligence/ Von der Geschäftsfrage zu einem geprüften, nachvollziehbaren Entscheidungsbriefing. Teams üben einen vollständigen Daten-zu-Entscheidung-Workflow: Frage klären, Daten prüfen, Muster untersuchen, Annahmen hinterfragen und verständlich zeigen, was die Evidenz trägt. Was dieses Programm in der Praxis verändert: Bessere Analyse beginnt nicht mit der Bitte an KI, einen Insight zu finden. Sie beginnt mit einer Entscheidung, klar definierten Kennzahlen und einem ehrlichen Blick auf das, was die Daten nicht beantworten können. Der Workshop verlangsamt genau diese entscheidenden Schritte und nutzt KI anschliessend für Tabellen, Abweichungen, Szenarien und verständliche Erklärungen. Ziel ist keine automatische Analyse, sondern ein Entscheidungsbriefing, das andere nachvollziehen, hinterfragen und freigeben können. Die Session folgt keiner starren Demo-Abfolge. Der Facilitator arbeitet mit dem Team an Entscheidung rahmen, Daten vorbereiten, Muster untersuchen und nutzt dabei Tabellen- und Daten-Tools, ChatGPT, KI-Suche und vertiefte Recherche, sofern diese Systeme freigegeben und verfügbar sind. Die Teilnehmenden vergleichen erste Ergebnisse, machen fehlenden Kontext sichtbar und verbessern die Arbeit gemeinsam. Dadurch verstehen sie nicht nur, welche Eingabe funktioniert, sondern auch, warum ein Ergebnis vertrauenswürdig genug für den nächsten Arbeitsschritt ist. Der Wert soll nicht enden, wenn der Workshopraum verlassen wird. Deshalb entstehen während der Übungen konkrete Ergebnisse wie Entscheidungs- und Analysebriefing, Wiederverwendbare Fragenbibliothek, Prüfcheckliste. Sie geben Kolleginnen und Kollegen einen nachvollziehbaren Ausgangspunkt, zeigen, wo menschliche Prüfung erforderlich ist, und machen den nächsten Pilot kleiner und realistischer. Optionale Follow-up-Sessions können anschliessend auf diesen Artefakten aufbauen, statt wieder bei einer allgemeinen Einführung zu beginnen. So sieht ein AI Workshop in der Praxis aus: - George begleitet mit Teilnehmenden eine Übung zu KI in Finance · Innovation Time Lausanne × AI Workshop · UNIL · Mai 2026. Image: https://aiworkshop.ch/images/evidence/ai-finance-facilitated-exercise-lausanne.webp - Ein Live-Ergebnis wird mit der Gruppe geprüft statt sofort übernommen · Agentic-AI-Workshop · Lausanne · Mai 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-training-switzerland-agent-export.webp - Die Gruppe diskutiert Grenzen und Prüfung vor der Umsetzung · Agentic-AI-Workshop · Lausanne · Mai 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-training-lausanne-facilitated-discussion.webp - Eine Teilnehmerin überführt die Diskussion in einen schriftlichen Workflow-Brief · Innovation Time Lausanne × AI Workshop · UNIL · Mai 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-student-worksheet-exercise-lausanne.webp Audience: Analystinnen und Analysten, Führungskräfte sowie Finance-, Operations- und Vertriebsteams mit Reports, Tabellen oder wiederkehrenden Entscheidungen. Recommended format: Kernworkshop · 4–6 Stunden. Alternatives: Fokussierter Workshop · 4 Stunden. Delivery: Vor Ort, online oder hybrid. Tools: - Tabellen- und Daten-Tools: Tabellen untersuchen, Annahmen testen und geprüfte Zusammenfassungen mit nachvollziehbaren Quellen erstellen. - ChatGPT: Entwürfe, Analysen und Recherchen erstellen und wiederkehrende Arbeit in nutzbare Team-Anleitungen überführen. - KI-Suche und vertiefte Recherche: Aktuelle Quellen finden, vergleichen und zitieren sowie Fakten klar von Interpretation trennen. Outcomes: - Analyse mit einer Entscheidung statt einem Diagramm beginnen - Tabellen erkunden, ohne Annahmen zu verstecken - Trends, Auffälligkeiten und Berechnungen prüfen - Eine klare Entscheidungsstory mit Grenzen erstellen Syllabus: 1. Entscheidung rahmen: Frage, Verantwortung, Zeitraum und benötigte Evidenz definieren. Output: Entscheidungs- und Analysebriefing. 2. Daten vorbereiten: Spalten, Lücken, Definitionen und sensible Felder prüfen. Output: Wiederverwendbare Fragenbibliothek. 3. Muster untersuchen: Trends, Abweichungen und Auffälligkeiten in Alltagssprache analysieren. Output: Prüfcheckliste. 4. Szenarien testen: Annahmen sichtbar machen und Alternativen vergleichen. Output: Muster für wiederkehrende Reports. 5. Kommunizieren und freigeben: Diagramme und Kommentare mit Quellenpfad und menschlicher Freigabe erstellen. Output: Entscheidungs- und Analysebriefing. Take-away artefacts: - Entscheidungs- und Analysebriefing - Wiederverwendbare Fragenbibliothek - Prüfcheckliste - Muster für wiederkehrende Reports ### KI für HR: praktische Workflows mit menschlichem Urteil Canonical: https://aiworkshop.ch/de/workshops/hr-training/ HR-Teams arbeiten konsistenter, während sensible Entscheidungen beim Menschen bleiben. Der Workshop wendet freigegebene KI-Tools auf Mitarbeitendenkommunikation, Richtlinien, Recruiting-Unterstützung, Onboarding, Lernen und Meeting-Follow-up an. Fairness, Datenschutz und Prüfung gehören zu jeder Übung. Was dieses Programm in der Praxis verändert: HR-Teams arbeiten den ganzen Tag mit Sprache, doch es geht nie nur um das Produzieren von Text. Eine Richtlinienantwort muss auf der freigegebenen Quelle beruhen, Recruiting-Unterlagen dürfen keine versteckte Verzerrung verstärken und Zusammenfassungen müssen sensible Informationen schützen. Der Workshop konzentriert sich auf Vorbereitung und Kommunikation, bei denen KI wirklich hilft, während Personalentscheidungen, Ausnahmen, Empathie und Verantwortung bei HR bleiben. Die Session folgt keiner starren Demo-Abfolge. Der Facilitator arbeitet mit dem Team an HR-Arbeit abbilden, Mitarbeitenden- und Richtlinienkommunikation, Recruiting und Onboarding unterstützen und nutzt dabei Microsoft Copilot, ChatGPT, Ihre freigegebenen KI-Tools, sofern diese Systeme freigegeben und verfügbar sind. Die Teilnehmenden vergleichen erste Ergebnisse, machen fehlenden Kontext sichtbar und verbessern die Arbeit gemeinsam. Dadurch verstehen sie nicht nur, welche Eingabe funktioniert, sondern auch, warum ein Ergebnis vertrauenswürdig genug für den nächsten Arbeitsschritt ist. Der Wert soll nicht enden, wenn der Workshopraum verlassen wird. Deshalb entstehen während der Übungen konkrete Ergebnisse wie HR-Workflow-Karten, Freigegebenes Anleitungspaket, Fairness- und Prüfcheckliste. Sie geben Kolleginnen und Kollegen einen nachvollziehbaren Ausgangspunkt, zeigen, wo menschliche Prüfung erforderlich ist, und machen den nächsten Pilot kleiner und realistischer. Optionale Follow-up-Sessions können anschliessend auf diesen Artefakten aufbauen, statt wieder bei einer allgemeinen Einführung zu beginnen. So sieht ein AI Workshop in der Praxis aus: - Der Raum ist mit Gerät, Arbeitsheft und Material für jede Person vorbereitet · Vorbereitung eines HR-Assistant-Workshops · Zürich. Image: https://aiworkshop.ch/images/evidence/hr-assistant-workshop-room-zurich.webp - Ein Team strukturiert Ideen mit Workshop-Karten und Haftnotizen · Frühere AI-Workshop-Session · Lausanne. Image: https://aiworkshop.ch/images/evidence/design-thinking-workshop-collaboration-lausanne-switzerland.webp - Methodenkarten machen Diskussion und Prüfschritte sichtbar · Frühere AI-Workshop-Session · Lausanne. Image: https://aiworkshop.ch/images/evidence/ai-learning-method-cards-lausanne.webp - Teilnehmende vergleichen Ideen in einer moderierten Teamübung · Frühere AI-Workshop-Session · Lausanne. Image: https://aiworkshop.ch/images/evidence/corporate-ai-training-group-session-lausanne.webp Audience: HR Business Partner, People Operations, Talent, Learning und HR-Führungsteams. Recommended format: Kernworkshop · 4–6 Stunden. Alternatives: Fokussierter Workshop · 4 Stunden, Kernworkshop plus optionales Follow-up. Delivery: Vor Ort, online oder hybrid. Tools: - Microsoft Copilot: Freigegebene Microsoft-365-Funktionen in Dokumenten, Meetings, E-Mails und Geschäftsinformationen nutzen. - ChatGPT: Entwürfe, Analysen und Recherchen erstellen und wiederkehrende Arbeit in nutzbare Team-Anleitungen überführen. - Ihre freigegebenen KI-Tools: Die Übungen werden an freigegebene Systeme, Lizenzen und Datengrenzen Ihrer Organisation angepasst. Outcomes: - Nützliche HR-Workflows mit geringem Risiko erkennen - Mitarbeitenden- und Richtlinienkommunikation verbessern - KI als Vorbereitungshilfe statt Entscheider einsetzen - Prüfregeln für Fairness und sensible Daten festlegen Syllabus: 1. HR-Arbeit abbilden: Wiederkehrende, aufwendige Aufgaben mit menschlicher Verantwortung priorisieren. Output: HR-Workflow-Karten. 2. Mitarbeitenden- und Richtlinienkommunikation: Klare Antworten, Zusammenfassungen und Führungshilfen aus freigegebenem Material erstellen. Output: Freigegebenes Anleitungspaket. 3. Recruiting und Onboarding unterstützen: Rollenbriefings, Interviewvorbereitung und Onboarding-Inhalte verbessern, ohne Entscheidungen zu delegieren. Output: Fairness- und Prüfcheckliste. 4. Lernen und Meeting-Follow-up: Lernpläne, Zusammenfassungen und prüfbare Aktionen erstellen. Output: Pilotkarte mit menschlicher Verantwortung. 5. Fairness, Datenschutz und Einführung: Datengrenzen, Prüffragen und verantwortungsvollen Pilot definieren. Output: HR-Workflow-Karten. Take-away artefacts: - HR-Workflow-Karten - Freigegebenes Anleitungspaket - Fairness- und Prüfcheckliste - Pilotkarte mit menschlicher Verantwortung ### KI für Entwickler: vom Issue zur geprüften Änderung Canonical: https://aiworkshop.ch/de/workshops/ai-for-developers/ Einen zuverlässigen KI-gestützten Entwicklungsworkflow vom Issue bis zur getesteten, geprüften Änderung etablieren. Entwickler üben, Coding-Tools passenden Repository-Kontext zu geben, Änderungen zu planen, generierte Arbeit zu prüfen, Tests auszuführen und Nachweise für Reviews zu hinterlassen. Es geht um Teamzuverlässigkeit, nicht schnelleres Tippen. Was dieses Programm in der Praxis verändert: Coding-Assistenten können eine überzeugende Änderung erzeugen, bevor sie Repository, Zweck des Issues oder schützende Tests verstehen. Deshalb behandelt der Workshop KI-gestützte Entwicklung als Team-Arbeitsweise und nicht als Sammlung von Abkürzungen. Entwickler lernen, nützlichen Kontext zu liefern, einen Plan zu verlangen, den Diff zu prüfen, passende Tests auszuführen und Nachweise zu hinterlassen, die das spätere Review einfacher statt unsicherer machen. Die Session folgt keiner starren Demo-Abfolge. Der Facilitator arbeitet mit dem Team an Repository-Kontext vorbereiten, Vom Issue zum Plan, Vom Plan zur Änderung und nutzt dabei GitHub Copilot, Codex & coding agents, Agent Design Canvas, Ihre freigegebenen KI-Tools, sofern diese Systeme freigegeben und verfügbar sind. Die Teilnehmenden vergleichen erste Ergebnisse, machen fehlenden Kontext sichtbar und verbessern die Arbeit gemeinsam. Dadurch verstehen sie nicht nur, welche Eingabe funktioniert, sondern auch, warum ein Ergebnis vertrauenswürdig genug für den nächsten Arbeitsschritt ist. Der Wert soll nicht enden, wenn der Workshopraum verlassen wird. Deshalb entstehen während der Übungen konkrete Ergebnisse wie Vorlage für Repository-Anleitungen, Agentenfähiger Entwicklungsworkflow, Checkliste für Testnachweise. Sie geben Kolleginnen und Kollegen einen nachvollziehbaren Ausgangspunkt, zeigen, wo menschliche Prüfung erforderlich ist, und machen den nächsten Pilot kleiner und realistischer. Optionale Follow-up-Sessions können anschliessend auf diesen Artefakten aufbauen, statt wieder bei einer allgemeinen Einführung zu beginnen. So sieht ein AI Workshop in der Praxis aus: - Ein Teilnehmer testet einen KI-gestützten Workflow am Laptop · Agentic-AI-Workshop · Lausanne · Mai 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-workshop-lausanne-hands-on-coding.webp - Methodenkarten machen Diskussion und Prüfschritte sichtbar · Innovation Time Lausanne × AI Workshop · UNIL · Mai 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-agent-design-method-cards-lausanne.webp - Der Facilitator macht Tools, Verbindungen und menschliche Prüfpunkte sichtbar · Agentic-AI-Workshop · Lausanne · Mai 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-workshop-lausanne-mcp-architecture.webp - Der Facilitator prüft die Arbeit eines Teilnehmers direkt am Laptop · Innovation Time Lausanne × AI Workshop · UNIL · Mai 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-george-mentoring-student-agent-design-lausanne.webp Audience: Software Engineers, Technical Leads, Plattform- und Produktteams, die Coding-Assistenten oder Agenten einsetzen oder evaluieren. Recommended format: Kernworkshop · 4–6 Stunden. Alternatives: Fokussierter Workshop · 4 Stunden, Optionale Follow-up-Clinic · 60–90 Minuten. Delivery: Vor Ort, online oder hybrid. Tools: - GitHub Copilot, Codex & coding agents: Vom Issue über Plan und Änderung bis zu Tests und Review in der freigegebenen Entwicklungsumgebung arbeiten. - Agent Design Canvas: Aufgabe, Quellen, Tools, Berechtigungen, Entscheidungen und menschliche Prüfpunkte vor dem Bau festlegen. - Ihre freigegebenen KI-Tools: Die Übungen werden an freigegebene Systeme, Lizenzen und Datengrenzen Ihrer Organisation angepasst. Outcomes: - Coding-Tools nützlichen Repository-Kontext geben - Vom Issue zu einem klaren Implementierungsplan gelangen - Tests und Review-Nachweise von Agentenarbeit verlangen - Teamgrenzen, Berechtigungen und Standards vereinbaren Syllabus: 1. Repository-Kontext vorbereiten: Anleitungen, Architekturhinweise und Grenzen erstellen. Output: Vorlage für Repository-Anleitungen. 2. Vom Issue zum Plan: Eine unklare Anfrage in einen prüfbaren Implementierungsplan überführen. Output: Agentenfähiger Entwicklungsworkflow. 3. Vom Plan zur Änderung: Fokussierte Änderungen vornehmen, Diffs prüfen und Kontrolle behalten. Output: Checkliste für Testnachweise. 4. Tests, Sicherheit und Review: Nachweise verlangen, Fehlerpfade testen und sicherheitskritische Änderungen untersuchen. Output: Teamstandard und Pilot-Backlog. 5. Teamstandard festlegen: Freigegebene Tools, Berechtigungen, Prüfregeln und Pilot-Backlog definieren. Output: Vorlage für Repository-Anleitungen. Take-away artefacts: - Vorlage für Repository-Anleitungen - Agentenfähiger Entwicklungsworkflow - Checkliste für Testnachweise - Teamstandard und Pilot-Backlog ### KI für Finance: schneller vorbereiten, Kontrolle behalten Canonical: https://aiworkshop.ch/de/workshops/ai-for-finance/ Wiederkehrende Finance-Arbeit leichter vorbereiten, erklären und prüfen, ohne die Kontrolle zu schwächen. Finance-Teams üben quellenbasierte Recherche, Abstimmungsunterstützung, Abweichungsanalyse, Szenarien und Management-Kommentare. Annahmen, Nachweise und Freigabe bleiben sichtbar. Was dieses Programm in der Praxis verändert: Finance-Teams können mit KI Zeit sparen, solange Geschwindigkeit weder Annahmen hinter Zahlen versteckt noch den Freigabeweg schwächt. Die sinnvolle Chance liegt oft in der Vorbereitung: Recherche strukturieren, Abstimmungsfragen formulieren, Abweichungen erklären und Kommentare entwerfen, die Finance anschliessend hinterfragt. Der Workshop hält Quellenpfad, Verantwortlichkeit für Berechnungen und finale Freigabe während des gesamten Prozesses sichtbar. Die Session folgt keiner starren Demo-Abfolge. Der Facilitator arbeitet mit dem Team an Finance-Workflow auswählen, Recherche und Quellenpfad, Abstimmung und Abweichung und nutzt dabei Tabellen- und Daten-Tools, KI-Suche und vertiefte Recherche, Microsoft Copilot, sofern diese Systeme freigegeben und verfügbar sind. Die Teilnehmenden vergleichen erste Ergebnisse, machen fehlenden Kontext sichtbar und verbessern die Arbeit gemeinsam. Dadurch verstehen sie nicht nur, welche Eingabe funktioniert, sondern auch, warum ein Ergebnis vertrauenswürdig genug für den nächsten Arbeitsschritt ist. Der Wert soll nicht enden, wenn der Workshopraum verlassen wird. Deshalb entstehen während der Übungen konkrete Ergebnisse wie Finance-Workflow-Briefing, Quellen- und Annahmenpfad, Checkliste für menschliche Prüfung. Sie geben Kolleginnen und Kollegen einen nachvollziehbaren Ausgangspunkt, zeigen, wo menschliche Prüfung erforderlich ist, und machen den nächsten Pilot kleiner und realistischer. Optionale Follow-up-Sessions können anschliessend auf diesen Artefakten aufbauen, statt wieder bei einer allgemeinen Einführung zu beginnen. So sieht ein AI Workshop in der Praxis aus: - George begleitet mit Teilnehmenden eine Übung zu KI in Finance · Innovation Time Lausanne × AI Workshop · UNIL · Mai 2026. Image: https://aiworkshop.ch/images/evidence/ai-finance-facilitated-exercise-lausanne.webp - Der Facilitator führt die Gruppe in den nächsten praktischen Schritt ein · Innovation Time Lausanne × AI Workshop · UNIL · Mai 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-finance-agent-presentation-lausanne.webp - Eine Teilnehmerin überführt die Diskussion in einen schriftlichen Workflow-Brief · Innovation Time Lausanne × AI Workshop · UNIL · Mai 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-student-worksheet-exercise-lausanne.webp - Die Hochschulgruppe arbeitet mit Laptops, Arbeitsblättern und Live-Begleitung · Innovation Time Lausanne × AI Workshop · UNIL · Mai 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-innovation-time-lausanne-classroom-wide-view.webp Audience: FP&A, Controlling, Accounting, Treasury, Finance Operations und Finance-Führungskräfte. Recommended format: Kernworkshop · 4–6 Stunden. Alternatives: Fokussierter Workshop · 4 Stunden. Delivery: Vor Ort, online oder hybrid. Tools: - Tabellen- und Daten-Tools: Tabellen untersuchen, Annahmen testen und geprüfte Zusammenfassungen mit nachvollziehbaren Quellen erstellen. - KI-Suche und vertiefte Recherche: Aktuelle Quellen finden, vergleichen und zitieren sowie Fakten klar von Interpretation trennen. - Microsoft Copilot: Freigegebene Microsoft-365-Funktionen in Dokumenten, Meetings, E-Mails und Geschäftsinformationen nutzen. Outcomes: - KI zur Vorbereitung nutzen und Finance-Verantwortung behalten - Abweichungen mit sichtbaren Annahmen untersuchen - Management-Kommentare mit Evidenz verknüpfen - Einen geprüften Pilot für wiederkehrende Arbeit gestalten Syllabus: 1. Finance-Workflow auswählen: Wiederkehrende Arbeit mit klaren Eingaben, Kontrollen und Verantwortung identifizieren. Output: Finance-Workflow-Briefing. 2. Recherche und Quellenpfad: Aktuelle Briefings erstellen und Fakten von Interpretation trennen. Output: Quellen- und Annahmenpfad. 3. Abstimmung und Abweichung: Prüfungen, Fragen und Erklärungen strukturieren, ohne Zahlen automatisch freizugeben. Output: Checkliste für menschliche Prüfung. 4. Szenarien und Kommentare: Annahmen sichtbar machen und prägnante Management-Narrative entwerfen. Output: Reporting-Vorlage und Pilotplan. 5. Kontrollen und Pilot: Datengrenzen, Prüfschritte und kleinen kontrollierten Pilot festlegen. Output: Finance-Workflow-Briefing. Take-away artefacts: - Finance-Workflow-Briefing - Quellen- und Annahmenpfad - Checkliste für menschliche Prüfung - Reporting-Vorlage und Pilotplan ### KI für Legal: Vorbereitung beschleunigen, Urteil behalten Canonical: https://aiworkshop.ch/de/workshops/ai-for-legal/ Vorbereitung und Vergleich beschleunigen, während das rechtliche Urteil beim Fachmenschen bleibt. Legal-Teams üben Fallvorbereitung, Klauselvergleich, quellenbasierte Recherche und Entwurfsunterstützung. Vertraulichkeit, Prüfung und abschliessendes professionelles Review sind Teil jedes Workflows. Was dieses Programm in der Praxis verändert: Legal-Arbeit enthält viele scheinbar wiederkehrende Aufgaben, die stark vom Kontext abhängen: einen Fall vorbereiten, Formulierungen vergleichen, aktuelle Grundlagen finden oder einen ersten Entwurf erstellen. KI kann unterstützen, doch eine flüssige Antwort kann Ausnahmen übersehen, Klauseln falsch lesen oder veraltete Quellen nutzen. Der Workshop gibt Legal-Teams einen kontrollierten Weg für Vorbereitung und Vergleich und schützt Vertraulichkeit, professionelles Urteil und Review. Die Session folgt keiner starren Demo-Abfolge. Der Facilitator arbeitet mit dem Team an Legal-Aufgabe auswählen, Fall vorbereiten, Klauseln vergleichen und nutzt dabei KI-Suche und vertiefte Recherche, Claude, Ihre freigegebenen KI-Tools, sofern diese Systeme freigegeben und verfügbar sind. Die Teilnehmenden vergleichen erste Ergebnisse, machen fehlenden Kontext sichtbar und verbessern die Arbeit gemeinsam. Dadurch verstehen sie nicht nur, welche Eingabe funktioniert, sondern auch, warum ein Ergebnis vertrauenswürdig genug für den nächsten Arbeitsschritt ist. Der Wert soll nicht enden, wenn der Workshopraum verlassen wird. Deshalb entstehen während der Übungen konkrete Ergebnisse wie Vorlage zur Fallvorbereitung, Playbook-basierter Vergleichsworkflow, Recherche- und Zitatcheckliste. Sie geben Kolleginnen und Kollegen einen nachvollziehbaren Ausgangspunkt, zeigen, wo menschliche Prüfung erforderlich ist, und machen den nächsten Pilot kleiner und realistischer. Optionale Follow-up-Sessions können anschliessend auf diesen Artefakten aufbauen, statt wieder bei einer allgemeinen Einführung zu beginnen. So sieht ein AI Workshop in der Praxis aus: - Der Facilitator unterstützt eine Teilnehmerin bei einer Einzelübung · Frühere AI-Workshop-Session · Lausanne. Image: https://aiworkshop.ch/images/evidence/ai-workshop-facilitator-training-session-lausanne.webp - Eine Teilnehmerin stellt eine Frage, während die Gruppe an der Übung weiterarbeitet · Innovation Time Lausanne × AI Workshop · UNIL · Mai 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-participant-question-lausanne.webp - Methodenkarten machen Diskussion und Prüfschritte sichtbar · Frühere AI-Workshop-Session · Lausanne. Image: https://aiworkshop.ch/images/evidence/ai-learning-method-cards-lausanne.webp - Der Facilitator prüft die Arbeit eines Teilnehmers direkt am Laptop · Innovation Time Lausanne × AI Workshop · UNIL · Mai 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-george-mentoring-student-agent-design-lausanne.webp Audience: Inhouse-Legal-Teams, Kanzleien, Vertragsfachleute, Compliance und Legal Operations. Recommended format: Kernworkshop · 4–6 Stunden. Alternatives: Fokussierter Workshop · 4 Stunden. Delivery: Vor Ort, online oder hybrid. Tools: - KI-Suche und vertiefte Recherche: Aktuelle Quellen finden, vergleichen und zitieren sowie Fakten klar von Interpretation trennen. - Claude: Lange Dokumente prüfen, Alternativen vergleichen und strukturiert schreiben, sofern das Tool freigegeben ist. - Ihre freigegebenen KI-Tools: Die Übungen werden an freigegebene Systeme, Lizenzen und Datengrenzen Ihrer Organisation angepasst. Outcomes: - Geeignete Legal-Aufgaben für KI-Unterstützung auswählen - Klauseln gegen ein freigegebenes Playbook vergleichen - Mit sichtbarem Quellen- und Datumsnachweis recherchieren - Grenzen für Vertraulichkeit und finale Prüfung festlegen Syllabus: 1. Legal-Aufgabe auswählen: Vorbereitung und Vergleich vom professionellen Urteil trennen. Output: Vorlage zur Fallvorbereitung. 