L&D Konferans Yansımaları: AI Vs. İnsanlık

L&D başlığı nerede?

On yılı aşkın bir süredir L&D konferanslarında konuşuyorum. Her zaman aynı öğrenme yaklaşımına sahiptim: endüstri liderleriyle gerçekte ne yaptıkları hakkında konuşmak, katılımcılarla neyi çözmek veya mücadele etmek istedikleri hakkında konuşmak, trendleri anlamak için oturumlara katılmak, öğle yemeğinde ve koridorlarda yeni arkadaşlarla tanışmak ve İnsanlarla iş, yaşam ve evren hakkında bağlantı kurmak/yeniden bağlantı kurmak. Bu makale (ikisinden biri) ATD LearningTechnologies konferansından ortak çıkarımları araştırıyor.

Bir Technowledge Konferansı bile insanlarla ilgilidir

Bu yıl, ATD'nin Techknowledge Konferansı'nın teması, oturumum için giydiğim gömlekle özetlenebilir:

insan · tür (her ikisi de ol)

Biz insanlar karmaşıkız. Bazılarımız zekiyiz 🙂 Birbirimize nasıl davrandığımız, özellikle de bizimle aynı fikirde olmayanlara, yapay zekanın (AI) nasıl eğitildiği konusunda önemli bir rol oynamaktadır. Sonuçta, AI insan verileri konusunda eğitiliyor; insan hikayeleri, yani. İnsanlık tamamen gizli insan hikayeleriyle ilgilidir. İnsanlarla konuşun. Hikayelerini dinleyin. Tüm hikayelerini bilene kadar asla bilemezsin. Nazik olun. Teknolojinin (hatta AI) insan sorunlarınızı çözmesini beklemeyin.

Neden tüm bu uzun giriş?

Aşağıdaki ilk yansıma nedeniyle: Önce çözmeye değer bir sorunu bulun ve anlayın ve ardından bir çözüm arayın (AI ya da değil). Aksi takdirde, çözebileceği sorunları kovalarken aletin elinizdeki ne kadar hızlı değiştiğinden yorulacak ve bunalmış olacaksınız. Birçok insan bugün, özellikle AI dünyasında değişikliklere ayak uydurmakla mücadele ediyor. Donald H. Taylor'ın yıllık “L & D'de Sıcak olan” araştırmaları aynı şeyi gösterir: AI aklın en üstünde. [1]

Konferans Yansımaları

1. Birçok insan yorgun ve bunalmış

Değişimin hızı acıyor. Birçok insan sadece makaleler okuyarak, podcast dinleyerek veya tiktoks izleyerek tükenir. En son öğrendiğiniz, yansıttığınız, uyguladığınız ve paylaştığınız anda, eski olabilir. Yapay zeka hakkında çok az kitap olduğuna şaşmamalı.

AI'nın mevcut teknoloji için dolaylı etkileri de vardır. Edtech endüstrisine bakın! Yapay zeka entegrasyonu olduğunu iddia etmezlerse eğrinin arkasında olduklarını biliyorlar. İçerik oluşturma en basit giriş noktasıdır. Erken benimseyenler konuşma yapay zekasından yararlanmak için canlı sohbet özellikleri uygulamaya başladılar. Bugün, oldukça gerçekçi 3D karakterlerle konuşabilirsiniz. Birkaç yıl içinde bu özellik her iyi öğrenme platformunda olacak.

Sürekli değişim bizi karar vermeye zorlar: tam gelişmiş özellik hazır olana kadar beklemeli miyiz yoksa mevcut sürümü “hacklemeye” mi başlamalıyız? API'lar oluşturmak ve kod kullanmak, satıcıların kendilerinin getirdiği birkaç yıl içinde teknik borç haline gelebilir.

• Değişimin yorgunluğu nasıl hafifletilir
• • Yalnız olmadığınızı bilin
    Kendi organizasyonunuzdaki siperlerde olduğunuzda, yıllarca geride olduğunuzu hissedebilir ve LinkedIn'deki herkes AI ve L & D'de uzmandır. Başkalarıyla konuşun. Ağ. Bir konferansa git. Herkesin aynı sorunları yaşadığını göreceksiniz.
  • Her şeyi yapamazsınız: öncelik ver
    Artık tüm işlemlerin ustası olmayacaksınız. O dönem gitti. Önemli olanı önceliklendirin. Sizin için, ekibiniz ve kuruluşunuz için önemli olan nedir?
  • Sorunla başlayın
    Zorluklarınızın çoğu değişmedi. Şimdi çözmeye değmeyen bir sorunu çözebilecek bir teknolojiniz olduğu için buna değmez.
  • Diğerlerini üç dairede takip edin
    • Meydan okuma çemberi
      Benzer zorluklara sahip siperlerde olan insanlar
    • Motivasyon çemberi
      6 aylık insanlar – olmak istediğiniz yerden 1 yıl önce; Sizi kısa vadeye odaklanmaya motive eden insanlar.
    • İlham Çemberi
      Yıllar ileride olan insanlar; Yeni bilgi, araştırma ve teknoloji değişikliklerinin tsunamisi ile ilgilenenler. Bunları tampon olarak kullanın. Neyin önemli ve neyin dikkatini dağıtan üzerinde çalışmasına izin verin.

