هوش مصنوعی در یادگیری و توسعه در حال حاضر کاربردهای زیادی دارد، مانند ارائه توصیههای یادگیری، مدیریت محتوا و بهبود بینش تحلیلی. با حرکت رو به جلو، با توجه به پیشرفتهایی که فناوریهای هوش مصنوعی مولد ایجاد میکنند، میتوان انتظار سطوح بالاتری از پذیرش و آزمایش هوش مصنوعی در یادگیری را داشت.
در این مقاله، چهار راه را بررسی میکنیم که هوش مصنوعی در حال حاضر نحوه یادگیری کارکنان را تغییر میدهد و یک برنامه عملیاتی برای اینکه چگونه منابع انسانی میتوانند هوش مصنوعی را در یادگیری و توسعه مسئولانه اتخاذ کنند، پیشنهاد میکنیم.
مطالب
وضعیت فعلی هوش مصنوعی در یادگیری و توسعه
چهار راه که هوش مصنوعی تجربه یادگیری کارکنان را تغییر می دهد
چگونه منابع انسانی می تواند پذیرش مسئول هوش مصنوعی در یادگیری و توسعه را هدایت کند
وضعیت فعلی هوش مصنوعی در یادگیری و توسعه
عملکرد یادگیری و توسعه در پذیرش هوش مصنوعی در منابع انسانی پیشگام بوده است. اندازه بازار پلتفرم یادگیری آنلاین طی چند سال گذشته به طور تصاعدی افزایش یافته است و تخمین زده می شود که سرمایه گذاری در بازار آموزش هوش مصنوعی به نرخ رشد مرکب سالانه 36 درصد افزایش یابد و تا سال 2030 به 32.27 میلیارد دلار برسد.
هوش مصنوعی به طور معناداری به سیستم های مدیریت یادگیری، پلتفرم های تجربه یادگیری و تجزیه و تحلیل یادگیری کمک کرده است.
با این حال، پذیرش هوش مصنوعی بدون چالش نبوده است. اولاً، فناوری پشت AI هنوز به اندازه کافی برای استفاده گسترده پیشرفت نکرده است. علاوه بر این، تیم های تحقیق و توسعه فاقد بلوغ لازم برای ادغام موثر هوش مصنوعی در کار خود هستند.
مسائلی مانند سوگیری، حقوق مالکیت معنوی، و مشکل در ترکیب هوش مصنوعی با پلتفرم های مختلف یادگیری نیز تاثیر هوش مصنوعی بر یادگیری و توسعه را کاهش داده است.
هوش مصنوعی مورد انتقاد قرار گرفته است زیرا بسیاری از پذیرش آن به نفع کسانی بوده است که محتوای یادگیری را تولید می کنند، با تمرکز کمتری بر یادگیرنده و تجربه آنها. در میان تمام وعده های شخصی سازی یادگیری، هوش مصنوعی هنوز به پتانسیل کامل خود عمل نکرده است.
این محدودیتها شروع به تبدیل شدن به چیزی از گذشته کردهاند، بهویژه با قابلیتهای جدیدی که هوش مصنوعی مولد روی میز آورده است. تمرکز کلیدی نه تنها بر فرآیند و مدیریت یادگیری و توسعه، بلکه کاربرد واقعی آن در تجربه یادگیری، شروع به آغاز دوره جدیدی از یادگیری مبتنی بر هوش مصنوعی کرده است.
ما در مورد آینده L&D با Ioanna Mantzouridou Onasi، مدیرعامل و یکی از بنیانگذاران پلت فرم مربیگری هوش مصنوعی Dextego بحث کردیم. مصاحبه کامل را در زیر مشاهده کنید:
4 روشی که هوش مصنوعی تجربه یادگیری کارکنان را تغییر می دهد
بیایید نگاهی بیندازیم که چگونه هوش مصنوعی بر تجربه یادگیری کارمندان تأثیر گذاشته است.
1. هوش مصنوعی مولد یادگیری را برای همه قابل دسترس می کند
دسترسی به یادگیری همیشه یک چالش حیاتی بوده است، به ویژه در مورد نیازهای کارکنان عصبی.
