2024年人工智能在学习与发展中的应用报告从言到行

L & D 中的 AI ：从谈话到行动 唐纳德 · H · 泰勒和埃格尔 · 文auskaite Introduction 本研究的主要发现 五个月内可能会发生很多事情。我们之前的报告，L ＆ D 中的 AI ： 游戏状态于2023年11月30日发布，即ChatGPT推出一周年之际，报告显示，在经历了12个月的非凡技术进步、关于人工智能（AI）的猜测和争论之后，学习与发展（L&D）从业者对AI的采纳仍然缓慢。在接受调查的雇主中，有45%要么尚未采取行动，要么仅在试验AI——这是一群自我选择且大致积极的受访者。 虽然内容生产一直是一个缓慢且资源密集的过程，易于受到人工智能的影响，但我们知道，仅仅依靠内容无法构建人类能力。知识捕获与发现、技能发展、个性化学习和职业路径以及数据驱动的人才发展都是学习与发展（L&D）领域的重要工具，而人工智能可以提升所有这些方面。 我们选择探索AI在内容创作之外的少数丰富应用场景。读者会注意到，这些示例要求L&D部门与企业其他部分更加紧密地合作：制定商业案例、获取数据和专业知识、与内部利益相关方协作以及测试解决方案。 低采用率来自何处？并非缺乏兴趣。2024年2月，L&D全球情绪调查（GSS）报告称，在超过3,000名受访者中普遍存在对AI的兴趣。当被问及“2024年工作场所L&D领域哪些内容将最受欢迎？”时，AI位居榜首，并在所有地理区域和人群中占据主导地位。在调查11年的历史中，选择AI的票数远超其他任何选项，从2022年的第12位仅4.7%跃升至21.5%。 像这样工作需要一种苛求的能力组合——当然要有技术方面的智慧，但也需要建立关系和谈判的能力，以及对整个业务的了解。我们已经走了很远，从仅仅由培训部门负责提供课程安排，到现在涉及更多方面的工作职责。 现在，在十一月报告发布后的五个月后，人力资源与开发（L&D）开始将人工智能投入使用。本报告分为两部分，探索正在发生的情况。 AI 在2023年引起了巨大兴趣，根据GSS的调查，这也是L&D从业者最为关切的问题之一。我们希望这份报告能通过展示AI已经在L&D领域中的实际应用方式来缓解一些担忧。 我们首先基于对317位受访者的调查，从宏观角度概述了L&D从业者所进行的工作。随后，我们将通过一系列案例研究，深入探讨人工智能的应用。 这项技术开辟了巨大的可能性。现在的问题是 L &D 是否准备好利用它们。 L ＆ D 中的 AI ： 游戏状态展示了L&D预期AI的关键初步优势将体现在内容生产方面。这份报告表明这种预期已经变为现实。L&D确实正在使用AI处理一系列过去需要更多时间和/或专业技能才能完成的内容任务。无论是积极还是消极的角度来看，现在可以比以往更快地创建更多的、更具视觉吸引力的内容。这些收益是惊人的，但它们仍然局限于L&D部门内的效率提升。 唐纳德 · H · 泰勒： Contents 将 AI 用于 L ＆ D04调查方法和结果讨论案例研究 7- NORSK HYDRO26启用个性化技能和学习建议案例研究 4- 埃里克森20在 L ＆ D 中采取战略性的智能方法进行 AI创新案例研究 1- 拜尔14将合规性内容战略转向混合模式案例研究 2- MCI 集团16将现场事件转换为可用的知识库案例研究 3- ROCHE18为 L & D 的人工智能创新制定整体战略Conclusion28是时候采取行动了案例研究 5- LEYTON22衡量教练对客户对话的影响案例研究 6- HSBC24使用教练机器人提高性能关于作者30了解作者INTRODUCTION01本研究的主要发现 将 AI 用于 L& D 本报告的两个部分检查 AI 在L & D 有两种不同的方式。这部分探讨了短期调查结果。 调查方法 自我选择的结果，并不太可能代表所有L&D实践者的总体人群。他们更有可能处于埃弗雷特·罗杰斯创新扩散曲线中的早期采用者和热心人士群体中。 