Uczenie się w firmach nie dotyczy już tylko sal szkoleniowych. Odbywa się wtedy, gdy pracownicy pracują. Muszą znajdować odpowiedzi, kiedy sprzedają, programują, pomagają klientom, zarządzają zespołami lub wykonują zadania związane ze zgodnością. Dwudniowe warsztaty nadal są przydatne. Nie są jednak w stanie objąć wszystkich umiejętności, których pracownicy potrzebują w codziennej pracy i które pojawiają się w trakcie zwykłego tygodnia. Pracownicy potrzebują nauki, która pasuje do ich harmonogramów. Przyszłość należy do systemów uczenia się, które dają pracownikom krótką pomoc, inteligentne wskazówki i jasne ścieżki rozwoju.
To trzy modele, które definiują przyszłość: mikronauka, sztuczna inteligencja i wewnętrzne akademie. Mikronauka pomoże pracownikom zdobywać umiejętności w małych porcjach. AI pomoże zespołom personalizować usługi i tworzyć lepsze materiały. Akademie powiążą naukę ze ścieżkami kariery i obowiązkami zawodowymi. Każde z tych rozwiązań będzie przydatne samo w sobie, ale firmy zyskują jeszcze więcej, gdy liderzy obszaru uczenia się łączą je w jedno rozwiązanie.
Liderzy obszaru uczenia się muszą dostarczać lepsze wyniki w pracy, a nie tylko treści. Sprzedawcy potrzebują lepszych pytań, aby lepiej rozpoznawać potrzeby. Menedżerowie potrzebują lepszych skryptów do trudnych rozmów. Analitycy potrzebują lepszego procesu, aby zweryfikować nową regulację.
Krok 1: Wykorzystaj mikronaukę w momentach wymagających umiejętności
Mikronauka jest naprawdę przydatna, gdy pracownicy potrzebują odpowiedzi na jakieś pytanie, krótkiego zadania do przećwiczenia lub szybkiego przypomnienia, zanim coś zrobią. Istota mikronauki nie polega na tym, że bierze się długi kurs i rozbija go na mnóstwo malutkich slajdów. Zamiast tego mikronauka koncentruje się na jednym zadaniu zawodowym i pomaga uczącemu się lepiej wykonać to zadanie. Mikronauka polega na tym, aby upewnić się, że uczący się potrafi dobrze wykonać swoje zadanie.
Przydatny materiał mikronaukowy może obejmować:
● dwuminutowy film pokazujący krok w oprogramowaniu;
● listę kontrolną do rozmowy z klientem;
● quiz z pięcioma pytaniami sprawdzający jedną zasadę;
● krótki scenariusz, w którym uczący się ma wybrać odpowiedź;
● pomoc kontekstową dostępną bezpośrednio w narzędziu używanym przez pracowników.
Skuteczna mikronauka zaczyna się od bardzo konkretnego celu. „Zrozumieć cyberbezpieczeństwo” to zdecydowanie zbyt ogólne. „Rozpoznać phishingowy e-mail przed kliknięciem hiperłącza” pomaga projektantowi dokładnie określić cel. Drugie stwierdzenie zakłada konkretne działanie, scenariusz i zagrożenie.
Pracownicy muszą identyfikować odpowiednie możliwości mikronauki w zależności od swojego doświadczenia w organizacji. Nowi pracownicy będą potrzebować natychmiastowych działań do wykonania w ciągu pierwszych kilku tygodni po dołączeniu do organizacji. Dział sprzedaży potrzebuje informacji o produkcie, zanim rozpocznie się jakakolwiek kampania marketingowa. Menedżer potrzebuje kilku wskazówek, które warto wziąć pod uwagę przed indywidualnymi spotkaniami z członkami swojego zespołu.
Ten format umożliwia także pracownikom lepsze utrwalanie wiedzy. Mikronauka pozwala na praktykę rozłożoną w czasie dzięki rozdzieleniu wydarzeń edukacyjnych na różne okresy. Menedżer może w poniedziałek poznać podstawy udzielania konstruktywnej krytyki, w środę odpowiedzieć na powiązane pytanie, a w piątek skorzystać z listy kontrolnej do coachingu. Ten proces poprawia przypominanie sobie informacji bez zakłócania regularnych obowiązków menedżera.
