Täienduskoolituse õppekava

AI-turunduse arhitekt: turundussüsteemide projekteerimine, automatiseerimine ja mõõdetavate tulemuste loomine

Marketing Architect: Designing, Automating and Delivering Measurable Results with AI

1. Üldandmed

2. Õpiväljundid

Programmi läbinu suudab:

1. ÕV1Projekteerida AI-toega turunduskampaania ja viia läbi vajalikud turunduseksperimendid, sõnastades hüpoteesi, valides kanali ja tööriistad ning kogudes mõõdetavad tulemused (andmed).
2. ÕV2Ehitada ja rakendada AI-süsteemi kontekstikihi (nt teadmusbaas / RAG), kodifitseerides brändihääle ja faktilisuse piirid struktureeritud andmetena, mida AI kasutab bränditäpse väljundi tootmiseks.
3. ÕV3Toota ja levitada turundussisu inimese-kontrolliga töövoos, genereerides AI abil variante, neid kriitiliselt toimetades ning käivitades mõõdetavaid kampaaniaid.
4. ÕV4Mõõta ja tõlgendada tulemusi, koostades näidikulaua äri- ja AI-nähtavuse mõõdikutega ning eristades sisulisi mõõdikuid tühistest.
5. ÕV5Projekteerida ja juurutada automatiseeritud, inimese-kontrolliga töövooge (n8n), mis automatiseerivad õpiväljundite 1–4 tegevusi ja seovad AI-süsteemi kihid toimivaks tervikuks. (läbiv kompetents, mida arendatakse alates Nädalast 0)

3. Õppe maht ja struktuur

3.1 Õppe maht

• Õppe kogumaht
• Juhendatud kontaktõppe maht
• 66 ak.t (49,5 astr.t)
• Iseseisva töö maht
• 246 ak.t (184,5 astr.t)
• Struktuur:
• 11 nädalat kokku (nädal 0 – onboarding + 10 õppenädalat)
• Kontaktõpe (juhendatud) – 3 sessiooni nädalas × 1,5 astr.t = 4,5 astr.t/nädal (6 ak.t/nädal)
• Nädala alguses: Mentor-sessioon (1,5 astr.t / 2 ak.t) – teema avamine, töö ettevalmistus
• Nädala keskel: Grupitöö-sessioon (1,5 astr.t / 2 ak.t) – meeskondlik praktika klientide ülesannetel
• Nädala lõpus: Demo- ja retrospektiivisessioon (1,5 astr.t / 2 ak.t) – tulemuste esitlus, tagasiside
• Iseseisev töö – ~16,8 astr.t/nädal (22,4 ak.t/nädal): iseseisev õpe, portfooliotöö, agentuuri artefaktide tootmine, n
• 8n-vooge ehitamine, AI-toega praktika
• Sessioonide ajad on näidislikud – täpne ajakava kehtestatakse enne iga grupi algust.
• KOKKU
• 312 ak.t

