AI-modeller och plattformar

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

mm
Lägg till Unite.AI bland dina föredragna källor på Google

David James är Chief Learning Officer på 360Learning. Han har varit en ledare inom personalutveckling i över 20 år, mest känt som direktör för talang, lärande och organisationsutveckling på The Walt Disney Company (DIS ) i Europa, Mellanöstern och Afrika.

David James är en framstående författare inom branschen och värd för The Learning & Development Podcast. Han talar regelbundet på konferenser om effektiva L&D-strategier, nya trender och hur man kan ge maximal affärsnytta som L&D-ledare.

360Learning är en molnbaserad lärplattform som kombinerar element från ett Learning Management System (LMS) och ett Learning Experience Platform (LXP). Fokus ligger på kollaborativt lärande — att låta interna experter skapa innehåll, ge lärande feedback, möjliggöra kamratinteraktioner och identifiera färdighetsluckor. Automatiserade verktyg hjälper till att hantera efterlevnadsträning, onboarding och skalbarhet, medan AI-funktioner hjälper till att personalisera lärandevägar. Det används av tusentals team globalt och syftar till att hjälpa organisationer “utbilda från grunden”.

Du var Director of Talent, Learning & Organisation Development på Disney (EMEA) innan du blev CLO på 360Learning. Vilka är några lärdomar från din Disney-erfarenhet som du fortfarande tillämpar idag, särskilt när det gäller att skala L&D i AI-drivna miljöer?

På Disney lärde jag mig att skala bara fungerar när du kommer nära affärsproblemet först. Utbildning för utbildningens skull var inte tillräckligt; det måste driva prestanda. Den inställningen har stannat hos mig, särskilt nu med AI:s intåg och dess påverkan på arbetsplatsen. Oavsett teknologi gäller principen: börja med vad affären behöver, sedan designa lärande som löser det.

Som värd för The Learning & Development Podcast, vad har varit några av de mest överraskande eller underdiskuterade insikterna du har fått från gäster som har förändrat hur du tänker om L&D?

En av de mest överraskande temana från podcast-gäster är hur ofta L&D-team underskattar den kunskap som redan finns i deras arbetskraft. Ledare berättar för mig att deras mest effektiva lärande inte är inköpt, utan yttäckts från inom. En annan är skiftet mot färdighetsbaserade strategier, med mindre fokus på innehållsbibliotek och mer på att anpassa till prestandaresultat.

Du publicerar regelbundet och är erkänd som en influenser inom L&D. Hur balanserar du tankeledarskap (skrivande, talar) med hands-on programleverans som Performance Academy? Vilka avvägningar möter du?

Tankeledarskap och leverans är två sidor av samma mynt. Skrivande och talar håller mig ansluten till nya utmaningar och kopplad till L&D-samhället, medan att leda program som Performance Academy förankrar mig i de dagliga utmaningarna för L&D-praktiker. Avvägningen är tid, men tvärförgreningarna gör båda starkare – vad jag lär mig från att tala och interagera med samhället går in i de produkter och tjänster vi levererar.

Vad fick 360Learning att skapa L&D Performance Academy nu? Fanns det särskilda signaler på marknaden eller från kunder som gjorde detta till rätt tid?

Trycket L&D-team har varit under för att bevisa ROI är bara ökande, mitt i AI-trycket och den halva livslängden för färdigheter som minskar till fem år eller mindre. Detta betyder att vad människor lär sig idag kan vara föråldrat om två år – hur kan L&D-team hålla jämna steg med det? Samtidigt ses för många L&D-funktioner fortfarande som reaktiva eller “nice to have”, snarare än strategiska. Företag behöver L&D-team för att vara prestandaacceleratorer, som driver mätbar påverkan, inte bara levererar kurser och vill ge teamen de färdigheter som behövs för att göra det.

Akademin kommer att hjälpa dem att göra exakt det: ge L&D-proffs de verktyg de behöver för att skifta från reaktiv till strategisk i exakt den stund företagen behöver det mest. Den kommer att ge dem affärsförståelse, AI-kunskap och praktiska verktyg för att anpassa till strategi och bevisa sin värde. Vi är spända på att se vilken påverkan detta kommer att ha.

Akademien innehåller två kurser som fokuserar på AI: “grundläggande AI-principer” och “inbäddning av AI-strategi i L&D-arbetsflöden”. Kan du ge ett praktiskt exempel på hur en organisation kan använda dessa för att förändra sin L&D-praxis på kort sikt?

Ett sätt att använda detta i praktiken är i onboarding, som är en kritisk aspekt av L&D. Istället för att ge nya anställda en bibliotek av generiska moduler, kan L&D-team använda AI för att kartlägga de exakta färdigheter som behövs för en roll, sedan inbädda kollaborativt lärande så att erfarna kamrater skapar och validerar innehållet. Vår grundläggande AI-princip-kurs ger praktiker förtroendet att använda dessa verktyg, och AI-strategi-kursen visar hur man integrerar dem i arbetsflöden.

