[ad_1]
Milhares de lanternas: porquê a IA está iluminando cantos escuros
Nos meus dois artigos anteriores nesta série, exploramos o efeito da rua, ou seja, quando tendemos a procurar alguma coisa onde é profíquo (sob a luz da rua) e não onde está (o Dark Park). No caso de estágio e desenvolvimento (L&D), isso significa medir métricas facilmente disponíveis que estão sob nosso controle (epílogo do curso, tempo gasto em treinamento e satisfação). Leste último item lançará luz (trocadilhos) os cantos mais escuros da mensuração do impacto da aprendizagem e mostrará porquê se pode pensar na IA porquê um multiplicador de força nas análises de L&D.
Por que é difícil medir o impacto da aprendizagem?
Desempenado com vários estudos e minha própria experiência, a mais recente pesquisa do ATD sobre o porvir da avaliação da aprendizagem revelou as mesmas barreiras e desafios (1):
- Falta de tempo e recursos
- Falta de entrada a dados
- Falta de habilidades
- Falta de adesão e esteio das partes interessadas
Parece familiar? Não é de contemplar que a L&D fique na extensão muito iluminada do LMS. Para medir o impacto no trabalho, precisamos trespassar da bolha do LMS e trabalhar com os negócios, TI, compra de talentos etc. Precisamos de muitas lanternas para os cantos escuros. Até agora, a escalabilidade devido à falta de tempo e recursos parece ser uma das maiores barreiras.
A tecnologia não removerá todas as suas barreiras. A cultura, a falta de transparência, processos quebrados, objetivos e responsabilidades pouco claros, falta de responsabilidade etc. precisam ser abordados pelos seres humanos antes que a perceptibilidade sintético (AI) possa ajudar.
A capacidade de iluminar em muitos lugares ao mesmo tempo, de maneira rápida e inteligente, de ver toda a imagem do impacto, é o que a estudo de dados, a IA e a promessa de automação.
6 maneiras de ai porquê multiplicador de força pode ajudar na mensuração e avaliação
1. Ajudando com a estratégia
Os cálculos de priorização, estudo de trade-off, design moroso e ROI são alguns dos exemplos em que a automação e a IA podem fornecer orientações sobre o que assumir em primeiro lugar e porquê o sucesso deve ser medido.
2. Ajudando com o design
Mesmo antes da mensuração e avaliação, você pode usar a IA para ajudá -lo na redação da avaliação, por exemplo. Para os designers de aprendizagem, construí um bot da IA que analisa suas perguntas de avaliação e fornece pontuação, sugestões e feedback detalhados sobre a abordagem. Esses assistentes estão agora evoluindo para agentes com a capacidade de executar, não somente sugerem ações.
3. Transformando pesquisas de satisfação em perguntas focadas no desempenho
Transformar pesquisas de satisfação de figura atrasada em perguntas focadas no desempenho, produzindo insights de dados acionáveis, é outra extensão em que a IA pode ajudar. Outro serviço de IA foi treinado no Padrão de Avaliação de Transferência de Aprendizagem (LTEM) e no design das perguntas da pesquisa focada no desempenho para ajudar a gerar dados mais acionáveis (2).
4. Analise os dados em graduação e profundidade
A IA na mensuração de L&D pode nos ajudar a coletar e explorar dados em uma graduação e profundidade que antes eram impraticáveis. Onde um exegeta humano pode ter dificuldade para correlacionar os dados de treinamento com seis métricas de desempenho diferentes espalhadas por três sistemas, uma utensílio orientada a IA pode explorar esses números em segundos e padrões de ponto. Por exemplo, a IA pode rastrear dados de estágio juntamente com métricas de desempenho ao longo do tempo para identificar correlações, confrontar grupos (que fizeram o treinamento versus quem não o fez) e até explorar dados qualitativos (porquê respostas de pesquisa ocasião ou amostras de produtos de trabalho) para ver porquê os alunos estão aplicando habilidades (3).
5. Falta de tempo e recursos
Respostas de texto simples, interações de bate-papo em tempo real ou pequenas conversas em grupo de repartição agora podem ser analisadas para reunir idéias, encontrar padrões, categorizar respostas, prever sentimentos, etc. Falta de tempo e recursos? Resolvido.
6. Diálogo imersivo e mensuração embutida
Na ATD Techknowledge Conference, em fevereiro de 2025, compartilhei um protótipo de uma façanha em 3D, onde os usuários poderiam entrevistar pessoas de interesse com base em uma determinada rubrica de melhores práticas. Os personagens da IA interagiram em tempo real e tinham sua memória de limitado e longo prazo. Eles compartilharam fatos sobre o mundo, mas também tinham uma consciência um do outro. No final, o treinador da IA forneceu uma estudo detalhada das entrevistas. Tudo isso eu construí dentro de um mês. Minha previsão é que esse tipo de atividade imersiva estará disponível em breve em todas as plataformas de estágio decentes.
