大卫·詹姆斯，360Learning 首席学习官 – 采访系列

大卫·詹姆斯 是 360Learning 的首席学习官。他曾担任超过 20 年的人力发展领导者，特别是作为华特迪士尼公司欧洲、 moyen 东和非洲地区的人才、学习和组织发展总监。

作为《学习与发展播客》的著名行业作家和主持人，大卫定期在会议上发言关于有影响力的学习和发展（L&D）策略、新兴趋势以及如何作为 L&D 领导者提供最大业务价值。

360Learning 是一个结合学习管理系统（LMS）和学习体验平台（LXP）元素的基于云的学习平台。其重点是 协作学习 —— 让内部专家共同创作内容、为学习者提供反馈、实现同伴互动并发现技能差距。自动化工具帮助管理合规培训、入职和可扩展性，而 AI 功能帮助个性化学习路径。它被全球数千个团队使用，并旨在帮助组织“内部提升技能”。

您曾是迪士尼（EMEA）的人才、学习和组织发展总监，之后成为 360Learning 的首席学习官。在迪士尼的经验中，有哪些经验您仍然在应用，特别是在 AI 驱动的环境中扩展 L&D 时？

在迪士尼，我学到了规模化只有在您首先接近业务问题时才会起作用。仅仅为了培训而进行培训是不够的；它必须推动绩效。这一思维方式一直伴随着我，尤其是在 AI 和其对工作场所的影响出现之后。无论使用什么技术，原则保持不变：首先确定业务的需求，然后设计解决它的学习。

作为《学习与发展播客》的主持人，您从嘉宾那里获得了哪些最令人惊讶或讨论较少的见解，它们改变了您对 L&D 的思考方式？

嘉宾中最令人惊讶的主题之一是 L&D 团队经常低估其工作人员已经拥有的知识。领导者反复告诉我，他们最有效的学习不是购买的，而是从内部挖掘出来的。另一个是转向基于技能的策略，减少对内容库的关注，更多地关注绩效结果的对齐。

您定期发表文章，并被认为是 L&D 领域的影响者。您如何平衡思想领导力（写作、演讲）与实际的项目交付，如性能学院？您面临哪些权衡？

思想领导力和交付是同一枚硬币的两面。写作和演讲让我保持与新兴挑战的联系，并与 L&D 社区保持联系，而像性能学院这样的项目让我扎根于 L&D 实践者的日常挑战中。权衡是时间，但两者之间的交叉使得两者都更强大——我从演讲和与社区互动中获得的知识被融入我们交付的产品和服务中。

是什么促使 360Learning 现在创建 L&D 性能学院？是否有来自市场或客户的特定信号使其成为正确的时机？

L&D 团队面临的证明 ROI 的压力只会增加，尤其是在 AI 的压力下和技能的半衰期缩短到 5 年或更短的同时。这意味着人们今天学习的东西可能在两年内就会过时——L&D 团队如何跟上这种步伐？同时，太多 L&D 功能仍被视为反应性或“可以有”的，而不是战略性的。企业需要 L&D 团队成为绩效加速器，推动可衡量的影响，而不是仅仅提供课程，我们希望为团队提供实现这一目标的技能。

学院将帮助他们做到这一点：为 L&D 专业人士提供工具，以从反应性转变为战略性的，正是在企业最需要的时候。它将为他们提供业务知识、AI 知识和实际工具，以与战略保持一致并证明他们的价值。我们很高兴看到这将产生的影响。

学院包括两个关于 AI 的课程：“基本 AI 原理”和“将 AI 策略嵌入 L&D 工作流”。您能否提供一个组织如何使用这些来改变其 L&D 实践的实际例子，特别是在短期内？

这些可能在实践中的一个应用方式是在入职方面，这是 L&D 的一个关键方面。L&D 团队可以使用 AI 来绘制出每个角色所需的确切技能，然后将协作学习嵌入，让有经验的同事创建和验证该内容。我们的基本 AI 原理课程为从业者提供了使用这些工具的信心，而 AI 策略课程展示了如何将其集成到工作流中。

许多 L&D 实践者难以展示可衡量的业务价值。您认为哪些指标或方法对于展示 AI 驱动的工作场所中的 L&D 的 ROI 最有效（或被低估）？

最被低估的指标是业务绩效本身。整个行业仍然依赖课程完成率，但这无法展示整体影响。相反，跟踪领导层已经关心的 KPI 的影响，例如销售转化率、减少到生产力时间或错误减少。当您将学习直接与业务结果联系起来时，ROI 就变得无可否认了。

360Learning 如何设想使用 AI 个人化学习，同时不牺牲可扩展性或增加偏差？

关键是将 AI 驱动的技能映射与人工验证相结合。AI 可以发现模式并推荐路径，但主题专家提供了保持相关性和公平性的细微差别和背景。这样可以在不陷入算法偏差的陷阱的情况下实现大规模个性化学习。

鉴于技能变化的速度现在非常快（估计技能的半衰期为 5 年甚至某些领域的 2.5 年），L&D 领导者应该如何在其组织中结构持续学习或“再技能周期”？

持续学习不能是一年一度的计划。领导者应该思考每 12 到 18 个月的更短的再技能周期，这些周期应直接与不断变化的业务优先事项挂钩。例如，如果业务正在扩展到新的市场或推出 AI 驱动的工具，再技能周期应直接解决这些需求。

AI 使得这更加可行，通过扫描市场数据、工作角色和内部技能配置文件以突出出现的差距，然后在这些差距变得关键之前解决它们。但真正的工作在于 L&D 如何将这些见解整合到日常运营中。这意味着将学习嵌入工作流中，因此人们不会暂停工作来“接受培训”，而是在他们的角色中不断获得技能。这是从分期学习事件转变为持续、迭代式发展。做得好，这些周期不仅能让员工保持最新状态，还能让组织免受干扰的影响。

组织在学习/培训中过快采用 AI 的最大风险或陷阱是什么（例如，过度承诺、采用率低、道德问题）？

组织在过快采用 AI 进行任何事情（不仅仅是 L&D）时面临的最大陷阱是夸大其词、在没有背景的情况下推广工具以及未能支持采用。如果不将其与实际工作联系起来，人们就不会使用它。更糟糕的是，匆忙可能会造成不信任，如果员工感到被监视、被评判或被抛在后面。

您如何确保在引入 AI 工具时，L&D 仍然具有包容性？例如，确保数字素养较低或资源有限的地区的人们不会被落下？

包容性始于认识到并非每个人都具有相同的数字素养。培训必须满足人们的需求，以简单、实用的用例为出发点。将年轻的数字原住民与更有经验的同事配对进行同伴学习也有帮助——这也是我们为什么是协作学习的坚定倡导者的原因。如果没有这种支持，AI 工具的推出可能会加剧差距，而不是弥合它们，并且会在未来带来更多问题。

五年后，您如何看待首席学习官的角色演变（特别是关于 AI、绩效和业务对齐）？

首席学习官的角色正在从关注培训转变为协调绩效。AI 将自动化行政工作，从而使首席学习官和他们的团队能够专注于将技能与战略对齐、证明影响力以及指导技术的道德使用。该角色将不再被评估为交付了多少培训，而是被评估为其对业务增长和保持人员就业能力的可见贡献。

感谢这次精彩的采访，希望了解更多的读者可以访问 360Learning 或收听 学习与发展播客。