360Learning 首席学习官 David James 采访系列

360Learning 是一个基于云的学习平台，结合了学习管理系统（LMS）和学习体验平台（LXP）的元素。其重点是 协作学习 —— 让内部专家共同创作内容，给学习者反馈，实现同伴互动，并揭示技能差距。自动化工具帮助管理合规培训、入职和可扩展性，而 AI 功能协助个性化学习路径。它被全球数千个团队使用，旨在帮助组织“从内部提升技能”。

您曾是迪士尼（欧洲、非洲和中东地区）的人才、学习和组织发展总监，后来成为 360Learning 的首席学习官。在您的迪士尼经历中，有哪些经验您仍然在应用，特别是在 AI 驱动的环境中扩展学习与发展时？

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。仅仅为了培训而培训是不够的；它必须推动绩效。这种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：首先确定业务需求，然后设计解决它的学习体验。

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被低估的见解，它们改变了您对学习与发展的看法？

嘉宾们给我带来的最令人惊讶的主题之一是，学习与发展团队经常低估其工作人员已经拥有的知识。领导者们一再告诉我，他们最有效的学习不是购买的，而是从内部挖掘出来的。另一个是向基于技能的战略转变，更加注重与绩效结果的对齐，而不是内容库。

您定期发表文章，并被认为是学习与发展领域的影响者。您如何平衡思想领导（写作、演讲）与实际项目交付，如性能学院？您面临哪些权衡？

思想领导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，并与学习与发展社区保持联系，而领导像性能学院这样的项目让我扎根于学习与发展实践者的日常挑战。权衡是时间，但交叉污染使两者都更强大——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 创建学习与发展性能学院？是否有来自市场或客户的特定信号使其成为正确的时机？

学习与发展团队证明 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。因此，人们今天所学的东西可能在两年内就会过时——学习与发展团队如何跟上这种变化？同时，太多学习与发展职能仍被视为反应性或“好有”的，而不是战略性的。企业需要学习与发展团队成为性能加速器，推动可衡量的影响，而不仅仅是交付课程，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：为学习与发展专业人员提供工具，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 知识和实用工具，以与战略保持一致并证明其价值。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 策略嵌入学习与发展工作流程”。您能否提供一个组织如何使用这些课程在近期改变其学习与发展实践的实际例子？

这些课程可能被用于入职，这是学习与发展的一个关键方面。学习与发展团队可以使用 AI 来映射特定角色的所需技能，然后嵌入协作学习，让经验丰富的同事创建和验证内容。我们的基本 AI 原理课程为实践者提供了使用这些工具的信心，而 AI 策略课程则展示了如何将其集成到工作流程中。

许多学习与发展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 驱动的工作场所中学习与发展的 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，跟踪领导者关心的 KPI，例如销售转化、减少到生产力时间或错误减少。当您直接将学习与业务结果联系起来时，ROI 就变得不可否认了。

360Learning 如何设想 AI 被用于个性化学习而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 可以揭示模式和推荐路径，但主题专家提供了细微差别和上下文，以保持其相关性和公平性。这确保了学习在规模上被个性化，而不会陷入算法偏差的陷阱。

考虑到技能变化的速度有多快（估计技能的半衰期为 5 年，甚至在某些领域为 2.5 年），学习与发展领导者应该如何在其组织中结构持续学习或“再技能化周期”？

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

AI 使其更加实用，通过扫描市场数据、工作角色和内部技能配置文件，通过技能本体论来突出出现的差距，然后再成为关键问题。但真正的工作在于学习与发展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程中，因此人们不仅仅是暂停工作来“接受培训”，而是不断地在工作中获得技能。这是从偶发性的学习事件转变为持续的、迭代的发展。做得好，这些周期不仅能让员工保持更新，还能使组织免受破坏的影响。

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 时面临的最大陷阱是过度吹捧其能力，推动工具而不提供背景，并且未能支持采用。AI 应该被引入作为一个使能器，而不是魔术解决方案。如果您不将其与真正的工作联系起来，人们就不会使用它。更糟糕的是，匆忙可能会在员工感到被监视、被评判或被抛在后面时产生不信任。

您如何确保在引入 AI 工具时，学习与发展保持包容性？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，提供简单的、实用的用例。年轻的数字原住民可以与更有经验的同事配对，进行同伴学习——这也是我们为什么是协作学习的坚定支持者的原因。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培训的关注转变为性能的协调。AI 将自动化管理，释放首席学习官和他们的团队来关注技能与战略的对齐、证明影响以及指导技术的道德使用。该角色将不再被判定为交付的培训量，而是被判定为其对业务增长的推动和员工的就业能力的可见度。

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》。