2. Fall vorbereiten: Fakten, Fragen, Dokumente und fehlende Informationen strukturieren. Output: Playbook-basierter Vergleichsworkflow. 3. Klauseln vergleichen: Formulierungen gegen ein freigegebenes Playbook prüfen und Unterschiede markieren. Output: Recherche- und Zitatcheckliste. 4. Recherchieren und entwerfen: Aktuelle Quellen, Zitate und kontrollierte Entwurfsmuster nutzen. Output: Grenze für Vertraulichkeit und Review. 5. Vertraulichkeit und Prüfung: Datengrenzen, Prüffragen und sicheren Pilot-Workflow definieren. Output: Vorlage zur Fallvorbereitung. Take-away artefacts: - Vorlage zur Fallvorbereitung - Playbook-basierter Vergleichsworkflow - Recherche- und Zitatcheckliste - Grenze für Vertraulichkeit und Review Important: Dies ist eine professionelle Weiterbildung und keine Rechtsberatung. Ergebnisse müssen von qualifizierten Legal-Fachpersonen geprüft werden. ### KI für Marketing: vom Briefing zum geprüften Kampagnen-Workflow Canonical: https://aiworkshop.ch/de/workshops/ai-for-marketing/ Aus getrennten Content-Experimenten wird ein zusammenhängender, prüfbarer Kampagnen-Workflow. Marketingteams üben Zielgruppenrecherche, Positionierung, Markenkontext, multimodale Erstellung, Lokalisierung, Search und AI Discovery, Freigabe und Performance-Lernen anhand einer verbundenen Kampagnenstory. Was dieses Programm in der Praxis verändert: Marketingteams können heute mehr Varianten produzieren, als sie sinnvoll prüfen können. Die eigentliche Herausforderung ist nicht die nächste Headline oder das nächste Bild, sondern eine erkennbare Marke, verantwortungsvolle Evidenz, gute Lokalisierung und Lernen aus dem Markt. Der Workshop verbindet diese Schritte zu einem Kampagnen-Workflow, damit KI strategische Klarheit und Iteration unterstützt, statt nur weitere getrennte Inhalte in die Warteschlange zu legen. Die Session folgt keiner starren Demo-Abfolge. Der Facilitator arbeitet mit dem Team an Zielgruppe und Positionierung, Markenkontext, Multimodale Erstellung und nutzt dabei ChatGPT, KI-Suche und vertiefte Recherche, KI-Tools für visuelle Inhalte, sofern diese Systeme freigegeben und verfügbar sind. Die Teilnehmenden vergleichen erste Ergebnisse, machen fehlenden Kontext sichtbar und verbessern die Arbeit gemeinsam. Dadurch verstehen sie nicht nur, welche Eingabe funktioniert, sondern auch, warum ein Ergebnis vertrauenswürdig genug für den nächsten Arbeitsschritt ist. Der Wert soll nicht enden, wenn der Workshopraum verlassen wird. Deshalb entstehen während der Übungen konkrete Ergebnisse wie Markenkontext-Paket, Search- und GEO-Content-Briefing, Lokalisierungs- und Freigabecheckliste. Sie geben Kolleginnen und Kollegen einen nachvollziehbaren Ausgangspunkt, zeigen, wo menschliche Prüfung erforderlich ist, und machen den nächsten Pilot kleiner und realistischer. Optionale Follow-up-Sessions können anschliessend auf diesen Artefakten aufbauen, statt wieder bei einer allgemeinen Einführung zu beginnen. So sieht ein AI Workshop in der Praxis aus: - Ein Team strukturiert Ideen mit Workshop-Karten und Haftnotizen · Frühere AI-Workshop-Session · Lausanne. Image: https://aiworkshop.ch/images/evidence/design-thinking-workshop-collaboration-lausanne-switzerland.webp - Methodenkarten machen Diskussion und Prüfschritte sichtbar · Innovation Time Lausanne × AI Workshop · UNIL · Mai 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-agent-design-method-cards-lausanne.webp - Der Facilitator führt die Gruppe in den nächsten praktischen Schritt ein · Innovation Time Lausanne × AI Workshop · UNIL · Mai 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-george-presenting-agentic-ai-session-lausanne.webp - Teilnehmende zeigen die gedruckten Unterlagen zur Strukturierung der Übung · Innovation Time Lausanne × AI Workshop · UNIL · Mai 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-resources-lausanne.webp Audience: Marketing-, Kommunikations-, Brand-, Content-, Growth- und Customer-Teams. Recommended format: Kernworkshop · 4–6 Stunden. Alternatives: Fokussierter Workshop · 4 Stunden. Delivery: Vor Ort, online oder hybrid. Tools: - ChatGPT: Entwürfe, Analysen und Recherchen erstellen und wiederkehrende Arbeit in nutzbare Team-Anleitungen überführen. - KI-Suche und vertiefte Recherche: Aktuelle Quellen finden, vergleichen und zitieren sowie Fakten klar von Interpretation trennen. - KI-Tools für visuelle Inhalte: Visuelle Konzepte entwickeln und verfeinern – mit klarer Marken-, Rechte- und Freigabeprüfung. Outcomes: - Aus Zielgruppenevidenz ein stärkeres Briefing erstellen - Tools nützlichen Markenkontext geben - Content kontrolliert erstellen und lokalisieren - Ein Kampagnenexperiment mit Lernwert gestalten Syllabus: 1. Zielgruppe und Positionierung: Recherche und Kundensprache in ein fokussiertes Briefing überführen. Output: Markenkontext-Paket. 2. Markenkontext: Anleitungen, Beispiele und Grenzen für Tools erstellen. Output: Search- und GEO-Content-Briefing. 3. Multimodale Erstellung: Text und visuelle Konzepte mit Rechte- und Freigabeprüfung entwickeln. Output: Lokalisierungs- und Freigabecheckliste. 4. Lokalisierung und AI Discovery: Botschaften für Menschen, Suche und Antwortsysteme ohne Keyword-Blöcke anpassen. Output: Kampagnen-Experimentplan. 5. Freigabe und Lernen: Review, Messung und ein sinnvolles Experiment festlegen. Output: Markenkontext-Paket. Take-away artefacts: - Markenkontext-Paket - Search- und GEO-Content-Briefing - Lokalisierungs- und Freigabecheckliste - Kampagnen-Experimentplan ### KI für Bildung und Lehre: Zeit sparen, Lernen besser gestalten Canonical: https://aiworkshop.ch/de/workshops/ai-for-education/ Vorbereitungszeit sparen und zugleich Lernkonzept, Prüfung und Orientierung der Lernenden verbessern. Lehrpersonen üben Unterrichtsplanung, Differenzierung, Feedback und Prüfungsdesign. Akademische Integrität, KI-Kompetenz der Lernenden, Datenschutz und pädagogisches Urteil bleiben zentral. Was dieses Programm in der Praxis verändert: Bildung kann KI nicht nur als Produktivitätstool betrachten, weil der Weg zur Lösung oft Teil des Lernens ist. Eine schnellere Unterrichtsplanung kann Lehrpersonen helfen, während eine automatisch gelöste Aufgabe genau das Denken entfernt, das sichtbar werden sollte. Der Workshop hilft, diese Unterschiede zu erkennen, Lernen und Prüfung gezielt neu zu gestalten und Lernenden praktische Orientierung statt einer Liste abstrakter Warnungen zu geben. Die Session folgt keiner starren Demo-Abfolge. Der Facilitator arbeitet mit dem Team an Lehraufgaben und Grenzen, Unterricht gestalten und anpassen, Feedback und Prüfung und nutzt dabei ChatGPT, KI-Suche und vertiefte Recherche, Ihre freigegebenen KI-Tools, sofern diese Systeme freigegeben und verfügbar sind. Die Teilnehmenden vergleichen erste Ergebnisse, machen fehlenden Kontext sichtbar und verbessern die Arbeit gemeinsam. Dadurch verstehen sie nicht nur, welche Eingabe funktioniert, sondern auch, warum ein Ergebnis vertrauenswürdig genug für den nächsten Arbeitsschritt ist. Der Wert soll nicht enden, wenn der Workshopraum verlassen wird. Deshalb entstehen während der Übungen konkrete Ergebnisse wie Vorlage für Unterrichtsplanung, Neu gestaltete Prüfungsaufgabe, KI-Leitfaden für Lernende. Sie geben Kolleginnen und Kollegen einen nachvollziehbaren Ausgangspunkt, zeigen, wo menschliche Prüfung erforderlich ist, und machen den nächsten Pilot kleiner und realistischer. Optionale Follow-up-Sessions können anschliessend auf diesen Artefakten aufbauen, statt wieder bei einer allgemeinen Einführung zu beginnen. So sieht ein AI Workshop in der Praxis aus: - Eine Teilnehmerin stellt eine Frage, während die Gruppe an der Übung weiterarbeitet · Innovation Time Lausanne × AI Workshop · UNIL · Mai 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-participant-question-lausanne.webp - Methodenkarten machen Diskussion und Prüfschritte sichtbar · Frühere AI-Workshop-Session · Lausanne. Image: https://aiworkshop.ch/images/evidence/ai-learning-method-cards-lausanne.webp - Methodenkarten machen Diskussion und Prüfschritte sichtbar · Innovation Time Lausanne × AI Workshop · UNIL · Mai 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-agent-design-method-cards-lausanne.webp - Der Facilitator unterstützt eine Teilnehmerin bei einer Einzelübung · Frühere AI-Workshop-Session · Lausanne. Image: https://aiworkshop.ch/images/evidence/ai-workshop-facilitator-training-session-lausanne.webp Audience: Lehrpersonen, Dozierende, Learning Designer, Fakultätsteams und Bildungsverantwortliche. Recommended format: Fokussierter Workshop · 4 Stunden. Alternatives: Kernworkshop · 4–6 Stunden. Delivery: Vor Ort, online oder hybrid. Tools: - ChatGPT: Entwürfe, Analysen und Recherchen erstellen und wiederkehrende Arbeit in nutzbare Team-Anleitungen überführen. - KI-Suche und vertiefte Recherche: Aktuelle Quellen finden, vergleichen und zitieren sowie Fakten klar von Interpretation trennen. - Ihre freigegebenen KI-Tools: Die Übungen werden an freigegebene Systeme, Lizenzen und Datengrenzen Ihrer Organisation angepasst. Outcomes: - KI zur besseren Unterrichtsvorbereitung einsetzen - Material anpassen, ohne Lernziele zu verlieren - Prüfungen für eine KI-geprägte Umgebung neu gestalten - Klare Regeln für verantwortungsvolle Nutzung vermitteln Syllabus: 1. Lehraufgaben und Grenzen: Festlegen, wo KI unterstützt und wo pädagogisches Urteil entscheidend bleibt. Output: Vorlage für Unterrichtsplanung. 2. Unterricht gestalten und anpassen: Aktivitäten, Beispiele und zugängliche Varianten an Lernzielen ausrichten. Output: Neu gestaltete Prüfungsaufgabe. 3. Feedback und Prüfung: Feedback verbessern und Aufgaben gestalten, die Denken sichtbar machen. Output: KI-Leitfaden für Lernende. 4. Integrität und KI-Kompetenz: Transparente Erwartungen setzen und kritische Prüfung von KI vermitteln. Output: Datenschutz- und Prüfcheckliste. 5. Datenschutz und Fachworkflow: Datengrenzen definieren und einen passenden Workflow bauen. Output: Vorlage für Unterrichtsplanung. Take-away artefacts: - Vorlage für Unterrichtsplanung - Neu gestaltete Prüfungsaufgabe - KI-Leitfaden für Lernende - Datenschutz- und Prüfcheckliste ### KI-Workshops für Hochschulen, Lehrende und Studierende Canonical: https://aiworkshop.ch/de/universities/ Jede Hochschulzielgruppe erhält einen praktischen, verantwortungsvollen Weg, KI in der eigenen Arbeit einzusetzen. Wählen Sie einen Track für Studierende, Lehrende, Forschende, Hochschulservices, Executive Education oder Alumni. Jedes Format verbindet aktuelle Tools, moderierte Praxis, akademisches Urteil und weiterverwendbare Ergebnisse. Was dieses Programm in der Praxis verändert: Eine Hochschule hat selten nur eine KI-Zielgruppe. Studierende entscheiden, wie sie lernen und Nutzung offenlegen, Lehrende gestalten Unterricht und Prüfungen neu, Forschende testen Unterstützung und Services betrachten wiederkehrende Workflows. Ein gutes Campus-Programm respektiert diese Unterschiede. AI Workshop startet deshalb mit der Gruppe und ihrer Verantwortung und wählt danach Beispiele, technische Tiefe und Ergebnisse, die für genau diese Zielgruppe sinnvoll sind. Die Session folgt keiner starren Demo-Abfolge. Der Facilitator arbeitet mit dem Team an Zielgruppen-Track wählen, Aktuelle Möglichkeiten verstehen, Rollenspezifisch arbeiten und nutzt dabei ChatGPT, Agent Design Canvas, Ihre freigegebenen KI-Tools, sofern diese Systeme freigegeben und verfügbar sind. Die Teilnehmenden vergleichen erste Ergebnisse, machen fehlenden Kontext sichtbar und verbessern die Arbeit gemeinsam. Dadurch verstehen sie nicht nur, welche Eingabe funktioniert, sondern auch, warum ein Ergebnis vertrauenswürdig genug für den nächsten Arbeitsschritt ist. Der Wert soll nicht enden, wenn der Workshopraum verlassen wird. Deshalb entstehen während der Übungen konkrete Ergebnisse wie Trackspezifisches Workbook, Leitfaden für verantwortungsvolle Nutzung, Anpassbarer Workflow- oder Agentenbrief. Sie geben Kolleginnen und Kollegen einen nachvollziehbaren Ausgangspunkt, zeigen, wo menschliche Prüfung erforderlich ist, und machen den nächsten Pilot kleiner und realistischer. Optionale Follow-up-Sessions können anschliessend auf diesen Artefakten aufbauen, statt wieder bei einer allgemeinen Einführung zu beginnen. So sieht ein AI Workshop in der Praxis aus: - Methodenkarten machen Diskussion und Prüfschritte sichtbar · Innovation Time Lausanne × AI Workshop · UNIL · Mai 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-agent-design-method-cards-lausanne.webp - Eine Live-Erklärung verbindet die Methode mit den Fragen der Gruppe · Innovation Time Lausanne × AI Workshop · UNIL · Mai 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-innovation-time-facilitator-lausanne.webp - Der Facilitator prüft die Arbeit eines Teilnehmers direkt am Laptop · Innovation Time Lausanne × AI Workshop · UNIL · Mai 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-george-mentoring-student-agent-design-lausanne.webp - Teilnehmende zeigen die gedruckten Unterlagen zur Strukturierung der Übung · Innovation Time Lausanne × AI Workshop · UNIL · Mai 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-resources-lausanne.webp Audience: Hochschulen, Schulen, Executive-Education-Teams und akademische Gemeinschaften, die praktisches KI-Lernen für eine definierte Gruppe planen. Recommended format: Fokussierter Workshop · 4 Stunden. Alternatives: Kernworkshop · 4–6 Stunden, Kernworkshop plus optionales Follow-up. Delivery: Vor Ort, online oder hybrid. Tools: - ChatGPT: Entwürfe, Analysen und Recherchen erstellen und wiederkehrende Arbeit in nutzbare Team-Anleitungen überführen. - Agent Design Canvas: Aufgabe, Quellen, Tools, Berechtigungen, Entscheidungen und menschliche Prüfpunkte vor dem Bau festlegen. - Ihre freigegebenen KI-Tools: Die Übungen werden an freigegebene Systeme, Lizenzen und Datengrenzen Ihrer Organisation angepasst. Outcomes: - Den passenden Track für die Gruppe wählen - Aufgaben passend zu akademischen Rollen üben - Integrität, Datenschutz und menschliches Urteil behandeln - Leitlinien und Artefakte weiterverwenden Syllabus: 1. Zielgruppen-Track wählen: Session auf Studierende, Lehrende, Forschung, Services oder Executive Education ausrichten. Output: Trackspezifisches Workbook. 2. Aktuelle Möglichkeiten verstehen: Verfügbare Tools einsetzen und Grenzen sichtbar machen. Output: Leitfaden für verantwortungsvolle Nutzung. 3. Rollenspezifisch arbeiten: Lehr-, Studien-, Forschungs- oder Service-Szenarien bearbeiten. Output: Anpassbarer Workflow- oder Agentenbrief. 4. Verantwortungsvolle Grenzen setzen: Integrität, Datenschutz, Offenlegung, Prüfung und Verantwortung diskutieren. Output: Plan für nächste Schritte der Gruppe. 5. Ergebnisse zurück in den Alltag bringen: Leitlinien, Vorlagen und nächste Schritte für die Gruppe erstellen. Output: Trackspezifisches Workbook. Take-away artefacts: - Trackspezifisches Workbook - Leitfaden für verantwortungsvolle Nutzung - Anpassbarer Workflow- oder Agentenbrief - Plan für nächste Schritte der Gruppe ### Microsoft Copilot für Teams: nützliche Gewohnheiten und realistischer Adoptionsplan Canonical: https://aiworkshop.ch/de/workshops/copilot/ Teams nutzen die in ihrer Organisation verfügbaren Copilot-Funktionen mit klareren Erwartungen und sicheren Gewohnheiten. Der Workshop unterscheidet Copilot Chat vom lizenzierten Microsoft 365 Copilot und wendet verfügbare Funktionen auf Dokumente, Meetings, E-Mails und Geschäftsinformationen an. Berechtigungen, Quellenprüfung und Adoption kommen vor Automatisierung. Was dieses Programm in der Praxis verändert: Ein Copilot-Rollout kann abgeschlossen wirken, sobald Lizenzen verteilt sind, obwohl die wertschaffenden Arbeitsgewohnheiten noch fehlen. Mitarbeitende müssen wissen, welche Copilot-Erfahrung verfügbar ist, woher Antworten kommen, wie bestehende Berechtigungen die Suche beeinflussen und wie generierte Arbeit geprüft wird. Der Workshop macht diese Bedingungen praktisch und wählt danach wenige rollenbasierte Gewohnheiten aus, die in den nächsten 90 Tagen unterstützt werden. Die Session folgt keiner starren Demo-Abfolge. Der Facilitator arbeitet mit dem Team an Copilot-Umgebung verstehen, In Microsoft 365 arbeiten, Kontext, Quellen und Berechtigungen und nutzt dabei Microsoft Copilot, Unternehmenswissen und Workspaces, Ihre freigegebenen KI-Tools, sofern diese Systeme freigegeben und verfügbar sind. Die Teilnehmenden vergleichen erste Ergebnisse, machen fehlenden Kontext sichtbar und verbessern die Arbeit gemeinsam. Dadurch verstehen sie nicht nur, welche Eingabe funktioniert, sondern auch, warum ein Ergebnis vertrauenswürdig genug für den nächsten Arbeitsschritt ist. Der Wert soll nicht enden, wenn der Workshopraum verlassen wird. Deshalb entstehen während der Übungen konkrete Ergebnisse wie Copilot-Use-Case-Karte, Rollenbasiertes Anleitungspaket, Readiness- und Berechtigungscheckliste. Sie geben Kolleginnen und Kollegen einen nachvollziehbaren Ausgangspunkt, zeigen, wo menschliche Prüfung erforderlich ist, und machen den nächsten Pilot kleiner und realistischer. Optionale Follow-up-Sessions können anschliessend auf diesen Artefakten aufbauen, statt wieder bei einer allgemeinen Einführung zu beginnen. So sieht ein AI Workshop in der Praxis aus: - Teilnehmende vergleichen Ideen in einer moderierten Teamübung · Frühere AI-Workshop-Session · Lausanne. Image: https://aiworkshop.ch/images/evidence/corporate-ai-training-group-session-lausanne.webp - Der Facilitator unterstützt eine Teilnehmerin bei einer Einzelübung · Frühere AI-Workshop-Session · Lausanne. Image: https://aiworkshop.ch/images/evidence/ai-workshop-facilitator-training-session-lausanne.webp - Die Gruppe diskutiert Grenzen und Prüfung vor der Umsetzung · Agentic-AI-Workshop · Lausanne · Mai 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-training-lausanne-facilitated-discussion.webp - Methodenkarten machen Diskussion und Prüfschritte sichtbar · Frühere AI-Workshop-Session · Lausanne. Image: https://aiworkshop.ch/images/evidence/ai-learning-method-cards-lausanne.webp Audience: Teams und Champions, die Microsoft Copilot in einer verwalteten Microsoft-365-Umgebung nutzen oder einführen. Recommended format: Kernworkshop · 4–6 Stunden. Alternatives: Fokussierter Workshop · 4 Stunden, Kernworkshop plus optionales Follow-up. Delivery: Vor Ort, online oder hybrid. Tools: - Microsoft Copilot: Freigegebene Microsoft-365-Funktionen in Dokumenten, Meetings, E-Mails und Geschäftsinformationen nutzen. - Unternehmenswissen und Workspaces: Gemeinsamen Kontext, freigegebenes Wissen und wiederholbare Arbeitsweisen in verwalteten KI-Workspaces organisieren. - Ihre freigegebenen KI-Tools: Die Übungen werden an freigegebene Systeme, Lizenzen und Datengrenzen Ihrer Organisation angepasst. Outcomes: - Verstehen, welche Copilot-Erfahrung tatsächlich verfügbar ist - Copilot in freigegebener Microsoft-365-Arbeit nutzen - Quellen, Berechtigungen und Inhalte prüfen - Einen realistischen 90-Tage-Adoptionsplan erstellen Syllabus: 1. Copilot-Umgebung verstehen: Copilot Chat, Microsoft 365 Copilot und planabhängige Funktionen unterscheiden. Output: Copilot-Use-Case-Karte. 2. In Microsoft 365 arbeiten: Verfügbare Dokument-, Meeting-, E-Mail- und Informationsworkflows üben. Output: Rollenbasiertes Anleitungspaket. 3. Kontext, Quellen und Berechtigungen: Erkennen, wie Zugriff und Dokumentqualität Ergebnisse prägen. Output: Readiness- und Berechtigungscheckliste. 