AI para sa Fashion Executive Master

Araw 1 — AI, Fashion at ang Bagong Konteksto ng Negosyo

Oktubre 02 2026

• Pangkalahatang-ideya ng industriya ng fashion at luho: mga modelo ng negosyo, value chain, mga channel at digital transformation
• Bakit mahalaga ang AI ngayon: mga megatrend, presyur sa kompetisyon, kahusayan, personalisasyon, bilis at pagkamalikhain
• Ano ang AI: kasaysayan, mga kahulugan, mga mito at mga halimbawa sa totoong mundo
• AI vs Machine Learning vs Deep Learning vs Generative AI vs Automation vs Agentic AI: pinasimpleng mga balangkas para sa mga hindi teknikal na gumagamit
• Inilapat ang Agentic AI sa fashion: kung ano talaga ang magagawa ng mga ahente ngayon at kung ano ang nananatiling hindi makatotohanan
• Ang pinag-isang value chain ng fashion AI: mga produkto, imahe, customer, transaksyon, tindahan, supplier at mga uso sa lipunan
• Pagtalakay sa kaso: kung paano ang luho, mabilis na moda, sportswear at digital-first brandnag-eeksperimento sa AI
• Output: Mapa ng AI literacy, kung ano ang kailangang maunawaan ng bawat fashion executive bago gumawa ng mga desisyon

Ika-2 Araw — Pag-uudyok, Pamamahala at Responsableng AI

Oktubre 09 2026

• Pamamahala, legal at etikal na mga balangkas na humuhubog sa AI sa fashion
• Batas ng EU AI, privacy, IP, karapatang-ari, brand proteksyon at seguridad ng datos
• Pakikipag-usap sa AI: mga prompt, NLP, memorya, mga guardrail at mga enterprise assistant
• Ang papel ng kalidad, pagmamay-ari, at pag-access ng datos
• Pagkiling, panganib sa reputasyon at mga implikasyon sa pagpapanatili
• Mga tuntunin sa pagkontrol, pagpapatunay, at pagpapataas ng tao
• Paano tukuyin ang katanggap-tanggap at hindi katanggap-tanggap na paggamit ng AI sa loob ng isang kumpanya ng fashion, Pagdidisenyo ng panloob na patakaran ng AI para sa mga kumpanya ng fashion
• Enterprise AI Assistants Lab: Mga daloy ng trabaho ng Microsoft Copilot, Claude at AI para sa mga negosyo sa fashion
• Output: Checklist sa pamamahala ng AI para sa mga kumpanya ng fashion

Araw 1 — Pagtataya ng Trend at Malikhaing Katalinuhan

Oktubre 16 2026

• AI para sa pagtataya ng trend: mga mapagkukunan ng datos, mga signal at mga limitasyon
• Pakikinig sa social media, mga trend sa paghahanap, datos ng kultura, datos ng benta at mga signal ng merkado
• Mula sa pagtuklas ng uso hanggang sa malikhaing interpretasyon
• Generative AI para sa mga moodboard, malikhaing teritoryo, materyales, paleta ng kulay at mga naratibo ng koleksyon
• Ang papel ng AI sa malikhaing direksyon: suporta, hindi pagpapalit
• Mga panganib: pagpapatag ng hitsura, brand pagbabanto, plagiarismo at labis na estandardisasyon
• Mga Kagamitan / demo: Midjourney, Stable Diffusion, Adobe Firefly o mga katumbas na kagamitan para sa mga moodboard at visual exploration
• Practice lab: bumuo ng AI-assisted moodboard para sa isang konseptong pana-panahon

Ika-2 Araw — Pagbuo ng Produkto, Digital Twins at Virtual Prototyping

Oktubre 23 2026

• Disenyo ng produktong tinutulungan ng AI: mga silweta, detalye, mga variant at pagkukuwento ng produkto
• Mula sketch hanggang prototype: mga generative tool, 3D, virtual sampling at digital twins
• Mga pundasyon ng datos ng produkto: PLM, PIM, DAM, taxonomy, mga katangian at Digital Product Passport
• AI para sa akma, sukat, simulasyon ng materyal at pag-ulit ng produkto
• Disenyo ng pagkonekta, merchandising at supply chain nang mas maaga sa proseso
• Kontrol ng malikhaing tao: kung saan nakakatulong ang AI at kung saan hindi ito dapat magdesisyon
• Practice lab: lumikha ng konsepto ng produktong tinutulungan ng AI na may paglalarawan, biswal na direksyon, at mga katangian ng produkto
• Output: konsepto ng produkto na nabuo gamit ang suporta ng AI

