AI-modeller og plattformer

David James, Chief Learning Officer i 360Learning – Intervju-serie

mm
Legg til Unite.AI blant dine foretrukne kilder på Google

David James er Chief Learning Officer i 360Learning. Han har vært leder for People Development i over 20 år, mest kjent som direktør for Talent, Learning & Organisation Development i The Walt Disney Company (DIS ) i Europa, Midtøsten og Afrika.

David James er en fremtredende industriforfatter og vert for The Learning & Development Podcast. Han taler regelmessig på konferanser om effektive L&D-strategier, nye trender og hvordan man kan gi maksimal forretningsverdi som L&D-leder.

360Learning er en skybasert læringsplattform som kombinerer elementer fra et Learning Management System (LMS) og Learning Experience Platform (LXP). Fokus er på samarbeidslæring — å la interne eksperter samarbeide om innhold, gi lærende tilbakemeldinger, muliggjøre peer-interaksjoner og avdekke ferdighetsgap. Automatiserte verktøy hjelper med å håndtere compliance-trening, onboarding og skalerbarhet, mens AI-funksjoner hjelper med å tilpasse læringsstier. Den brukes av tusenvis av team globalt og har som mål å hjelpe organisasjoner med å “utdanne fra innen”.

Du var direktør for Talent, Learning & Organisation Development i Disney (EMEA) før du ble CLO i 360Learning. Hva er noen lærdommer fra din Disney-erfaring som du fortsatt anvender i dag, særlig når det gjelder å skalerer L&D i AI-drevne miljøer?

I Disney lærte jeg at skalerbarhet bare fungerer når du kommer nært inn på forretningsproblemet først. Trening for treningens skyld var ikke nok; det måtte drive ytelse. Denne holdningen har vært med meg, særlig nå med introduksjonen av AI og dens påvirkning på arbeidsplassen. Uansett teknologi, prinsippet holder: start med hva forretningsbehovene er, og design så læringsløsninger som løser det.

Som vert for The Learning & Development Podcast, hva har vært noen av de mest overraskende eller underdiskuterte innsiktene du har fått fra gjester som har endret hvordan du tenker om L&D?

En av de mest overraskende temaene fra podcast-gjester er hvor ofte L&D-teamene undervurderer kunnskapen som allerede finnes i arbeidsstyrken. Ledere forteller meg jevnlig at deres mest effektive læringsløsninger ikke er kjøpt inn, men heller fremkommet fra innen. En annen er skiftet mot ferdighetsbaserte strategier, med mindre fokus på innholdsbiblioteker og mer på å tilpasse seg ytelsesresultater.

Du publiserer regelmessig og er anerkjent som en influenser innen L&D. Hvordan balanserer du tankeledelse (skriving, tale) med håndtering av programlevering som Performance Academy? Hva slags kompromisser møter du?

Tankeledelse og levering er to sider av samme mynt. Skriving og tale holder meg koblet til nye utfordringer og forbundet med L&D-samfunnet, mens ledelse av programmer som Performance Academy grunner meg i dag-til-dag-utfordringene til L&D-utøvere. Kompromisset er tid, men krysspollineringen gjør begge sterke – det jeg lærer fra tale og interaksjon med samfunnet går inn i produktene og tjenestene vi leverer.

Hva var grunnen til at 360Learning valgte å lage L&D Performance Academy nå? Var det noen spesifikke signaler i markedet eller fra kunder som gjorde dette til riktig tid?

Presset L&D-teamene har vært under for å vise ROI er bare økende, til tross for AI-press og halveringstiden for ferdigheter som er kortere enn fem år eller mindre. Dette betyr at det folk lærer i dag kan være foreldet om to år – hvordan kan L&D-teamene holde tritt med det? Samtidig sees for mange L&D-funksjoner som reaktive eller “hyggelige å ha”, i stedet for strategiske. Forretninger trenger L&D-teamene til å være ytelsesakseleratorer, drive målbare påvirkning, ikke bare levere kurs og vi ønsker å gi teamene ferdighetene til å gjøre det.

Akademiet vil hjelpe dem å gjøre nettopp det: gi L&D-profesjonelle verktøyene til å skifte fra reaktivt til strategisk på akkurat det øyeblikket forretninger trenger det mest. Det vil gi dem forretningskunnskap, AI-kunnskap og praktiske verktøy til å tilpasse seg strategi og vise sin verdi. Vi er spente på å se hva dette vil føre til.

Akademiet inkluderer to kurs rettet mot AI: “grunnleggende AI-prinsipper” og “innføring av AI-strategi i L&D-arbeidsflyter.” Kan du gi et praktisk eksempel på hvordan en organisasjon kan bruke disse til å endre sin L&D-praksis på kort sikt?

En måte dette kan brukes i praksis er i onboarding, som er en kritisk del av L&D. I stedet for å gi nye ansatte en bibliotek av generiske moduler, kan L&D-teamene bruke AI til å kartlegge de nøyaktige ferdighetene som trengs for en rolle, og så innføre samarbeidslæring så erfarne kolleger skaper og validerer innhold. Vårt grunnleggende AI-prinsipp-kurs gir utøverne tillit til å bruke disse verktøyene, og AI-strategi-kurs viser hvordan å integrere dem i arbeidsflyter.

