نحتفل بتنوع الآراء والأفكار في مكان العمل لأننا نعلم أن التفكير المتباين ضروري لخلق الابتكار. ومع ذلك ، عندما يتعلق الأمر بتطوير موظفينا ، فإننا نطبق نهجًا واحدًا يناسب الجميع في التعلم والتطوير المؤسسي (L&D) لأنه يبدو أنه الأكثر فعالية من حيث التكلفة. ننقل الأشخاص من خلال ورش العمل والمحاضرات وندوات الفصول الافتراضية نفسها ، والتي لا تعدو كونها مصانع تعلم حيث يتوقع من الجميع التعلم بنفس الوتيرة وتطوير نفس المهارات بالضبط. هل هذا النهج الذي يتناسب مع الجميع يخلق ابتكارًا وأفكارًا جديدة؟ بالطبع لا. يقدر Josh Bersin أن الكثير من 240 مليار دولار يتم إنفاقها على التعلم والتطوير المؤسسي تضيع كل عام لأن معظم برامج التعلم والتطوير ليست مصممة لتلبية الاحتياجات الفردية للموظفين.
غالبًا ما تختار الشركات أفضل الأشخاص لديها عبر الإدارات والمناطق المختلفة وتضعهم جميعًا في برنامج HiPo على مستوى الشركة ؛ وبالمثل ، فإنهم يأخذون مدراء تمت ترقيتهم حديثًا من خلفيات مختلفة ويضعونهم جميعًا في نفس برنامج "المدير الجديد" على مستوى الشركة. هذه البرامج الموحدة على مستوى الشركة غير فعالة لأنها غير مصممة لتلبية الاحتياجات الفردية لكبار الموظفين لديك.
السبب الرئيسي وراء عدم التخصيص هو التكلفة. من المنطقي أن نفترض أن الحلول شديدة التخصيص لا يمكن الوصول إليها ببساطة. لكن الاستفادة من الأبحاث والتكنولوجيا الناشئة تسمح لنا بتقديم التطوير الفردي على نطاق واسع للموظفين دون التضحية بالجودة.
أنا متحمس لمشاركة ست طرق نستفيد بها من الذكاء الاصطناعي في BetterUp للارتقاء بنهجنا الذي يركز على الإنسان في التعلم والتطوير.
1. التخصيص المستنير بالبيانات
طورت BetterUp برامج L &D مخصصة للغاية للشركات الكبرى حول العالم لسنوات عديدة ، وتجد فرق علوم البيانات والذكاء الاصطناعي لدينا باستمرار أن الاحتياجات الفردية تختلف. جميع HiPos ليست هي نفسها. على سبيل المثال ، من المرجح أن تركز القيادات النسائية بنسبة 25٪ على التوازن بين العمل والحياة مقارنة بالقادة الذكور ، والمديرون الذين تمت ترقيتهم حديثًا هم أكثر عرضة بنسبة 35٪ للمعاناة مع "إدارة الوقت" مقارنة بالمديرين ذوي الخبرة ، والقادة الذين يشرفون على الفرق الكبيرة هم أكثر بنسبة 70٪ من المحتمل أن تركز على "مهارات التخطيط الاستراتيجي" مقابل HiPo التي لديها نطاق أصغر.
من أجل تخصيص نهجنا لكل فرد ، قمنا ببناء خوارزميات لتحليل البيانات الواردة وأنماط السلوك وتحديد احتياجات الموظف الفردي في لحظة معينة. على سبيل المثال ، إذا مر أحد المديرين بتغيير كبير مثل عمليات الاندماج والاستحواذ أو إعادة الهيكلة ، فإن بياناتنا تشير إلى أنه من المرجح أن يركز بنسبة 30٪ على "إدارة الإجهاد". نحن بحاجة إلى تكييف تجربة التعلم لتلبية احتياجات ذلك الفرد.
2. التوصيات المستهدفة
يمكن إنشاء التخصيص المدفوع بالذكاء الاصطناعي على مستوى تفاعل التعلم الجزئي. نقوم بإنشاء برامج تعليمية مخصصة تجمع بين أساليب متعددة - تدريب 1:1 مع مدرب تنفيذي خبير ، وتدريب متخصص في منطقة مستهدفة مثل عرض المبيعات أو الاتصالات المقنعة ، ومحتوى التعلم الجزئي لصقل مهارات محددة (على سبيل المثال ، "تقديم ملاحظات بناءة" ). نظرًا لأن كل فرد يختلف بطريقته الفريدة ، فإنهم يفضلون طرائق مختلفة. يفضل البعض منا البودكاست ، بينما يفضل البعض الآخر النصوص المكتوبة أو مقاطع الفيديو. يقوم فريق الاستوديوهات لدينا بإنشاء محتوى تعليمي دقيق تفاعلي مثل الألعاب والتمارين التفاعلية التي تحفز التعلم السريع. يمكن لمحرك توصيات BetterUp اقتراح الطريقة المناسبة للمستخدم المناسب في الوقت المناسب.