Araw 1 — Paghahanap, Produksyon at Katalinuhan sa Supply Chain

Oktubre 30 2026

• AI para sa pagtataya ng demand at pagpaplano ng produksyon
• Pagpili ng supplier, sourcing intelligence at pagsubaybay sa panganib – Digital Product Passport, traceability at pagsunod
• Kontrol sa kalidad, pagtuklas ng depekto at computer vision sa produksyon
• Pag-optimize ng imbentaryo at alokasyon ng stock
• RFID, IoT at real-time na kakayahang makita ang supply chain

Mga Pag-aaral ng Kaso at Laboratoryo

• Pag-aaral ng kaso: pagpapabuti ng availability at pagbabawas ng sobrang stock sa pamamagitan ng predictive planning
• Practice lab: mag-mapa ng proseso ng sourcing o produksyon at tukuyin kung saan maaaring mabawasan ng AI ang gastos, pagkaantala o panganib

Araw 2 — Logistika, Pagbabalik, Sirkularidad at Pagpapanatili

06 Nobyembre 2026

• AI para sa logistik, pamamahagi, at pag-optimize ng bodega
• Mga awtomatikong bodega, mga sistema ng pag-iimpake, mga hula sa pagpapadala at paghahatid
• Paghuhula ng mga pagbabalik at reverse logistics
• AI para sa pagpapanatili: pagbabawas ng basura, inobasyon sa materyal, pag-recycle at mga pabilog na modelo ng negosyo
• Pag-recycle, muling pagbebenta, pagkukumpuni at pag-aayos ng telaecommerce pinagana ng data at AI
• Mga pag-aangkin sa pagpapanatili at panganib sa reputasyon
• Pag-aaral ng kaso: predictive logistics at pinahusay na mga timeframe ng paghahatid sa ecommerce warehouses
• Practice lab: i-optimize ang logistics o return flow gamit ang automation at AI
• Output: Mapa ng oportunidad sa AI para sa supply chain at operations
• Modyul 3 — AI para sa Sourcing, Produksyon, Supply Chain at Pagpapanatili — subtotal

Araw 1 — Merchandising, Pagbili at Pagpaplano ng Komersyal

13 Nobyembre 2026

• AI para sa pagpaplano ng assortment at buying pagpapasya
• Bukas-para-Bumili (OTB): Pagpaplano ng saklaw ng ani na tinutulungan ng AI, badyet sa panahon at muling pagbabalanse sa panahon
• Paghula ng demand ayon sa merkado, tindahan, channel at segment ng customer
• Matalinong pagpepresyo, pag-optimize ng markdown, pagpaplano ng promosyon at kompetitibong katalinuhan at pagsubaybay sa presyo
• Alokasyon, muling pagdadagdag at pagbabalanse ng stock
• Mga KPI ng Fashion: sell-through, margin, full-price sell-out, stock turn at markdown rate
• Pagbebenta nang pakyawan: AI para sa order na B2B management, mga portal ng mamimili, analytics ng showroom at katalinuhan sa trade show

Mga Pag-aaral ng Kaso at Laboratoryo

• Pagtalakay sa kaso: luho vs mabilisang moda vs damit pang-isports — iba't ibang prayoridad ng AI sa merchandising
• Practice lab: lumikha ng isang merchandising plano gamit ang suporta ng AI

Araw 2 — Pagtitingi, Ecommerce at Pagganap ng Omnichannel

20 Nobyembre 2026

• AI para sa pisikal na tindahan operations: visual merchandising, pagsusuri ng trapiko, pag-optimize ng layout at pag-uugali ng mamimili sa loob ng tindahan
• AI para sa Store Intelligence, Clienteling at Luxury Omnichannel Experience
• AI para sa ecommerce pag-personalize at mga rekomendasyon sa produkto
• Biswal na paghahanap, virtual na pagsubok at tinulungang pagtuklas ng produkto
• Mga katulong sa pamimili para sa pakikipag-usap at AI
• AI na hindi pa nagagamit: mga pagbabayad, pagtuklas ng pandaraya, seguridad at pagproseso ng transaksyon
• Mga pamilihan, DTC at pakyawan na pamamahagi: iba't ibang mga kaso ng paggamit ng AI