Många L&D-praktiker kämpar för att visa mätbar affärsnytta. Vilka mått eller metoder finner du mest effektiva (eller underutnyttjade) för att demonstrera ROI för L&D i AI-drivna arbetsmiljöer?

Det mest underutnyttjade måttet är affärsprestanda i sig. Kursgenomströmningstal används fortfarande över hela branschen, men detta misslyckas med att visa den övergripande påverkan. Istället, spåra påverkan på KPI:er som ledningen redan bryr sig om, som försäljningskonvertering, minskad tid till produktivitet eller felförbättring. När du kopplar lärande direkt till affärsresultat, blir ROI ovedersäglig.

Hur ser 360Learning på att AI används för att personalisera lärande utan att offra skalbarhet eller öka fördomar?

Nyckeln är att kombinera AI-drivna färdighetskartläggning med mänsklig validering. AI kan identifiera mönster och rekommendera vägar, men ämnesexperter tillhandahåller nyans och sammanhang som håller det relevant och rättvist. Detta säkerställer att lärande är personaliserat i skala, utan att falla i fällan av algoritmisk fördom.

Med tanke på att färdigheter förändras så snabbt (med uppskattningar av halva livslängden för färdigheter på 5 år eller till och med 2,5 i vissa domäner), hur bör L&D-ledare strukturera kontinuerligt lärande eller “omutbildningscykler” i sina organisationer?

Kontinuerligt lärande kan inte vara ett en-gång-om-året-program. Ledare bör tänka i kortare omutbildningscykler, kanske var 12 till 18 månader, direkt kopplade till förändrade affärsprioriteringar. Om affären till exempel expanderar till nya marknader eller rullar ut AI-drivna verktyg, bör omutbildningscykeln direkt hantera dessa behov.

AI gör detta mer praktiskt genom att skanna marknadsdata, jobbroller och interna färdighetsprofiler via färdighetsontologier för att belysa framväxande luckor innan de blir kritiska. Men det riktiga arbetet ligger i hur L&D integrerar dessa insikter i dagliga operationer. Det betyder att inbädda lärande i arbetsflöden, så att människor inte bara pausar sina jobb för att “ta utbildning”, utan ständigt plockar upp färdigheter som en del av sina roller. Det handlar om att gå från episodiska läranderelser till kontinuerlig, iterativ utveckling. Om det görs bra, kommer dessa cyklar inte bara att hålla anställda uppdaterade, utan också framtidsäkra organisationen mot störningar.

Vilka är de största riskerna eller fallgroparna organisationer står inför när de hoppar in i AI för lärande/utbildning (t.ex. överlovar, låg anpassning, etiska problem)?

De största fallgroparna organisationer står inför när de hoppar in i AI för någonting, inte bara L&D, är att överdriva kapaciteter, trycka på verktyg utan sammanhang och misslyckas med att stödja anpassning. AI bör introduceras som en möjliggörare, inte en magisk lösning. Om du inte kopplar det till riktigt arbete, kommer människor inte att använda det. Värre, rusning kan skapa misstro om anställda känner sig iakttagen, dömd eller lämnad efter.

Hur ser du till att L&D förblir inkluderande när du introducerar AI-verktyg? Till exempel, se till att människor med lägre digitala färdigheter eller i mindre resursstarka områden inte lämnas efter.

Inkludering börjar med att erkänna att inte alla har samma digitala färdigheter. Utbildning måste möta människor där de är, med enkla, praktiska användningsfall. Att para yngre digitala infödingar med mer erfarna kollegor för kamratlärande hjälper också – detta är en del av varför vi är stora förespråkare för kollaborativt lärande. Om AI-verktyg rullas ut utan det stödet, riskerar du att vidga klyftor snarare än att stänga dem, och det kommer att ge dig ännu fler problem längre fram.

Om 5 år, hur ser du på att rollen som CLO utvecklas (särskilt med tanke på AI, prestanda och affärsanpassning)?

CLO-rollen utvecklas bort från fokus på utbildning och blir mer om att orkestrera prestanda. AI kommer att automatisera administrationen, vilket frigör CLO:er och deras team för att fokusera på att anpassa färdigheter till strategi, bevisa påverkan och vägleda etiskt användande av teknologi. Rollen kommer att bedömas inte av hur mycket utbildning som levereras, utan av hur synligt det driver affärsutveckling och håller människor anställningsbara.

Tack för det underbara samtalet, läsare som vill lära sig mer kan besöka 360Learning eller lyssna på The Learning & Development Podcast.

Antoine är en visionär ledare och medgrundare av Unite.AI, driven av en outtröttlig passion för att forma och främja framtidens AI och robotik. En serieentreprenör, han tror att AI kommer att vara lika störande för samhället som elektricitet, och han fångas ofta i att prata om potentialen för störande teknologier och AGI.

Som en futurist är han dedikerad till att utforska hur dessa innovationer kommer att forma vår värld. Dessutom är han grundare av Securities.io, en plattform som fokuserar på att investera i banbrytande teknologier som omdefinierar framtiden och omformar hela sektorer.