استانداردهایی مانند دستورالعملهای دسترسی W3C (WACG) اصولی را برای ایجاد یادگیری قابل درک، قابل اجرا، قابل درک و قوی (POUR) برای برآورده کردن نیازهای کاربران مختلف پیشنهاد کردهاند. در گذشته، دستیابی به این استانداردها برای فروشندگان دشوار بود.
تلاشهای فزاینده برای تبدیل محتوا به فرمتهای مختلف، طرحهای رنگی و زبانها برای پاسخگویی به نیازهای مختلف یادگیری پرهزینه بوده و اغلب منجر به حذف بسیاری از نیروی کار در یادگیری آنلاین شده است.
با توجه به پیشرفتهای اخیر در هوش مصنوعی، فروشندگان میتوانند این چالشها را مقرون به صرفهتر برطرف کنند. یک مثال خوب، نرمافزار ترجمه بریل است که متن را به خط بریل تبدیل میکند و آن را برای زبانآموزان کمبینا در دسترس قرار میدهد. مانند تمام هوش مصنوعی، چالشهایی در این زمینه وجود دارد، با این حال پیشرفت قابل توجهی در دسترسی به محتوای یادگیری برای همه کارکنان در سازمان صورت گرفته است.
به طور کلی تر، هوش مصنوعی توانایی رونویسی خودکار محتوای صوتی و تصویری به متن را برای زبان آموزان کم شنوا و استفاده از هوش مصنوعی برای هدایت ترجمه خودکار به زبان های مختلف فراهم کرده است. این امر بازارهای جدیدی را برای فروشندگان یادگیری باز کرده است. همچنین، سازمانهایی که در مناطق مختلف جغرافیایی فعالیت میکنند، میتوانند بدون در نظر گرفتن منطقه، تجربه یادگیری ثابتتری را ارائه دهند و در عین حال در زمان تولید محتوا برای تیمهای داخلی L&D صرفهجویی کنند.
هوش مصنوعی فقط بهتر خواهد شد. امروزه، این واقعیت که ما حتی میتوانیم با یک مربی هوش مصنوعی بازی کنیم و در محیطی امن از نظر روانی قرار بگیریم، جایی که بتوانیم افکارمان را به اشتراک بگذاریم، بازخوردهایی دریافت کنیم، توصیههایی دریافت کنیم، عالی است. این امکان دسترسی به گروه متنوعی از افراد را فراهم می کند که ممکن است مربی انسانی مناسبی برای خود پیدا نکنند. همچنین این امکان را به افراد از سراسر جهان می دهد تا به کوچینگ دسترسی داشته باشند، و در برخی کشورها، کوچینگ یا حتی درمان هنوز تابو است. اکنون آنها به نسخه دیجیتالی یک کوچ دسترسی دارند.
2. هوش مصنوعی یادگیری را شخصی و نظارتی می کند
با توجه به مقدار محتوای آموزشی جدیدی که روزانه تولید می شود، بزرگترین چالش برای زبان آموزان اغلب این است که بدانند کدام محتوا قابل اجرا و مرتبط با نیازهای خاص آنها است.
اگرچه قبلاً از هوش مصنوعی برای پیشنهاد و توصیه محتوای آموزشی استفاده شده است، پیشرفتهای اخیر دقت آن را به طور قابل توجهی بهبود بخشیده است. امروزه هوش مصنوعی از منابع داده های مختلفی مانند داده های ارزیابی، علایق یادگیرنده، اهداف شغلی و تجربیات یادگیری گذشته برای پیشنهاد یادگیری شخصی استفاده می کند.
یک مثال خوب این است که چگونه Capgemini از Anderson Pink برای مدیریت محتوا و هدایت یادگیری مبتنی بر مهارت های شخصی استفاده کرده است. Quuu، UpContent و Scoop.it نمونههای خوبی از ابزارهای مدیریت محتوا هستند که به نگاه کردن به محتوای دامنه عمومی در رابطه با یک موضوع خاص کمک میکنند و حوزههای کلیدی را در استراتژیهای یادگیری سازمانی گنجاندهاند.