Um relatório do setor 2025 observou que a IA avançada permite abordagens mais sofisticadas para vincular a aprendizagem e o desempenho-em vez de rastrear somente as conclusões, as análises de IA podem calcular coisas porquê compreensão, emprego e mudança de comportamento, que são “os verdadeiros impulsionadores do desempenho mercantil” (3). Isso significa que a IA não está deslumbrada com a luz da rua: está procurando ativamente o cintilação do impacto no escuro.
Estudo preditiva para fornecer informações acionáveis
Ou por outra, a IA pode prever e prescrever. Por meio de análises preditivas, a IA pode realçar quais funcionários provavelmente se beneficiarão de um treinamento específico (para que a L&D possa segmentar melhor intervenções). Também pode ajudar a identificar se um problema de desempenho está emergindo que o treinamento pode ajudar, alertando essencialmente a L&D para uma premência antes mesmo de a empresa pedir. Em nossa metáfora, a IA pode não somente prefulgir uma luz onde estão as chaves, mas até prever onde você deve parecer primeiro (“com base em padrões passados, as chaves geralmente são jogadas perto do banco do parque”).
E, finalmente, a privacidade e a moral não podem ser ignoradas – misturar uma luz em todos os lugares não deve valer espionar os funcionários ou violar a crédito. O objetivo é iluminar o impacto, não se intrometer na privacidade.
Temos a tecnologia para realmente medir o que sempre nos importamos: mudança de comportamento real e resulta de negócios de uma maneira escalável e em tempo real. Pense na IA porquê um multiplicador de força do seu impacto no Novo Mundo, em vez de uma prenúncio ao seu trabalho na antiga.
Um porvir refulgente: medindo o que importa em todas as funções de L&D
Trespassar do círculo estreito da luz da rua e entrar em uma paisagem de mensuração mais ampla e muito iluminada não é somente um bom de ter, é o porvir de L&D. E requer uma mudança de cultura que toca todos os papéis no campo de L&D:
Para designers instrucionais
Significa projetar com a mensuração em mente. Abrace modelos porquê o LTEM para prometer que suas soluções de estágio incluam oportunidades para provar emprego.
Para gerentes e facilitadores de programas de L&D
Trata -se de substanciar o estágio no trabalho e o comitiva. Pode ser necessário fazer parceria com os gerentes de risca para obter feedback sobre mudança de comportamento ou configurar pontos de contato pós-treinamento (porquê atualização ou sessões de treinamento) que aumentam a transferência e produzem informações sobre o progresso. Em vez de declarar sucesso quando a classe terminar, você verá sua função se estendendo ao lugar de trabalho: orientando os gerentes sobre porquê concordar novos comportamentos e talvez fazer medições de luz, porquê amostragem de saídas de trabalho ou meio de grupos focais para ouvir porquê as pessoas estão aplicando (ou não aplicando) o treinamento.
Para líderes de L&D
Trata -se de estratégia e cultura. Lidere a delação no alinhamento do estágio às metas de negócios. Advocar as ferramentas e recursos (talvez investindo em um LRS, ou talento de estudo ou plataformas de IA) que permitam que sua equipe medir o que importa. Também cairá sobre você para educar as partes interessadas. Defina expectativas com executivos que a L&D reportará os resultados dos negócios, não somente a atividade e, em seguida, cumprirá essa promessa. Por que não usar a rubrica de mensuração e priorizar solicitações de projeto em que as partes interessadas estão dispostas a colaborar na mensuração do impacto real?
Para analistas de aprendizagem ou cientistas de dados
Suas habilidades em estudo e instalação com ferramentas de IA ajudarão a transcrever dados brutos em histórias significativas. Você experimentará diferentes métodos (testes A/B para treinamento, modelagem preditiva etc.) para realmente entender a justificação, não somente a interdependência.
Peroração: AI porquê multiplicador de força
Por termo, evitar o efeito da luz da rua na mensuração de L&D significa ter a coragem de buscar a verdade, mesmo que esteja em lugares sombrios e difíceis. Isso significa negociar o conforto inopino de uma métrica fácil para a recompensa mais gratificante de uma métrica significativa. Sim, é mais difícil medir porquê um novo treinamento de software afetou a produtividade do que narrar quantas pessoas abriram o vídeo de treinamento. Mas qual você prefere trazer para o seu CEO? Qual deles realmente diz se o treinamento foi muito -sucedido?
Referências:
(1) O porvir de calcular o estágio e medir o impacto: melhorando as habilidades e abordando os desafios
(2) Pesquisas para o aluno e eficiência do estágio com Will Thalheimer
(3) Medindo o que importa: conectar resultados de estágio aos resultados dos negócios com IA
[ad_2]
Source link