Krok 2: Wykorzystaj AI jako wspomaganego asystenta nauki
Sztuczna inteligencja zmienia sposób, w jaki firmy szkolą swoich pracowników, ponieważ potrafi dostosowywać się do sytuacji, podsumowywać długie informacje, tworzyć wersje robocze, tłumaczyć języki i odpowiadać na pytania. Osoby odpowiedzialne za nauczanie mogą używać AI, aby przyspieszyć swoją pracę, ale samo przyspieszenie może skutkować szkoleniem niskiej jakości dla wielu osób. Sztuczna inteligencja jest naprawdę pomocna, gdy zaangażowani są eksperci, którzy dbają o to, by działała poprawnie, testują ją, aby sprawdzić, jak dobrze działa, i upewniają się, że jest połączona z tym, czego pracownicy naprawdę potrzebują do wykonywania swojej pracy
Sztuczna inteligencja może pomagać pracownikom w konkretny sposób:
● rekomendować naukę na podstawie roli, poziomu umiejętności i celów;
● zamieniać polityki na przewodniki napisane prostym językiem;
● generować scenariusze ćwiczeniowe dla obsługi klienta lub przywództwa;
● wspierać pracowników podczas odgrywania ról;
● podsumowywać dane edukacyjne dla menedżerów;
● tłumaczyć szkolenia na lokalne języki.
AI pomaga też zespołom edukacyjnym pracować szybciej. Projektant może poprosić narzędzie AI o przygotowanie roboczych pytań do quizu na podstawie zatwierdzonej polityki. Ekspert merytoryczny może przejrzeć wersję roboczą, poprawić błędy i dodać przykłady z firmy. Zespół oszczędza czas, ale nadal to człowiek sprawuje kontrolę nad oceną sytuacji.
Personalizacja będzie definiować przyszłość cyfrowej nauki. Dwóch współpracowników może usiąść do oceny, a każdy z nich może otrzymać coś innego w zależności od swoich potrzeb. Na przykład jeden może mieć krótką sesję powtórkową, drugi może musieć odegrać scenkę, a jeszcze inny może zostać skierowany na szkolenie lub mentoring.
Nie ma potrzeby obawiać się, że wykona się zadanie źle, ponieważ tutorzy AI mogą pomagać pracownikom ćwiczyć samodzielnie. Nowi menedżerowie mogą odgrywać scenki udzielania informacji zwrotnej, sprzedawcy mogą ćwiczyć odpowiadanie na obiekcje pozornego kupującego, a personel wsparcia może radzić sobie z trudnymi rozmowami, zanim będzie musiał robić to z klientami.
Firmy muszą mieć wdrożone odpowiednie zabezpieczenia. Sztuczna inteligencja może zmyślać fakty, powtarzać niesprawiedliwe treści lub ujawniać prywatne informacje, jeśli osoby odpowiedzialne nie mają odpowiednich mechanizmów kontroli. Osoby odpowiedzialne za uczenie się powinny ustalić zasady dotyczące tego, skąd pochodzą informacje, jak przechowywać materiały, kiedy przekazywać coś ekspertowi do przeglądu i kiedy angażować człowieka. Pracownicy powinni wiedzieć, kiedy sztuczna inteligencja może być pomocna, a kiedy decyzję musi podjąć ekspert.
Dobry projekt uczenia z wykorzystaniem sztucznej inteligencji zaczyna się od czegoś konkretnego. Należy wybrać jedno stanowisko, jedną umiejętność i jeden problem, który da się zmierzyć. Na przykład miejsce, do którego ludzie dzwonią po pomoc, może używać trenera AI, aby lepiej rozmawiać z klientami o zwrotach. Osoby odpowiedzialne mogą sprawdzić jakość rozmów, poziom zadowolenia klientów i pewność siebie osób odbierających połączenia, zanim zdecydują się zrobić więcej.
@blade(posts.banners.random)
Krok 3: Buduj wewnętrzne akademie wokół kluczowych umiejętności
Uczenie się w ramach wewnętrznych akademii zapewnia bardzo potrzebne ramy dla firmowych programów edukacyjnych. Akademie grupują naukę wokół wybranych kompetencji biznesowych, takich jak przywództwo, sprzedaż, dane, operacje, produkt czy doświadczenie klienta. Kursy, praktyka, coaching, projekty i certyfikacje tworzą ścieżkę, którą mogą podążać pracownicy.
Dobrze zaprojektowana akademia odpowiada na cztery podstawowe pytania:
● umiejętności wymagane w biznesie;
● stanowiska, które wymagają tych umiejętności;
● doświadczenia potwierdzające rozwój umiejętności;
● ścieżki kariery otwierające się dzięki opanowaniu tych umiejętności.