3.2 Õppe sisu

1. Koolitus on üles ehitatud 11-nädalase simulatsioonina, kus osalejad töötavad arhitektidena õppeagentuuris United Skills, hallates kolme taseme klientide portfelli. Pedagoogiliseks aluseks on simulatsioonipõhine ja praktiline mentorlus (4C-meetod: Context, Concept, Concrete practice, Conclusion; Shu-Ha-Ri progressioon; mentor kui coach, mitte lektor).
2. United Skills õppeagentuuri mudel ja kolme taseme kliendid:
3. Tase
4. Tüüp
5. Näited
6. Faas
7. T1
8. Sünteetiline
9. NovaCore Solutions (B2B SaaS), UrbanStyle.ltd (D2C)
10. Shu (Nädalad 0–3)
11. T2
12. Sisemine reaalne
13. Ha (Nädalad 4–7)
14. T3
15. Väline reaalne
16. reaalne väline klient
17. Ri (Nädalad 8–10)
18. Kliendi taseme progressioon on ühtlasi riski progressioon: õppija õpib sünteetiliste andmete peal, kus eksimus on ohutu, seejärel liigub reaalsete sisebrändide juurde ja lõppfaasis töötab reaalse välise kliendiga.
19. Kahetrekiline mudel (kiired võidud + arhitektuur):
20. Iga nädal annab korraga (a) taktikaliise võidu – reaalse mõõdetava tulemuse digiturunduses, mis on saavutatav juba Shu-tasemel retsepti järgi, ja (b) arhitektuurse ploki – osa 6-kihilisest süsteemist. Arhitektuur mõtestatakse võidu refleksiooni kaudu (Kolbi tsükkel: kogemus → refleksioon → mõtestamine → uus eksperiment). See tagab reaalsed tulemused alates esimesest nädalast, mis on kriitiline kogenud professionaalide sihtgrupile.
21. 6-kihiline AI-toega turundussüsteemi arhitektuur (programmi organiseeriv selgroog):
22. Kiht
23. Inimene/AI jaotus
24. L1 Strateegia
25. 100% inimene
26. L2 Kontekst (RAG)
27. inimene ehitab, AI tarbib
28. L3 Sisuloome
29. AI genereerib, inimene toimetab
30. L4 Levitamine
31. AI orkestreerib, inimene seab raamid
32. L5 Mõõtmine
33. AI kogub, inimene tõlgendab
34. L6 Juhtimine
35. Nädal
36. Teema
37. Nädala võit
38. n8n
39. Maht (ak.t)
40. Seos ÕV-ga
41. 0
42. Onboarding: United Skills agentuur, vara-audit, AI-virn
43. Oma bränd optimeeritud
44. Hello world voog
45. 18
46. (ettevalmistav)
47. 1
48. Turu strateegiline kaart (Wardley) + esimene GEO-tsiteering
49. Esimene AI-tsiteering
50. GEO-auditi automatiseerimine
51. 24
52. ÕV1, ÕV5
53. 2
54. Klient, positsioneerimine ja esimene reaalne kampaania
55. Esimene reaalne kampaania
56. Sisuloome genereerimine
57. 30
58. ÕV1, ÕV3
59. 3
60. Strateegia (L1) + varajane juhtimine (L6) + GEO-spurt
61. Mõõdetav GEO-kasv
62. Avaldamiskonveier
63. ÕV1
64. 4
65. Kontekstikiht (L2): RAG-süsteem
66. Sisu 5× kiiremini
67. n8n + RAG integratsioon
68. ÕV2, ÕV5
69. 5
70. Sisuloome (L3) ja maitse kui distsipliin
71. Kampaania optimeerimine
72. A/B aruandlus
73. ÕV3
74. 6
75. Levitamine (L4): mitmekanal + GEO
76. Mitmekanaliline skaleerimine
77. Levitamine + approval-värav
78. ÕV3, ÕV5
79. 7
80. Mõõtmine (L5): näidikulauad ja ROI
81. Tõestatud ROI
82. Andmete konsolideerimine
83. ÕV4
84. 8
85. Juhtimine (L6): governance operatsionaliseeritud
86. Governance püüab reaalse riski
87. Governance-värav + HITL
88. ÕV4, ÕV5
89. 9
90. Integratsioon: reaalne T3-klient + agentne voog
91. Reaalne tulemus välisele kliendile
92. Agentne töövoog
93. kõik ÕV
94. 10
95. Lõpp-pitch + repositsioneerimine + portfoolio
96. Karjäärivalmis pakett
97. Süsteemi eksport varana
98. ÕV4 (kõik)

4. Õppe ülesehitus, keskkond ja meetodid

4.1 Õppemeetodid

• Interaktiivsed mentor-sessioonid (väikegrupis)
• Meeskondlik töö agentuuri klientide ülesannetel
• Iseseisvalt lahendatavad praktilised ülesanded reaalsete tulemustega
• Demo-sessioonid (õppija esitleb tööd, saab tagasisidet kaasõppijatelt ja mentorilt)
• Nädalalõpu retrospektiivid (mida õppisin, mida teen järgmiselt teisiti)
• Personaalne ja jooksev tagasiside mentoritelt
• AI-tööriistad ja n8n kui läbiv töövoog: programm on disainitud eeldusel, et tänapäeva turundusarhitekt kasutab AI-vestlusroboteid (ChatGPT, Claude), AI-otsingumootoreid (Perplexity) ja automatiseerimist (n8n) iga ülesande juures. Praktiliste tööde juures õpetatakse: vastutustundlikku kasutust (alusproblemilahendus enne AI-d; väljundi valideerimine), otsuste dokumenteerimist ja eetilist raamistikku (allikad, autorlus, andmete privaatsus, AI-väljalülitamise tsoonid).

