本文转载自：中国电信智慧学习平台
2024年10月10日，中国电信2024年AI+学习创新应用大会暨AI+培训业务管理学习班在上海举行。大会邀请ATD中国区执行总监蔡金晶作“AI发展与应用趋势”主题分享，探讨当前人工智能在学习领域的突破性进展，展望人工智能+学习广阔应用前景。
AI赋能人才
超越工具，构建战略思维
在数字化浪潮的席卷下，人工智能（AI）正以前所未有的速度渗透到各行各业，人才发展领域也不例外。近年来，随着ChatGPT等生成式AI的横空出世，国内AI相关企业如雨后春笋般涌现。然而，这股热潮之下也暗藏着汹涌的波涛，据统计，自ChatGPT发布以来，截至2024年7月底，中国已有近8万家新注册的人工智能相关企业消失在市场中。这一数据不禁引人深思：到底什么变了，什么没变？在AI赋能人才的道路上，我们究竟该如何前行？
面对AI这一新技术，我们同样需要保持冷静与理性。上世纪90年代，当DOS操作系统风靡一时，人们同样对新技术充满了狂热与期待。然而，随着时间的推移，技术的更新换代成为常态，曾经的风头浪尖也逐渐归于平静。
在变中把握不变的本质是关键。在过去的二十多年，很多东西都在变，如技术、我们的生活环境、工作环境、地缘政治等，以此带来的企业战略也不停地在变。但企业的金融化本质不会变，因此如何承接企业的战略，从而制定每个公司的战略目标、部门的实际目标，这些是不变的。
在谈AI之前，务必回归到整个组织或者部门的战略。借用理查德·鲁梅尔特（Richard P. Rumelt）在《好战略，坏战略》一书中的观点，AI时代同样也要避免陷入“坏战略”的四种现象：
1）无价值的口号/热词；
2）不能够直面真正的挑战；
3）错把目标当成战略；
4）目标制定缺乏行动性。
总之，要站在整个组织的角度，自上而下地观察与思考。
AI100%等同于生成式AI是有偏差的。根据麦肯锡连续七年的研究报告，虽然AI采用率在2023年从过去六年的大约50%跃升至72%，AI在企业中的应用一路水涨船高，但是组织在分析型AI上的支出仍然超过生成式AI。这个数据值得大家警惕。
生成式AI极大提升或损害绩效，取决于它使用的任务类型。波士顿咨询的实证研究显示，使用生成式AI的参与者在创意产品创新任务中提高了40%，但在商业问题解决任务中降低了23%。AI的价值与使用场景和方式非常相关，企业层面而言，应重点关注个体性能提升与集体创造性损失之间的权衡；个人层面而言，要避免对AI创造性能力的长期依赖从而损失自身的核心竞争力。
AI的看家本领，是预测性的分析。底层逻辑是通过最根本的描述性分析，将历史数据完整记录，通过建模的方式做预测性分析，从而指导决策（如图1所示）。例如星巴克通过AI加持的预测性分析为潜在客户精准推送个性化营销信息，甚至根据天气预测人流量以此更好地安排店内员工的工作；UPS（美国联合包裹运送服务公司）把每一天物流车队的数据做了盘点，通过AI进行预测性分析从而提高有效利用率，以此为公司每一年节省了3.5亿美元的收入。
图1 分析型AI的底层逻辑
因此，我们不能片面地追求某一种AI的应用，而应结合实际场景，充分发挥生成式AI和分析型AI等的优势，实现价值最大化。
AI应融入学习旅程的每个方面，而不是独立存在。目前国内很多人才发展专业人士学习AI更多聚焦教学设计阶段，仍未打通整个混合式学习旅程（如图2所示）。同时，值得关注的是，个性化学习体验仍是最有可能改善人才发展领域AI应用场景，预算限制和缺乏专业知识是实施AI的最大挑战。
图2 当前结合AI的混合式学习旅程视角
当前众多人才发展部门只有AI工具，而缺乏AI战略。根据ATD2024年的调研发现，58%受访者目前正在使用或探索 AI，绝大多数处于研讨或试验一些AI应用于人才发展和学习方案中，仅6%的企业受访者表示制定了相关的战略并分配了资源，将多种AI应用于人才发展和学习方案中。
AI不能，也不应该独立于学习生态系统之外。只有32%的组织正在对其学习技术生态系统进行正式审查，大多数组织没有充分利用其学习技术生态系统中的所有工具（如图3所示）。AI工具应用要统一管理，同时配套相关的流程制度，才能持续把技术生态系统做好。