4. Vom Prompt zur Gewohnheit: Rollenbasierte Anleitungen und wiederverwendbare Beispiele erstellen. Output: Champion-Kit und 90-Tage-Plan. 5. Adoption und Messung: Use Cases, Champions, Unterstützung und 90-Tage-Plan priorisieren. Output: Copilot-Use-Case-Karte. Take-away artefacts: - Copilot-Use-Case-Karte - Rollenbasiertes Anleitungspaket - Readiness- und Berechtigungscheckliste - Champion-Kit und 90-Tage-Plan ### ChatGPT-Enterprise-Adoptionsworkshop Canonical: https://aiworkshop.ch/de/workshops/chatgpt-enterprise/ Aus dem Zugang zu einem verwalteten ChatGPT-Workspace wird nützliche, geregelte Teampraxis. Teams entwickeln praktische Gewohnheiten für Projekte, Recherche, Datenarbeit, wiederverwendbare GPTs oder Agenten und freigegebenen Unternehmenskontext, wo verfügbar. Funktionen werden vorab gegen Plan, Region und Admin-Einstellungen geprüft. Was dieses Programm in der Praxis verändert: Ein verwalteter ChatGPT-Workspace schafft gute Bedingungen für die Einführung, doch Zugang allein erzeugt keine konsistente Praxis. Teams müssen weiterhin entscheiden, wie Projekte organisiert werden, wie wiederverwendbare Anleitungen aussehen, wann Unternehmenskontext genutzt werden darf, wie GPTs oder Agenten evaluiert werden und wer Verbesserungen verantwortet. Der Workshop macht daraus konkrete Arbeitsentscheidungen auf Basis der tatsächlich aktivierten Funktionen. Die Session folgt keiner starren Demo-Abfolge. Der Facilitator arbeitet mit dem Team an Workspace-Gewohnheiten und Grenzen, Projekte, Recherche und Daten, Wiederverwendbare GPTs und Agenten und nutzt dabei ChatGPT, Unternehmenswissen und Workspaces, Agent Design Canvas, sofern diese Systeme freigegeben und verfügbar sind. Die Teilnehmenden vergleichen erste Ergebnisse, machen fehlenden Kontext sichtbar und verbessern die Arbeit gemeinsam. Dadurch verstehen sie nicht nur, welche Eingabe funktioniert, sondern auch, warum ein Ergebnis vertrauenswürdig genug für den nächsten Arbeitsschritt ist. Der Wert soll nicht enden, wenn der Workshopraum verlassen wird. Deshalb entstehen während der Übungen konkrete Ergebnisse wie Team-Workflow-Paket, Evaluationsbeispiele und Review-Set, Governance-Entscheidungslog. Sie geben Kolleginnen und Kollegen einen nachvollziehbaren Ausgangspunkt, zeigen, wo menschliche Prüfung erforderlich ist, und machen den nächsten Pilot kleiner und realistischer. Optionale Follow-up-Sessions können anschliessend auf diesen Artefakten aufbauen, statt wieder bei einer allgemeinen Einführung zu beginnen. So sieht ein AI Workshop in der Praxis aus: - Teilnehmende vergleichen Ideen in einer moderierten Teamübung · Frühere AI-Workshop-Session · Lausanne. Image: https://aiworkshop.ch/images/evidence/corporate-ai-training-group-session-lausanne.webp - Die Gruppe diskutiert Grenzen und Prüfung vor der Umsetzung · Agentic-AI-Workshop · Lausanne · Mai 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-training-lausanne-facilitated-discussion.webp - Die Hochschulgruppe arbeitet mit Laptops, Arbeitsblättern und Live-Begleitung · Innovation Time Lausanne × AI Workshop · UNIL · Mai 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-innovation-time-lausanne-classroom-wide-view.webp - Teilnehmende zeigen die gedruckten Unterlagen zur Strukturierung der Übung · Innovation Time Lausanne × AI Workshop · UNIL · Mai 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-resources-lausanne.webp Audience: Organisationen, die einen verwalteten ChatGPT-Workspace für Business-Teams einführen oder die Adoption verbessern. Recommended format: Kernworkshop · 4–6 Stunden. Alternatives: Fokussierter Workshop · 4 Stunden, Kernworkshop plus optionales Follow-up. Delivery: Vor Ort, online oder hybrid. Tools: - ChatGPT: Entwürfe, Analysen und Recherchen erstellen und wiederkehrende Arbeit in nutzbare Team-Anleitungen überführen. - Unternehmenswissen und Workspaces: Gemeinsamen Kontext, freigegebenes Wissen und wiederholbare Arbeitsweisen in verwalteten KI-Workspaces organisieren. - Agent Design Canvas: Aufgabe, Quellen, Tools, Berechtigungen, Entscheidungen und menschliche Prüfpunkte vor dem Bau festlegen. Outcomes: - Konsistente Workspace- und Projektgewohnheiten schaffen - Wiederholbare Recherche- und Datenworkflows gestalten - GPT- oder Agentenverhalten systematisch evaluieren - Praktische Governance- und Rollout-Entscheidungen treffen Syllabus: 1. Workspace-Gewohnheiten und Grenzen: Verfügbare Funktionen, Datenregeln und Teamerwartungen bestätigen. Output: Team-Workflow-Paket. 2. Projekte, Recherche und Daten: Kontext organisieren und quellenbasierte Recherche, Dokumente und Analyse üben. Output: Evaluationsbeispiele und Review-Set. 3. Wiederverwendbare GPTs und Agenten: Zweck, Anleitungen, Wissen, Tests und menschliche Kontrolle definieren. Output: Governance-Entscheidungslog. 4. Unternehmenskontext und Zugriff: Freigegebene Apps oder Company Knowledge prüfen, sofern planabhängig verfügbar. Output: Adoptions- und Rolloutplan. 5. Evaluation und Rollout: Testset, Verantwortungsentscheidungen und Adoptionsplan erstellen. Output: Team-Workflow-Paket. Take-away artefacts: - Team-Workflow-Paket - Evaluationsbeispiele und Review-Set - Governance-Entscheidungslog - Adoptions- und Rolloutplan ## FR program portfolio ### Atelier IA agentique : concevoir un pilote sûr et testable Canonical: https://aiworkshop.ch/fr/workshops/agentic-ai/ Choisissez un workflow important et repartez avec un pilote d’agent sûr et testable. Votre équipe dépasse les démonstrations. Les participants définissent la mission, les sources, les autorisations, les décisions et les contrôles humains d’un agent lié à un vrai workflow. Ce que ce programme change concrètement: L’IA agentique devient utile lorsqu’une équipe cesse de demander ce qu’un agent pourrait faire et définit correctement une mission. Il faut préciser le déclencheur, les informations accessibles, les actions autorisées, les décisions qui doivent rester humaines et la personne responsable. Cet atelier donne à l’équipe une structure commune pour mener cette réflexion avant d’investir dans une plateforme, une intégration ou une automatisation trop ambitieuse. La session ne suit pas une suite figée de démonstrations. Le facilitateur travaille avec l’équipe sur Choisir le workflow, Définir la mission de l’agent, Relier sources et outils en utilisant Agent Design Canvas, ChatGPT, Vos outils IA approuvés, lorsque ces systèmes sont approuvés et disponibles. Les participants comparent les premiers résultats, rendent le contexte manquant visible et améliorent le travail ensemble. Ils comprennent ainsi non seulement quelle demande fonctionne, mais pourquoi un résultat est suffisamment fiable pour l’étape suivante. La valeur ne doit pas s’arrêter à la sortie de la salle. Les exercices produisent donc des résultats concrets comme Agent Design Canvas, Carte des autorisations et validations, Liste de tests d’échec. Ils donnent aux collègues un point de départ compréhensible, montrent où la vérification humaine reste nécessaire et rendent le prochain pilote plus petit et réaliste. Un suivi optionnel peut ensuite partir de ces artefacts plutôt que recommencer par une introduction générale. À quoi ressemble un AI Workshop: - Le facilitateur explique comment un workflow délimité peut devenir un agent IA · Atelier d’IA agentique · Lausanne · mai 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-training-lausanne-agent-workflow-ladder.webp - Un participant complète l’Agent Design Canvas à la main · Atelier d’IA agentique · Lausanne · mai 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-workshop-lausanne-agent-design-canvas.webp - Un participant teste un workflow assisté par l’IA sur son ordinateur · Atelier d’IA agentique · Lausanne · mai 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-workshop-lausanne-hands-on-coding.webp - Le facilitateur rend explicites les outils, connexions et contrôles humains · Atelier d’IA agentique · Lausanne · mai 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-workshop-lausanne-mcp-architecture.webp Audience: Équipes métier, produit, opérations, innovation et techniques prêtes à examiner ensemble un processus en plusieurs étapes. Recommended format: Atelier principal · 4–6 heures. Alternatives: Atelier ciblé · 4 heures. Delivery: En présentiel sur site, en ligne ou en hybride. Tools: - Agent Design Canvas: Définir la mission, les sources, outils, autorisations, décisions et contrôles humains avant de construire. - ChatGPT: Rédiger, analyser, rechercher et transformer les tâches récurrentes en consignes réutilisables. - Vos outils IA approuvés: Les exercices s’adaptent aux systèmes, licences et règles de données approuvés par votre organisation. Outcomes: - Choisir une opportunité d’agent qui mérite un test - Séparer le travail de l’agent des décisions humaines - Concevoir les autorisations et points de contrôle - Planifier un petit pilote avec des tests clairs Syllabus: 1. Choisir le workflow: Cartographier le travail actuel, les frictions et le responsable de décision. Output: Agent Design Canvas. 2. Définir la mission de l’agent: Fixer l’objectif, les limites, les entrées et le résultat attendu. Output: Carte des autorisations et validations. 3. Relier sources et outils: Décider ce que l’agent peut lire, utiliser ou modifier. Output: Liste de tests d’échec. 4. Concevoir le contrôle humain: Ajouter validations, escalade et traçabilité des sources. Output: Brief pilote avec responsable et prochaine étape. 5. Tester avant le pilote: Créer des cas d’échec, critères de réussite et plan pilote. Output: Agent Design Canvas. Take-away artefacts: - Agent Design Canvas - Carte des autorisations et validations - Liste de tests d’échec - Brief pilote avec responsable et prochaine étape ### Atelier Fondamentaux de l’IA pour un usage quotidien sûr Canonical: https://aiworkshop.ch/fr/workshops/ai-fundamentals/ Passer d’essais incertains à un usage quotidien confiant et responsable. Les participants apprennent quel outil choisir, comment donner le bon contexte, comment vérifier la réponse et quand ne pas utiliser l’IA. La session se termine par un workflow testé par chacun. Ce que ce programme change concrètement: La plupart des équipes n’ont pas besoin d’une nouvelle visite guidée du vocabulaire de l’IA. Elles ont besoin de réponses communes à des questions quotidiennes : quel outil convient à quelle tâche, quelles informations peuvent être utilisées, pourquoi une demande fonctionne mieux qu’une autre et qui vérifie le résultat. L’atelier construit cette base sans mettre les participants non techniques en difficulté, puis la transforme en un workflow utilisable dès la semaine suivante. La session ne suit pas une suite figée de démonstrations. Le facilitateur travaille avec l’équipe sur Comprendre la journée de travail avec l’IA, Choisir le bon outil, Demander un travail utile en utilisant ChatGPT, Microsoft Copilot, Vos outils IA approuvés, lorsque ces systèmes sont approuvés et disponibles. Les participants comparent les premiers résultats, rendent le contexte manquant visible et améliorent le travail ensemble. Ils comprennent ainsi non seulement quelle demande fonctionne, mais pourquoi un résultat est suffisamment fiable pour l’étape suivante. La valeur ne doit pas s’arrêter à la sortie de la salle. Les exercices produisent donc des résultats concrets comme Modèle de demande réutilisable, Liste de vérification humaine, Un workflow testé. Ils donnent aux collègues un point de départ compréhensible, montrent où la vérification humaine reste nécessaire et rendent le prochain pilote plus petit et réaliste. Un suivi optionnel peut ensuite partir de ces artefacts plutôt que recommencer par une introduction générale. À quoi ressemble un AI Workshop: - Le facilitateur accompagne une participante pendant un exercice individuel · Session antérieure d’AI Workshop · Lausanne. Image: https://aiworkshop.ch/images/evidence/ai-workshop-facilitator-training-session-lausanne.webp - Les participants comparent leurs idées pendant un exercice d’équipe guidé · Session antérieure d’AI Workshop · Lausanne. Image: https://aiworkshop.ch/images/evidence/corporate-ai-training-group-session-lausanne.webp - Des cartes de méthode rendent visibles la discussion et les étapes de vérification · Session antérieure d’AI Workshop · Lausanne. Image: https://aiworkshop.ch/images/evidence/ai-learning-method-cards-lausanne.webp - De petits groupes travaillent autour de tables partagées · Session antérieure d’AI Workshop · Lausanne. Image: https://aiworkshop.ch/images/evidence/ai-workshop-venue-overhead-view-lausanne-event-space.webp Audience: Équipes non techniques, départements mixtes et responsables qui ont besoin d’une base pratique commune. Recommended format: Atelier ciblé · 4 heures. Alternatives: Atelier principal · 4–6 heures. Delivery: En présentiel sur site, en ligne ou en hybride. Tools: - ChatGPT: Rédiger, analyser, rechercher et transformer les tâches récurrentes en consignes réutilisables. - Microsoft Copilot: Utiliser les fonctions Microsoft 365 approuvées dans les documents, réunions, e-mails et informations métier. - Vos outils IA approuvés: Les exercices s’adaptent aux systèmes, licences et règles de données approuvés par votre organisation. Outcomes: - Choisir l’outil adapté à la tâche - Donner des consignes et un contexte plus clairs - Vérifier affirmations, chiffres et omissions - Transformer une tâche récurrente en workflow contrôlé Syllabus: 1. Comprendre la journée de travail avec l’IA: Identifier les forces, limites et changements liés aux outils actuels. Output: Modèle de demande réutilisable. 2. Choisir le bon outil: Associer rédaction, recherche, documents et données aux outils approuvés. Output: Liste de vérification humaine. 3. Demander un travail utile: Pratiquer contexte, exemples, contraintes et formats de sortie. Output: Un workflow testé. 4. Vérifier avant d’utiliser: Contrôler sources, chiffres, omissions, ton et informations sensibles. Output: Liste des prochaines opportunités utiles. 5. Créer un workflow réutilisable: Transformer une vraie tâche en boucle demande-vérification-amélioration. Output: Modèle de demande réutilisable. Take-away artefacts: - Modèle de demande réutilisable - Liste de vérification humaine - Un workflow testé - Liste des prochaines opportunités utiles ### IA générative pour l’entreprise : créer des workflows réutilisables Canonical: https://aiworkshop.ch/fr/workshops/generative-ai-for-business/ Transformer des usages individuels dispersés en workflows d’équipe partagés et réutilisables. Les participants appliquent l’IA générative à la recherche, aux documents, fichiers, présentations et tâches récurrentes. Ils repartent avec des consignes communes, un contrôle qualité et des responsables identifiés. Ce que ce programme change concrètement: L’IA générative entre souvent dans l’entreprise par des expériences individuelles : une personne améliore un rapport, une autre prépare une réunion plus vite, une troisième crée un assistant utile. La valeur reste fragile, car les collègues ne peuvent pas reproduire le résultat et les responsables ne voient pas comment il a été vérifié. Ce programme transforme ces réussites isolées en méthodes partagées en rendant explicites le contexte, les exemples, la qualité, la responsabilité et la revue. La session ne suit pas une suite figée de démonstrations. Le facilitateur travaille avec l’équipe sur Identifier le travail utile, Recherche et documents, Fichiers, données et présentations en utilisant ChatGPT, Microsoft Copilot, Recherche IA et recherche approfondie, lorsque ces systèmes sont approuvés et disponibles. Les participants comparent les premiers résultats, rendent le contexte manquant visible et améliorent le travail ensemble. Ils comprennent ainsi non seulement quelle demande fonctionne, mais pourquoi un résultat est suffisamment fiable pour l’étape suivante. La valeur ne doit pas s’arrêter à la sortie de la salle. Les exercices produisent donc des résultats concrets comme Pack de consignes d’équipe, Exemples travaillés à partir de tâches réelles, Liste de contrôle qualité. Ils donnent aux collègues un point de départ compréhensible, montrent où la vérification humaine reste nécessaire et rendent le prochain pilote plus petit et réaliste. Un suivi optionnel peut ensuite partir de ces artefacts plutôt que recommencer par une introduction générale. À quoi ressemble un AI Workshop: - Les participants comparent leurs idées pendant un exercice d’équipe guidé · Session antérieure d’AI Workshop · Lausanne. Image: https://aiworkshop.ch/images/evidence/corporate-ai-training-group-session-lausanne.webp - Une équipe structure ses idées avec des cartes et des notes adhésives · Session antérieure d’AI Workshop · Lausanne. Image: https://aiworkshop.ch/images/evidence/design-thinking-workshop-collaboration-lausanne-switzerland.webp - Le groupe discute des limites et de la vérification avant de construire · Atelier d’IA agentique · Lausanne · mai 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-training-lausanne-facilitated-discussion.webp - De petits groupes travaillent autour de tables partagées · Atelier d’IA agentique · Lausanne · mai 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-workshop-espace-dickens-lausanne-room.webp Audience: Équipes transversales qui ont commencé à expérimenter et recherchent désormais cohérence, qualité et limites responsables. Recommended format: Atelier principal · 4–6 heures. Alternatives: Atelier ciblé · 4 heures. Delivery: En présentiel sur site, en ligne ou en hybride. Tools: - ChatGPT: Rédiger, analyser, rechercher et transformer les tâches récurrentes en consignes réutilisables. - Microsoft Copilot: Utiliser les fonctions Microsoft 365 approuvées dans les documents, réunions, e-mails et informations métier. - Recherche IA et recherche approfondie: Trouver, comparer et citer des sources actuelles, puis distinguer les preuves de l’interprétation. Outcomes: - Choisir les tâches métier où l’IA est réellement utile - Créer un contexte et des consignes réutilisables - Vérifier qualité, sources et données sensibles - Attribuer les responsabilités d’un plan de 30 jours Syllabus: 1. Identifier le travail utile: Distinguer les tâches à forte valeur des effets de nouveauté. Output: Pack de consignes d’équipe. 2. Recherche et documents: Produire des briefs sourcés, synthèses et meilleurs premiers jets. Output: Exemples travaillés à partir de tâches réelles. 3. Fichiers, données et présentations: Travailler avec tableaux, documents, diapositives et concepts visuels. Output: Liste de contrôle qualité. 4. Créer un contexte réutilisable: Transformer des prompts individuels en projets, consignes et exemples partagés. Output: Carte priorisée des workflows et responsables. 5. Adopter avec contrôle: Définir règles de revue, responsables et plan de 30 jours. Output: Pack de consignes d’équipe. Take-away artefacts: - Pack de consignes d’équipe - Exemples travaillés à partir de tâches réelles - Liste de contrôle qualité - Carte priorisée des workflows et responsables ### IA pour la Business Intelligence et la décision Canonical: https://aiworkshop.ch/fr/workshops/ai-for-business-intelligence/ Passer d’une question métier à un brief décisionnel vérifié et explicable. Les équipes pratiquent un workflow complet des données à la décision : cadrer la question, examiner les données, explorer les tendances, contester les hypothèses et communiquer ce que les preuves permettent réellement de conclure. Ce que ce programme change concrètement: Une meilleure analyse ne commence pas en demandant à l’IA de trouver un insight. Elle commence par une décision, une définition claire des chiffres et une vision honnête de ce que les données ne peuvent pas répondre. L’atelier ralentit volontairement ces étapes, puis utilise l’IA pour explorer les tableaux, questionner les écarts, comparer des scénarios et expliquer les résultats. L’objectif n’est pas l’analyse automatique, mais un brief que d’autres peuvent comprendre, contester et valider. La session ne suit pas une suite figée de démonstrations. Le facilitateur travaille avec l’équipe sur Cadrer la décision, Préparer les données, Explorer les tendances en utilisant Tableurs et outils de données, ChatGPT, Recherche IA et recherche approfondie, lorsque ces systèmes sont approuvés et disponibles. Les participants comparent les premiers résultats, rendent le contexte manquant visible et améliorent le travail ensemble. Ils comprennent ainsi non seulement quelle demande fonctionne, mais pourquoi un résultat est suffisamment fiable pour l’étape suivante. La valeur ne doit pas s’arrêter à la sortie de la salle. Les exercices produisent donc des résultats concrets comme Brief de décision et d’analyse, Bibliothèque de questions réutilisables, Liste de vérification. Ils donnent aux collègues un point de départ compréhensible, montrent où la vérification humaine reste nécessaire et rendent le prochain pilote plus petit et réaliste. Un suivi optionnel peut ensuite partir de ces artefacts plutôt que recommencer par une introduction générale. À quoi ressemble un AI Workshop: - George accompagne les participants pendant un exercice sur l’IA en finance · Innovation Time Lausanne × AI Workshop · UNIL · mai 2026. Image: https://aiworkshop.ch/images/evidence/ai-finance-facilitated-exercise-lausanne.webp - Un résultat produit en direct est vérifié avec le groupe plutôt qu’accepté immédiatement · Atelier d’IA agentique · Lausanne · mai 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-training-switzerland-agent-export.webp - Le groupe discute des limites et de la vérification avant de construire · Atelier d’IA agentique · Lausanne · mai 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-training-lausanne-facilitated-discussion.webp - Une participante transforme la discussion en brief de workflow écrit · Innovation Time Lausanne × AI Workshop · UNIL · mai 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-student-worksheet-exercise-lausanne.webp Audience: Analystes, responsables et équipes finance, opérations ou commerciales qui travaillent avec des rapports, tableaux et décisions récurrentes. Recommended format: Atelier principal · 4–6 heures. Alternatives: Atelier ciblé · 4 heures. Delivery: En présentiel sur site, en ligne ou en hybride. Tools: - Tableurs et outils de données: Explorer des tableaux, tester des hypothèses et produire des synthèses vérifiées avec leurs sources. - ChatGPT: Rédiger, analyser, rechercher et transformer les tâches récurrentes en consignes réutilisables. - Recherche IA et recherche approfondie: Trouver, comparer et citer des sources actuelles, puis distinguer les preuves de l’interprétation. Outcomes: - Commencer par la décision plutôt que par le graphique - Explorer des tableaux sans masquer les hypothèses - Vérifier tendances, anomalies et calculs - Créer un récit décisionnel concis avec ses limites Syllabus: 1. Cadrer la décision: Définir la question, le responsable, la période et les preuves nécessaires. Output: Brief de décision et d’analyse. 