4.2 Õppekeskkond ja tööriistad

• Ettevõtluskeskus pakub veebipõhist õpet Google Meet platvormi baasil. Veebikeskkond võimaldab gruppidesse jagamist, ekraani jagamist, interaktiivset koostööd ning sessioonide salvestamist. Suhtlus väljaspool sessioone toimub Slacki kanalites. Õppeliivakast (n8n + Ollama) pakutakse isoleeritud Docker-taristul iga osaleja jaoks.
• Õppija tehnilised nõuded:
• Arvuti (laua- või sülearvuti – nutitelefon ei ole piisav)
• Operatsioonisüsteem: Windows 10/11 või macOS (mõlemad täielikult toetatud)
• Stabiilne internetiühendus (vähemalt 10 Mbit/s)
• Veebikaamera ja mikrofon või kvaliteetne peakomplekt
• Soovitav kaks ekraani
• Google'i meilikonto programmi jaoks
• Ligipääs osalejale ligipääsetav tööriistadele: n8n (liivakastist), GitHub, AI-tööriistad (osalejale ligipääsetav tasemed või programmi pakutavad), reklaamikontod
• Kõik programmi põhitööriistad on osalejale ligipääsetav kättesaadavad ja jäävad õppijale kasutamiseks ka pärast programmi lõppu (õppe jätkusuutlikkus).
• Ligipääsetavus ja võrdsed võimalused:
• Veebipõhine vorm välistab füüsilise liikumispiirangu.
• Kross-platvormsus (Windows / macOS) välistab operatsioonisüsteemi-piirangu.
• Sessioonide salvestamine võimaldab korduvkuulamist (toetab nt kuulmispuudega või eesti keelt teise keelena rääkivat osalejat).
• Materjalid eesti ja vene keeles (v.a tehnilised terminid rahvusvahelise standardi järgi), ekraaniluger-sobivad.
• Individuaalne kohanduskonsultatsioon kättesaadav enne grupi algust erivajadustega õppijatele – programmijuhi kaudu.
• Programmi arenguruum: eestikeelsete subtiitrite lisamine sessioonidele jooksvalt. Erivajadusega osaleja saab kohanduskonsultatsiooni teel kokku leppida alternatiivse toe.

4.3 Õppematerjalid

• Automatiseerimine ja orkestreerimine: n8n (self-hosted) – läbiv tööriist, Shu-progressiivne
• Taristu: Hetzner / Docker / Traefik / Ollama (õppeliivakast)
• AI-tööriistad: AI-vestlusrobotid (ChatGPT, Claude), AI-otsingumootorid (Perplexity), RAG-tööriistad (NotebookLM, custom GPT)
• Levitamine: Meta Ads, LinkedIn Campaign Manager, Google Ads
• Mõõtmine: Looker Studio / Mixpanel, GA4, GEO-jälgijad
• Versioonihaldus ja portfoolio: GitHub (vt märkus §4 hindamise kohta – kohandatud kasutus)
• Kõik programmi põhitööriistad on osalejale ligipääsetav või avatud lähtekoodiga ja jäävad õppijale kasutamiseks ka pärast programmi lõppu. n8n eksporditavad voog-failid võimaldavad õppijal viia oma automatiseerimissüsteem endaga kaasa.
• Põhimaterjalid (koolituse hinna sees ja läbimiseks kohustuslikud)
• Ettevõtluskeskuse loodud simulatsiooni lähteülesanded, andmestikud, retsept-mallid ja juhendmaterjalid (eesti ja vene keeles) – programmi jaoks spetsiaalselt arendatud, digitaalsed
• Sünteetilised andmestikud NovaCore Solutions ja UrbanStyle.ltd
• n8n-voog mallid (Shu-progressiivsed) iga nädala jaoks
• Hindamisrubriikide mallid grupitöödele
• Täiendavad osalejale ligipääsetav ressursid
• n8n ametlik dokumentatsioon ( Ollama dokumentatsioon ( Reklaamiplatvormide dokumentatsioon (Meta, LinkedIn, Google Ads) Looker Studio dokumentatsioon OSKA AI-uuring (2025) – taustamaterjalina Materjalide keel: kõik Ettevõtluskeskuse koostatud põhimaterjalid on eesti ja vene keeles. Tehnilised terminid (nt „RAG", „node", „workflow") järgivad rahvusvahelist standardit ja kasutatakse ingliskeelsetena. Tugi tagatakse mentor-sessioonidel. Vabatahtlikud lisaressursid Programmi raames pakub Ettevõtluskeskus lisaboonusena ligipääsu enesearenguks mõeldud e-õppe ressursside kataloogile. See on rangelt vabatahtlik ja ei ole seotud kohustuslike õpiväljundite ega hindamisega. ⚠ Vabatahtliku lisamaterjali kasutamine ei kajastu õppija lõpetamise tingimustes ega väljastatavatel dokumentidel.

