从实验到日常：人工智能如何改变学习与发展 2026年AI学习与发展报告

AI已超越实验阶段，成为L&D日常工作的一部分。87%的受访者已使用AI，其中36%已将其应用于组织内部。AI当前的主要价值在于提升效率，主要用于语音生成（63%）、内容与测验草拟（60%）、视频创作（52%）和翻译（38%），主要优势是加快生产（84%）和改善学习者体验（66%）。

未来，L&D团队期待AI在个性化学习（72%）、内部覆盖范围（65%）和提升学习者参与度（56%）方面带来更大价值，计划采用评估与模拟（36%）、自适应路径（33%）、技能图谱（32%）和AI导师（29%）。价值重心将从节省时间（88%）转向更清晰的业务影响（55%）和更便捷的全球本地化（54%）。

学习生态系统正变得更具分布式特征，仅有47%认为LMS仍是核心，AI的部署预期分散在嵌入式功能（19%）、生产力工具（17%）、独立系统（17%）和跨系统智能层（19%）。27%尚不确定。AI导师（49%）、辅导与指导（43%）、个性化指导（43%）和行政自动化（38%）是探索重点。

预算仍显低廉且分散，39%的L&D预算用于AI相关工具或项目低于5%，30%不清楚具体支出。主要障碍包括安全（58%）、准确性（52%）、法律限制（41%）和集成挑战（36%）。尽管74%的企业鼓励实验，但仅45%的IT部门支持AI采用。随着预算增加，真正产生价值和ROI的团队将投资于人力能力，而非仅购买工具。

未来生态系统将超越LMS，转向更互联、多模型AI堆栈，融合通用AI、L&D专用工具和内部协作AI。L&D团队需提升AI技能和设计能力，证明AI在改善参与度、个性化和效果方面的价值，而非仅关注效率。整合和架构是关键挑战，需解决数据流、治理和系统架构问题。尽管存在不确定性，但72%的受访者认为L&D将通过适应AI而蓬勃发展。