2. Préparer les données: Examiner colonnes, valeurs manquantes, définitions et champs sensibles. Output: Bibliothèque de questions réutilisables. 3. Explorer les tendances: Étudier variations et anomalies avec des questions en langage courant. Output: Liste de vérification. 4. Tester des scénarios: Rendre les hypothèses visibles et comparer des options sans confondre estimation et fait. Output: Modèle de reporting récurrent. 5. Communiquer et valider: Créer graphiques et commentaires avec sources et approbation humaine. Output: Brief de décision et d’analyse. Take-away artefacts: - Brief de décision et d’analyse - Bibliothèque de questions réutilisables - Liste de vérification - Modèle de reporting récurrent ### IA pour les RH : workflows pratiques et jugement humain Canonical: https://aiworkshop.ch/fr/workshops/hr-training/ Aider les RH à préparer, communiquer et accompagner plus régulièrement tout en gardant les décisions sensibles humaines. L’atelier applique les outils approuvés à la communication, aux politiques, au recrutement, à l’onboarding, à la formation et au suivi des réunions. Équité, confidentialité et contrôle font partie de chaque exercice. Ce que ce programme change concrètement: Les équipes RH travaillent toute la journée avec le langage, mais leur travail ne consiste jamais uniquement à produire du texte. Une réponse de politique doit refléter la source approuvée, un document de recrutement doit éviter les biais cachés et une synthèse liée aux personnes doit protéger les informations sensibles. L’atelier se concentre sur la préparation et la communication où l’IA peut aider, tout en gardant les décisions, exceptions, l’empathie et la responsabilité chez le professionnel RH. La session ne suit pas une suite figée de démonstrations. Le facilitateur travaille avec l’équipe sur Cartographier le travail RH, Communication collaborateurs et politiques, Soutenir recrutement et onboarding en utilisant Microsoft Copilot, ChatGPT, Vos outils IA approuvés, lorsque ces systèmes sont approuvés et disponibles. Les participants comparent les premiers résultats, rendent le contexte manquant visible et améliorent le travail ensemble. Ils comprennent ainsi non seulement quelle demande fonctionne, mais pourquoi un résultat est suffisamment fiable pour l’étape suivante. La valeur ne doit pas s’arrêter à la sortie de la salle. Les exercices produisent donc des résultats concrets comme Cartes de workflows RH, Pack de consignes approuvées, Liste de contrôle équité et revue. Ils donnent aux collègues un point de départ compréhensible, montrent où la vérification humaine reste nécessaire et rendent le prochain pilote plus petit et réaliste. Un suivi optionnel peut ensuite partir de ces artefacts plutôt que recommencer par une introduction générale. À quoi ressemble un AI Workshop: - La salle est préparée avec un appareil, un cahier et du matériel pour chaque personne · Préparation d’un atelier sur un assistant RH · Zurich. Image: https://aiworkshop.ch/images/evidence/hr-assistant-workshop-room-zurich.webp - Une équipe structure ses idées avec des cartes et des notes adhésives · Session antérieure d’AI Workshop · Lausanne. Image: https://aiworkshop.ch/images/evidence/design-thinking-workshop-collaboration-lausanne-switzerland.webp - Des cartes de méthode rendent visibles la discussion et les étapes de vérification · Session antérieure d’AI Workshop · Lausanne. Image: https://aiworkshop.ch/images/evidence/ai-learning-method-cards-lausanne.webp - Les participants comparent leurs idées pendant un exercice d’équipe guidé · Session antérieure d’AI Workshop · Lausanne. Image: https://aiworkshop.ch/images/evidence/corporate-ai-training-group-session-lausanne.webp Audience: HR business partners, people operations, talent, formation et responsables RH. Recommended format: Atelier principal · 4–6 heures. Alternatives: Atelier ciblé · 4 heures, Atelier principal et suivi optionnel. Delivery: En présentiel sur site, en ligne ou en hybride. Tools: - Microsoft Copilot: Utiliser les fonctions Microsoft 365 approuvées dans les documents, réunions, e-mails et informations métier. - ChatGPT: Rédiger, analyser, rechercher et transformer les tâches récurrentes en consignes réutilisables. - Vos outils IA approuvés: Les exercices s’adaptent aux systèmes, licences et règles de données approuvés par votre organisation. Outcomes: - Identifier des workflows RH utiles et peu risqués - Améliorer les communications collaborateurs et politiques - Utiliser l’IA pour préparer, jamais pour décider - Définir des contrôles d’équité et de données sensibles Syllabus: 1. Cartographier le travail RH: Prioriser les tâches répétitives qui doivent conserver un responsable humain. Output: Cartes de workflows RH. 2. Communication collaborateurs et politiques: Créer des réponses, synthèses et guides à partir de contenus approuvés. Output: Pack de consignes approuvées. 3. Soutenir recrutement et onboarding: Améliorer briefs de poste, préparation d’entretien et contenus d’accueil sans déléguer la décision. Output: Liste de contrôle équité et revue. 4. Formation et suivi des réunions: Créer plans d’apprentissage, synthèses et actions vérifiables. Output: Carte pilote avec responsables humains. 5. Équité, confidentialité et adoption: Définir limites de données, questions de contrôle et pilote responsable. Output: Cartes de workflows RH. Take-away artefacts: - Cartes de workflows RH - Pack de consignes approuvées - Liste de contrôle équité et revue - Carte pilote avec responsables humains ### IA pour développeurs : du ticket au changement vérifié Canonical: https://aiworkshop.ch/fr/workshops/ai-for-developers/ Établir un workflow de développement assisté par l’IA, du ticket au changement testé et revu. Les développeurs apprennent à fournir le bon contexte du dépôt, planifier les changements, examiner le travail généré, exécuter les tests et laisser des preuves aux reviewers. L’objectif est la fiabilité d’équipe, pas la vitesse de frappe. Ce que ce programme change concrètement: Les assistants de code peuvent produire un changement convaincant avant de comprendre le dépôt, la raison du ticket ou les tests qui protègent le système. L’atelier traite donc le développement assisté par l’IA comme une pratique d’équipe plutôt qu’une collection de raccourcis. Les développeurs apprennent à fournir le bon contexte, exiger un plan, examiner le diff, lancer les tests utiles et laisser des preuves qui simplifient la revue au lieu de la rendre plus incertaine. La session ne suit pas une suite figée de démonstrations. Le facilitateur travaille avec l’équipe sur Préparer le contexte du dépôt, Du ticket au plan, Du plan au changement en utilisant GitHub Copilot, Codex & coding agents, Agent Design Canvas, Vos outils IA approuvés, lorsque ces systèmes sont approuvés et disponibles. Les participants comparent les premiers résultats, rendent le contexte manquant visible et améliorent le travail ensemble. Ils comprennent ainsi non seulement quelle demande fonctionne, mais pourquoi un résultat est suffisamment fiable pour l’étape suivante. La valeur ne doit pas s’arrêter à la sortie de la salle. Les exercices produisent donc des résultats concrets comme Modèle d’instructions de dépôt, Workflow de développement prêt pour les agents, Liste de preuves de test. Ils donnent aux collègues un point de départ compréhensible, montrent où la vérification humaine reste nécessaire et rendent le prochain pilote plus petit et réaliste. Un suivi optionnel peut ensuite partir de ces artefacts plutôt que recommencer par une introduction générale. À quoi ressemble un AI Workshop: - Un participant teste un workflow assisté par l’IA sur son ordinateur · Atelier d’IA agentique · Lausanne · mai 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-workshop-lausanne-hands-on-coding.webp - Des cartes de méthode rendent visibles la discussion et les étapes de vérification · Innovation Time Lausanne × AI Workshop · UNIL · mai 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-agent-design-method-cards-lausanne.webp - Le facilitateur rend explicites les outils, connexions et contrôles humains · Atelier d’IA agentique · Lausanne · mai 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-workshop-lausanne-mcp-architecture.webp - Le facilitateur examine le travail d’un participant directement sur son ordinateur · Innovation Time Lausanne × AI Workshop · UNIL · mai 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-george-mentoring-student-agent-design-lausanne.webp Audience: Ingénieurs logiciels, leads techniques, équipes plateforme et produit utilisant ou évaluant assistants de code et agents. Recommended format: Atelier principal · 4–6 heures. Alternatives: Atelier ciblé · 4 heures, Clinique de suivi optionnelle · 60–90 minutes. Delivery: En présentiel sur site, en ligne ou en hybride. Tools: - GitHub Copilot, Codex & coding agents: Passer du ticket au plan, au changement, aux tests et à la revue dans l’environnement approuvé. - Agent Design Canvas: Définir la mission, les sources, outils, autorisations, décisions et contrôles humains avant de construire. - Vos outils IA approuvés: Les exercices s’adaptent aux systèmes, licences et règles de données approuvés par votre organisation. Outcomes: - Fournir un contexte de dépôt utile - Passer du ticket à un plan explicite - Exiger tests et preuves de revue du travail d’agent - Définir limites, autorisations et standards d’équipe Syllabus: 1. Préparer le contexte du dépôt: Créer consignes, notes d’architecture et contraintes suivies par l’outil. Output: Modèle d’instructions de dépôt. 2. Du ticket au plan: Transformer une demande ambiguë en plan d’implémentation révisable. Output: Workflow de développement prêt pour les agents. 3. Du plan au changement: Faire des modifications ciblées, examiner les diffs et garder le contrôle. Output: Liste de preuves de test. 4. Tests, sécurité et revue: Exiger des preuves, tester les échecs et examiner les changements sensibles. Output: Standard d’équipe et backlog pilote. 5. Standard de fonctionnement: Définir outils, autorisations, règles de revue et backlog pilote. Output: Modèle d’instructions de dépôt. Take-away artefacts: - Modèle d’instructions de dépôt - Workflow de développement prêt pour les agents - Liste de preuves de test - Standard d’équipe et backlog pilote ### IA pour la finance : préparer plus vite sans perdre le contrôle Canonical: https://aiworkshop.ch/fr/workshops/ai-for-finance/ Faciliter la préparation, l’explication et la revue des tâches récurrentes sans affaiblir le contrôle. Les équipes finance pratiquent recherche sourcée, aide au rapprochement, analyse des écarts, scénarios et commentaires de gestion. Hypothèses, preuves et validation finale restent visibles. Ce que ce programme change concrètement: Les équipes finance peuvent gagner du temps avec l’IA, à condition que la vitesse ne masque pas les hypothèses derrière un chiffre et n’affaiblisse pas la validation. L’opportunité se trouve souvent dans la préparation : structurer la recherche, formuler des questions de rapprochement, expliquer les écarts et rédiger un commentaire que la finance peut ensuite contester. L’atelier garde visibles les sources, le responsable du calcul et la validation finale. La session ne suit pas une suite figée de démonstrations. Le facilitateur travaille avec l’équipe sur Choisir le workflow finance, Recherche et traçabilité, Rapprochement et écarts en utilisant Tableurs et outils de données, Recherche IA et recherche approfondie, Microsoft Copilot, lorsque ces systèmes sont approuvés et disponibles. Les participants comparent les premiers résultats, rendent le contexte manquant visible et améliorent le travail ensemble. Ils comprennent ainsi non seulement quelle demande fonctionne, mais pourquoi un résultat est suffisamment fiable pour l’étape suivante. La valeur ne doit pas s’arrêter à la sortie de la salle. Les exercices produisent donc des résultats concrets comme Brief de workflow finance, Traçabilité des sources et hypothèses, Liste de contrôle humaine. Ils donnent aux collègues un point de départ compréhensible, montrent où la vérification humaine reste nécessaire et rendent le prochain pilote plus petit et réaliste. Un suivi optionnel peut ensuite partir de ces artefacts plutôt que recommencer par une introduction générale. À quoi ressemble un AI Workshop: - George accompagne les participants pendant un exercice sur l’IA en finance · Innovation Time Lausanne × AI Workshop · UNIL · mai 2026. Image: https://aiworkshop.ch/images/evidence/ai-finance-facilitated-exercise-lausanne.webp - Le facilitateur présente à la cohorte la prochaine étape pratique · Innovation Time Lausanne × AI Workshop · UNIL · mai 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-finance-agent-presentation-lausanne.webp - Une participante transforme la discussion en brief de workflow écrit · Innovation Time Lausanne × AI Workshop · UNIL · mai 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-student-worksheet-exercise-lausanne.webp - La cohorte universitaire travaille avec ordinateurs, fiches et accompagnement en direct · Innovation Time Lausanne × AI Workshop · UNIL · mai 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-innovation-time-lausanne-classroom-wide-view.webp Audience: FP&A, contrôle de gestion, comptabilité, trésorerie, opérations financières et direction finance. Recommended format: Atelier principal · 4–6 heures. Alternatives: Atelier ciblé · 4 heures. Delivery: En présentiel sur site, en ligne ou en hybride. Tools: - Tableurs et outils de données: Explorer des tableaux, tester des hypothèses et produire des synthèses vérifiées avec leurs sources. - Recherche IA et recherche approfondie: Trouver, comparer et citer des sources actuelles, puis distinguer les preuves de l’interprétation. - Microsoft Copilot: Utiliser les fonctions Microsoft 365 approuvées dans les documents, réunions, e-mails et informations métier. Outcomes: - Utiliser l’IA pour préparer tout en gardant la responsabilité finance - Étudier les écarts avec des hypothèses explicites - Relier les commentaires de gestion aux preuves - Concevoir un pilote contrôlé pour un travail récurrent Syllabus: 1. Choisir le workflow finance: Identifier une tâche récurrente avec entrées, contrôles et responsable clairs. Output: Brief de workflow finance. 2. Recherche et traçabilité: Créer des briefs actuels qui distinguent faits et interprétation. Output: Traçabilité des sources et hypothèses. 3. Rapprochement et écarts: Structurer contrôles, questions et explications sans approuver les chiffres. Output: Liste de contrôle humaine. 4. Scénarios et commentaires: Rendre les hypothèses visibles et rédiger un commentaire de gestion concis. Output: Modèle de reporting et plan pilote. 5. Contrôles et pilote: Définir limites de données, revue et petit pilote contrôlé. Output: Brief de workflow finance. Take-away artefacts: - Brief de workflow finance - Traçabilité des sources et hypothèses - Liste de contrôle humaine - Modèle de reporting et plan pilote ### IA pour le juridique : accélérer la préparation, garder le jugement Canonical: https://aiworkshop.ch/fr/workshops/ai-for-legal/ Accélérer la préparation et la comparaison tout en gardant le jugement juridique humain. Les équipes juridiques pratiquent préparation de dossier, comparaison de clauses, recherche sourcée et aide à la rédaction. Confidentialité, vérification et revue professionnelle finale sont intégrées à chaque workflow. Ce que ce programme change concrètement: Le travail juridique contient de nombreuses tâches qui semblent répétitives mais dépendent fortement du contexte : préparer un dossier, comparer une formulation, trouver une autorité actuelle ou créer un premier projet. L’IA peut soutenir ces étapes, mais une réponse fluide peut oublier une exception, mal lire une clause ou utiliser une source dépassée. L’atelier donne aux équipes un usage contrôlé pour la préparation et la comparaison, tout en préservant confidentialité, jugement professionnel et revue. La session ne suit pas une suite figée de démonstrations. Le facilitateur travaille avec l’équipe sur Choisir la tâche juridique, Préparer le dossier, Comparer les clauses en utilisant Recherche IA et recherche approfondie, Claude, Vos outils IA approuvés, lorsque ces systèmes sont approuvés et disponibles. Les participants comparent les premiers résultats, rendent le contexte manquant visible et améliorent le travail ensemble. Ils comprennent ainsi non seulement quelle demande fonctionne, mais pourquoi un résultat est suffisamment fiable pour l’étape suivante. La valeur ne doit pas s’arrêter à la sortie de la salle. Les exercices produisent donc des résultats concrets comme Modèle de préparation de dossier, Workflow de comparaison selon playbook, Liste de recherche et citations. Ils donnent aux collègues un point de départ compréhensible, montrent où la vérification humaine reste nécessaire et rendent le prochain pilote plus petit et réaliste. Un suivi optionnel peut ensuite partir de ces artefacts plutôt que recommencer par une introduction générale. À quoi ressemble un AI Workshop: - Le facilitateur accompagne une participante pendant un exercice individuel · Session antérieure d’AI Workshop · Lausanne. Image: https://aiworkshop.ch/images/evidence/ai-workshop-facilitator-training-session-lausanne.webp - Une participante pose une question pendant que le groupe poursuit l’exercice · Innovation Time Lausanne × AI Workshop · UNIL · mai 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-participant-question-lausanne.webp - Des cartes de méthode rendent visibles la discussion et les étapes de vérification · Session antérieure d’AI Workshop · Lausanne. Image: https://aiworkshop.ch/images/evidence/ai-learning-method-cards-lausanne.webp - Le facilitateur examine le travail d’un participant directement sur son ordinateur · Innovation Time Lausanne × AI Workshop · UNIL · mai 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-george-mentoring-student-agent-design-lausanne.webp Audience: Directions juridiques, cabinets, spécialistes des contrats, conformité et legal operations. Recommended format: Atelier principal · 4–6 heures. Alternatives: Atelier ciblé · 4 heures. Delivery: En présentiel sur site, en ligne ou en hybride. Tools: - Recherche IA et recherche approfondie: Trouver, comparer et citer des sources actuelles, puis distinguer les preuves de l’interprétation. - Claude: Examiner de longs documents, comparer des options et structurer la rédaction lorsque l’outil est approuvé. - Vos outils IA approuvés: Les exercices s’adaptent aux systèmes, licences et règles de données approuvés par votre organisation. Outcomes: - Choisir les tâches juridiques adaptées à un soutien IA - Comparer les clauses à un playbook approuvé - Rechercher avec une trace visible des sources et dates - Définir les limites de confidentialité et de revue finale Syllabus: 1. Choisir la tâche juridique: Distinguer préparation et comparaison du jugement professionnel. Output: Modèle de préparation de dossier. 2. Préparer le dossier: Structurer faits, questions, documents et informations manquantes. Output: Workflow de comparaison selon playbook. 