Rens ter Weijde, Co-Fondatore e Amministratore Delegato di KIMO – Serie di Interviste

KIMO è una startup olandese fondata da due alumni di Harvard: Krishna Deepak Nallamilli (India) e Rens ter Weijde (Paesi Bassi). Il team si concentra sulla costruzione dell’intelligenza artificiale necessaria per generare percorsi di apprendimento individuali attraverso contenuti di apprendimento digitali.

Mentre l’apprendimento online ha preso piede, presenta tassi di abbandono fino al 95%. Perché il tasso di successo è così basso?

Quando abbiamo iniziato KIMO, abbiamo condotto un sondaggio tra alcuni centinaia di utenti per capire meglio la situazione. In primo luogo, la maggior parte dei fornitori di servizi di apprendimento online fornisce MOOC (corsi online), ma gli utenti percepiscono i MOOC come un impegno di tempo significativo. Spesso utilizzavano molti “escamotages” più brevi, come leggere articoli, ascoltare podcast, fare domande su Google (GOOGL ), ecc., che si adattavano meglio al loro programma quotidiano. Quindi, l’apprendimento è più multicanale nella pratica di quanto consentano questi fornitori. Inoltre, molti utenti hanno espresso di aver perso la guida nel loro percorso di apprendimento online. Il risultato è che spendono molto tempo cercando, cercando di decidere cosa studiare, ecc. Un terzo motivo riguarda la rilevanza del contenuto effettivo. I materiali online sono spesso statici, pre-registrati e non completamente rilevanti per loro. Potresti dire che il contenuto non è abbastanza personale/rilevante per loro – o almeno non abbastanza rilevante da giustificare il tempo speso.

Molti utenti affermano di essere annoiati e citano frequentemente la mancanza di coinvolgimento come un problema, perché credi che gli utenti si sentano privati del loro diritto all’apprendimento online?

Credo che ci sia spazio per migliorare le piattaforme di apprendimento su almeno due dimensioni principali. In primo luogo, è necessaria una migliore intelligenza per guidare gli utenti su percorsi migliori e fornire migliori raccomandazioni di contenuto. Potresti dire che questo è il necessario R&D per il settore dell’istruzione, strettamente legato agli algoritmi di intelligenza artificiale. Il secondo elemento è l’altro lato della catena del valore: l’interfaccia utente e l’esperienza finale per gli utenti. La maggior parte dei sistemi di gestione dell’apprendimento (LMS) è percepita come noiosa e obsoleta dagli utenti. Sono lontani dal software pulito, in tempo reale, sociale e personalizzato che gli utenti si aspettano oggi.

Potresti condividere la storia di come è nata KIMO e cosa ti ha attirato nel risolvere il problema dell’apprendimento online?

Certo! KIMO è nata quando Krishna, il mio co-fondatore, e io ci siamo incontrati alla Harvard Business School. Amavamo l’ambiente, ma ci rendemmo conto allo stesso tempo che le parti belle dell’esperienza non erano scalabili per le persone di tutto il mondo. Decidemmo, durante un whisky in un lobby di hotel, di provare a creare un “coach di carriera digitale”. Quel coach era la prima versione di KIMO.

Puoi discutere come l’intelligenza artificiale sia necessaria per generare percorsi di apprendimento individuali attraverso contenuti di apprendimento digitali?

In effetti, KIMO si basa su una moltitudine di modelli di intelligenza artificiale nella pipeline. Alcuni modelli sono intrinsecamente semplici, altri più complessi. Il filo conduttore è che la maggior parte dei modelli si basa su linguaggio naturale come dati di input (NLP, ad esempio modelli transformer). Questi modelli sono dietro le raccomandazioni di contenuto che ricevi, la categorizzazione del contenuto in argomenti specifici o il riconoscimento delle competenze critiche richieste per i lavori. Abbiamo anche alcuni modelli di intelligenza artificiale “generativa” più sperimentali, come il modello che risponde alle domande relative al contenuto all’interno dell’app KIMO. Se questo funziona sufficientemente, è un passo più vicino all’automazione dei professori che noi prevediamo.

Puoi elaborare come un sistema di intelligenza artificiale possa imparare a comprendere i lavori in grande dettaglio (ad esempio, competenze hard o soft)?

In termini semplici: abbiamo deciso di ignorare le banche dati esistenti (O*Net, ESCO) per questo lavoro, poiché non erano abbastanza dettagliate e obsolete. Invece, abbiamo costruito un sistema che può riconoscere ~40.000 competenze all’interno dei lavori sul mercato in tempo quasi reale. Potresti dire che il nostro sistema “legge” tutti questi profili di lavoro per prevedere quali competenze sono attualmente richieste per i lavori. Queste competenze riconosciute vengono poi raggruppate in competenze hard e soft.

Puoi discutere come funziona l’apprendimento personalizzato sulla piattaforma, ad esempio come il sistema saprà quale tipo di contenuto funziona meglio per ogni utente, come ad esempio articoli, video, podcast, documenti, ecc.?

La risposta semplice è che abbiniamo gli utenti e il contenuto attraverso la corrispondenza di vettori, che è una pratica comune nei modelli di raccomandazione. La parte più difficile è decidere come questi vettori vengono costruiti, in altre parole, quali elementi sono ponderati. Per ora, il sistema è relativamente semplice e funziona con le preferenze di apprendimento dell’utente e i punteggi di popolarità per i materiali online. Il futuro sarà più interessante, poiché stiamo cercando di ponderare lo stato attuale dell’utente (ad esempio, il suo lavoro) e lo stato desiderato finale.

Quali sono alcune delle attuali metodologie di apprendimento automatico utilizzate nel sistema KIMO?

Utilizziamo molti modelli diversi, a seconda del compito. Ma posso dire che abbiamo un grande amore per i modelli NLP che utilizzano l’attenzione, quindi i modelli transformer.

Dove vedi il futuro dell’istruzione online tra 5 anni?

In breve, vedo l’istruzione online passare da “noiosa, solitaria e unica per tutti” a “altamente coinvolgente, sociale e personalizzata”. Le aziende di istruzione online devono sfuggire all’idea che esistono in un’industria tradizionale e lenta. Invece, dovrebbero rendersi conto che competono nell’era della curation, right at the heart of many important trends today.

C’è qualcos’altro che ti piacerebbe condividere su KIMO?

Sì. KIMO è ancora un bambino, o ‘beta’ come lo chiamiamo. Scarica l’app, provala e inviaci il tuo feedback!

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare KIMO.