Mange L&D-utøvere sliter med å vise målbare forretningsverdi. Hva metrikker eller tilnærminger finner du mest effektive (eller underutnyttede) for å demonstrere ROI av L&D i AI-drevne arbeidsplasser?

Den mest underutnyttede metrikken er forretningsytelse i seg selv. Kursfullføringsrater er fortsatt avhengig av hele industrien, men dette viser ikke den overordnede påvirkningen. I stedet sporer du påvirkningen på KPI-er som ledelsen allerede bryr seg om, som salgsomsetning, reduksjon av tid til produktivitet eller feilreduksjon. Når du kobler læringsløsninger direkte til forretningsresultater, blir ROI uimotståelig.

Hvordan ser 360Learning for seg at AI brukes til å tilpasse læringsløsninger uten å ofre skalerbarhet eller øke bias?

Nøkkelen er å kombinere AI-drevne ferdighetskartlegging med menneskelig validering. AI kan avdekke mønster og anbefale stier, men faglige eksperter gir nyanser og kontekst som holder det relevant og rettferdig. Dette sikrer at læringsløsninger tilpasses på en skalerbar måte, uten å falle i fellen av algoritme-bias.

Hvordan bør L&D-ledere strukturere kontinuerlig lærings- eller “omskolings-sykluser” i sine organisasjoner?

Kontinuerlig læringsløsning kan ikke være et enkeltårig program. Ledere bør tenke i kortere omskolings-sykluser, kanskje hver 12 til 18 måneder, direkte knyttet til endrede forretningsprioriteter. For eksempel, hvis forretningen utvider seg inn i nye markeder eller ruller ut AI-drevne verktøy, bør omskolings-syklusen direkte adresse disse behovene.

AI gjør dette mer praktisk ved å skanne markedets data, jobbroller og interne ferdighetsprofiler gjennom ferdighetsontologier for å avdekke fremvoksende gap før de blir kritiske. Men den virkelige arbeidet ligger i hvordan L&D-integrerer disse innsiktene i daglige operasjoner. Det betyr å innføre læringsløsninger i arbeidsflyter, så folk ikke bare pauserer jobben for å “ta opplæring”, men konstant plukker opp ferdigheter som en del av rollene. Det handler om å gå fra episodiske læringshendelser til kontinuerlig, iterativ utvikling. Gjort riktig, disse syklusene holder ikke bare ansatte oppdaterte, men også fremtidssikrer organisasjonen mot forstyrrelser.

Hva er de største risikoene eller fellene organisasjoner møter når de hopper for raskt inn i AI for lærings-/trening (f.eks. overlover, lav tilpasning, etiske bekymringer)?

De største fellene organisasjoner møter når de hopper for raskt inn i å bruke AI til noe, ikke bare L&D, er å overdrive evnen, å trykke verktøy uten kontekst og å ikke støtte tilpasning. AI bør introduseres som en muliggjører, ikke en magisk løsning. Hvis du ikke kobler det til virkelig arbeid, vil folk ikke bruke det. Verre, å rush kan skape mistillit hvis ansatte føler seg overvåket, dømt eller etterlatt.

Hvordan sikrer du at L&D forblir inklusivt når du introduserer AI-verktøy? For eksempel, sikre at personer med lavere digitale ferdigheter eller i mindre ressursrike lokasjoner ikke blir etterlatt?

Inklusivitet starter med å anerkjenne at ikke alle har samme digitale ferdigheter. Trening må møte folk der de er, med enkle, praktiske bruksområder. Å pare yngre digitale innfødte med mer erfarne kolleger for peer-læring hjelper også – dette er en del av hvorfor vi er store tilhengere av samarbeidslæring. Hvis AI-verktøy rulles ut uten denne støtten, risikerer du å åpne kløfter i stedet for å lukke dem, og det vil gi deg enda flere problemer lengre frem.

I 5 år, hvordan ser du for deg at rollen til CLO utvikler seg (særlig i forhold til AI, ytelse og forretnings-tilpasning)?

CLO-rollen utvikler seg bort fra fokus på trening og blir mer om å orkestrere ytelse. AI vil automatisere admin, og frigjøre CLO-er og deres team til å fokusere på å tilpasse ferdigheter til strategi, vise påvirkning og guide etisk bruk av teknologi. Rollen vil bli vurdert ikke bare etter hvor mye trening som leveres, men etter hvor synlig det driver forretningsvekst og holder folk sysselsatte.

Takk for det flotte intervjuet, lesere som ønsker å lære mer kan besøke 360Learning eller lytte til The Learning & Development Podcast.

Antoine er en visjonær leder og medgrunnlegger av Unite.AI, drevet av en urokkelig lidenskap for å forme og fremme fremtiden for AI og robotikk. En serial entrepreneur, han tror at AI vil være like disruptiv for samfunnet som elektrisitet, og blir ofte fanget i å prise potensialet for disruptive teknologier og AGI.

Som en futurist, er han dedikert til å utforske hvordan disse innovasjonene vil forme vår verden. I tillegg er han grunnlegger av Securities.io, en plattform som fokuserer på å investere i banebrytende teknologier som definerer fremtiden og omformer hele sektorer.