3. Comparer les clauses: Examiner le texte selon un playbook approuvé et signaler les écarts. Output: Liste de recherche et citations. 4. Rechercher et rédiger: Utiliser sources actuelles, citations et modèles de rédaction contrôlés. Output: Limite de confidentialité et de revue. 5. Confidentialité et vérification: Définir limites de données, questions de contrôle et pilote sûr. Output: Modèle de préparation de dossier. Take-away artefacts: - Modèle de préparation de dossier - Workflow de comparaison selon playbook - Liste de recherche et citations - Limite de confidentialité et de revue Important: Il s’agit d’une formation professionnelle, pas d’un conseil juridique. Les résultats doivent être revus par un professionnel qualifié. ### IA pour le marketing : du brief au workflow de campagne vérifié Canonical: https://aiworkshop.ch/fr/workshops/ai-for-marketing/ Passer d’expériences de contenu isolées à un workflow de campagne cohérent et vérifiable. Les équipes pratiquent recherche audience, positionnement, contexte de marque, création multimodale, localisation, recherche et découverte IA, validation et apprentissage de la performance dans une campagne reliée. Ce que ce programme change concrètement: Les équipes marketing peuvent désormais produire plus d’options qu’elles ne peuvent raisonnablement vérifier. Le défi n’est plus de créer un titre ou une image de plus, mais de préserver une marque reconnaissable, utiliser les preuves avec responsabilité, adapter le travail aux langues et apprendre du marché. L’atelier relie ces étapes dans un seul workflow afin que l’IA soutienne la clarté stratégique et l’itération plutôt que d’ajouter du contenu isolé. La session ne suit pas une suite figée de démonstrations. Le facilitateur travaille avec l’équipe sur Audience et positionnement, Contexte de marque, Création multimodale en utilisant ChatGPT, Recherche IA et recherche approfondie, Outils visuels IA, lorsque ces systèmes sont approuvés et disponibles. Les participants comparent les premiers résultats, rendent le contexte manquant visible et améliorent le travail ensemble. Ils comprennent ainsi non seulement quelle demande fonctionne, mais pourquoi un résultat est suffisamment fiable pour l’étape suivante. La valeur ne doit pas s’arrêter à la sortie de la salle. Les exercices produisent donc des résultats concrets comme Pack de contexte de marque, Brief Search et GEO, Liste localisation et validation. Ils donnent aux collègues un point de départ compréhensible, montrent où la vérification humaine reste nécessaire et rendent le prochain pilote plus petit et réaliste. Un suivi optionnel peut ensuite partir de ces artefacts plutôt que recommencer par une introduction générale. À quoi ressemble un AI Workshop: - Une équipe structure ses idées avec des cartes et des notes adhésives · Session antérieure d’AI Workshop · Lausanne. Image: https://aiworkshop.ch/images/evidence/design-thinking-workshop-collaboration-lausanne-switzerland.webp - Des cartes de méthode rendent visibles la discussion et les étapes de vérification · Innovation Time Lausanne × AI Workshop · UNIL · mai 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-agent-design-method-cards-lausanne.webp - Le facilitateur présente à la cohorte la prochaine étape pratique · Innovation Time Lausanne × AI Workshop · UNIL · mai 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-george-presenting-agentic-ai-session-lausanne.webp - Des participants présentent les ressources imprimées utilisées pendant l’exercice · Innovation Time Lausanne × AI Workshop · UNIL · mai 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-resources-lausanne.webp Audience: Équipes marketing, communication, marque, contenu, croissance et expérience client. Recommended format: Atelier principal · 4–6 heures. Alternatives: Atelier ciblé · 4 heures. Delivery: En présentiel sur site, en ligne ou en hybride. Tools: - ChatGPT: Rédiger, analyser, rechercher et transformer les tâches récurrentes en consignes réutilisables. - Recherche IA et recherche approfondie: Trouver, comparer et citer des sources actuelles, puis distinguer les preuves de l’interprétation. - Outils visuels IA: Créer et affiner des concepts visuels en gardant visibles la marque, les droits et la validation humaine. Outcomes: - Transformer les preuves d’audience en meilleur brief - Donner un contexte de marque utile aux outils - Créer et localiser avec une revue claire - Concevoir une expérience de campagne qui apprend à l’équipe Syllabus: 1. Audience et positionnement: Transformer recherche et langage client en brief ciblé. Output: Pack de contexte de marque. 2. Contexte de marque: Créer consignes, exemples et limites suivis par les outils. Output: Brief Search et GEO. 3. Création multimodale: Développer textes et concepts visuels avec contrôle des droits. Output: Liste localisation et validation. 4. Localisation et découverte IA: Adapter le message aux personnes, moteurs de recherche et moteurs de réponse sans bourrage de mots-clés. Output: Plan d’expérience de campagne. 5. Validation et apprentissage: Définir revue, mesure et expérience de campagne utile. Output: Pack de contexte de marque. Take-away artefacts: - Pack de contexte de marque - Brief Search et GEO - Liste localisation et validation - Plan d’expérience de campagne ### IA pour l’éducation : gagner du temps, mieux concevoir l’apprentissage Canonical: https://aiworkshop.ch/fr/workshops/ai-for-education/ Gagner du temps de préparation tout en améliorant pédagogie, évaluation et accompagnement des étudiants. Les enseignants pratiquent planification, différenciation, feedback et refonte des évaluations tout en traitant intégrité académique, littératie IA, confidentialité et jugement pédagogique humain. Ce que ce programme change concrètement: L’éducation ne peut pas considérer l’IA uniquement comme un outil de productivité, car la manière d’accomplir une tâche fait souvent partie de l’apprentissage. Un plan de cours plus rapide peut aider l’enseignant, tandis qu’un travail étudiant automatiquement terminé peut supprimer le raisonnement que l’activité devait révéler. L’atelier aide à distinguer ces situations, repenser apprentissage et évaluation et donner aux étudiants des règles suffisamment pratiques pour être utilisées. La session ne suit pas une suite figée de démonstrations. Le facilitateur travaille avec l’équipe sur Tâches pédagogiques et limites, Conception et adaptation, Feedback et évaluation en utilisant ChatGPT, Recherche IA et recherche approfondie, Vos outils IA approuvés, lorsque ces systèmes sont approuvés et disponibles. Les participants comparent les premiers résultats, rendent le contexte manquant visible et améliorent le travail ensemble. Ils comprennent ainsi non seulement quelle demande fonctionne, mais pourquoi un résultat est suffisamment fiable pour l’étape suivante. La valeur ne doit pas s’arrêter à la sortie de la salle. Les exercices produisent donc des résultats concrets comme Modèle de planification pédagogique, Activité d’évaluation repensée, Guide IA pour les étudiants. Ils donnent aux collègues un point de départ compréhensible, montrent où la vérification humaine reste nécessaire et rendent le prochain pilote plus petit et réaliste. Un suivi optionnel peut ensuite partir de ces artefacts plutôt que recommencer par une introduction générale. À quoi ressemble un AI Workshop: - Une participante pose une question pendant que le groupe poursuit l’exercice · Innovation Time Lausanne × AI Workshop · UNIL · mai 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-participant-question-lausanne.webp - Des cartes de méthode rendent visibles la discussion et les étapes de vérification · Session antérieure d’AI Workshop · Lausanne. Image: https://aiworkshop.ch/images/evidence/ai-learning-method-cards-lausanne.webp - Des cartes de méthode rendent visibles la discussion et les étapes de vérification · Innovation Time Lausanne × AI Workshop · UNIL · mai 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-agent-design-method-cards-lausanne.webp - Le facilitateur accompagne une participante pendant un exercice individuel · Session antérieure d’AI Workshop · Lausanne. Image: https://aiworkshop.ch/images/evidence/ai-workshop-facilitator-training-session-lausanne.webp Audience: Enseignants, chargés de cours, ingénieurs pédagogiques, équipes facultaires et responsables de formation. Recommended format: Atelier ciblé · 4 heures. Alternatives: Atelier principal · 4–6 heures. Delivery: En présentiel sur site, en ligne ou en hybride. Tools: - ChatGPT: Rédiger, analyser, rechercher et transformer les tâches récurrentes en consignes réutilisables. - Recherche IA et recherche approfondie: Trouver, comparer et citer des sources actuelles, puis distinguer les preuves de l’interprétation. - Vos outils IA approuvés: Les exercices s’adaptent aux systèmes, licences et règles de données approuvés par votre organisation. Outcomes: - Renforcer la préparation des cours avec l’IA - Adapter les contenus sans perdre l’intention pédagogique - Repenser l’évaluation dans un environnement riche en IA - Donner des règles claires d’usage responsable Syllabus: 1. Tâches pédagogiques et limites: Choisir où l’IA aide et où le jugement enseignant reste essentiel. Output: Modèle de planification pédagogique. 2. Conception et adaptation: Créer activités, exemples et variantes accessibles liés aux objectifs. Output: Activité d’évaluation repensée. 3. Feedback et évaluation: Améliorer le feedback et concevoir des tâches qui rendent la pensée visible. Output: Guide IA pour les étudiants. 4. Intégrité et littératie IA: Fixer des attentes transparentes et apprendre à questionner les résultats. Output: Liste confidentialité et revue. 5. Confidentialité et workflow disciplinaire: Définir limites de données et construire un workflow adapté. Output: Modèle de planification pédagogique. Take-away artefacts: - Modèle de planification pédagogique - Activité d’évaluation repensée - Guide IA pour les étudiants - Liste confidentialité et revue ### Ateliers IA pour universités, enseignants et étudiants Canonical: https://aiworkshop.ch/fr/universities/ Donner à chaque public universitaire une manière pratique et responsable d’utiliser l’IA dans son travail. Choisissez un parcours pour étudiants, enseignants, chercheurs, services, formation continue ou alumni. Chaque format associe outils actuels, pratique guidée, jugement académique et livrables adaptables après la session. Ce que ce programme change concrètement: Une université a rarement un seul public IA. Les étudiants décident comment apprendre et déclarer leur usage, les enseignants repensent cours et évaluations, les chercheurs testent de nouveaux soutiens et les services examinent leurs workflows. Un bon programme campus respecte ces différences. AI Workshop commence donc par la cohorte et ses responsabilités, puis choisit les exemples, le niveau technique et les livrables adaptés à ce groupe. La session ne suit pas une suite figée de démonstrations. Le facilitateur travaille avec l’équipe sur Choisir le parcours, Comprendre les capacités actuelles, Pratiquer selon le rôle en utilisant ChatGPT, Agent Design Canvas, Vos outils IA approuvés, lorsque ces systèmes sont approuvés et disponibles. Les participants comparent les premiers résultats, rendent le contexte manquant visible et améliorent le travail ensemble. Ils comprennent ainsi non seulement quelle demande fonctionne, mais pourquoi un résultat est suffisamment fiable pour l’étape suivante. La valeur ne doit pas s’arrêter à la sortie de la salle. Les exercices produisent donc des résultats concrets comme Cahier adapté au parcours, Guide d’usage responsable, Workflow ou brief d’agent adaptable. Ils donnent aux collègues un point de départ compréhensible, montrent où la vérification humaine reste nécessaire et rendent le prochain pilote plus petit et réaliste. Un suivi optionnel peut ensuite partir de ces artefacts plutôt que recommencer par une introduction générale. À quoi ressemble un AI Workshop: - Des cartes de méthode rendent visibles la discussion et les étapes de vérification · Innovation Time Lausanne × AI Workshop · UNIL · mai 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-agent-design-method-cards-lausanne.webp - Une explication en direct relie la méthode aux questions de la cohorte · Innovation Time Lausanne × AI Workshop · UNIL · mai 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-innovation-time-facilitator-lausanne.webp - Le facilitateur examine le travail d’un participant directement sur son ordinateur · Innovation Time Lausanne × AI Workshop · UNIL · mai 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-george-mentoring-student-agent-design-lausanne.webp - Des participants présentent les ressources imprimées utilisées pendant l’exercice · Innovation Time Lausanne × AI Workshop · UNIL · mai 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-resources-lausanne.webp Audience: Universités, écoles, équipes de formation continue et communautés académiques qui préparent un apprentissage pratique pour une cohorte définie. Recommended format: Atelier ciblé · 4 heures. Alternatives: Atelier principal · 4–6 heures, Atelier principal et suivi optionnel. Delivery: En présentiel sur site, en ligne ou en hybride. Tools: - ChatGPT: Rédiger, analyser, rechercher et transformer les tâches récurrentes en consignes réutilisables. - Agent Design Canvas: Définir la mission, les sources, outils, autorisations, décisions et contrôles humains avant de construire. - Vos outils IA approuvés: Les exercices s’adaptent aux systèmes, licences et règles de données approuvés par votre organisation. Outcomes: - Choisir le parcours adapté à la cohorte - Pratiquer des tâches liées aux rôles académiques - Traiter intégrité, confidentialité et jugement humain - Réutiliser guides et livrables après l’atelier Syllabus: 1. Choisir le parcours: Aligner la session sur étudiants, enseignants, recherche, services ou formation continue. Output: Cahier adapté au parcours. 2. Comprendre les capacités actuelles: Utiliser les outils disponibles dans l’institution et rendre leurs limites visibles. Output: Guide d’usage responsable. 3. Pratiquer selon le rôle: Travailler des scénarios d’enseignement, d’étude, de recherche ou de service. Output: Workflow ou brief d’agent adaptable. 4. Fixer des limites responsables: Traiter intégrité, confidentialité, transparence, vérification et responsabilité. Output: Plan d’étapes pour la cohorte. 5. Réutiliser le travail: Créer guides, modèles et prochaines étapes pour la cohorte. Output: Cahier adapté au parcours. Take-away artefacts: - Cahier adapté au parcours - Guide d’usage responsable - Workflow ou brief d’agent adaptable - Plan d’étapes pour la cohorte ### Microsoft Copilot pour les équipes : usages utiles et adoption réaliste Canonical: https://aiworkshop.ch/fr/workshops/copilot/ Aider les équipes à utiliser les fonctions Copilot réellement disponibles avec des attentes plus claires et des habitudes sûres. L’atelier distingue Copilot Chat de Microsoft 365 Copilot sous licence, puis applique les capacités disponibles aux documents, réunions, e-mails et informations métier. Autorisations, vérification des sources et adoption précèdent l’automatisation. Ce que ce programme change concrètement: Un déploiement Copilot peut sembler terminé lorsque les licences sont attribuées, alors que les habitudes qui créent de la valeur manquent encore. Les collaborateurs doivent comprendre quelle expérience Copilot est disponible, d’où viennent les réponses, comment les autorisations influencent les informations trouvées et comment vérifier le travail généré. L’atelier rend ces conditions concrètes, puis choisit quelques habitudes par rôle à soutenir pendant les 90 jours suivants. La session ne suit pas une suite figée de démonstrations. Le facilitateur travaille avec l’équipe sur Connaître son environnement Copilot, Travailler dans Microsoft 365, Contexte, sources et autorisations en utilisant Microsoft Copilot, Connaissances d’entreprise et espaces de travail, Vos outils IA approuvés, lorsque ces systèmes sont approuvés et disponibles. Les participants comparent les premiers résultats, rendent le contexte manquant visible et améliorent le travail ensemble. Ils comprennent ainsi non seulement quelle demande fonctionne, mais pourquoi un résultat est suffisamment fiable pour l’étape suivante. La valeur ne doit pas s’arrêter à la sortie de la salle. Les exercices produisent donc des résultats concrets comme Carte des cas d’usage Copilot, Pack de consignes par rôle, Liste de préparation et autorisations. Ils donnent aux collègues un point de départ compréhensible, montrent où la vérification humaine reste nécessaire et rendent le prochain pilote plus petit et réaliste. Un suivi optionnel peut ensuite partir de ces artefacts plutôt que recommencer par une introduction générale. À quoi ressemble un AI Workshop: - Les participants comparent leurs idées pendant un exercice d’équipe guidé · Session antérieure d’AI Workshop · Lausanne. Image: https://aiworkshop.ch/images/evidence/corporate-ai-training-group-session-lausanne.webp - Le facilitateur accompagne une participante pendant un exercice individuel · Session antérieure d’AI Workshop · Lausanne. Image: https://aiworkshop.ch/images/evidence/ai-workshop-facilitator-training-session-lausanne.webp - Le groupe discute des limites et de la vérification avant de construire · Atelier d’IA agentique · Lausanne · mai 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-training-lausanne-facilitated-discussion.webp - Des cartes de méthode rendent visibles la discussion et les étapes de vérification · Session antérieure d’AI Workshop · Lausanne. Image: https://aiworkshop.ch/images/evidence/ai-learning-method-cards-lausanne.webp Audience: Équipes et champions qui utilisent ou préparent le déploiement de Microsoft Copilot dans un environnement Microsoft 365 géré. Recommended format: Atelier principal · 4–6 heures. Alternatives: Atelier ciblé · 4 heures, Atelier principal et suivi optionnel. Delivery: En présentiel sur site, en ligne ou en hybride. Tools: - Microsoft Copilot: Utiliser les fonctions Microsoft 365 approuvées dans les documents, réunions, e-mails et informations métier. - Connaissances d’entreprise et espaces de travail: Organiser le contexte partagé, les connaissances approuvées et des méthodes réutilisables dans un espace géré. - Vos outils IA approuvés: Les exercices s’adaptent aux systèmes, licences et règles de données approuvés par votre organisation. Outcomes: - Comprendre l’expérience Copilot réellement disponible - Utiliser Copilot dans le travail Microsoft 365 approuvé - Vérifier sources, autorisations et contenus générés - Créer un plan d’adoption réaliste sur 90 jours Syllabus: 1. Connaître son environnement Copilot: Distinguer Copilot Chat, Microsoft 365 Copilot et fonctions dépendantes du plan. Output: Carte des cas d’usage Copilot. 2. Travailler dans Microsoft 365: Pratiquer les workflows disponibles pour documents, réunions, e-mails et informations. Output: Pack de consignes par rôle. 3. Contexte, sources et autorisations: Comprendre comment accès et qualité documentaire influencent la réponse. Output: Liste de préparation et autorisations. 4. Du prompt à l’habitude: Créer consignes par rôle et exemples réutilisables. Output: Kit champions et plan 90 jours. 