David James, Chief Learning Officer w 360Learning – Wywiad z serii

360Learning to platforma edukacyjna oparta na chmurze, łącząca elementy systemu zarządzania nauką (LMS) i platformy doświadczeń edukacyjnych (LXP). Jej celem jest współpraca w nauce — pozwalająca ekspertom wewnątrz firmy współtworzyć treści, zapewniająca uczniom informacje zwrotne, umożliwiająca interakcje między rówieśnikami i ujawniająca luki w umiejętnościach. Automatyczne narzędzia pomagają zarządzać szkoleniami zgodności, wdrożeniami i skalowalnością, a funkcje AI pomagają w personalizowaniu ścieżek edukacyjnych. Jest używana przez tysiące zespołów na całym świecie i ma na celu pomóc organizacjom „rozwinąć się od wewnątrz.”

Byłeś Dyrektorem Talentów, Rozwoju i Organizacji w Disneyu (EMEA) przed objęciem stanowiska CLO w 360Learning. Jakie są najważniejsze lekcje z Twojego doświadczenia w Disneyu, które nadal stosujesz, zwłaszcza przy skalowaniu L&D w środowiskach napędzanych przez AI?

W Disneyu nauczyłem się, że skala działa tylko wtedy, gdy najpierw zbliżysz się do problemu biznesowego. Szkolenia dla samego szkolenia nie były wystarczające; musiały prowadzić do poprawy wyników. Ta postawa pozostała ze mną, zwłaszcza teraz, wraz z pojawieniem się AI i jej wpływem na miejsce pracy. Niezależnie od technologii, zasada pozostaje taka sama: zacznij od tego, czego potrzebuje biznes, a następnie zaprojektuj naukę, która rozwiązuje ten problem.

Jako gospodarz podcastu The Learning & Development Podcast, jakie były najbardziej zaskakujące lub mało omawiane spostrzeżenia, które uzyskałeś od gości, a które zmieniły Twoje myślenie o L&D?

Jednym z najbardziej zaskakujących tematów od gości podcastu jest to, jak często zespoły L&D niedoceniają wiedzę, którą już posiadają w swojej firmie. Liderzy wielokrotnie mówią mi, że ich najskuteczniejsza nauka nie jest kupowana, ale pochodzi z wnętrza. Innym tematem jest przesunięcie ku strategiom opartym na umiejętnościach, z mniejszym naciskiem na biblioteki treści i większym na wyrównanie do wyników wydajności.

Jak równoważysz przywództwo myśli (pisanie, mówienie) z dostarczaniem programów, takich jak Performance Academy? Jakie są kompromisy, z którymi się zmagasz?

Przywództwo myśli i dostarczanie są dwiema stronami tej samej monety. Pisanie i mówienie utrzymują mnie w kontakcie z nowymi wyzwaniami i połączonymi z społecznością L&D, podczas gdy prowadzenie programów, takich jak Performance Academy, utrwala mnie w codziennych wyzwaniach praktyków L&D. Kompromisem jest czas, ale krzyżowanie się obu sprawia, że obie strony są silniejsze – to, czego uczę się od mówienia i interakcji ze społecznością, wprowadzam do produktów i usług, które dostarczamy.

Co skłoniło 360Learning do stworzenia Akademii L&D Performance teraz? Czy były jakieś sygnały na rynku lub od klientów, które sprawiły, że był to odpowiedni moment?

Presja na zespoły L&D, aby udowodnić zwrot z inwestycji, rośnie, wraz z presją AI i krótkim okresem przydatności umiejętności, który wynosi pięć lat lub mniej. Oznacza to, że to, czego ludzie uczą się dzisiaj, może być przestarzałe za dwa lata – jak zespoły L&D mogą nadążyć za tym? W tym samym czasie zbyt wiele funkcji L&D nadal postrzega się jako reaktywne lub „miłe mieć”, a nie strategiczne. Biznes potrzebuje, aby zespoły L&D były przyspieszaczami wyników, napędzającymi wymierne wpływy, a nie tylko dostarczającymi kursy, i chcemy dać zespołom umiejętności, aby to zrobić.

Akademia pomoże im zrobić właśnie to: da profesjonalistom L&D narzędzia, aby przesunąć się z reaktywnego do strategicznego w momencie, gdy biznes potrzebuje tego najbardziej. Da im wiedzę biznesową, wiedzę o AI i praktyczne narzędzia, aby wyrównać się do strategii i udowodnić swoją wartość. Jesteśmy podekscytowani, aby zobaczyć wpływ, jaki to będzie miało.

Akademia obejmuje dwa kursy związane z AI: „podstawowe zasady AI” i „wprowadzanie strategii AI w procesy L&D”. Czy mógłbyś podać praktyczny przykład, jak organizacja mogłaby wykorzystać te kursy, aby zmienić swoją praktykę L&D w najbliższej perspektywie?

Jednym ze sposobów, w jaki można to wykorzystać w praktyce, jest wdrożenie, które jest krytycznym aspektem L&D. Zamiast wręczać nowym pracownikom bibliotekę ogólnych modułów, zespoły L&D mogą wykorzystać AI, aby mapować dokładne umiejętności potrzebne do danej roli, a następnie wprowadzać współpracę w nauce, aby doświadczeni koledzy tworzyli i walidowali te treści. Nasz kurs podstawowych zasad AI daje praktykom pewność, aby korzystać z tych narzędzi, a kurs strategii AI pokazuje, jak je integrować w procesy.