این در حال حاضر فرصت های جدیدی را برای انطباق یادگیری با برنامه های توسعه فردی و آرزوهای شغلی ایجاد کرده است. توصیههای آموزشی در گذشته تا حدودی عمومی بودند، در حالی که پیشنهادات مبتنی بر هوش مصنوعی تجربه یادگیری دقیقتری را در انواع محتوا، فهرستها و کتابخانهها امکانپذیر میسازند.
به ویژه در توسعه شغلی، پلتفرمهایی مانند Fuel 50 به سازمانها این امکان را میدهد که در مورد تحرک داخلی تجدیدنظر کنند و مالکیت شغلی را پیش ببرند، همانطور که در کارشان با KeyBank مشخص شد.
ژنرال Z وارد محل کار می شود و می گوید، بس است، من از روشی که شما به ما مهارت می آموزید خوشم نمی آید. و گفتن، “من باید احساس کنم که مسئول یادگیری خود هستم”. روشی که هوش مصنوعی می تواند دسترسی را دموکراتیک کند این است که زبان آموز را در خط مقدم قرار دهد و بگوید، برای موفقیت چه چیزی را باید یاد بگیرید؟ مهارتهای فعلی شما چیست و چگونه میتوانیم به شما کمک کنیم بدون اینکه احساس کنید در حال خواندن کتاب هستید به جایی که باید باشید برسید؟
3. هوش مصنوعی به عنوان یک مربی یادگیری برای بهبود تأثیر یادگیری عمل می کند
فراتر از مدیریت محتوا، هوش مصنوعی همچنین به یک مربی یادگیری تبدیل شده است که در زمان واقعی بازخورد و پیشنهادات مربوط به مهارت های خاص را به فراگیران ارائه می دهد.
روشهای مختلفی وجود دارد که هوش مصنوعی نقش مربی یادگیری را تکمیل یا انجام میدهد، از جمله پرداختن به پرسشها، پاسخ به چالشهای یادگیری، و ارائه بازخورد و پشتیبانی در طول فرآیند یادگیری. سازمان ها شروع به پیاده سازی کوچینگ مبتنی بر هوش مصنوعی ایمن و مسئولانه مخصوص به کارگیری یادگیری کرده اند.
بازیکنانی مانند Dextego بر یک تجربه یادگیری سرگرم کننده و جذاب مرتبط با مهارت های انسانی یا نرم برای زبان آموزان Gen Z تمرکز می کنند.
مثال دیگر Wondder است که از هوش مصنوعی و واقعیت مجازی برای ارائه بازخورد در مورد سناریوهایی مانند بحث های عملکرد یا موقعیت های DEIB استفاده می کند. به عنوان مثال، آنها یک برنامه آگاهی جنسیتی را در Advance اجرا کردند تا به شرکت کنندگان تجربیات متفاوتی برای افزایش آگاهی در مورد نابرابری جنسیتی بدهند.
LinkedIn Learning در حال راه اندازی یک سیستم مربیگری مبتنی بر هوش مصنوعی است که به اعضا امکان می دهد در مورد سؤالات تجاری خاص به دنبال راهنمایی باشند. با استفاده از رابط چت بات، با راهنمایی کاربران در مسیر یادگیری، پاسخ دادن به سوالات خاص، و توصیه محتوای آموزشی مرتبط بر اساس شغل و موقعیت کاربر، به عنوان یک مربی عمل می کند.
به عنوان یک مربی یادگیری، هوش مصنوعی می تواند به طور قابل توجهی کارایی، شخصی سازی و اثربخشی تجربه یادگیری را افزایش دهد. سطحی از توجه و حمایت فردی را فراهم می کند که تکرار آن در محیط های آموزشی معمولی، به ویژه در مقیاس، دشوار است.
4. هوش مصنوعی در حال تبدیل شدن به یک تولید کننده محتوا قدرتمند است
اگرچه این هنوز در مراحل ابتدایی خود است، ما چندین تولیدکننده محتوای جدید مبتنی بر هوش مصنوعی را دیدهایم. به طور خاص، در این کاربرد هوش مصنوعی، ما یک کلمه احتیاط می کنیم زیرا دقت محتوای جدید هوش مصنوعی بدون مشکل نیست.