5. Adoption et mesure: Prioriser cas d’usage, champions, support et plan sur 90 jours. Output: Carte des cas d’usage Copilot. Take-away artefacts: - Carte des cas d’usage Copilot - Pack de consignes par rôle - Liste de préparation et autorisations - Kit champions et plan 90 jours ### Atelier d’adoption ChatGPT Enterprise Canonical: https://aiworkshop.ch/fr/workshops/chatgpt-enterprise/ Transformer l’accès à un espace ChatGPT géré en pratiques d’équipe utiles et gouvernées. Les équipes créent des habitudes pour projets, recherche, données, GPTs ou agents réutilisables et contexte d’entreprise approuvé lorsqu’il est disponible. Les capacités sont confirmées selon le plan, la région et les réglages administrateur. Ce que ce programme change concrètement: Un espace ChatGPT géré crée de bonnes conditions d’adoption, mais l’accès seul ne produit pas des pratiques cohérentes. Les équipes doivent encore décider comment organiser les projets, rédiger de bonnes consignes réutilisables, utiliser le contexte d’entreprise, évaluer un GPT ou un agent et attribuer la responsabilité de l’amélioration. L’atelier transforme ces questions en décisions de travail fondées sur les capacités réellement activées. La session ne suit pas une suite figée de démonstrations. Le facilitateur travaille avec l’équipe sur Habitudes et limites de l’espace, Projets, recherche et données, GPTs et agents réutilisables en utilisant ChatGPT, Connaissances d’entreprise et espaces de travail, Agent Design Canvas, lorsque ces systèmes sont approuvés et disponibles. Les participants comparent les premiers résultats, rendent le contexte manquant visible et améliorent le travail ensemble. Ils comprennent ainsi non seulement quelle demande fonctionne, mais pourquoi un résultat est suffisamment fiable pour l’étape suivante. La valeur ne doit pas s’arrêter à la sortie de la salle. Les exercices produisent donc des résultats concrets comme Pack de workflows d’équipe, Exemples et jeu d’évaluation, Journal des décisions de gouvernance. Ils donnent aux collègues un point de départ compréhensible, montrent où la vérification humaine reste nécessaire et rendent le prochain pilote plus petit et réaliste. Un suivi optionnel peut ensuite partir de ces artefacts plutôt que recommencer par une introduction générale. À quoi ressemble un AI Workshop: - Les participants comparent leurs idées pendant un exercice d’équipe guidé · Session antérieure d’AI Workshop · Lausanne. Image: https://aiworkshop.ch/images/evidence/corporate-ai-training-group-session-lausanne.webp - Le groupe discute des limites et de la vérification avant de construire · Atelier d’IA agentique · Lausanne · mai 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-training-lausanne-facilitated-discussion.webp - La cohorte universitaire travaille avec ordinateurs, fiches et accompagnement en direct · Innovation Time Lausanne × AI Workshop · UNIL · mai 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-innovation-time-lausanne-classroom-wide-view.webp - Des participants présentent les ressources imprimées utilisées pendant l’exercice · Innovation Time Lausanne × AI Workshop · UNIL · mai 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-resources-lausanne.webp Audience: Organisations qui déploient ou améliorent l’adoption d’un espace ChatGPT géré pour leurs équipes métier. Recommended format: Atelier principal · 4–6 heures. Alternatives: Atelier ciblé · 4 heures, Atelier principal et suivi optionnel. Delivery: En présentiel sur site, en ligne ou en hybride. Tools: - ChatGPT: Rédiger, analyser, rechercher et transformer les tâches récurrentes en consignes réutilisables. - Connaissances d’entreprise et espaces de travail: Organiser le contexte partagé, les connaissances approuvées et des méthodes réutilisables dans un espace géré. - Agent Design Canvas: Définir la mission, les sources, outils, autorisations, décisions et contrôles humains avant de construire. Outcomes: - Créer des habitudes cohérentes pour espaces et projets - Concevoir des workflows de recherche et données réutilisables - Évaluer le comportement de GPTs ou agents - Décider gouvernance et déploiement de manière pratique Syllabus: 1. Habitudes et limites de l’espace: Confirmer capacités disponibles, règles de données et attentes d’équipe. Output: Pack de workflows d’équipe. 2. Projets, recherche et données: Organiser le contexte et pratiquer recherche sourcée, documents et analyse. Output: Exemples et jeu d’évaluation. 3. GPTs et agents réutilisables: Définir objectif, consignes, connaissances, tests et contrôle humain. Output: Journal des décisions de gouvernance. 4. Contexte d’entreprise et accès: Examiner apps approuvées ou company knowledge si disponibles selon le plan. Output: Plan d’adoption et de déploiement. 5. Évaluation et déploiement: Créer jeu d’évaluation, décisions de responsabilité et plan d’adoption. Output: Pack de workflows d’équipe. Take-away artefacts: - Pack de workflows d’équipe - Exemples et jeu d’évaluation - Journal des décisions de gouvernance - Plan d’adoption et de déploiement ## IT program portfolio ### Workshop di Agentic AI: progettare un pilota sicuro e testabile Canonical: https://aiworkshop.ch/it/workshops/agentic-ai/ Scegliete un workflow importante e uscite con un pilota di agente sicuro e testabile. Il team supera le semplici demo. I partecipanti definiscono compito, fonti, permessi, decisioni e controlli umani per un agente legato a un workflow reale. Cosa cambia concretamente con questo programma: L’Agentic AI diventa utile quando un team smette di chiedersi cosa potrebbe fare un agente e definisce bene un compito. Occorre chiarire il punto di partenza, le informazioni accessibili, le azioni consentite, le decisioni che devono restare umane e la persona responsabile. Il workshop offre una struttura comune per affrontare queste scelte prima di investire in piattaforme, integrazioni o automazioni troppo ambiziose. La sessione non segue una sequenza rigida di dimostrazioni. Il facilitatore lavora con il team su Scegliere il workflow, Definire il compito dell’agente, Collegare fonti e strumenti usando Agent Design Canvas, ChatGPT, Gli strumenti AI approvati, quando questi sistemi sono approvati e disponibili. I partecipanti confrontano i primi risultati, rendono visibile il contesto mancante e migliorano insieme il lavoro. In questo modo capiscono non solo quale richiesta funziona, ma perché un risultato è abbastanza affidabile per il passaggio successivo. Il valore non deve terminare quando si esce dalla sala. Gli esercizi producono quindi risultati concreti come Agent Design Canvas, Mappa di permessi e approvazioni, Checklist dei test di errore. Offrono ai colleghi un punto di partenza comprensibile, mostrano dove è necessaria la verifica umana e rendono il prossimo pilota più piccolo e realistico. Un follow-up opzionale può partire da questi materiali invece di ricominciare da un’introduzione generale. Com’è un AI Workshop nella pratica: - Il facilitatore spiega come un workflow delimitato può diventare un agente AI · Workshop di Agentic AI · Losanna · maggio 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-training-lausanne-agent-workflow-ladder.webp - Un partecipante completa a mano l’Agent Design Canvas · Workshop di Agentic AI · Losanna · maggio 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-workshop-lausanne-agent-design-canvas.webp - Un partecipante testa un workflow assistito dall’AI sul laptop · Workshop di Agentic AI · Losanna · maggio 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-workshop-lausanne-hands-on-coding.webp - Il facilitatore rende espliciti strumenti, connessioni e controlli umani · Workshop di Agentic AI · Losanna · maggio 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-workshop-lausanne-mcp-architecture.webp Audience: Team business, prodotto, operations, innovazione e tecnici pronti ad analizzare insieme un processo in più fasi. Recommended format: Workshop principale · 4–6 ore. Alternatives: Workshop mirato · 4 ore. Delivery: In presenza presso il cliente, online o in modalità ibrida. Tools: - Agent Design Canvas: Definire compito, fonti, strumenti, permessi, decisioni e controlli umani prima di costruire. - ChatGPT: Redigere, analizzare, fare ricerca e trasformare il lavoro ricorrente in istruzioni riutilizzabili. - Gli strumenti AI approvati: Gli esercizi si adattano a sistemi, licenze e limiti sui dati approvati dall’organizzazione. Outcomes: - Scegliere un’opportunità che merita un test - Separare il lavoro dell’agente dalle decisioni umane - Definire permessi e punti di controllo - Pianificare un piccolo pilota con test chiari Syllabus: 1. Scegliere il workflow: Mappare lavoro attuale, attriti e responsabile della decisione. Output: Agent Design Canvas. 2. Definire il compito dell’agente: Stabilire obiettivo, limiti, input e risultato atteso. Output: Mappa di permessi e approvazioni. 3. Collegare fonti e strumenti: Decidere cosa l’agente può leggere, usare o modificare. Output: Checklist dei test di errore. 4. Progettare il controllo umano: Aggiungere approvazioni, escalation e tracciabilità delle fonti. Output: Brief pilota con responsabile e passo successivo. 5. Testare prima del pilota: Creare casi di errore, criteri di successo e piano pilota. Output: Agent Design Canvas. Take-away artefacts: - Agent Design Canvas - Mappa di permessi e approvazioni - Checklist dei test di errore - Brief pilota con responsabile e passo successivo ### Workshop Fondamenti dell’AI per un uso quotidiano sicuro Canonical: https://aiworkshop.ch/it/workshops/ai-fundamentals/ Passare da esperimenti incerti a un uso quotidiano sicuro e responsabile. I partecipanti imparano quale strumento scegliere, come fornire un buon contesto, come verificare la risposta e quando non usare l’AI. La sessione termina con un workflow testato in prima persona. Cosa cambia concretamente con questo programma: La maggior parte dei team non ha bisogno di un’altra panoramica sul gergo dell’AI. Servono risposte condivise a domande quotidiane: quale strumento usare per ogni compito, quali informazioni possono essere inserite, perché una richiesta produce un risultato utile e un’altra no, e chi deve verificarlo. Il workshop crea questa base senza mettere in difficoltà i partecipanti non tecnici e la trasforma in un workflow utilizzabile già dalla settimana successiva. La sessione non segue una sequenza rigida di dimostrazioni. Il facilitatore lavora con il team su Capire la giornata di lavoro con l’AI, Scegliere lo strumento giusto, Chiedere un lavoro utile usando ChatGPT, Microsoft Copilot, Gli strumenti AI approvati, quando questi sistemi sono approvati e disponibili. I partecipanti confrontano i primi risultati, rendono visibile il contesto mancante e migliorano insieme il lavoro. In questo modo capiscono non solo quale richiesta funziona, ma perché un risultato è abbastanza affidabile per il passaggio successivo. Il valore non deve terminare quando si esce dalla sala. Gli esercizi producono quindi risultati concreti come Modello di richiesta riutilizzabile, Checklist di verifica umana, Un workflow testato. Offrono ai colleghi un punto di partenza comprensibile, mostrano dove è necessaria la verifica umana e rendono il prossimo pilota più piccolo e realistico. Un follow-up opzionale può partire da questi materiali invece di ricominciare da un’introduzione generale. Com’è un AI Workshop nella pratica: - Il facilitatore supporta una partecipante durante un esercizio individuale · Sessione precedente di AI Workshop · Losanna. Image: https://aiworkshop.ch/images/evidence/ai-workshop-facilitator-training-session-lausanne.webp - I partecipanti confrontano idee durante un esercizio di team facilitato · Sessione precedente di AI Workshop · Losanna. Image: https://aiworkshop.ch/images/evidence/corporate-ai-training-group-session-lausanne.webp - Le carte di metodo rendono visibili discussione e passaggi di verifica · Sessione precedente di AI Workshop · Losanna. Image: https://aiworkshop.ch/images/evidence/ai-learning-method-cards-lausanne.webp - Piccoli gruppi lavorano attorno a tavoli condivisi · Sessione precedente di AI Workshop · Losanna. Image: https://aiworkshop.ch/images/evidence/ai-workshop-venue-overhead-view-lausanne-event-space.webp Audience: Team non tecnici, reparti misti e responsabili che hanno bisogno di una base pratica comune. Recommended format: Workshop mirato · 4 ore. Alternatives: Workshop principale · 4–6 ore. Delivery: In presenza presso il cliente, online o in modalità ibrida. Tools: - ChatGPT: Redigere, analizzare, fare ricerca e trasformare il lavoro ricorrente in istruzioni riutilizzabili. - Microsoft Copilot: Usare le funzioni Microsoft 365 approvate in documenti, riunioni, e-mail e informazioni aziendali. - Gli strumenti AI approvati: Gli esercizi si adattano a sistemi, licenze e limiti sui dati approvati dall’organizzazione. Outcomes: - Scegliere lo strumento adatto al compito - Dare istruzioni e contesto più chiari - Verificare affermazioni, numeri e omissioni - Trasformare un compito ricorrente in un workflow controllato Syllabus: 1. Capire la giornata di lavoro con l’AI: Vedere punti di forza, limiti e cambiamenti portati dagli strumenti attuali. Output: Modello di richiesta riutilizzabile. 2. Scegliere lo strumento giusto: Abbinare scrittura, ricerca, documenti e dati agli strumenti approvati. Output: Checklist di verifica umana. 3. Chiedere un lavoro utile: Esercitarsi con contesto, esempi, vincoli e formati di uscita. Output: Un workflow testato. 4. Verificare prima di usare: Controllare fonti, numeri, omissioni, tono e informazioni sensibili. Output: Lista delle prossime opportunità utili. 5. Creare un workflow riutilizzabile: Trasformare un compito reale in richiesta-verifica-miglioramento. Output: Modello di richiesta riutilizzabile. Take-away artefacts: - Modello di richiesta riutilizzabile - Checklist di verifica umana - Un workflow testato - Lista delle prossime opportunità utili ### AI generativa per il business: creare workflow ripetibili Canonical: https://aiworkshop.ch/it/workshops/generative-ai-for-business/ Trasformare usi individuali sparsi in workflow condivisi e ripetibili. I partecipanti applicano l’AI generativa a ricerca, documenti, file, presentazioni e attività ricorrenti. Portano con sé istruzioni comuni, un controllo qualità e responsabili chiari. Cosa cambia concretamente con questo programma: L’AI generativa entra spesso in azienda attraverso esperimenti individuali: qualcuno migliora un report, un’altra persona prepara più rapidamente una riunione e un’altra crea un assistente utile. Il valore resta fragile perché i colleghi non riescono a ripetere il risultato e i responsabili non vedono come è stato verificato. Il programma trasforma questi successi isolati in modalità di lavoro condivise, rendendo espliciti contesto, esempi, qualità, responsabilità e revisione. La sessione non segue una sequenza rigida di dimostrazioni. Il facilitatore lavora con il team su Trovare il lavoro utile, Ricerca e documenti, File, dati e presentazioni usando ChatGPT, Microsoft Copilot, Ricerca AI e ricerca approfondita, quando questi sistemi sono approvati e disponibili. I partecipanti confrontano i primi risultati, rendono visibile il contesto mancante e migliorano insieme il lavoro. In questo modo capiscono non solo quale richiesta funziona, ma perché un risultato è abbastanza affidabile per il passaggio successivo. Il valore non deve terminare quando si esce dalla sala. Gli esercizi producono quindi risultati concreti come Pacchetto di istruzioni per il team, Esempi sviluppati da compiti reali, Checklist qualità e revisione. Offrono ai colleghi un punto di partenza comprensibile, mostrano dove è necessaria la verifica umana e rendono il prossimo pilota più piccolo e realistico. Un follow-up opzionale può partire da questi materiali invece di ricominciare da un’introduzione generale. Com’è un AI Workshop nella pratica: - I partecipanti confrontano idee durante un esercizio di team facilitato · Sessione precedente di AI Workshop · Losanna. Image: https://aiworkshop.ch/images/evidence/corporate-ai-training-group-session-lausanne.webp - Un team struttura le idee con carte di lavoro e note adesive · Sessione precedente di AI Workshop · Losanna. Image: https://aiworkshop.ch/images/evidence/design-thinking-workshop-collaboration-lausanne-switzerland.webp - Il gruppo discute limiti e verifica prima di costruire · Workshop di Agentic AI · Losanna · maggio 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-training-lausanne-facilitated-discussion.webp - Piccoli gruppi lavorano attorno a tavoli condivisi · Workshop di Agentic AI · Losanna · maggio 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-workshop-espace-dickens-lausanne-room.webp Audience: Team interfunzionali che hanno iniziato a sperimentare e ora cercano coerenza, qualità e limiti responsabili. Recommended format: Workshop principale · 4–6 ore. Alternatives: Workshop mirato · 4 ore. Delivery: In presenza presso il cliente, online o in modalità ibrida. Tools: - ChatGPT: Redigere, analizzare, fare ricerca e trasformare il lavoro ricorrente in istruzioni riutilizzabili. - Microsoft Copilot: Usare le funzioni Microsoft 365 approvate in documenti, riunioni, e-mail e informazioni aziendali. - Ricerca AI e ricerca approfondita: Trovare, confrontare e citare fonti aggiornate, distinguendo le prove dall’interpretazione. Outcomes: - Scegliere attività aziendali dove l’AI è davvero utile - Creare contesto e istruzioni riutilizzabili - Verificare qualità, fonti e dati sensibili - Assegnare responsabili a un piano di 30 giorni Syllabus: 1. Trovare il lavoro utile: Separare le attività di valore dalla semplice novità. Output: Pacchetto di istruzioni per il team. 2. Ricerca e documenti: Creare brief con fonti, sintesi e prime bozze migliori. Output: Esempi sviluppati da compiti reali. 3. File, dati e presentazioni: Lavorare con tabelle, documenti, slide e concetti visivi. Output: Checklist qualità e revisione. 4. Creare contesto riutilizzabile: Trasformare prompt individuali in progetti, istruzioni ed esempi condivisi. Output: Mappa prioritaria dei workflow con responsabili. 5. Adottare con controllo: Definire regole di revisione, responsabili e piano di 30 giorni. Output: Pacchetto di istruzioni per il team. Take-away artefacts: - Pacchetto di istruzioni per il team - Esempi sviluppati da compiti reali - Checklist qualità e revisione - Mappa prioritaria dei workflow con responsabili ### AI per Business Intelligence e decisioni Canonical: https://aiworkshop.ch/it/workshops/ai-for-business-intelligence/ Passare da una domanda di business a un brief decisionale verificato e spiegabile. I team praticano un workflow completo dai dati alla decisione: definire la domanda, controllare i dati, esplorare i pattern, mettere alla prova le ipotesi e comunicare ciò che le prove sostengono davvero. Cosa cambia concretamente con questo programma: Un’analisi migliore non inizia chiedendo all’AI di trovare un insight. Inizia da una decisione, da una definizione chiara dei numeri e da una visione onesta di ciò a cui i dati non possono rispondere. Il workshop rallenta proprio in questi passaggi e poi usa l’AI per esplorare tabelle, interrogare scostamenti, confrontare scenari e spiegare i risultati. L’obiettivo non è un’analisi automatica, ma un brief che altri possano comprendere, contestare e approvare. La sessione non segue una sequenza rigida di dimostrazioni. Il facilitatore lavora con il team su Definire la decisione, Preparare i dati, Esplorare i pattern usando Fogli di calcolo e strumenti dati, ChatGPT, Ricerca AI e ricerca approfondita, quando questi sistemi sono approvati e disponibili. I partecipanti confrontano i primi risultati, rendono visibile il contesto mancante e migliorano insieme il lavoro. In questo modo capiscono non solo quale richiesta funziona, ma perché un risultato è abbastanza affidabile per il passaggio successivo. Il valore non deve terminare quando si esce dalla sala. Gli esercizi producono quindi risultati concreti come Brief di decisione e analisi, Libreria di domande riutilizzabili, Checklist di verifica. Offrono ai colleghi un punto di partenza comprensibile, mostrano dove è necessaria la verifica umana e rendono il prossimo pilota più piccolo e realistico. Un follow-up opzionale può partire da questi materiali invece di ricominciare da un’introduzione generale. Com’è un AI Workshop nella pratica: - George facilita con i partecipanti un esercizio sull’AI nella finanza · Innovation Time Lausanne × AI Workshop · UNIL · maggio 2026. Image: https://aiworkshop.ch/images/evidence/ai-finance-facilitated-exercise-lausanne.webp - Un risultato prodotto dal vivo viene verificato con il gruppo anziché accettato subito · Workshop di Agentic AI · Losanna · maggio 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-training-switzerland-agent-export.webp - Il gruppo discute limiti e verifica prima di costruire · Workshop di Agentic AI · Losanna · maggio 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-training-lausanne-facilitated-discussion.webp - Una partecipante trasforma la discussione in un brief scritto del workflow · Innovation Time Lausanne × AI Workshop · UNIL · maggio 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-student-worksheet-exercise-lausanne.webp Audience: Analisti, manager e team finance, operations o commerciali che lavorano con report, fogli di calcolo e decisioni ricorrenti. Recommended format: Workshop principale · 4–6 ore. Alternatives: Workshop mirato · 4 ore. Delivery: In presenza presso il cliente, online o in modalità ibrida. Tools: - Fogli di calcolo e strumenti dati: Esplorare tabelle, testare ipotesi e creare sintesi verificate mantenendo le fonti. - ChatGPT: Redigere, analizzare, fare ricerca e trasformare il lavoro ricorrente in istruzioni riutilizzabili. - Ricerca AI e ricerca approfondita: Trovare, confrontare e citare fonti aggiornate, distinguendo le prove dall’interpretazione. Outcomes: - Iniziare dall’obiettivo decisionale, non dal grafico - Esplorare tabelle senza nascondere le ipotesi - Verificare trend, anomalie e calcoli - Creare una narrazione decisionale concisa con i suoi limiti Syllabus: 1. Definire la decisione: Stabilire domanda, responsabile, periodo e prove necessarie. Output: Brief di decisione e analisi. 2. Preparare i dati: Controllare colonne, valori mancanti, definizioni e campi sensibili. Output: Libreria di domande riutilizzabili. 3. Esplorare i pattern: Analizzare trend, scostamenti e anomalie con domande in linguaggio naturale. Output: Checklist di verifica. 4. Testare scenari: Rendere visibili le ipotesi e confrontare alternative senza presentare stime come fatti. Output: Modello di reporting ricorrente. 