Zdecydowana większość firm ma rozbudowane biblioteki edukacyjne z tysiącami kursów dostępnych dla pracowników. To tworzy więcej szumu niż użytecznego ukierunkowania. Akademia pomaga wprowadzić jasność dla osób rozpoczynających karierę i uczących się nowych umiejętności. Pomaga nowym menedżerom zrozumieć, jakich umiejętności najbardziej pilnie potrzebują. Pomaga analitykowi danych stać się ekspertem w analityce, a nie tylko w raportowaniu. Pomaga kierownikowi sklepu zostać menedżerem regionalnym.
Najlepsze akademie łączą różne sposoby uczenia się. Pracownicy muszą zobaczyć treść, potem ją przećwiczyć, otrzymać informację zwrotną, a na końcu pracować nad projektami. Na przykład akademia przywództwa może obejmować lekcje, grupy, w których menedżerowie rozmawiają ze sobą, przewodniki wspierające coaching, rzeczywiste przypadki od współpracowników i duży projekt na końcu. Akademia produktowa może obejmować prezentacje produktów, historie klientów, symulowane sytuacje oraz sposób uzyskania certyfikacji.
Akademie działają lepiej, gdy zaangażowane są w nie osoby z biznesu. Osoby odpowiedzialne za uczenie się i rozwój dobrze radzą sobie z projektowaniem akademii. Liderzy biznesowi wnoszą realne sytuacje, standardy i przykłady. Pracownikom podoba się akademia, gdy widzą, że szanowani menedżerowie, najlepsi pracownicy i eksperci w danej dziedzinie pomagają ją tworzyć.
Krok 4: Połącz trzy modele
Połączenie mikrolearningu, sztucznej inteligencji i wewnętrznych akademii tworzy najskuteczniejszy system. Akademia zapewnia opis umiejętności, mikrolearning gwarantuje dobrą skuteczność w pracy, a AI personalizuje ścieżkę nauki, ćwiczenia i proces wyszukiwania.
Posłużymy się przykładem akademii sprzedaży. Akademia określa wymagania dotyczące umiejętności takich jak prospecting, discovery, negocjacje i rozwój klientów. Mikrolearning zapewnia przedstawicielom checklisty do rozmów oraz sposoby radzenia sobie z obiekcjami. AI analizuje ćwiczenia praktyczne w formie odgrywania ról i rekomenduje kolejne kroki w nauce. AI pomaga ustalić, jak wspierać menedżerów w ich wyszukiwaniach.
Tę samą koncepcję można zastosować do akademii przywództwa. Umiejętności takie jak udzielanie informacji zwrotnej, delegowanie, inkluzywność i planowanie są definiowane przez akademię. Mikrolearning dostarczy menedżerom narzędzi przed spotkaniami. Menedżerowie mogą ćwiczyć rozmowy i otrzymywać od AI rekomendacje dotyczące dalszej praktyki. Złożonymi przypadkami zajmują się trenerzy i starsi liderzy.
Krok 5: Projektuj z myślą o menedżerach
To menedżer decyduje o tym, czy nauka przynosi efekty. Pracownik mógł ukończyć kursy, ale to menedżer napędza proces zmiany sposobu działania. Firmy powinny przygotować swoich menedżerów do coachingu, obserwacji i wzmacniania właściwych zachowań.
Menedżer potrzebuje prostych narzędzi:
● przewodników do rozmów wspierających coaching zespołu;
● pytań, które należy zadać po szkoleniu;
● checklisty obserwacji;
● aktywności do ćwiczeń zespołowych;
● dashboardu pokazującego postęp umiejętności.
Menedżer niekoniecznie potrzebuje rozbudowanej teorii uczenia się. Potrzebuje informacji o tym, jaki rodzaj zachowania ma obserwować, jak wygląda wzorcowe zachowanie oraz jak udzielać konstruktywnej informacji zwrotnej.
Krok 6: Zachowaj ludzki wymiar nauki
Technologia będzie coraz częściej wykorzystywana w nauce korporacyjnej, ale nie można obyć się bez kontaktu międzyludzkiego. Ludzie uczą się poprzez interakcje z innymi współpracownikami, menedżerami, mentorami i specjalistami znającymi daną dziedzinę. Technologia może dostarczać treści i możliwości ćwiczeń, podczas gdy ludzie rozwijają osąd.