这项研究的定量部分是一项在线调查 ， 从 2024 年 2 月 28 日至 4 月 8 日进行了 41 天。 调查是一种粗略的工具，用于了解AI的使用情况。超过300名受访者中的一些人可能正在战略性地使用AI来影响整个组织的能力，而这种影响仅会在调查中通过一个勾选框来体现。在本报告的研究案例部分，我们将探讨AI的战略力量，超越战术层面。在那里，我们看到我们的领域内富有雄心的创新者如何利用AI进行战略部署，旨在超越提升L&D部门效率的影响，追求更广泛的影响力。 2023 年 11 月的数字 相比之下，调查提供了一个关于L&D领域当前AI应用的广泛视角。此外，在我们评估AI采用情况的进步（或缺乏进步）时，它还将提供一个定量基准。 L & D 内部还表示 ， 他们目前对人工智能的使用集中在内容生成上。 在过去一年里，关于AI在学习与发展（L&D）领域的潜在应用已经进行了大量的讨论。基于这些猜测，本次调查旨在在2024年初提供L&D领域使用AI的量化视角。 这张图表上第三受欢迎的选择显示了人们预期AI可以帮助实现学习交付的个性化。相比之下，尽管技能相关选项中有三项涉及AI的支持，但使用AI来支持技能倡议仍然远不如人意。 简短的调查包括三个问题 ： 为了为当前调查设定背景，值得回顾一下2023年11月发布的上一份报告，该报告探讨了一年前ChatGPT推出后人们对于AI在学习与发展（L&D）领域中的期望。2023年11月的关键预期是AI将有助于内容创作。这一点不仅体现在最受欢迎的选择“更快地创建内容”中，也体现在他们的第二项选择“提高效率/降低L&D成本”中。 1.您现在如何使用 AI 或计划在未来 3 个月内使用它 ？(多项选择 ， 强制性) 位置数据是使用受访者的 IP地址。 讨论结果 2.您在组织中看到的最有趣的 AI 用例是什么(在 L ＆ D 或以后) ？(免费文本) 受访者来自 45 个国家 ； 25% 的受访者来自英国 ， 20% 来自美国。 这些对人工智能在 L & D 中的期望与今年对其实际使用情况的调查相比如何 ？ 这些七个国家，即印度、澳大利亚、爱尔兰、荷兰和德国，占受访者总数的超过三分之二。 3.你的大部分工作都在哪里 ？(多选) 今年短期调查的关键问题 ， 也是唯一的强制性问题 ， 是 ： “情况如何 在进一步的调查问题中 ， 选择 “提高效率 /降低成本 ” 的受访者 这项调查是通过电子邮件和 LinkedIn 公布的， 这意味着 317 名受访者 您目前正在使用AI，还是计划在接下来的三个月内使用它？受访者被提供了一个随机排序的选择列表，包含14项内容（包括“其他”和“以上都不是”），可以从这些选项中选择任意数量的项目。平均选择的选项数量为4.1个，有41位受访者选择了唯一一个选项，而有6位受访者选择了全部12个选项。“以上都不是”这一选项被17人选择。 调查中出现的选项如下 ： 管理任务(报告、电子邮件、内部通信等)创建学习内容学习设计任务(课程大纲 ， 测验问题 ，学习活动等)学习个性化(内容策展 ， 自适应学习等)绩效支持(例如 AI 助手为员工提供即时帮助)定性数据分析(例如分析反馈中提供的单词)定量数据分析(例如 ， 分析有关跨平台用户行为的数据)研究主题技能管理(技能情报工具 ， 人才市场等)技能练习(例如通过 AI 指导 ， 对话机器人)翻译用户研究(撰写访谈脚本 ， 分析等)Other以上都不是 不出所料。技能练习涵盖多种可能性，有些相当简单，并且几乎每个L&D部门都会使用。相比之下，技能管理是一项复杂的工作，实施时间较长，目前主要由较大的雇主推进。 内容的设计、创建和翻译明显主导了当前AI在学习与发展（L&D）中的应用。个性化，在11月的预期中排名第三，但在当前应用的表格中并不占据显要位置。 AI还可以通过数据分析和用户研究等多种方式促进内容开发。随着内容开发变得更加容易，AI有可能成为决定创建何种学习解决方案过程的一部分。