5. Comunicare e approvare: Creare grafici e commenti con fonti e approvazione umana. Output: Brief di decisione e analisi. Take-away artefacts: - Brief di decisione e analisi - Libreria di domande riutilizzabili - Checklist di verifica - Modello di reporting ricorrente ### AI per HR: workflow pratici e giudizio umano Canonical: https://aiworkshop.ch/it/workshops/hr-training/ Aiutare i team HR a preparare, comunicare e supportare le persone con coerenza, mantenendo umane le decisioni sensibili. Il workshop applica strumenti approvati a comunicazione, policy, supporto al recruiting, onboarding, formazione e follow-up. Equità, privacy e verifica fanno parte di ogni esercizio. Cosa cambia concretamente con questo programma: I team HR lavorano tutto il giorno con il linguaggio, ma il loro lavoro non consiste mai solo nel produrre testo. Una risposta su una policy deve riflettere la fonte approvata, un documento di recruiting deve evitare bias nascosti e una sintesi sulle persone deve proteggere informazioni sensibili. Il workshop si concentra sulla preparazione e sulla comunicazione dove l’AI può aiutare, mantenendo decisioni, eccezioni, empatia e responsabilità in capo al professionista HR. La sessione non segue una sequenza rigida di dimostrazioni. Il facilitatore lavora con il team su Mappare il lavoro HR, Comunicazione e policy, Supportare recruiting e onboarding usando Microsoft Copilot, ChatGPT, Gli strumenti AI approvati, quando questi sistemi sono approvati e disponibili. I partecipanti confrontano i primi risultati, rendono visibile il contesto mancante e migliorano insieme il lavoro. In questo modo capiscono non solo quale richiesta funziona, ma perché un risultato è abbastanza affidabile per il passaggio successivo. Il valore non deve terminare quando si esce dalla sala. Gli esercizi producono quindi risultati concreti come Schede dei workflow HR, Pacchetto di istruzioni approvate, Checklist equità e verifica. Offrono ai colleghi un punto di partenza comprensibile, mostrano dove è necessaria la verifica umana e rendono il prossimo pilota più piccolo e realistico. Un follow-up opzionale può partire da questi materiali invece di ricominciare da un’introduzione generale. Com’è un AI Workshop nella pratica: - La sala è preparata con dispositivo, quaderno e materiali per ogni partecipante · Preparazione di un workshop su un assistente HR · Zurigo. Image: https://aiworkshop.ch/images/evidence/hr-assistant-workshop-room-zurich.webp - Un team struttura le idee con carte di lavoro e note adesive · Sessione precedente di AI Workshop · Losanna. Image: https://aiworkshop.ch/images/evidence/design-thinking-workshop-collaboration-lausanne-switzerland.webp - Le carte di metodo rendono visibili discussione e passaggi di verifica · Sessione precedente di AI Workshop · Losanna. Image: https://aiworkshop.ch/images/evidence/ai-learning-method-cards-lausanne.webp - I partecipanti confrontano idee durante un esercizio di team facilitato · Sessione precedente di AI Workshop · Losanna. Image: https://aiworkshop.ch/images/evidence/corporate-ai-training-group-session-lausanne.webp Audience: HR business partner, people operations, talent, learning e responsabili HR. Recommended format: Workshop principale · 4–6 ore. Alternatives: Workshop mirato · 4 ore, Workshop principale e follow-up opzionale. Delivery: In presenza presso il cliente, online o in modalità ibrida. Tools: - Microsoft Copilot: Usare le funzioni Microsoft 365 approvate in documenti, riunioni, e-mail e informazioni aziendali. - ChatGPT: Redigere, analizzare, fare ricerca e trasformare il lavoro ricorrente in istruzioni riutilizzabili. - Gli strumenti AI approvati: Gli esercizi si adattano a sistemi, licenze e limiti sui dati approvati dall’organizzazione. Outcomes: - Individuare workflow HR utili e a basso rischio - Migliorare comunicazioni a dipendenti e policy - Usare l’AI come supporto, non come decisore - Definire controlli per equità e dati sensibili Syllabus: 1. Mappare il lavoro HR: Dare priorità ai compiti ripetitivi che richiedono responsabilità umana. Output: Schede dei workflow HR. 2. Comunicazione e policy: Creare risposte, sintesi e guide da materiali approvati. Output: Pacchetto di istruzioni approvate. 3. Supportare recruiting e onboarding: Migliorare brief, preparazione ai colloqui e onboarding senza delegare decisioni. Output: Checklist equità e verifica. 4. Formazione e follow-up: Creare piani di apprendimento, sintesi e azioni verificabili. Output: Mappa pilota con responsabili umani. 5. Equità, privacy e adozione: Definire limiti sui dati, domande di controllo e pilota responsabile. Output: Schede dei workflow HR. Take-away artefacts: - Schede dei workflow HR - Pacchetto di istruzioni approvate - Checklist equità e verifica - Mappa pilota con responsabili umani ### AI per sviluppatori: dall’issue alla modifica verificata Canonical: https://aiworkshop.ch/it/workshops/ai-for-developers/ Stabilire un workflow di sviluppo assistito dall’AI, dall’issue alla modifica testata e revisionata. Gli sviluppatori imparano a fornire il giusto contesto del repository, pianificare modifiche, esaminare il lavoro generato, eseguire test e lasciare prove ai reviewer. L’obiettivo è l’affidabilità del team, non la velocità di scrittura. Cosa cambia concretamente con questo programma: Gli assistenti di coding possono produrre una modifica convincente prima di comprendere il repository, la ragione dell’issue o i test che proteggono il sistema. Per questo il workshop tratta lo sviluppo assistito dall’AI come una pratica operativa del team, non come una raccolta di scorciatoie. Gli sviluppatori imparano a fornire contesto, richiedere un piano, controllare il diff, eseguire i test giusti e lasciare prove che rendano la revisione più semplice. La sessione non segue una sequenza rigida di dimostrazioni. Il facilitatore lavora con il team su Preparare il contesto del repository, Dall’issue al piano, Dal piano alla modifica usando GitHub Copilot, Codex & coding agents, Agent Design Canvas, Gli strumenti AI approvati, quando questi sistemi sono approvati e disponibili. I partecipanti confrontano i primi risultati, rendono visibile il contesto mancante e migliorano insieme il lavoro. In questo modo capiscono non solo quale richiesta funziona, ma perché un risultato è abbastanza affidabile per il passaggio successivo. Il valore non deve terminare quando si esce dalla sala. Gli esercizi producono quindi risultati concreti come Modello di istruzioni del repository, Workflow di sviluppo pronto per agenti, Checklist delle prove di test. Offrono ai colleghi un punto di partenza comprensibile, mostrano dove è necessaria la verifica umana e rendono il prossimo pilota più piccolo e realistico. Un follow-up opzionale può partire da questi materiali invece di ricominciare da un’introduzione generale. Com’è un AI Workshop nella pratica: - Un partecipante testa un workflow assistito dall’AI sul laptop · Workshop di Agentic AI · Losanna · maggio 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-workshop-lausanne-hands-on-coding.webp - Le carte di metodo rendono visibili discussione e passaggi di verifica · Innovation Time Lausanne × AI Workshop · UNIL · maggio 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-agent-design-method-cards-lausanne.webp - Il facilitatore rende espliciti strumenti, connessioni e controlli umani · Workshop di Agentic AI · Losanna · maggio 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-workshop-lausanne-mcp-architecture.webp - Il facilitatore esamina il lavoro di un partecipante direttamente sul laptop · Innovation Time Lausanne × AI Workshop · UNIL · maggio 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-george-mentoring-student-agent-design-lausanne.webp Audience: Software engineer, technical lead, team platform e prodotto che usano o valutano assistenti di codice e agenti. Recommended format: Workshop principale · 4–6 ore. Alternatives: Workshop mirato · 4 ore, Sessione di follow-up opzionale · 60–90 minuti. Delivery: In presenza presso il cliente, online o in modalità ibrida. Tools: - GitHub Copilot, Codex & coding agents: Passare dall’issue al piano, alla modifica, ai test e alla revisione nell’ambiente approvato. - Agent Design Canvas: Definire compito, fonti, strumenti, permessi, decisioni e controlli umani prima di costruire. - Gli strumenti AI approvati: Gli esercizi si adattano a sistemi, licenze e limiti sui dati approvati dall’organizzazione. Outcomes: - Fornire un contesto di repository utile - Passare dall’issue a un piano esplicito - Richiedere test e prove di revisione al lavoro dell’agente - Definire limiti, permessi e standard del team Syllabus: 1. Preparare il contesto del repository: Creare istruzioni, note architetturali e vincoli che lo strumento può seguire. Output: Modello di istruzioni del repository. 2. Dall’issue al piano: Trasformare una richiesta ambigua in un piano revisionabile. Output: Workflow di sviluppo pronto per agenti. 3. Dal piano alla modifica: Eseguire modifiche mirate, controllare i diff e mantenere il controllo. Output: Checklist delle prove di test. 4. Test, sicurezza e revisione: Richiedere prove, testare gli errori ed esaminare modifiche sensibili. Output: Standard del team e backlog pilota. 5. Standard operativo del team: Definire strumenti, permessi, regole di revisione e backlog pilota. Output: Modello di istruzioni del repository. Take-away artefacts: - Modello di istruzioni del repository - Workflow di sviluppo pronto per agenti - Checklist delle prove di test - Standard del team e backlog pilota ### AI per la finanza: preparare più rapidamente senza perdere controllo Canonical: https://aiworkshop.ch/it/workshops/ai-for-finance/ Rendere più semplice preparare, spiegare e verificare il lavoro ricorrente senza indebolire i controlli. I team finance praticano ricerca con fonti, supporto alla riconciliazione, analisi degli scostamenti, scenari e commenti direzionali. Ipotesi, prove e approvazione finale restano visibili. Cosa cambia concretamente con questo programma: I team finance possono risparmiare tempo con l’AI solo se la velocità non nasconde le ipotesi dietro un numero e non indebolisce il percorso di approvazione. L’opportunità è spesso nella preparazione: strutturare la ricerca, formulare domande di riconciliazione, spiegare scostamenti e redigere commenti che il professionista finance possa poi mettere alla prova. Il workshop mantiene visibili fonti, responsabile del calcolo e approvazione finale. La sessione non segue una sequenza rigida di dimostrazioni. Il facilitatore lavora con il team su Scegliere il workflow finance, Ricerca e fonti, Riconciliazione e scostamenti usando Fogli di calcolo e strumenti dati, Ricerca AI e ricerca approfondita, Microsoft Copilot, quando questi sistemi sono approvati e disponibili. I partecipanti confrontano i primi risultati, rendono visibile il contesto mancante e migliorano insieme il lavoro. In questo modo capiscono non solo quale richiesta funziona, ma perché un risultato è abbastanza affidabile per il passaggio successivo. Il valore non deve terminare quando si esce dalla sala. Gli esercizi producono quindi risultati concreti come Brief del workflow finance, Traccia di fonti e ipotesi, Checklist di revisione umana. Offrono ai colleghi un punto di partenza comprensibile, mostrano dove è necessaria la verifica umana e rendono il prossimo pilota più piccolo e realistico. Un follow-up opzionale può partire da questi materiali invece di ricominciare da un’introduzione generale. Com’è un AI Workshop nella pratica: - George facilita con i partecipanti un esercizio sull’AI nella finanza · Innovation Time Lausanne × AI Workshop · UNIL · maggio 2026. Image: https://aiworkshop.ch/images/evidence/ai-finance-facilitated-exercise-lausanne.webp - Il facilitatore presenta alla coorte il passaggio pratico successivo · Innovation Time Lausanne × AI Workshop · UNIL · maggio 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-finance-agent-presentation-lausanne.webp - Una partecipante trasforma la discussione in un brief scritto del workflow · Innovation Time Lausanne × AI Workshop · UNIL · maggio 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-student-worksheet-exercise-lausanne.webp - La coorte universitaria lavora con laptop, schede e guida dal vivo · Innovation Time Lausanne × AI Workshop · UNIL · maggio 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-innovation-time-lausanne-classroom-wide-view.webp Audience: FP&A, controllo di gestione, contabilità, tesoreria, finance operations e responsabili finanziari. Recommended format: Workshop principale · 4–6 ore. Alternatives: Workshop mirato · 4 ore. Delivery: In presenza presso il cliente, online o in modalità ibrida. Tools: - Fogli di calcolo e strumenti dati: Esplorare tabelle, testare ipotesi e creare sintesi verificate mantenendo le fonti. - Ricerca AI e ricerca approfondita: Trovare, confrontare e citare fonti aggiornate, distinguendo le prove dall’interpretazione. - Microsoft Copilot: Usare le funzioni Microsoft 365 approvate in documenti, riunioni, e-mail e informazioni aziendali. Outcomes: - Usare l’AI per preparare mantenendo la responsabilità finance - Analizzare gli scostamenti con ipotesi esplicite - Collegare i commenti direzionali alle prove - Progettare un pilota controllato per attività ricorrenti Syllabus: 1. Scegliere il workflow finance: Identificare lavoro ricorrente con input, controlli e responsabile chiari. Output: Brief del workflow finance. 2. Ricerca e fonti: Creare brief aggiornati distinguendo fatti e interpretazione. Output: Traccia di fonti e ipotesi. 3. Riconciliazione e scostamenti: Strutturare controlli, domande e spiegazioni senza approvare numeri. Output: Checklist di revisione umana. 4. Scenari e commenti: Rendere visibili le ipotesi e redigere commenti direzionali concisi. Output: Modello di reporting e piano pilota. 5. Controlli e pilota: Definire limiti sui dati, revisione e piccolo pilota controllato. Output: Brief del workflow finance. Take-away artefacts: - Brief del workflow finance - Traccia di fonti e ipotesi - Checklist di revisione umana - Modello di reporting e piano pilota ### AI per il settore legale: accelerare la preparazione, mantenere il giudizio Canonical: https://aiworkshop.ch/it/workshops/ai-for-legal/ Accelerare preparazione e confronto mantenendo il giudizio legale al professionista. I team legali praticano preparazione del caso, confronto di clausole, ricerca con fonti e supporto alla redazione. Riservatezza, verifica e revisione professionale finale sono integrate in ogni workflow. Cosa cambia concretamente con questo programma: Il lavoro legale comprende molte attività apparentemente ripetitive ma fortemente dipendenti dal contesto: preparare un caso, confrontare formulazioni, trovare una fonte aggiornata o creare una prima bozza. L’AI può supportare questi passaggi, ma una risposta fluida può omettere un’eccezione, leggere male una clausola o usare una fonte superata. Il workshop offre un uso controllato per preparazione e confronto, preservando riservatezza, giudizio professionale e revisione. La sessione non segue una sequenza rigida di dimostrazioni. Il facilitatore lavora con il team su Scegliere il compito legale, Preparare il caso, Confrontare clausole usando Ricerca AI e ricerca approfondita, Claude, Gli strumenti AI approvati, quando questi sistemi sono approvati e disponibili. I partecipanti confrontano i primi risultati, rendono visibile il contesto mancante e migliorano insieme il lavoro. In questo modo capiscono non solo quale richiesta funziona, ma perché un risultato è abbastanza affidabile per il passaggio successivo. Il valore non deve terminare quando si esce dalla sala. Gli esercizi producono quindi risultati concreti come Modello di preparazione del caso, Workflow di confronto basato su playbook, Checklist ricerca e citazioni. Offrono ai colleghi un punto di partenza comprensibile, mostrano dove è necessaria la verifica umana e rendono il prossimo pilota più piccolo e realistico. Un follow-up opzionale può partire da questi materiali invece di ricominciare da un’introduzione generale. Com’è un AI Workshop nella pratica: - Il facilitatore supporta una partecipante durante un esercizio individuale · Sessione precedente di AI Workshop · Losanna. Image: https://aiworkshop.ch/images/evidence/ai-workshop-facilitator-training-session-lausanne.webp - Una partecipante pone una domanda mentre il gruppo continua l’esercizio · Innovation Time Lausanne × AI Workshop · UNIL · maggio 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-participant-question-lausanne.webp - Le carte di metodo rendono visibili discussione e passaggi di verifica · Sessione precedente di AI Workshop · Losanna. Image: https://aiworkshop.ch/images/evidence/ai-learning-method-cards-lausanne.webp - Il facilitatore esamina il lavoro di un partecipante direttamente sul laptop · Innovation Time Lausanne × AI Workshop · UNIL · maggio 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-george-mentoring-student-agent-design-lausanne.webp Audience: Team legali interni, studi, professionisti dei contratti, compliance e legal operations. Recommended format: Workshop principale · 4–6 ore. Alternatives: Workshop mirato · 4 ore. Delivery: In presenza presso il cliente, online o in modalità ibrida. Tools: - Ricerca AI e ricerca approfondita: Trovare, confrontare e citare fonti aggiornate, distinguendo le prove dall’interpretazione. - Claude: Esaminare documenti lunghi, confrontare alternative e strutturare la scrittura quando lo strumento è approvato. - Gli strumenti AI approvati: Gli esercizi si adattano a sistemi, licenze e limiti sui dati approvati dall’organizzazione. Outcomes: - Scegliere attività legali adatte al supporto AI - Confrontare clausole con un playbook approvato - Fare ricerca con traccia visibile di fonti e date - Definire limiti di riservatezza e revisione finale Syllabus: 1. Scegliere il compito legale: Separare preparazione e confronto dal giudizio professionale. Output: Modello di preparazione del caso. 2. Preparare il caso: Strutturare fatti, domande, documenti e informazioni mancanti. Output: Workflow di confronto basato su playbook. 3. Confrontare clausole: Esaminare il testo rispetto a un playbook approvato e segnalare differenze. Output: Checklist ricerca e citazioni. 4. Ricercare e redigere: Usare fonti aggiornate, citazioni e modelli di scrittura controllati. Output: Limite di riservatezza e revisione. 5. Riservatezza e verifica: Definire limiti sui dati, domande di controllo e pilota sicuro. Output: Modello di preparazione del caso. Take-away artefacts: - Modello di preparazione del caso - Workflow di confronto basato su playbook - Checklist ricerca e citazioni - Limite di riservatezza e revisione Important: Si tratta di formazione professionale, non di consulenza legale. I risultati richiedono la revisione di un professionista qualificato. ### AI per il marketing: dal brief al workflow di campagna verificato Canonical: https://aiworkshop.ch/it/workshops/ai-for-marketing/ Passare da esperimenti di contenuto scollegati a un workflow di campagna coerente e verificabile. I team praticano ricerca sul pubblico, posizionamento, contesto del brand, creazione multimodale, localizzazione, ricerca e AI discovery, approvazione e apprendimento dalle performance in un’unica storia di campagna. Cosa cambia concretamente con questo programma: I team marketing possono produrre più alternative di quante riescano ragionevolmente a verificare. La vera sfida non è creare un altro titolo o un’altra immagine, ma mantenere un brand riconoscibile, usare le prove in modo responsabile, adattare il lavoro tra lingue e imparare dal mercato. Il workshop collega questi passaggi in un unico workflow, così l’AI sostiene chiarezza strategica e iterazione invece di aggiungere contenuti scollegati. La sessione non segue una sequenza rigida di dimostrazioni. Il facilitatore lavora con il team su Pubblico e posizionamento, Contesto del brand, Creazione multimodale usando ChatGPT, Ricerca AI e ricerca approfondita, Strumenti AI per contenuti visivi, quando questi sistemi sono approvati e disponibili. I partecipanti confrontano i primi risultati, rendono visibile il contesto mancante e migliorano insieme il lavoro. In questo modo capiscono non solo quale richiesta funziona, ma perché un risultato è abbastanza affidabile per il passaggio successivo. Il valore non deve terminare quando si esce dalla sala. Gli esercizi producono quindi risultati concreti come Pacchetto di contesto del brand, Brief Search e GEO, Checklist localizzazione e approvazione. Offrono ai colleghi un punto di partenza comprensibile, mostrano dove è necessaria la verifica umana e rendono il prossimo pilota più piccolo e realistico. Un follow-up opzionale può partire da questi materiali invece di ricominciare da un’introduzione generale. Com’è un AI Workshop nella pratica: - Un team struttura le idee con carte di lavoro e note adesive · Sessione precedente di AI Workshop · Losanna. Image: https://aiworkshop.ch/images/evidence/design-thinking-workshop-collaboration-lausanne-switzerland.webp - Le carte di metodo rendono visibili discussione e passaggi di verifica · Innovation Time Lausanne × AI Workshop · UNIL · maggio 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-agent-design-method-cards-lausanne.webp - Il facilitatore presenta alla coorte il passaggio pratico successivo · Innovation Time Lausanne × AI Workshop · UNIL · maggio 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-george-presenting-agentic-ai-session-lausanne.webp - I partecipanti mostrano le risorse stampate usate per strutturare l’esercizio · Innovation Time Lausanne × AI Workshop · UNIL · maggio 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-resources-lausanne.webp Audience: Team marketing, comunicazione, brand, contenuti, growth e customer experience. Recommended format: Workshop principale · 4–6 ore. Alternatives: Workshop mirato · 4 ore. Delivery: In presenza presso il cliente, online o in modalità ibrida. Tools: - ChatGPT: Redigere, analizzare, fare ricerca e trasformare il lavoro ricorrente in istruzioni riutilizzabili. - Ricerca AI e ricerca approfondita: Trovare, confrontare e citare fonti aggiornate, distinguendo le prove dall’interpretazione. - Strumenti AI per contenuti visivi: Creare e perfezionare concetti visivi mantenendo chiari brand, diritti e approvazione umana. Outcomes: - Trasformare le prove sul pubblico in un brief più forte - Fornire agli strumenti un contesto di brand utile - Creare e localizzare con una revisione chiara - Progettare un esperimento di campagna che faccia imparare il team Syllabus: 1. Pubblico e posizionamento: Trasformare ricerca e linguaggio dei clienti in un brief focalizzato. Output: Pacchetto di contesto del brand. 