5. Hindamine ja lõpetamise tingimused

5.1 Hindamine

• NB! Käesolev jagu annab ülevaate. Hindamise metoodiline põhjendus – eriti kuidas hinnata praktilisi oskusi skaalas ilma iga osaleja süvahindamiseta ja ilma testita – on käsitletud eraldi dokumendis ARHhindaminejalopudokumendidru.md.
• Hindamine on mitteeristav (arvestatud / mittearvestatud) ja põhineb praktiliste tööde portfooliol ning eksperimentide tulemusandmetel. Keskne hindamispõhimõte: kuna tegu on praktiliste oskustega (mitte teadmistega), ei kasutata teste; selle asemel hinnatakse, kas õppija viis läbi nõutava eksperimendi ja kogus mõõdetava tulemuse (andmed). n8n-vood toimivad enesetõendava mehhanismina – voog kas käivitub ja toodab mõõdetavat väljundit või mitte, mis teeb hindamise objektiivseks ja skaleeritavaks.
• Õpiväljund (Lõpetaja suudab…)
• Hindamismeetod
• Hindamiskriteeriumid (hinne „Arvestatud")
• ÕV1. Projekteerida AI-toega kampaania ja viia läbi vajalikud turunduseksperimendid, kogudes mõõdetavad tulemused.
• Praktiline töö: vormi täidetud eksperimendi-tulemused (Wardley-kaart + GEO/kampaania baseline + delta)
• Eksperiment on läbi viidud (mitte ainult planeeritud).
• Vormis on mõõdetavad andmed (baseline + tulemus): nt citation rate enne/pärast, impressions, CTR.
• Hüpotees ja järeldus on sõnastatud.
• ÕV2. Ehitada ja rakendada kontekstikiht (RAG), kodifitseerides brändihääle ja faktilisuse piirid.
• Praktiline töö: töötav RAG-süsteem + vormi täidetud blind-testi tulemus
• RAG-süsteem töötab ja on testitud.
• Vormis on mõõdetav tulemus: blind-test (RAG vs „paljas" AI) – RAG võidab ≥8/10.
• Brändihääl ja faktilisuse piir on dokumenteeritud struktureeritud andmetena.
• ÕV3. Toota ja levitada sisu inimese-kontrolliga töövoos, käivitades mõõdetava kampaania.
• Praktiline töö: reaalne kampaania + vormi täidetud tulemusandmed
• Reaalne kampaania on käivitatud (mõõdetavad impressions/CTR).
• Inverted 80/20 on tõendatud: 50+ varianti genereeritud, toimetatud finaalini.
• Vormis on mõõdetavad andmed: kampaania metrika.
• ÕV4. Mõõta ja tõlgendada tulemusi, koostades näidikulaua.
• Praktiline töö: näidikulaud + vormi täidetud insight
• Näidikulaud sisaldab ≥5 sisulist mõõdikut, 0 tühist.
• Vormis on mõõdetavad andmed: CAC/citation rate/brand search lift baseline + delta.
• Insight sisaldab vähemalt ühe leiu juurde järeldust (5 Whys).
• ÕV5. Projekteerida ja juurutada automatiseeritud, inimese-kontrolliga n8n-töövooge, mis automatiseerivad ÕV1–ÕV4 tegevusi. (läbiv)
• n8n-voogude portfoolio – 5 mõõdetavat dimensiooni
• n8n-voog automatiseerib eelnevaid ÕV-sid, iga dimensioon mõõdetav (voog käivitub ja toodab andmeid):
• D1 – ÕV1 automatiseeritud: GEO-auditi/strateegia-andmete voog toodab andmeid.
• D2 – ÕV2 automatiseeritud: RAG-voog toodab brändi-täpset väljundit mõõdetavalt.
• D3 – ÕV3 automatiseeritud: sisuloome/levitamise voog toodab kampaania-andmeid.
• D4 – ÕV4 automatiseeritud: mõõtmise voog konsolideerib näidikulaua-andmeid.
• D5 – üldine n8n: vähemalt 1 töötav agentne voog inimese-kontrolli punktiga (approval/wait node) – lihtsalt mõõdetav (käivitub ja töötab).
• Hindamise loogika (kriteerium 5.2 – objektiivsus ja läbipaistvus): iga ÕV juures on hindamise aluseks mõõdetav andmepunkt vormis, mitte hindaja subjektiivne hinnang. „Arvestatud" tähendab: eksperiment läbi viidud + andmed olemas + n8n-voog käivitub ja toodab väljundit. See on objektiivselt kontrollitav skaalas (hindaja kontrollib, kas voog jookseb ja andmed on vormis), erinevalt iga artefakti süvahindamisest.
• Jooksev hindamine: mentor annab igal demo-sessioonil rubriigipõhise tagasiside. Lõplik hindamine toimub lõpuprojekti kaitsmisel.

