6种方式利用AI公司学习要极致个性化才行

我们庆祝意见和想法在工作场所的多样性,因为我们知道,发散思维创造创新是必要的。然而,当谈到发展我们的员工,我们应用一个放之四海而皆准的企业学习和开发方法(时代),因为它似乎是最有效率的。我们人通过相同的研讨会,讲座,和虚拟课堂研讨会,这只不过是学习工厂预计每个人都学习相同的速度和发展同样的技能。这是放之四海而皆准的方法创建创新和新的想法?当然不是。Josh Bersin估计的240美元花在企业时代去浪费每年因为大多数时代程序并不满足员工的个人需求。

公司通常选择最好的人在不同的部门和地区并把他们都变成一个全公司的精英项目;同样,他们把新晋升管理人员来自不同的背景,把他们都在同一个公司的新经理计划。这些标准化的公司程序是无效的,因为他们不满足高层员工的个人需求。

缺乏个性化的一个关键原因是成本。这是合理的假设,解决方案要极致个性化才行只是无法访问。但利用新兴研究和技术允许我们提供个性化的发展规模对员工在不牺牲质量。

我很高兴分享六个方面我们利用人工智能在BetterUp uplevel我们时代的人类第一的方法。

BetterUp开发了高度个性化的时代项目全球顶级公司多年来,与我们的数据科学和人工智能团队一贯发现个人需求不同。大有希望的人都是不一样的。例如,女性领导者有25%以上的几率比男性领导人关注工作与生活的平衡,新提拔的经理是35%更有可能与“时间管理”的斗争经验丰富的管理者相比,和领导人监督大型团队70%更可能关注的战略规划能力和极有潜力的人,有一个更小的范围。

每个人为了个性化我们的方法,我们建立了算法来分析传入的数据和行为模式和识别个体员工的需要在一个特定的时刻。例如,如果一个经理经历了重大的改变就像一个并购或重组,然后我们的数据表明他们是30%更容易专注于“压力管理”。我们需要定制学习经验来满足个人的需要。

micro-learning AI-driven可以创建个性化的交互水平。我们创建个性化的学习计划,结合多种形式——1:1指导执行教练,一个专家的专业指导等有针对性的区域销售报告或有说服力的沟通,和micro-learning内容磨练特殊技能(例如,提供建设性的反馈)。因为每个人以他们独特的方式不同,他们更喜欢不同的模式。我们中的一些人喜欢播客,而另一些人则更喜欢书面文本或视频。我们的工作室团队甚至创建交互式micro-learning内容像游戏和互动练习,从而引发加速学习。BetterUp推荐引擎可以显示正确的形态正确的用户在正确的时刻。

我们的算法匹配一个教练会适合他们根据他们的个人学习偏好和目标。我们有成千上万的世界各地的教练带来不同的经历、背景、在不同的训练方法和专业知识。我们考虑约150因素作出正确的匹配,我们不断地监视性能的人工智能算法来跟踪他们的功效。当我们收集更多的数据随着时间的推移,我们的算法变得更聪明。两年前我们的教练匹配算法取得了超过80%的准确率,现在一直执行准确率超过97%。

人在大公司分析团队有时企图做内部数据分析来识别模式在他们自己的公司。在BetterUp,我们利用数据在我们的更广泛的客户群找到更深的见解,并帮助企业在他们的行业基准自己与他人。我们坚持严格的隐私兼容系统相结合的数据在一个更大的人口总保持隐私和机密性。与独立的行业组织,我们制定和实施严格的道德规则跨流程,1:1教练交流,技术基础设施,我们的伙伴关系。所有个体层面的数据是加密的,从未与任何伙伴,和我们的系统是GDPR兼容。

由个性化大规模的另一个好处是它使小公司也提供高质量、员工定制项目。我们已经看到,SMB员工往往比大公司的员工有不同的需求。例如,员工在smb 50%不太可能工作在“压力管理”但两倍工作设定目标和计划的员工相比,更大的公司。在过去,这些中小企业被排除在外,因为他们没有资源和规模的大型企业提供个性化的时代。华体会手机登入BetterUp,他们可以提供项目定制的员工的需要。

广泛的全球规模的数据集在BetterUp允许我们在不同的区域满足员工的需求。数据显示,我们的员工23%更有可能工作在管理职业转型,而其他地区的同行是21%更有可能工作上的指导和发展他人的,10%的人更有可能影响和自信。在BetterUp,我们提供个性化的课程在世界各地的主要国际市场来自法国、德国和英国在欧洲、日本、中国、印度和澳大利亚,在亚洲和亚太地区。总的来说,我们的教练说30种语言和教练在60 +世界各国。

最后,我想说,在通过这些来自世界各地的数百万数据点,很明显对我来说,放之四海而皆准的学习方法肯定不工作。我们需要满足我们员工的地方,和一个高度可伸缩的,AI-driven解决方案,结合了人类专家指导和交互式micro-learning最好的办法是帮助他们发展和繁荣前所未有的方式!