3. مطابقة المدرب
تطابق الخوارزميات الخاصة بنا فردًا مع المدرب الذي سيعمل بشكل أفضل بالنسبة لهم بناءً على تفضيلاتهم وأهدافهم التعليمية الفردية. لدينا الآلاف من المدربين في جميع أنحاء العالم الذين يجلبون تجارب وخلفيات وخبرات متنوعة في أساليب التدريب المختلفة. نحن نأخذ حوالي 150 عاملاً في الاعتبار لتحقيق التطابق الصحيح ، ونراقب باستمرار أداء خوارزميات الذكاء الاصطناعي لدينا لتتبع فعاليتها. نظرًا لأننا نجمع المزيد من البيانات بمرور الوقت ، تصبح خوارزمياتنا أكثر ذكاءً. قبل عامين ، حققت خوارزمية المطابقة الخاصة بالمدرب دقة تزيد عن 80٪ ، والآن تعمل باستمرار بدقة تزيد عن 97٪.
4. رؤى تنظيمية
تحاول فرق تحليلات الأشخاص في الشركات الكبيرة أحيانًا إجراء تحليل بيانات داخلي لتحديد الأنماط داخل الشركة الخاصة بهم. في BetterUp ، نستفيد من البيانات عبر قاعدة عملائنا الأوسع للعثور على رؤى أعمق ، ومساعدة الشركات على تقييم نفسها مع الآخرين في صناعتها. نحن نلتزم بنظام صارم متوافق مع الخصوصية ويجمع البيانات بشكل إجمالي عبر عدد أكبر من السكان للحفاظ على الخصوصية والسرية. بالشراكة مع المنظمات الصناعية المستقلة ، نقوم بتطوير وتنفيذ قواعد أخلاقية صارمة تشمل العمليات ، وتفاعلات التدريب 1:1 ، والبنية التحتية للتكنولوجيا ، وشراكاتنا. يتم تشفير جميع البيانات على المستوى الفردي ولا تتم مشاركتها أبدًا مع أي شريك ، وأنظمتنا متوافقة مع اللائحة العامة لحماية البيانات.
5. إضفاء الطابع الديمقراطي على الجودة
من المزايا الأخرى للتخصيص واسع النطاق المستند إلى الخوارزمية أنه يمكّن الشركات الصغيرة أيضًا من تقديم برامج عالية الجودة ومصممة خصيصًا لموظفيها. لقد رأينا أن موظفي الشركات الصغيرة والمتوسطة غالبًا ما يكون لديهم احتياجات مختلفة مقارنة بالموظفين في الشركات الكبرى. على سبيل المثال ، تقل احتمالية عمل الموظفين في الشركات الصغيرة والمتوسطة بنسبة 50٪ على "إدارة الإجهاد" ولكن من المرجح أن يعملوا على "تحديد الأهداف والتخطيط" بمقدار الضعف مقارنة بالموظفين في الشركات الأكبر. في الماضي ، تم استبعاد هذه الشركات الصغيرة والمتوسطة الحجم لأنها لم تكن تمتلك الموارد وحجم المؤسسات الكبيرة لتقديم برامج التعلم والتطوير المخصصة. باستخدام BetterUp ، يمكنهم تقديم برامج مصممة خصيصًا لتلبية احتياجات موظفيهم.
6. الطلاقة العالمية
سمحت لنا مجموعة البيانات الشاملة على نطاق عالمي في BetterUp بتلبية احتياجات الموظفين في مختلف المناطق. تُظهر بياناتنا أن الموظفين الأمريكيين أكثر احتمالاً بنسبة 23٪ للعمل على "إدارة التحولات المهنية" ، في حين أن نظرائهم في المناطق الأخرى أكثر احتمالاً بنسبة 21٪ للعمل على "تدريب وتطوير الآخرين" و 10٪ أكثر احتمالًا للعمل على "التأثير" والحزم '. في BetterUp ، نقدم برامج مخصصة في الأسواق الدولية الرئيسية حول العالم من فرنسا وألمانيا والمملكة المتحدة في أوروبا ، إلى اليابان والصين والهند وأستراليا ، في آسيا ومنطقة آسيا والمحيط الهادئ. في المجموع ، يتحدث مدربونا 30 لغة ومدربين في أكثر من 60 دولة حول العالم.
الأفكار النهائية
في الختام ، أود أن أقول إنه بعد النظر في هذه الملايين من نقاط البيانات من جميع أنحاء العالم ، من الواضح لي أن نهج التعلم الواحد المناسب للجميع لا ينجح بالتأكيد. نحن بحاجة إلى مقابلة موظفينا أينما كانوا ، والحل القابل للتطوير بدرجة كبيرة والموجه بالذكاء الاصطناعي والذي يجمع بين التدريب البشري الخبير والتعلم الجزئي التفاعلي هو أفضل طريقة لمساعدتهم على التطور والازدهار بطرق غير مسبوقة!