图3 组织对其学习技术生态系统工具的利用情况
IBM全球销售培训学院有一个经典的预测性分析案例。IBM把每一次销售培训班的所有学员属性数据，通过描述性分析方法记录在案，并通过数据分析软件进行建模，结果发现，培训班表现最好前5%的学员，在未来一年的离职率高达47%。因此每一次培训班结束以后，他们就会做一个指导性报告提醒对应的主管，指出这位学员未来的表现肯定会很好，但也请务必留住人才，因为根据预测性分析，他的离职率高达将近50%。在AI还没有家喻户晓的年代，IBM已通过大数据智能分析，能够从培训的角度为业务去创造一定的价值。
让AI进入工作流，直面业务，产生连接。AI在人才发展领域的应用并非简单地替代人工或提供单一工具，而是需要深入到工作流中，与业务流程紧密结合。通过协助优化/再造流程、提升学习效率与效果，AI能够为企业创造更大的价值。
举思科（Cisco）北美销售培训项目的例子。思科在北美的硬件维护工程师，今后要响应公司号召，变成销售人员。由于担心这批学员会不会操作3到5个不同的销售类的平台，如CRM的、报价系统的、合同系统的等等，因此培训团队在培训课程结束以后，和业务部门一起通过数字采集平台，将需要操作的各个平台全都整合在了一起，重塑了流程。对于学员来说，他需要做的就是点击“下一步”，每一次的操作，在解决实际工作问题时，也是对之前课程所学的复习。这给我们的启示是，与其去想如何进行考试，如何改变学员行为，如何对抗遗忘曲线，何不索性“重塑/优化”学员的工作流，让改变自然地发生。
AI嵌入企业学习全流程，大有可为。如果把培训发展部门的工作流做一个立体化的拆解，可以是这样的五层的机制（如图4所示）。在整个流程中AI仍然有非常大的用武之地，几乎每一个流程都可以去用一些相关的工具。需要注意的是，xAPI等工具应该在全程贯穿，用于抓取数据，从而借助AI的生成性和预测性能力，做好数据分析、预测、干预决策等重要的工作。当然，在这当中，变革管理和学员学习的原动力也是促使员工行为发生改变的重要因素。
图4 人才发展部门典型的工作流图解
构建AI战略思维，而非仅停留在工具层面上的学习与使用。首先，需要明确企业的战略目标与人才发展需求，将AI的应用与战略目标紧密结合，可以参考"Three Horizons"战略规划框架。其次，回归根本，需要建立全面的AI能力体系，包括数据分析、模型构建、技术应用等方面的能力。最后，需要加强跨部门的协作与沟通，确保AI技术的顺利应用与效果的最大化。
"Three Horizons"是一种战略规划框架，由麦肯锡公司的顾问提出，旨在帮助企业或组织平衡短期、中期和长期的目标，以实现持续增长和创新。这个框架将企业的增长策略分为三个不同的时间视野，每个视野都有其特定的焦点和目标：
第一地平线（Horizon 1）：这代表核心业务，关注于优化和保卫现有的业务活动。它涉及短期内（通常1-3年）可以产生结果的项目，如改善现有产品、扩展用户基础或提升内部流程效率。
第二地平线（Horizon 2）：这一视野着眼于新兴机会，这些机会有望在未来两到五年内成为增长的动力。这可能包括开发新产品线、进入新市场或采用其他行业的技术和流程，并将其应用于自己的业务中。
第三地平线（Horizon 3）：这个视野关注于长期目标，涉及探索可能在未来五到十二年内塑造企业未来的突破性创新和潜在的游戏规则改变者。这些项目通常涉及高风险，但成功的话可能带来巨大的回报。
通过这种分类，组织可以战略性地分配资源，确保在追求短期业绩的同时，也为长期增长和创新打下基础。这个框架特别适用于那些拥有不同利益相关者和未来愿景的大型企业，它有助于创建一个统一且有凝聚力的发展规划。
正如一位知名企业人才发展负责人所言：“如果你足够专业，AI就是你的助手；如果你不够专业，你就是AI的助手。”在这个充满变数的时代里，唯有不断学习、不断进步，才能让我们在AI赋能人才的道路上走得更远、更稳。
本文转载自：中国电信智慧学习平台
点击右下角“阅读原文”，即可查看来源。
想要学习如何构建TD部门的AI战略？
想要从未来视角理解TD该如何应对AI未来？
敬请参加2024“人才发展论坛”
与国际专家和TD高管共话AI技术！