在自由文本答案中（参见“AI的其他用途”）有一些证据表明这一点正在发生，但鉴于其巨大的潜力，这似乎代表了AI未充分利用的能力之一。 我们无法确切知道受访者是如何使用这些选项中的任何一个，包括技能练习，但有趣的是，技能练习在桌面上的排序高于绩效支持。 绩效支持是L&D领域的一个重要机遇。人工智能可以提供在适当的时间提供合适且可操作的内容的机制，这是L&D在过去发现颇具挑战性的任务。 在技能方面，表格显示，有近两倍的受访者表示使用技能练习，而非技能管理。 目前，人工智能可以通过至少两种方式实现性能支持。简单的方法是使用人工智能相对快速地基于大量文档、较长的课程以及培训活动的记录和转录生成资源。更先进的方法通常涉及将人工智能助手插入组织数据中，使其变得可搜索。 令人惊讶的是，这里的情况并非如此。两个县的前四选项的相对位置相同。而在每张表格中，排名第五至第七的选项之间仅相差一票。 我们能够将 79 ％ 的评论分为五类。评论可以分为多个类别 ： 阻止 L & D 充分利用这个机会。 最后，L&D可以通过通用工具如Microsoft Copilot等，利用AI提供绩效支持。此次调查中绩效支持排名较低的部分原因可能是受访者并未将Microsoft Copilot视为绩效支持工具。这可能是因为他们不认为Microsoft Copilot是一种AI工具。也有可能是Microsoft Copilot尚未得到广泛应用。 翻译在英国排行榜上位列第8，在美国排行榜上位列第11。然而，在英美之外参与调查的174位受访者中，其排名为第5，这表明AI在翻译领域的强大应用主要集中在非英语国家，最有可能的是将其他语言翻译成英语。 这可以通过改进内部资源的搜索质量来停止，也可以扩展到针对贵公司数据进行微调的企业级GPT模型。在关于AI其他用途的自由文本问题的回答中（参见“其他AI应用”），有证据表明这种情况正在一些组织中发生。然而，这类高级工具需要访问内部数据，正如我们在上一份报告中所看到的，这会引发信息安全方面的担忧，并需要建立信任。这些工具的引入决策通常由高层管理（C-level）做出，而不是由人力资源与发展（L&D）部门做出。可能正是这些因素 当我们将结果按工作小组划分时，顶级选项的主导地位依然存在。无论受访者被归类为内部工作场所L&D团队成员、自由职业者、供应商员工还是教育工作者，每个工作小组中排名前三的选项保持不变：学习设计任务、创建学习内容和研究主题内容。在我们的受访者中，内容在当前L&D中使用AI的应用方面占据主导地位。 内容一致 英国（80名受访者）和美国（63名受访者）的样本量不足以表明两国的任何国家趋势。在小样本量的情况下，只需少数几票就能改变表格中选项的相对位置。 AI 的其他用途 唯一的一个自由文本问题是：您所在组织中（在学习与发展或其它领域）最有兴趣的AI应用场景是什么？尽管我们留出了这个问题的答案空间，允许受访者选择任何AI的应用，但几乎所有的235个回答都集中在了他们组织中AI在学习与绩效方面的应用。这意外地为我们提供了关于当前学习与发展领域AI实践的额外洞察。 除了阅读所有评论外，我们还对照了38个词根进行了检查。这些词根代表了在近3500条提交的评论中最为常见的词汇。它们不包括诸如“基于”、“使用”或“学习”等常见但并未特别暗示AI用途的词汇。 在这些领域被证明是无价的 ， 但我鼓励探索 AI 在今年的其他领域。 ” 鉴于调查中其他结果，内容（Content）成为主导类别并不令人意外，但这并不一定意味着受访者直接使用AI来创建内容。 “一线代理商的技能练习(演讲技巧 ，谈判 ， 管理愤怒的客户) 。 ” 评论往往集中在使用AI提升技能上，有时这些讨论令人失望地简短。短短的表述“技能评估”和“数据分析”留下了太多未解答的问题！ 对话式聊天机器人将支持部分代理人员进行技能发展，通过使用我们之前面对面提供的模型和案例研究来回应各种客户查