Mga Pag-aaral ng Kaso at Laboratoryo

• Practice lab: magdisenyo ng AI activation para sa karanasan sa loob ng tindahan o ecommerce — pagpili ng kalahok
• Output: komersyal na canvas ng paggamit ng AI

Araw 1 — Istratehiya sa Datos, BI at Predictive Intelligence

27 Nobyembre 2026

• Ang siklo ng buhay ng datos: pangongolekta, paglilinis, pagsasama, pagsusuri at paggawa ng desisyon
• Nakabalangkas vs. hindi nakabalangkas na datos sa uso
• Mga modelo ng datos para sa produkto, kostumer, benta, imbentaryo at marketing
• Analytics at Business Intelligence: mga dashboard, sukatan at predictive intelligence
• Mula sa deskriptibong pag-uulat hanggang sa predictive at prescriptive na paggawa ng desisyon
• Pamamahala ng datos: pagmamay-ari, kalidad, aksesibilidad at pananagutan

Laboratoryo ng Pagsasanay:

• Practice lab: idisenyo ang daloy ng datos para sa isang mahalagang proseso ng negosyo sa fashion

Ika-2 Araw — AI para sa Pananalapi, Pagpaplano at Pagganap ng mga Tao

04 Dec 2026

• AI para sa pagbabadyet, pagtataya, at pagsusuri sa pananalapi
• Istruktura ng P&L sa Moda: pakyawan vs tingian vs ecommerce mga margin, COGS at badyet ng markdown management
• Pagpaplano ng senaryo at simulasyon ng margin
• AI para sa kontrol ng P&L, daloy ng salapi, pagpapahalaga sa imbentaryo at pagsusuri ng kakayahang kumita
• AI sa HR: recruitment, skills mapping, suporta sa pagganap at pagsasanay
• Pagsusuri ng mga tao, panganib sa organisasyon, at epekto ng AI sa mga tungkulin sa trabaho sa fashion
• Mga limitasyon, privacy at bias sa mga aplikasyon ng HR at finance AI

Laboratoryo ng Pagsasanay:

• Pagtalakay sa kaso: AI para sa management kontrol sa isang negosyo ng fashion na may maraming channel
• Output: Maikling ulat ng AI dashboard para sa pananalapi, BI o management kontrol

Araw 1 — Brand, Nilalaman at Komunikasyon sa Panahon ng AI

11 Dec 2026

• AI para sa brand estratehiya, pagpaplano ng komunikasyon at nilalaman operations
• Mga palabas sa fashion, mga kaganapan, relasyon sa PR at influencer: AI para sa pagpaplano, pagsusuri ng saklaw ng press at pagpapalawak
• Paggawa at pag-optimize ng mga kampanya para sa mga algorithm at mga social platform
• Kopya, mga paglalarawan ng produkto, nilalamang editoryal at pagkukuwento na binuo ng AI
• Brand boses, tono ng boses at mga aklatan ng prompt
• Pabrika ng digital na nilalaman: potograpiya, video, mga imahe at lokalisasyon sa malawakang saklaw
• Mga virtual na influencer at sintetikong nilalaman: oportunidad o panganib?
• GEO para sa AI, LLM optimization at discoverability sa conversational search
• Pamamahala ng nilalaman ng AI: mga daloy ng pag-apruba, brand pagkakapare-pareho, legal na pagsusuri at kontrol sa lokalisasyon

Mga Workshop at Lab

• Workshop: i-optimize ang nilalaman ng website para sa mga LLM at chatbot — mga pahina ng produkto, koleksyon at landing page

Araw 2 — CRM, Katapatan, Pagganap at Pag-personalize

18 Dec 2026

• AI sa karanasan ng customer: katapatan, pagiging kliyente at predictive CRM
• Mga panganib na partikular sa luho: eksklusibo, ugnayan ng tao, brand kontrol at sensitibidad ng datos ng kliyente
• Segmentasyon, susunod na pinakamahusay na aksyon at mga personalized na kampanya
• AI para sa serbisyo sa customer: mga chatbot, virtual assistant at after-sales automation sa fashion
• Pagsusuri sa marketing, pagpapatungkol, marketing paghahalo ng pagmomodelo at AI
• Bayad na pag-optimize ng media at automation ng kampanya, Google Ads, Meta Ads at mga daloy ng trabaho ng kampanya na pinapagana ng AI
• Pagbabalanse ng automation, pagkamalikhain at brand proteksyon