2. AI Yatmak: Davranış Değişikliğine Dönüş?

Ortak pilot çıkardık ve kimse kullanmıyor.

Bu yinelenen tema bana, şirketin çalışanların kendileri, ilgi alanları, becerileri vb. Hakkında bilgilerini doldurmaları gereken profillerin “sunulduğu” bir deneyimi hatırlattı. Sefil evlat edinme oranı. Çözüm? Zorunlu İK yetkisi: İnsanlar profillerini tamamlamalıdır.

Kırmızı halı gibi teknolojiyi sunmuyorsunuz. İnsanlar olaylara gitmiyor çünkü kırmızı bir halı var. Kırmızı halıda yürüyorlar çünkü olay orada.

“Etkinliği” anlamlı hale getirin ve gelecekler. AI ile aynı: Evet, değişiklik yönetimine ihtiyacınız var. Davranış değiştirme yönetimi, yani. Bunun arkasında bütün bir bilim var! Öğrenme tasarımı zihinleri değiştirmek için yeterli değildir. Kendi kaderini tayin teorisi, BJ Fogg'un harita modeli, com-b veya benzeri temellerle başlayın. Sunma planınızın yapısına gelince, oyun tasarım dünyasından pratik bir şey:

• Aşama 1: Keşif
  İnsanları, sorunları ve zorlukların olduğu süreçleri bulun. Onlara potansiyel değeri gösterin! Oraya nasıl ulaşılacağına dair adım adım talimatları vermeden önce geleceği, hedefi görmelerini sağlayın.
• Aşama 2: Keşfetmek
  İlk satın almayı aldınız. Motivasyon yüksektir; Deneyim düşük. Bu ilk kez AI kullanıyor. Bazı tutma ve kritik hataların hafifletilmesi gerekebilir. Onlara erken bir galibiyet ver! İlerleme görevi gören herhangi bir küçük şey. Temel veriler ve yapay zeka okuryazarlığı sağlayın.
• Aşama 3: İskele
  Şimdi sorunlarını çözmek için araçları kullanıyorlar. Motivasyon enerji yakarken azalıyor, ancak deneyim ve beceriler yükseliyor, bu da etkileşime girmelerine yardımcı oluyor. Gerektiğinde onları destekleyin, ancak yapılandırılmış canlı oturumlarla herkesi geri tutmayın. Çözümler oluşturmalarına ve paylaşmalarına izin verin. Destekleme araçları ve malzemelerde iskele zorlukları.
• Aşama 4: Ustalık (ve ötesi)
  Şampiyonun var. Öz-yeterlik (“kendimi iyi yaptığını görebiliyorum”) yeni zorluklar için çözmeyi teşvik ediyor. Çözüm etrafında inşa edilmiş bağlantılar ve ilişkiler. Sürekli destek sağlayın (bu ekip çalışmasıdır; her şeyde uzman olmayacaksınız). Uzmanlar, öğrenilen derslere dayanarak yeni çalışanların işe alınmasına yardımcı olabilir. Topluluklar kendilerini sürdürebilir. En iyi uygulamalar AI sistemi içinde saklanabilir ve paylaşılabilir (başka bir SharePoint sitesine gerek yoktur).

3. AI'da upkilling: Nereden başlamalı?

Konferansta belirtilen en yaygın zorluklardan biri, işgücünü ölçekte yükseltmekti. Sık sık “upskilling” kelimesini ve “Beceri boşluğunu kapatma” ifadesini yanıltıcı buldum. Birini seviyeye yükseltmek için neye ihtiyacın var? Üç şey: bulundukları seviye, olmasını istediğiniz seviye ve ikisini bağlamak için en kısa yol.

Ancak bir şekilde, genellikle sadece istenen duruma odaklanırız. Bireylerin nerede olduğunu bilmeden, sadece hedefi ve hiçbir yerden tek bir yolu inşa ediyoruz. Sonra, herkesi nereye ne olursa olsun yolculuğa başlamak için yolun sonuna geri dönmeye zorluyoruz.