با این وجود، در چارچوب سازمانی، هوش مصنوعی می تواند ابزار قدرتمندی به عنوان تولید کننده محتوا باشد. به عنوان مثال، هوش مصنوعی می تواند به طور موثر برای ایجاد محتوای یادگیری کارکنان برای آموزش خط مشی یا سایر فرآیندهای عملیاتی، به ویژه زمانی که دانش و مستندات قابل توجهی در دسترس است، استفاده شود. این یک پایه محکم برای هوش مصنوعی برای یادگیری و تولید محتوای خاص به زمینه فراهم می کند.
سازمانهایی مانند Park+ و Preply با موفقیت از Narrato Workspace بهعنوان سازنده محتوای هوش مصنوعی استفاده کردهاند. ما انتظار داریم در آینده از تولیدکنندگان محتوای هوش مصنوعی برای محتوای داخلی و منبع باز استفاده بیشتری شود.
فرصت برای هوش مصنوعی در یادگیری و توسعه به تجربه یادگیری جذاب تر و شخصی کمک می کند. با این حال، اتخاذ هوش مصنوعی باید با مسئولیت پذیری انجام شود تا اطمینان حاصل شود که نگرانی هایی مانند اخلاق، ارتباط و حریم خصوصی رعایت می شود.
چگونه منابع انسانی می تواند پذیرش مسئول هوش مصنوعی در یادگیری و توسعه را هدایت کند
منابع انسانی نقش مهمی در ادغام موفقیت آمیز هوش مصنوعی در یادگیری و توسعه دارد. بیایید نگاهی به شش گامی بیندازیم که منابع انسانی می تواند برای اطمینان از پذیرش مسئولانه راه حل های هوش مصنوعی در حوزه یادگیری و توسعه انجام دهد.
مرحله 1: درک آنچه که AI برای دستیابی به آن نیاز دارد
ابتدا، منابع انسانی باید بدانند که هدف برنامه هوش مصنوعی چیست. به عنوان مثال، رویکرد هوش مصنوعی به عنوان یک مربی برای کارمندان در مقابل هوش مصنوعی به عنوان یک سازنده محتوا، پیامدها و رویکردهای اجرایی متفاوتی خواهد داشت.
به عنوان یک نقطه شروع، یک مورد تجاری واضح از آنچه در حوزه برنامه کاربردی هوش مصنوعی وجود دارد و خارج از آن است، ترسیم کنید. این همچنین باید شامل نگاه کردن به موارد زیر باشد:
- اگر زیرساختهای فناوری موجود، مانند سختافزار، نرمافزار و قابلیتهای شبکه، برای پشتیبانی از ابزارهای یادگیری هوش مصنوعی نیاز به ارتقا یا اضافه شدن دارند.
- چگونه ابزارهای یادگیری هوش مصنوعی با سیستمهای L&D موجود و ابزارهایی مانند سیستمهای مدیریت یادگیری، سیستمهای منابع انسانی و ابزارهای گردش کار ادغام میشوند.
- تیم شما ممکن است برای پیاده سازی و مدیریت ابتکارات یادگیری مبتنی بر هوش مصنوعی، به عنوان مثال، درک هوش مصنوعی و تجزیه و تحلیل داده ها، به چه مهارت هایی نیاز داشته باشد.
مرحله 2: شرکا و فروشندگان مناسب را پیدا کنید
در مرحله بعد، باید به طور کامل با شرکای مورد نظر خود آشنا شوید.
متأسفانه، هوش مصنوعی به یک کلمه رایج تبدیل شده است و فروشندگان اغلب از این اصطلاحات در تلاش های بازاریابی خود استفاده می کنند، بدون اینکه به راه حل های واقعی تبدیل شود. دقت لازم را انجام دهید و اطمینان حاصل کنید که فردی با دانش فناوری را برای کمک به شما در تصمیم گیری فروشنده وارد می کنید.