Mga Workshop at Lab

• Pag-aaral ng kaso: Mga kampanya sa digital advertising na binuo ng AI at mga personalized na karanasan ng customer
• Practice lab: bumuo ng konsepto ng kampanyang tinutulungan ng AI mula sa moodboard hanggang sa pag-activate ng channel
• Output: Maikling ulat tungkol sa pag-activate ng AI campaign at CRM

Araw 1 — Mga Sistema, Plataporma, Vendor at Integrasyon ng AI

08 2027 Jan

• Mga mahahalagang konsepto ng mga sistema ng AI: mga platform, cloud, mga API at mga integrasyon
• Magtayo vs bumili vs kasosyo
• Paano pumili ng mga AI vendor at suriin ang mga solusyon. Pagkuha ng AI at angkop na pagsusuri ng vendor
• Pagsasama sa ERP, PIM, DAM, CRM, CDP, ecommerce mga plataporma at mga kagamitang BI
• Kahandaan ng datos at arkitektura ng sistema
• Cybersecurity, shadow AI, access control at mga patakaran ng kumpanya
• Magtitinda management: mga kontrata, SLA, pagmamay-ari at kakayahang sumukat

Mga Workshop at Lab

• Practice lab: suriin ang isang AI vendor gamit ang isang structured checklist

Araw 2 — Proyekto ng AI Management, Kaso sa Negosyo at Paggawa ng Prototyping

15 2027 Jan

• proyekto ng AI management: maliksi, prototyping, mga MVP at pilot
• Paano bumuo ng isang kaso ng negosyo ng AI
• ROI, KPI, mga sukatan ng tagumpay at mga sukatan ng pag-aampon
• Mula pilot hanggang scale: kailan ititigil, iterate o ilulunsad
• Baguhin management at panloob na pag-aampon
• Pagkiling, pamamahala at pagpapatunay sa pagpapatupad
• Vibe coding at no-code / low-code AI prototyping: mga oportunidad at panganib

Mga Workshop at Lab

• Workshop: bumuo ng mapa ng oportunidad sa AI para sa isang negosyo ng fashion
• Aktibidad sa pagkatuto: gumawa ng prototype ng isang AI use case o tukuyin ang pilot specification
• Output: Maikling ulat ng pilot project ng AI

Araw 1 — Istratehiya, Organisasyon, at mga Kakayahan sa Hinaharap ng AI

22 2027 Jan

• Kolaborasyon ng Tao + AI: mga kasanayan sa hinaharap para sa mga tagapamahala at malikhain
• Paano nagbabago ang mga organisasyon gamit ang AI: mga tungkulin, responsibilidad, at kakayahan sa mga negosyong ahente
• Modelo ng pamamahala ng AI: sino ang nagmamay-ari ng ano
• Mga bagong istruktura ng organisasyon: komite ng AI, mga may-ari ng negosyo, mga may-ari ng datos, legal, IT at brand tagapag-alaga
• Mappa ng literasi at pagpapahusay ng kasanayan sa AI
• Ang kinabukasan ng AI sa fashion at luho: mga ahente, automation, personalization, product intelligence at mga bagong modelo ng negosyo
• Workshop: idisenyo ang modelo ng pagpapatakbo ng AI para sa isang kumpanya ng fashion

Mga Workshop at Lab

• Workshop: idisenyo ang modelo ng pagpapatakbo ng AI para sa isang kumpanya ng fashion

Ika-2 Araw — Pangwakas na Proyekto, mga Presentasyon at Sertipikasyon

29 2027 Jan

• Workshop para sa huling proyekto: Roadmap ng Pag-aampon ng AI
• Pagsusuri ng mga roadmap ng pag-aampon ng AI
• Mula sa mga lisensya ng Copilot hanggang sa tunay na pag-aampon: mga katulong sa enterprise AI sa roadmap ng AI
• Feedback mula sa mga guro at mga kamag-aral
• Mga karaniwang pagkakamali sa mga roadmap ng AI
• Pagbibigay-prayoridad: mabilis na panalo, madiskarteng taya at pangmatagalang kakayahan
• Mga kinakailangan sa pangwakas na takdang-aralin at pamantayan sa pagmamarka
• Mga Presentasyon: mga piling presentasyon ng grupo + sintesis, pagbubuod, at sertipikasyon ng instruktor
• Output: pangwakas na Roadmap ng Pag-aampon ng AI