“Eğer görmüyorsam, mevcut değil” politikası güvenmek için iyi bir politika değildir. Çalışanlar, sorunları çözmelerine yardımcı olmak ve daha sonra işyerine geri getirmelerine yardımcı olmak için AI'ya kişisel erişimlerini kullanırlar. Çok gizli olmayabilir (umarım), ama orada birçok varsayım var. Şirketin yanıtı nedir? Dışarıdan kopyalamayı engeller. Bunun için bir e -posta var.

Riskler konusunda eleştirel farkındalığı da sağlayan bir politika oluşturun. Ardından, en kısa yolu etkinleştirmek için mevcut yetenekleri nasıl değerlendireceğiniz de dahil olmak üzere UpSkilling'i düşünebilirsiniz.

4. Hızlı mühendislik öğrenmeye değer mi?

Bir yıl önce, hızlı mühendislik en sıcak becerilerden biriydi. Bugüne kadar hızlı bir şekilde, nasıl yazılacağına dair binlerce kısaltma ve “çerçeve” var. Hatta en sevdiğiniz LLM'den bir istemi oluşturmasını isteyebilirsiniz. Üretken AI doğal dil işleme kullandığından, geleneksel anlamda gerçekten “mühendislik” değildir. Kod gerekmez.

Benim iki sentim, kısaltmaları veya şablonları değil, nedenleri öğrenmenizdir. Neden belirli bir bağlam sağlamanız gerektiğini anladıktan sonra, ayarlamak daha kolaydır. Bir şey kesin: Bu modeller gelişmeye devam ediyor. Onlar hakkında bir yıl önce öğrendikleriniz bugün hiç ihtiyaç duyulmayabilir. Geçen yılın başarısına göre önerilen birisinin yapısı ve biçiminden ziyade sorunu açıklamaya odaklanın.

Her zaman modelin en iyi ve en son cevabı zaman alması, düşünmesi ve iki kez kontrol etmesi için izin veriyorum. Bundan önce, örneğin kodlamada ilk, en popüler şeyi önerdi ve daha sonra yakın zamanda kullanımdan kaldırıldığı ortaya çıktı. Ayrıca, modelden cevabı revize etmesini isteyebileceğinizi unutmayın. Tekrar tekrar. İnsanlar buna tahammül etmezler, ancak AI yinelemekten mutlu olur.

5. Yapay zekanın pratik kullanım durumları (L & D için)

Gördüğüm en yaygın kullanım durumu içerik üretimidir. Hızlı tabanlı, anlık metin ve grafik içerik oluşturma, bir verimlilik problemini çözer. Daha verimli olmak, daha az çaba ile daha fazla içerik oluşturabileceğimiz anlamına gelir. Zorluk, ölçüm madalyonunun diğer tarafında yatmaktadır: etkinlik. Daha fazla içerik daha hızlı yaratmak, iş üzerinde daha fazla etki yarattığımız anlamına gelmez. Aslında, bu verimlilik genellikle daha fazla içerik oluşturma tarafından tüketilen “boş zaman” a yol açar. Bence AI'yı tam tersi kullanmalıyız: içeriği azaltmak.

Oturumumuzda, AI'nın pratik uygulamasını paylaştık: kişiselleştirilmiş öğrenme, koçluk, uyarlanabilir içerik, otantik beceri değerlendirmesi, hızlı bir şekilde yineleme için dakikalar içinde kodsuz uygulamalar oluşturma ve hatta AI güdümlü 3D karakterlerle (çok uzun, çoklu, çoklu, çoklu, çoklu, çoklu, çoklu, çoklu, çoklu etkileşimlerle oyunlaştırılmış etkileşimler -choice cevapları).

Öğrenme dışında, iş dünyasındaki bazı AI kullanım durumlarına göz atın [2]. Bir sonraki makalede, konferanstan sonraki beş temaya devam edeceğim:

1. Erişilebilirlik: Başkalarını kim önemsiyor?
2. Godotech'i mi bekliyorsunuz?
3. İşbirliği teknolojisi işbirliği yapmıyor, insanlar yapıyor
4. Çeşitli düşünceler, daha iyi sonuç
5. Kişisel bir not: Alice'in yanında yaşamak. Alice? Kim [beep] Alice mi?

Referanslar:

[1] Küresel Duygu Anketi 2025

[2] Yapay Zeka (AI) Kullanım Örnekleri ve Uygulamalar