2. Contesto del brand: Creare istruzioni, esempi e limiti che gli strumenti possano seguire. Output: Brief Search e GEO. 3. Creazione multimodale: Sviluppare copy e concetti visivi mantenendo controllo su diritti e approvazione. Output: Checklist localizzazione e approvazione. 4. Localizzazione e AI discovery: Adattare messaggi a persone, motori di ricerca e motori di risposta senza keyword stuffing. Output: Piano di esperimento della campagna. 5. Approvazione e apprendimento: Definire revisione, misurazione ed esperimento di campagna. Output: Pacchetto di contesto del brand. Take-away artefacts: - Pacchetto di contesto del brand - Brief Search e GEO - Checklist localizzazione e approvazione - Piano di esperimento della campagna ### AI per l’educazione: risparmiare tempo, migliorare la progettazione didattica Canonical: https://aiworkshop.ch/it/workshops/ai-for-education/ Risparmiare tempo di preparazione migliorando progettazione didattica, valutazione e guida agli studenti. Docenti e formatori praticano pianificazione, differenziazione, feedback e riprogettazione delle valutazioni affrontando integrità accademica, alfabetizzazione AI, privacy e giudizio pedagogico umano. Cosa cambia concretamente con questo programma: L’educazione non può trattare l’AI solo come strumento di produttività, perché il modo in cui un compito viene svolto è spesso parte dell’apprendimento. Una pianificazione più rapida può aiutare il docente, mentre un compito completato automaticamente può eliminare il ragionamento che l’attività doveva mostrare. Il workshop aiuta a distinguere queste situazioni, riprogettare apprendimento e valutazione e dare agli studenti indicazioni davvero utilizzabili. La sessione non segue una sequenza rigida di dimostrazioni. Il facilitatore lavora con il team su Compiti didattici e limiti, Progettazione e adattamento, Feedback e valutazione usando ChatGPT, Ricerca AI e ricerca approfondita, Gli strumenti AI approvati, quando questi sistemi sono approvati e disponibili. I partecipanti confrontano i primi risultati, rendono visibile il contesto mancante e migliorano insieme il lavoro. In questo modo capiscono non solo quale richiesta funziona, ma perché un risultato è abbastanza affidabile per il passaggio successivo. Il valore non deve terminare quando si esce dalla sala. Gli esercizi producono quindi risultati concreti come Modello di pianificazione delle lezioni, Attività di valutazione riprogettata, Guida AI per gli studenti. Offrono ai colleghi un punto di partenza comprensibile, mostrano dove è necessaria la verifica umana e rendono il prossimo pilota più piccolo e realistico. Un follow-up opzionale può partire da questi materiali invece di ricominciare da un’introduzione generale. Com’è un AI Workshop nella pratica: - Una partecipante pone una domanda mentre il gruppo continua l’esercizio · Innovation Time Lausanne × AI Workshop · UNIL · maggio 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-participant-question-lausanne.webp - Le carte di metodo rendono visibili discussione e passaggi di verifica · Sessione precedente di AI Workshop · Losanna. Image: https://aiworkshop.ch/images/evidence/ai-learning-method-cards-lausanne.webp - Le carte di metodo rendono visibili discussione e passaggi di verifica · Innovation Time Lausanne × AI Workshop · UNIL · maggio 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-agent-design-method-cards-lausanne.webp - Il facilitatore supporta una partecipante durante un esercizio individuale · Sessione precedente di AI Workshop · Losanna. Image: https://aiworkshop.ch/images/evidence/ai-workshop-facilitator-training-session-lausanne.webp Audience: Docenti, formatori, learning designer, team universitari e responsabili dell’istruzione. Recommended format: Workshop mirato · 4 ore. Alternatives: Workshop principale · 4–6 ore. Delivery: In presenza presso il cliente, online o in modalità ibrida. Tools: - ChatGPT: Redigere, analizzare, fare ricerca e trasformare il lavoro ricorrente in istruzioni riutilizzabili. - Ricerca AI e ricerca approfondita: Trovare, confrontare e citare fonti aggiornate, distinguendo le prove dall’interpretazione. - Gli strumenti AI approvati: Gli esercizi si adattano a sistemi, licenze e limiti sui dati approvati dall’organizzazione. Outcomes: - Usare l’AI per rafforzare la preparazione delle lezioni - Adattare materiali senza perdere gli obiettivi - Riprogettare la valutazione in un contesto ricco di AI - Dare agli studenti indicazioni chiare per un uso responsabile Syllabus: 1. Compiti didattici e limiti: Scegliere dove l’AI aiuta e dove il giudizio del docente resta essenziale. Output: Modello di pianificazione delle lezioni. 2. Progettazione e adattamento: Creare attività, esempi e varianti accessibili legati agli obiettivi. Output: Attività di valutazione riprogettata. 3. Feedback e valutazione: Migliorare il feedback e creare compiti che rendano visibile il pensiero. Output: Guida AI per gli studenti. 4. Integrità e alfabetizzazione AI: Definire aspettative trasparenti e insegnare a mettere in discussione i risultati. Output: Checklist privacy e revisione. 5. Privacy e workflow disciplinare: Definire limiti sui dati e costruire un workflow adatto. Output: Modello di pianificazione delle lezioni. Take-away artefacts: - Modello di pianificazione delle lezioni - Attività di valutazione riprogettata - Guida AI per gli studenti - Checklist privacy e revisione ### Workshop AI per università, docenti e studenti Canonical: https://aiworkshop.ch/it/universities/ Dare a ogni pubblico universitario un modo pratico e responsabile di usare l’AI nel proprio lavoro. Scegliete un percorso per studenti, docenti, ricercatori, servizi, formazione executive o alumni. Ogni formato unisce strumenti attuali, pratica guidata, giudizio accademico e risultati adattabili dopo la sessione. Cosa cambia concretamente con questo programma: Un’università raramente ha un solo pubblico AI. Gli studenti decidono come imparare e dichiarare l’uso, i docenti ripensano lezioni e valutazioni, i ricercatori testano nuovi supporti e i servizi analizzano workflow ricorrenti. Un buon programma universitario rispetta queste differenze. AI Workshop parte quindi dalla coorte e dalle sue responsabilità, scegliendo poi esempi, profondità tecnica e risultati adatti a quel gruppo. La sessione non segue una sequenza rigida di dimostrazioni. Il facilitatore lavora con il team su Scegliere il percorso, Capire le capacità attuali, Praticare per ruolo usando ChatGPT, Agent Design Canvas, Gli strumenti AI approvati, quando questi sistemi sono approvati e disponibili. I partecipanti confrontano i primi risultati, rendono visibile il contesto mancante e migliorano insieme il lavoro. In questo modo capiscono non solo quale richiesta funziona, ma perché un risultato è abbastanza affidabile per il passaggio successivo. Il valore non deve terminare quando si esce dalla sala. Gli esercizi producono quindi risultati concreti come Workbook specifico per il percorso, Guida all’uso responsabile, Workflow o brief di agente adattabile. Offrono ai colleghi un punto di partenza comprensibile, mostrano dove è necessaria la verifica umana e rendono il prossimo pilota più piccolo e realistico. Un follow-up opzionale può partire da questi materiali invece di ricominciare da un’introduzione generale. Com’è un AI Workshop nella pratica: - Le carte di metodo rendono visibili discussione e passaggi di verifica · Innovation Time Lausanne × AI Workshop · UNIL · maggio 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-agent-design-method-cards-lausanne.webp - Una spiegazione dal vivo collega il metodo alle domande della coorte · Innovation Time Lausanne × AI Workshop · UNIL · maggio 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-innovation-time-facilitator-lausanne.webp - Il facilitatore esamina il lavoro di un partecipante direttamente sul laptop · Innovation Time Lausanne × AI Workshop · UNIL · maggio 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-george-mentoring-student-agent-design-lausanne.webp - I partecipanti mostrano le risorse stampate usate per strutturare l’esercizio · Innovation Time Lausanne × AI Workshop · UNIL · maggio 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-resources-lausanne.webp Audience: Università, scuole, team di formazione executive e comunità accademiche che progettano apprendimento pratico per una coorte definita. Recommended format: Workshop mirato · 4 ore. Alternatives: Workshop principale · 4–6 ore, Workshop principale e follow-up opzionale. Delivery: In presenza presso il cliente, online o in modalità ibrida. Tools: - ChatGPT: Redigere, analizzare, fare ricerca e trasformare il lavoro ricorrente in istruzioni riutilizzabili. - Agent Design Canvas: Definire compito, fonti, strumenti, permessi, decisioni e controlli umani prima di costruire. - Gli strumenti AI approvati: Gli esercizi si adattano a sistemi, licenze e limiti sui dati approvati dall’organizzazione. Outcomes: - Scegliere il percorso adatto alla coorte - Praticare compiti coerenti con i ruoli accademici - Affrontare integrità, privacy e giudizio umano - Riutilizzare guide e risultati dopo il workshop Syllabus: 1. Scegliere il percorso: Allineare la sessione a studenti, docenti, ricerca, servizi o formazione executive. Output: Workbook specifico per il percorso. 2. Capire le capacità attuali: Usare gli strumenti disponibili e rendere visibili i limiti. Output: Guida all’uso responsabile. 3. Praticare per ruolo: Lavorare su scenari di insegnamento, studio, ricerca o servizio. Output: Workflow o brief di agente adattabile. 4. Stabilire limiti responsabili: Affrontare integrità, privacy, trasparenza, verifica e responsabilità. Output: Piano dei prossimi passi della coorte. 5. Riportare il lavoro nella coorte: Creare guide, modelli e prossimi passi per i partecipanti. Output: Workbook specifico per il percorso. Take-away artefacts: - Workbook specifico per il percorso - Guida all’uso responsabile - Workflow o brief di agente adattabile - Piano dei prossimi passi della coorte ### Microsoft Copilot per team: abitudini utili e adozione realistica Canonical: https://aiworkshop.ch/it/workshops/copilot/ Aiutare i team a usare le funzioni Copilot realmente disponibili con aspettative più chiare e abitudini sicure. Il workshop distingue Copilot Chat da Microsoft 365 Copilot con licenza e applica le capacità disponibili a documenti, riunioni, e-mail e informazioni aziendali. Permessi, verifica delle fonti e adozione vengono prima dell’automazione. Cosa cambia concretamente con questo programma: Un rollout di Copilot può sembrare completo quando le licenze sono assegnate, anche se mancano ancora le abitudini che creano valore. Le persone devono capire quale esperienza Copilot hanno, da dove arrivano le risposte, come i permessi influenzano le informazioni disponibili e come verificare il lavoro generato. Il workshop rende pratiche queste condizioni e seleziona poche abitudini per ruolo da sostenere nei 90 giorni successivi. La sessione non segue una sequenza rigida di dimostrazioni. Il facilitatore lavora con il team su Conoscere l’ambiente Copilot, Lavorare in Microsoft 365, Contesto, fonti e permessi usando Microsoft Copilot, Conoscenze aziendali e workspace, Gli strumenti AI approvati, quando questi sistemi sono approvati e disponibili. I partecipanti confrontano i primi risultati, rendono visibile il contesto mancante e migliorano insieme il lavoro. In questo modo capiscono non solo quale richiesta funziona, ma perché un risultato è abbastanza affidabile per il passaggio successivo. Il valore non deve terminare quando si esce dalla sala. Gli esercizi producono quindi risultati concreti come Mappa dei casi d’uso Copilot, Pacchetto di istruzioni per ruolo, Checklist readiness e permessi. Offrono ai colleghi un punto di partenza comprensibile, mostrano dove è necessaria la verifica umana e rendono il prossimo pilota più piccolo e realistico. Un follow-up opzionale può partire da questi materiali invece di ricominciare da un’introduzione generale. Com’è un AI Workshop nella pratica: - I partecipanti confrontano idee durante un esercizio di team facilitato · Sessione precedente di AI Workshop · Losanna. Image: https://aiworkshop.ch/images/evidence/corporate-ai-training-group-session-lausanne.webp - Il facilitatore supporta una partecipante durante un esercizio individuale · Sessione precedente di AI Workshop · Losanna. Image: https://aiworkshop.ch/images/evidence/ai-workshop-facilitator-training-session-lausanne.webp - Il gruppo discute limiti e verifica prima di costruire · Workshop di Agentic AI · Losanna · maggio 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-training-lausanne-facilitated-discussion.webp - Le carte di metodo rendono visibili discussione e passaggi di verifica · Sessione precedente di AI Workshop · Losanna. Image: https://aiworkshop.ch/images/evidence/ai-learning-method-cards-lausanne.webp Audience: Team e champion che usano o preparano il rollout di Microsoft Copilot in un ambiente Microsoft 365 gestito. Recommended format: Workshop principale · 4–6 ore. Alternatives: Workshop mirato · 4 ore, Workshop principale e follow-up opzionale. Delivery: In presenza presso il cliente, online o in modalità ibrida. Tools: - Microsoft Copilot: Usare le funzioni Microsoft 365 approvate in documenti, riunioni, e-mail e informazioni aziendali. - Conoscenze aziendali e workspace: Organizzare contesto condiviso, conoscenze approvate e modalità di lavoro ripetibili in workspace gestiti. - Gli strumenti AI approvati: Gli esercizi si adattano a sistemi, licenze e limiti sui dati approvati dall’organizzazione. Outcomes: - Capire quale esperienza Copilot è davvero disponibile - Usare Copilot nel lavoro Microsoft 365 approvato - Verificare fonti, permessi e contenuti generati - Creare un piano di adozione realistico di 90 giorni Syllabus: 1. Conoscere l’ambiente Copilot: Distinguere Copilot Chat, Microsoft 365 Copilot e funzioni dipendenti dal piano. Output: Mappa dei casi d’uso Copilot. 2. Lavorare in Microsoft 365: Praticare workflow disponibili per documenti, riunioni, e-mail e informazioni. Output: Pacchetto di istruzioni per ruolo. 3. Contesto, fonti e permessi: Capire come accesso e qualità dei documenti influenzano la risposta. Output: Checklist readiness e permessi. 4. Dal prompt all’abitudine: Creare istruzioni per ruolo ed esempi riutilizzabili. Output: Kit champion e piano di 90 giorni. 5. Adozione e misurazione: Dare priorità a casi d’uso, champion, supporto e piano di 90 giorni. Output: Mappa dei casi d’uso Copilot. Take-away artefacts: - Mappa dei casi d’uso Copilot - Pacchetto di istruzioni per ruolo - Checklist readiness e permessi - Kit champion e piano di 90 giorni ### Workshop di adozione ChatGPT Enterprise Canonical: https://aiworkshop.ch/it/workshops/chatgpt-enterprise/ Trasformare l’accesso a un workspace ChatGPT gestito in pratiche di team utili e governate. I team creano abitudini per progetti, ricerca, dati, GPT o agenti riutilizzabili e contesto aziendale approvato quando disponibile. Le capacità vengono confermate in base a piano, regione e impostazioni amministrative. Cosa cambia concretamente con questo programma: Un workspace ChatGPT gestito crea buone condizioni per l’adozione, ma l’accesso da solo non produce pratiche coerenti. I team devono ancora decidere come organizzare i progetti, creare buone istruzioni riutilizzabili, usare il contesto aziendale, valutare un GPT o un agente e assegnare la responsabilità del miglioramento. Il workshop trasforma queste domande in decisioni operative basate sulle capacità realmente abilitate. La sessione non segue una sequenza rigida di dimostrazioni. Il facilitatore lavora con il team su Abitudini e limiti del workspace, Progetti, ricerca e dati, GPT e agenti riutilizzabili usando ChatGPT, Conoscenze aziendali e workspace, Agent Design Canvas, quando questi sistemi sono approvati e disponibili. I partecipanti confrontano i primi risultati, rendono visibile il contesto mancante e migliorano insieme il lavoro. In questo modo capiscono non solo quale richiesta funziona, ma perché un risultato è abbastanza affidabile per il passaggio successivo. Il valore non deve terminare quando si esce dalla sala. Gli esercizi producono quindi risultati concreti come Pacchetto di workflow per il team, Esempi e set di valutazione, Registro delle decisioni di governance. Offrono ai colleghi un punto di partenza comprensibile, mostrano dove è necessaria la verifica umana e rendono il prossimo pilota più piccolo e realistico. Un follow-up opzionale può partire da questi materiali invece di ricominciare da un’introduzione generale. Com’è un AI Workshop nella pratica: - I partecipanti confrontano idee durante un esercizio di team facilitato · Sessione precedente di AI Workshop · Losanna. Image: https://aiworkshop.ch/images/evidence/corporate-ai-training-group-session-lausanne.webp - Il gruppo discute limiti e verifica prima di costruire · Workshop di Agentic AI · Losanna · maggio 2026. Image: https://aiworkshop.ch/images/evidence/agentic-ai-training-lausanne-facilitated-discussion.webp - La coorte universitaria lavora con laptop, schede e guida dal vivo · Innovation Time Lausanne × AI Workshop · UNIL · maggio 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-innovation-time-lausanne-classroom-wide-view.webp - I partecipanti mostrano le risorse stampate usate per strutturare l’esercizio · Innovation Time Lausanne × AI Workshop · UNIL · maggio 2026. Image: https://aiworkshop.ch/images/evidence/university-ai-workshop-resources-lausanne.webp Audience: Organizzazioni che stanno introducendo o migliorando l’adozione di un workspace ChatGPT gestito per team business. Recommended format: Workshop principale · 4–6 ore. Alternatives: Workshop mirato · 4 ore, Workshop principale e follow-up opzionale. Delivery: In presenza presso il cliente, online o in modalità ibrida. Tools: - ChatGPT: Redigere, analizzare, fare ricerca e trasformare il lavoro ricorrente in istruzioni riutilizzabili. - Conoscenze aziendali e workspace: Organizzare contesto condiviso, conoscenze approvate e modalità di lavoro ripetibili in workspace gestiti. - Agent Design Canvas: Definire compito, fonti, strumenti, permessi, decisioni e controlli umani prima di costruire. Outcomes: - Creare abitudini coerenti per workspace e progetti - Progettare workflow ripetibili per ricerca e dati - Valutare il comportamento di GPT o agenti - Concordare decisioni pratiche di governance e rollout Syllabus: 1. Abitudini e limiti del workspace: Confermare capacità disponibili, regole sui dati e aspettative del team. Output: Pacchetto di workflow per il team. 2. Progetti, ricerca e dati: Organizzare il contesto e praticare ricerca con fonti, documenti e analisi. Output: Esempi e set di valutazione. 3. GPT e agenti riutilizzabili: Definire scopo, istruzioni, conoscenze, test e controllo umano. Output: Registro delle decisioni di governance. 4. Contesto aziendale e accesso: Esaminare app approvate o company knowledge se disponibili nel piano. Output: Piano di adozione e rollout. 5. Valutazione e rollout: Creare set di valutazione, decisioni di responsabilità e piano di adozione. Output: Pacchetto di workflow per il team. Take-away artefacts: - Pacchetto di workflow per il team - Esempi e set di valutazione - Registro delle decisioni di governance - Piano di adozione e rollout