IBM

Identify and Prioritize AI Opportunities

Ce cours n'est pas disponible en Français (France)

Nous sommes actuellement en train de le traduire dans plus de langues.
IBM

Identify and Prioritize AI Opportunities

LearnQuest Network

Instructeur : LearnQuest Network

Inclus avec Coursera PlusEn savoir plus

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
niveau Débutant

Expérience recommandée

9 heures à compléter
Planning flexible
Apprenez à votre propre rythme
Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.
niveau Débutant

Expérience recommandée

9 heures à compléter
Planning flexible
Apprenez à votre propre rythme

Ce que vous apprendrez

  • Map how work actually gets done in a business area and locate the friction AI could realistically relieve.

  • Screen candidate AI ideas on value, feasibility, data, and risk, and rule out the ones that will stall.

  • Rank competing ideas by value against effort in a way you can defend to the people affected.

  • Assemble a ranked shortlist into a balanced set of AI projects, showing who gains and who absorbs the extra work.

Compétences que vous acquerrez

  • Catégorie : Business Priorities
  • Catégorie : Responsible AI
  • Catégorie : Process Analysis
  • Catégorie : Strategic Prioritization
  • Catégorie : AI Product Strategy
  • Catégorie : Performance Measurement
  • Catégorie : Business Transformation
  • Catégorie : Business Analysis
  • Catégorie : Artificial Intelligence
  • Catégorie : Workflow Management
  • Catégorie : Business Workflow Analysis
  • Catégorie : Prioritization
  • Catégorie : Decision Intelligence
  • Catégorie : AI Enablement
  • Catégorie : Cross-Functional Team Leadership
  • Catégorie : Needs Assessment
  • Catégorie : Portfolio Management
  • Catégorie : Stakeholder Analysis

Outils que vous découvrirez

  • Catégorie : AI Workflows
  • Catégorie : Agentic Workflows

Détails à connaître

Certificat partageable

Ajouter à votre profil LinkedIn

Récemment mis à jour !

septembre 2026

Enseigné en Anglais

Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

 logos de Petrobras, TATA, Danone, Capgemini, P&G et L'Oreal

Élaborez votre expertise en Machine Learning

Ce cours fait partie de la Certificat Professionnel IBM Enterprise AI Transformation and Consulting
Lorsque vous vous inscrivez à ce cours, vous êtes également inscrit(e) à ce Certificat Professionnel.
  • Apprenez de nouveaux concepts auprès d'experts du secteur
  • Acquérez une compréhension de base d'un sujet ou d'un outil
  • Développez des compétences professionnelles avec des projets pratiques
  • Obtenez un certificat professionnel partageable auprès de IBM

Il y a 4 modules dans ce cours

Find high-value AI opportunities across an enterprise by starting from how work actually gets done rather than from technology novelty. This module covers AI use case identification and discovery, workflow mapping, and process friction analysis, and it locates candidates by business function and industry, including the agentic AI and AI assistant categories reshaping enterprise work. Learners connect each candidate to a concrete source of business value, build an opportunity inventory from solicited input, observed use, and a standing audit, then estimate business value and implementation effort as two separate, arguable judgments. Learners also name the ledger: who verifies, corrects, escalates, or waits once a change is made, so relocated effort is recorded as a moved cost rather than a saving. Skills include AI opportunity assessment, business process analysis, stakeholder discovery, value and effort estimation, and AI strategy.

Inclus

10 vidéos1 devoir8 plugins

Run a fast, structured screen that separates AI use cases worth deeper study from attractive-sounding ones that will stall. This module covers AI use case qualification, use-case triage, AI opportunity screening, and go/no-go criteria for AI projects. Learners normalize a vague proposal into a defined, comparable object, then judge it on separable dimensions — business value, workflow fit, data readiness, technical feasibility, risk, sponsorship, and measurement clarity — rather than as one blended impression. They learn why data readiness works as a gate rather than a weight, how to test whether the outcome a model would predict was ever recorded, and how to size AI risk by what a system is used for rather than by its technique. Skills include feasibility screening, data readiness assessment, AI risk screening, opportunity assessment, and AI pilot selection.

Inclus

10 vidéos1 devoir8 plugins

AI use case prioritization decides which initiatives an enterprise funds first, and this module teaches the value-effort lens that makes the decision defensible. Learners set prioritization criteria and weights before scoring candidate use cases, so impact and effort mean the same thing to every stakeholder. They estimate effort for AI initiatives by component — data readiness, integration, compliance burden, adoption resistance, and the operational capacity to absorb new AI workload — rather than as a single number. They price the direction of error into business value, plot candidates on an impact-effort matrix, and read the resulting groups into an AI opportunity shortlist with stated dispositions. The module builds skills in ranking AI opportunities, trade-off transparency, stakeholder alignment on AI priorities, and AI investment sequencing.

Inclus

9 vidéos1 devoir7 plugins

Choosing among AI opportunities is where advisory work becomes accountable, and a list of good ideas is not yet a portfolio. This module teaches AI use case prioritization and portfolio prioritization for enterprise AI transformation. Learners assemble every candidate an organization can see through a tracked AI intake process, classify each candidate's regulatory and AI risk exposure against recognized risk management frameworks before weighing business value, and score the full set on two separate axes — expected value and expected effort — against one fixed set of scoring criteria. Learners then group the ranked shortlist into a balanced AI opportunity portfolio spread across value, risk, and effort, resolve duplicate automation through consolidation, and route the portfolio into an AI investment and resource allocation decision that can correctly return "not this cycle."

Inclus

9 vidéos1 devoir8 plugins

Obtenez un certificat professionnel

Ajoutez ce titre à votre profil LinkedIn, à votre curriculum vitae ou à votre CV. Partagez-le sur les médias sociaux et dans votre évaluation des performances.

Instructeur

LearnQuest Network
235 Cours1 033 405 apprenants

Offert par

IBM

En savoir plus sur Machine Learning

Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.

Étudiant(e) depuis 2018
’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’

Jennifer J.

Étudiant(e) depuis 2020
’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’

Larry W.

Étudiant(e) depuis 2021
’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’

Chaitanya A.

’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’

Foire Aux Questions

¹ Certains travaux de ce cours sont notés par l'IA. Pour ces travaux, vos Données internes seront utilisées conformément à Notification de confidentialité de Coursera.