انتخاب شرکایی که تعهد خود را به شیوه های هوش مصنوعی اخلاقی نشان دهند ضروری است. این شامل شفافیت در نحوه عملکرد سیستمهای هوش مصنوعی، مدیریت دادهها و رسیدگی به سوگیریهای احتمالی است. برای مثال، اگر الگوریتم عمدتاً بر روی دادههای یک جمعیت شناسی خاص (مثلاً کارمندان مرد در نقشهای فنی) آموزش داده شود، ممکن است برای کارمندان زن یا کسانی که در نقشهای غیرفناوری کار میکنند کمتر مؤثر یا مرتبط باشد.
مرحله 3: به پذیرش هوش مصنوعی سرعت دهید و در یک محیط کنترل شده شروع کنید
از سرعتی مسئولانه در اجرای هوش مصنوعی اطمینان حاصل کنید که به شما امکان می دهد به چند سوال پاسخ دهید:
- آیا ما در مورد اینکه هوش مصنوعی دادههای خود را از کجا دریافت میکند روشن است و آیا به منبع آن اعتماد داریم؟
- آیا میدانیم هوش مصنوعی چگونه یاد میگیرد؟
- چگونه خروجی های هوش مصنوعی را برای اطمینان از کیفیت، دقت و مرتبط بودن نظارت خواهیم کرد؟
- کدام موارد استفاده را در اولویت قرار می دهیم؟
- هوش مصنوعی چه کاری را نمی تواند انجام دهد؟
مرحله 4: ایده استفاده از هوش مصنوعی را با کارمندان خود به اشتراک بگذارید
شما باید با کارمندان خود در مورد نحوه و مکان استفاده از هوش مصنوعی در تجربه یادگیری شما شفاف باشید.
در مورد استفاده از هوش مصنوعی صحبت کنید و یک سند سؤالات متداول با سؤالات اساسی برای زبان آموزانی که می خواهند بیشتر بدانند ایجاد کنید. مهم است که به طور خاص بر نحوه جمع آوری، استفاده، جمع آوری و ذخیره داده ها و همچنین تضمین های مربوط به حریم خصوصی داده ها که می توانید به زبان آموزان ارائه دهید تمرکز کنید.
مرحله 5: اجرای کنترل کلیدی و نظارت بر حاکمیت
اطمینان حاصل کنید که در مورد نحوه نظارت بر موارد استفاده، نحوه جمعآوری بازخورد از کارمندان در مورد کاربرد و تأثیر استفاده از هوش مصنوعی، و نحوه پیوند استفاده از آن با اندازهگیری اثربخشی یادگیری، حکمرانی شفاف وجود دارد.
مرحله 6: استفاده از هوش مصنوعی را در طول زمان بهینه کنید
در آخر، زمانی که احساس کردید هوش مصنوعی به طور مسئولانه ارزش مورد انتظار را ارائه می دهد، می توانید به مرور زمان استفاده از هوش مصنوعی را برای موارد استفاده و مخاطبان بیشتر افزایش دهید.
این رویکرد افزایشی امکان نظارت دقیق و تنظیم دقیق سیستمهای هوش مصنوعی را فراهم میکند و اطمینان حاصل میکند که آنها نیازهای یادگیری کارکنان و سازمان شما را به طور مؤثر و اخلاقی برآورده میکنند.
بسته شدن
هوش مصنوعی به تغییر چشم انداز یادگیری و توسعه ادامه خواهد داد و متخصصان HR و L&D فرصت هیجان انگیزی برای رهبری این تحول دارند. با اجرای مسئولانه هوش مصنوعی، آنها می توانند به ارتقای تجربه یادگیری کارکنان ادامه دهند و آن را برای طیف گسترده ای از مخاطبان در دسترس، موثرتر و مرتبط تر کنند.
بسیار مهم است که در این سفر با احتیاط حرکت کنید. تنها پذیرش مسئولانه ارزش بلندمدت را ممکن میسازد و در عین حال خطرات فعلی مربوط به تعصب، حریم خصوصی و حقوق مالکیت را کاهش میدهد.
دیدگاهتان را بنویسید