W ramach wewnętrznych akademii powinny istnieć przestrzenie do interakcji. Dyskusje między grupami, wzajemne recenzje, seminaria eksperckie i prezentacje projektów umożliwiają porównywanie perspektyw oraz uczenie się na podstawie praktycznych doświadczeń. Narzędzia te wspierają również networking.
AI może również pomagać w tych obszarach. AI może tworzyć tematy, sugerować źródła istotnych informacji i pomagać facylitatorom identyfikować wspólne problemy. Niemniej jednak istnieją niuanse, konflikty, kwestie etyczne i decyzje kształtujące karierę, które mogą podejmować tylko ludzie.
Krok 7: Stwórz praktyczną mapę drogową
Liderzy ds. uczenia się mogą zacząć od ukierunkowanego podejścia.
Wybierz wyzwanie biznesowe
Wskaż temat ważny dla zespołu liderów, taki jak słaby onboarding, niewystarczający feedback od menedżerów, współczynniki konwersji sprzedaży lub problemy z jakością obsługi.
Zdefiniuj docelowe zachowanie
Jasno określ, co pracownicy muszą robić w pracy. Nie wybieraj ogólnego celu, takiego jak „zwiększenie świadomości”.
Zbuduj strukturę umiejętności
Określ kluczowe umiejętności, poziomy stanowisk i miary kompetencji.
Zaprojektuj komponenty mikrolearningowe
Zacznij od doświadczeń, które pojawiają się najczęściej.
Zintegruj funkcje AI
Wykorzystaj możliwości AI w nauce, wyszukiwaniu, rekomendacjach lub generowaniu treści, a następnie poddaj je redakcji eksperckiej.
Uruchom małą ścieżkę akademii
Opracuj ścieżkę akademii z wykorzystaniem zasobów, ćwiczeń, coachingu i oceny. Umożliw menedżerom wspieranie docelowego zachowania poprzez coaching.
Dzięki tej mapie drogowej możesz utrzymać wąski zakres działań i pilotażowo wdrożyć swoje rozwiązanie w wybranym segmencie odbiorców, ucząc się po drodze na podstawie analityki.
Typowe błędy, których należy unikać
Organizacje często wdrażają nowe technologie do nauki, nie identyfikując najpierw swoich problemów. Nowa platforma nie rozwiąże problemów wynikających ze złego projektu. AI nie uratuje słabych treści. Mikrolearning nie zadziała, jeśli użytkownicy nie będą mieć dostępu do treści.
Oto czego projektanci nauki muszą unikać:
● dzielenia długich kursów na mniejsze fragmenty slajdów;
● publikowania treści wygenerowanych maszynowo, które nie zostały sprawdzone przez ekspertów;
● tworzenia akademii, które nie mają nic wspólnego z rozwojem kariery;
● mierzenia wskaźników ukończenia zamiast zachowań użytkowników;
● udostępniania menedżerom dashboardów bez jakichkolwiek wskazówek coachingowych;
● dodawanie kolejnych narzędzi bez porządkowania starych.
Wszystkie te błędy mają jedną wspólną cechę: zarządzanie stawia realizację ponad wydajność. Podejście musi zaczynać się od zadania i jego kontekstu.
Przyszła rola L&D
L&D stanie się mniej edukatorem, a bardziej sprzymierzeńcem w zakresie efektywności. Zespół L&D będzie potrzebował kompetencji w obszarach danych, nadzoru nad sztuczną inteligencją, strategii treści, facylitacji oraz zarządzania zmianą. Ponadto L&D będzie wymagać ściślejszego dopasowania do kierownictwa biznesowego.
Ta zmiana wpłynie na to, jakie pytania będzie zadawać L&D. Zamiast pytać: "Który kurs powinni ukończyć nasi pracownicy?", zespół L&D zapyta: "Jaka zmiana zachowania jest niezbędna do osiągnięcia sukcesu i co możemy zrobić, aby pomóc pracownikom wykazywać nowe zachowanie?" Zamiast pytać: "Ilu pracowników ukończyło kurs?", L&D zapyta: "Czy pracownicy wykazali poprawę umiejętności wykonywania zadania?"
Funkcja L&D musi wypracować nowe nawyki. Przeprowadzaj kwartalne oceny repozytoriów treści. Usuwaj z repozytorium materiały o słabych wynikach. Przeanalizuj analitykę wyszukiwania i określ, gdzie są luki. Konsultuj się z menedżerami, aby ustalić, jakich umiejętności brakuje ich pracownikom. Testuj technologie AI w rzeczywistych scenariuszach.
@blade(posts.banners.random)