6方法利用AI超人化企业学习

工作单位观点和思想多样性值得庆贺 因为我们知道 差异思维对创造创新是必不可缺的开发员工时, 我们用一刀切方法处理企业学习开发问题, 因为它似乎最合算通过相同的讲课和虚拟课堂讲课,我们向人们运动,这些讲课只不过是学习工厂,期望每个人都以同样的速度学习并开发完全相同的技能。万能方法创造创新和新思想吗?当然不是Josh Bersin估计公司L&D每年花费240B大都变成废品,因为大多数L&D程序不切合员工个人需求

公司常选择最佳人员跨省跨区并全局投入全公司HiPo程序类似地,新提升管理者来自不同背景 并把他们都放入全公司全新管理程序标准全公司程序无效 因为它们不定制 满足你顶级员工的个人需求

缺少个性化关键理由是成本假设超个性化解决方案完全无法获取是合情合理的利用新兴研究技术使我们能够向员工提供规模化个人化开发而不牺牲质量

我很兴奋分享六大方式举手AI提高层次人类优先L&D方法

BetterUp开发高度个性化L&D程序多年遍及世界顶级公司,而我们的数据科学和AI团队一致发现个人需求不尽相同。hipos并不一样与经验丰富的管理者相比,新提升管理者比35%更容易与时间管理抗争,监督大队的领导比小范围HiPo多70%

为了个性化地对待每个人, 我们搭建算法分析进取资料和行为模式 并识别个体雇员在特定时刻的需求举例说,如果管理者刚经历重大改变像并发或重构,那么我们的数据显示,它们多30%可能聚焦于sstress管理需要定制学习经验 满足个人需求

AI驱动个性化可以在微学习交互层次上产生个人化学习程序综合多种模式-1:1教程专家执行教程,专用教程目标领域,如销售展示或说服通信,微学内容精通特殊技能(例如“提供建设性反馈”。个人因独特方式不同而偏爱不同模式有些人偏向播客, 其他人偏向文字或视频studio团队甚至创建交互式微学习内容,如游戏和交互练习触发加速学习BetterUp推荐引擎可在右时向右用户推荐正确模式

算法匹配个人导师 基于个人学习偏好和目标成千上百个导师 带入各种经验背景 和技能 不同教程方法约150项因素相匹配 并持续监控AI算法性能 跟踪效果随时间流出更多数据后,算法变得更智能两年前,我们的导师匹配算法实现80%以上精度, 现在它一贯性性能超过97%精度

大公司人民解析团队有时试图内部数据分析以确定公司内部模式BetterUp使用数据广客库查找更深层次的洞见,帮助公司与行业内其他人建立基准我们坚持严格隐私兼容系统,将数据汇总成大群以维护隐私和保密性与独立行业组织合作,我们开发并实施严格的道德规则,跨过程,1:1教程交互作用,技术基础设施,以及我们的伙伴关系所有个人级数据均加密,从不与任何伙伴共享,而我们的系统达标

大规模算法驱动个性化的另一个好处是它使小公司也能向员工提供高质量定制程序我们看到SMB员工的需求往往与大公司员工不同与大公司雇员相比,SMB员工做压力管理的可能性低50%,但做目标设置和规划的可能性比大公司雇员高一倍。华体会手机登入中小型企业过去因没有大型企业提供个性化L&D程序的资源和规模而被拒之门外BetterUp提供程序完全适应员工需求

广度全球数据集BeetUp使我们能够满足跨区域雇员需求数据显示,23%的美国雇员更有可能工作于“管理职业过渡 ”,而其他地区的对应人员更可能工作于“编程开发他人 ”,10%更可能工作于“影响和坚持性 ” 。BetterUp项目提供个性化程序 遍及世界主要国际市场 从法国、德国和欧洲英国 向日本、中国、印度和澳大利亚 提供亚洲APAC全世界60+国家导师讲30种语言

最后,我要说,在遍历世界各地数以百万计的数据点后,我清楚地看到,一刀切学习法绝对无效。和员工相遇 高度可扩展的AI驱动解决方案 结合专家人教与交互微学习 是帮助员工以前所未有的方式发展和兴旺的 最佳方法