5.2 Lõpetamise tingimused ja väljastatavad dokumendid

• Tunnistus väljastatakse õppijale, kes on täitnud kõik tingimused:
• Osalenud vähemalt 70% mentorsessioonidest.
• Esitanud kõik kohustuslikud praktilised tööd (iganädalased portfoolioartefaktid koos mõõdetavate tulemusandmetega), mis on hinnatud „Arvestatud" tasemele. Need tõendavad õpiväljundite ÕV1–ÕV5 saavutamist.
• Kaitsnud positiivselt oma lõpuprojekti portfoolio (vähemalt 3 juhtumit: T1, T2, T3 + töötav n8n-süsteem).
• Tunnistusel kajastuvad: õppija nimi ja isikukood, asutuse nimi ja registrikood, õppekava nimetus, koolituse aeg ja maht (ak.t ja astr.t), saavutatud õpiväljundid, koolitajate nimed, väljaandmise kuupäev, dokumendi number. Tunnistus vastab täienduskoolituse standardi nõuetele.
• Tõend väljastatakse, kui kõiki õpiväljundeid ei saavutatud, kuid õppija osales õppetöös.
• ⚠ Vabatahtliku lisaboonusena saadud e-õppe kataloogi kursuste läbimine ei kajastu Ettevõtluskeskuse tunnistusel ega tõendil.

6. Koolitajate kvalifikatsioon

• Koolitusprogrammi viib läbi vähemalt 2-liikmeline koolitajameeskond, kelle hulgas on vähemalt üks peakoolitaja ja vähemalt üks teemavaldkonna koolitaja. Kõik koolitajad omavad:
• Asjakohast haridust – kõrgharidust turunduse, ärijuhtimise, kommunikatsiooni, informaatika või muus seotud valdkonnas;
• Praktilist erialast töökogemust turunduse, digiturunduse, AI-turunduse või turunduse automatiseerimise alal (min 3 aastat; peakoolitajal soovituslikult 10+);
• Täiskasvanute koolitaja kompetentse (täiskasvanute koolitaja kutse 5/6/7/8, õpetaja kutse, kõrgkooli õppejõu kogemus, või tõendatud koolituskogemus koos planeerimises osalemise ja pedagoogilise raamistiku järgimisega);
• Digipädevusi (Google Meet, Slack, GitHub, n8n, AI-tööriistad, reklaamiplatvormid).
• Koolitajate jaotus (agentuuri partnerite mudel):
• Managing Partner (peakoolitaja) – strateegia ja pitch, lõppvastutaja T3-klientide ees, Nädalad 0–3 ja 8–10
• Technical Architect (teemakoolitaja) – kontekstikiht (RAG), n8n, levitamine, Nädalad 4 ja 6
• Performance & Analytics Lead (teemakoolitaja) – mõõtmine, optimeerimine, Nädalad 5 ja 7
• Kuna materjalid (retsept-mallid, rubriigid, n8n-mallid) kannavad pedagoogilist koormust, on koolitaja roll coach, kes kontrollib rubriigi alusel, mitte ainus eksperteadmuse kandja.
• Koolitajatevahelise koostöö protsess (info liikumine, vastutuste jaotus, kohtumiste sagedus) on dokumenteeritud asutuse-sisestes operatiivdokumentides. Asutus tagab varuplaani – iga teemavaldkonna jaoks on määratud põhi- ja asenduskoolitaja.
• Koolitajate nimed, kvalifikatsioon ja koolituskogemus on avalikustatud Ettevõtluskeskus OÜ veebilehel ühtse stiiliga (kooskõlas TäKS §8 lg 2).

7. Kvaliteedi tagamine ja parendamine

Programmi kvaliteeti hinnatakse osalejate tagasiside, koolitajate tähelepanekute ja lõpetamise tulemuste põhjal. Tagasisidet kasutatakse õppematerjalide, juhendite ja kommunikatsiooni järjepidevaks parandamiseks ja täpsustamiseks.