Wielu praktyków L&D ma trudności z pokazaniem wymiernych korzyści biznesowych. Jakie metryki lub podejścia uważasz za najbardziej skuteczne (lub niedoceniane) w celu udowodnienia zwrotu z inwestycji w L&D w miejscu pracy napędzanym przez AI?

Najmniej używanym metryką jest sam wynik biznesowy. Wciąż opieramy się na wskaźnikach ukończenia kursów w całej branży, ale to nie pokazuje ogólnego wpływu. Zamiast tego, śledź wpływ na wskaźniki KPI, o których już dba kierownictwo, takie jak wskaźnik konwersji sprzedaży, zmniejszony czas do produktywności lub redukcja błędów. Gdy połączysz naukę bezpośrednio z wynikami biznesowymi, zwrot z inwestycji staje się niepodważalny.

Jak 360Learning wyobraża sobie użycie AI do personalizacji nauki bez poświęcania skalowalności lub zwiększania uprzedzeń?

Kluczem jest połączenie mapowania umiejętności napędzanych przez AI z walidacją przez człowieka. AI może ujawniać wzorce i rekomendować ścieżki, ale eksperci od treści dostarczają nuans i kontekst, który utrzymuje ją istotną i sprawiedliwą. Zapewnia to, że nauka jest personalizowana w skali, bez wpadania w pułapkę uprzedzeń algorytmicznych.

Biorąc pod uwagę, jak szybko zmieniają się umiejętności (z szacunkami, że ich okres przydatności wynosi 5 lat lub nawet 2,5 w niektórych dziedzinach), jak liderzy L&D powinni strukturyzować ciągłą naukę lub „cykle przekwalifikowania” w swoich organizacjach?

Ciągła nauka nie może być programem raz w roku. Liderzy powinni myśleć w krótszych cyklach przekwalifikowania, może co 12 do 18 miesięcy, bezpośrednio związanymi z zmieniającymi się priorytetami biznesowymi. Na przykład, jeśli biznes rozwinie się na nowe rynki lub wdroży narzędzia napędzane przez AI, cykl przekwalifikowania powinien bezpośrednio rozwiązywać te potrzeby.

AI sprawia, że jest to bardziej praktyczne, skanując dane rynkowe, role pracy i wewnętrzne profile umiejętności za pomocą ontologii umiejętności, aby wskazać pojawiające się luki, zanim staną się krytyczne. Ale prawdziwa praca polega na tym, jak L&D integruje te spostrzeżenia w codzienne operacje. Oznacza to wprowadzanie nauki w procesy, tak aby ludzie nie musieli przerywać pracy, aby „uczestniczyć w szkoleniu”, ale ciągle nabywali umiejętności jako część swojej roli. Chodzi o to, aby przesunąć się od epizodycznych wydarzeń edukacyjnych do ciągłego, iteracyjnego rozwoju. Zrobione dobrze, te cykle nie tylko utrzymują pracowników na bieżąco, ale także zabezpieczają organizację przed zakłóceniami.

Jakie są największe ryzyka lub pułapki, z którymi organizacje spotykają się, gdy zbyt szybko wkraczają w AI do nauki/szkolenia (np. przecenianie, niskie przyjęcie, obawy etyczne)?

Największe pułapki, z którymi organizacje spotykają się, gdy zbyt szybko wkraczają w użycie AI do czegokolwiek, a nie tylko L&D, są przecenianie możliwości, wprowadzanie narzędzi bez kontekstu i brak wsparcia dla wdrożenia. AI powinno być wprowadzane jako narzędzie, a nie magiczne rozwiązanie. Jeśli nie połączysz go z prawdziwą pracą, ludzie nie będą go używać. Co gorsza, pośpiech może wytworzyć brak zaufania, jeśli pracownicy czują, że są obserwowani, oceniani lub pozostawieni w tyle.

Jak zapewniasz, aby L&D pozostało inkluzywne przy wprowadzaniu narzędzi AI? Na przykład, upewnij się, że ludzie z niższą literaturą cyfrową lub w mniej zasobnych lokalizacjach nie zostaną pozostawieni w tyle.

Inkluzywność zaczyna się od uznania, że nie wszyscy mają taką samą literaturę cyfrową. Szkolenia muszą spotkać ludzi tam, gdzie są, z prostymi, praktycznymi przypadkami użycia. Łączenie młodszych rodzajów cyfrowych z bardziej doświadczonymi kolegami w celu nauki równoległej również pomaga – jest to część tego, dlaczego jesteśmy wielkimi zwolennikami współpracy w nauce. Jeśli narzędzia AI są wdrażane bez tego wsparcia, ryzykujesz poszerzaniem dziur zamiast ich zamykaniem, co spowoduje więcej problemów w przyszłości.

Jak widzisz ewolucję roli CLO w ciągu 5 lat (szczególnie w odniesieniu do AI, wyników i wyrównania do biznesu)?

Rola CLO ewoluuje od skupienia się na szkoleniu do koordynowania wyników. AI zautomatyzuje administrację, uwalniając CLO i ich zespoły, aby skupić się na wyrównaniu umiejętności do strategii, udowodnieniu wpływu i kierowaniu etycznym użyciem technologii. Rola będzie oceniana nie pod kątem ilości dostarczonych szkoleń, ale pod kątem widocznego wpływu na rozwój biznesu i utrzymanie zatrudnienia.

Dziękuję za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić 360Learning lub posłuchać podcastu The Learning & Development Podcast.