2030年LMS中的人工智能和自动化

当我们展望2020年工作场所的状态时，社会的发展仍在继续加快，没有丝毫放缓的迹象。为了与社会不断发展的现实相适应，当前迫切需要具有新技能、新思维方式，以及行为不断发展的员工队伍。

在学习与发展（L＆D）领域，我们已经可以看到一些技术预测，如虚拟和增强现实（VR / AR）的使用，以及日益增长的全球劳动力。有关技术集成的许多预测正在慢慢实现，包括在L&D中使用人工智能和自动化。

尽管组织的L＆D功能在建立持续、连接和个性化的学习生态系统（LMS）中发挥着重要作用，但关键在于我们能否用自动化和AI来实现未来的希望。

抵制AI和自动化的主要原因之一是：担心它们会取代工人的专业知识。尽管存在担忧，但其实包括人工智能和自动化在内的知识密集型行业（如供应链管理）并没有消除人工，反而增强了其影响力。现实情况是，人工智能和自动化不会接管我们的工作，但会改变我们所做工作的性质，使整个系统受益。

通过将人员从日常的重复性工作中重新分配，让他们设计和支持更加个性化、智能化和有效的系统，将有效的减少组织的成本和工作量。人工智能和自动化的真正价值在于增强（而非替代）人类的能力，我们必须在价值链中有效地映射人类与人工智能的联系。

在未来，我们将看到AI和自动化使我们的行业和设计师能够：

•简化设计和开发过程。

•降低学习者体验的复杂性。

•提高学习型企业的响应能力，满足学习者需求。

•不断进行测量以证明系统正在运行，并实时改善体验。

随着我们将注意力进一步转向2030年，人工智能和自动化无疑将在学习行业中发挥更大的作用。

超个性化旅程

人工智能，是创造高度个性化学习和绩效、改善体验的关键组成部分，这些体验会随着时间的流逝而变化，并支持多个切入点。学习者能够选择个性化的学习旅程，并拓展他们的教练、同伴和导师网络，解决他们在工作流程中出现的独特情况、需求和兴趣。

例如，动态学习路由器向学习者提出一系列与他们想要实现、学习或创新的领域有关的问题，来帮助他们获得相关的体验和内容。并且能够通过多种方式与这些系统进行交互，包括聊天机器人和可穿戴设备。

学习者还可以通过亚马逊的Alexa和苹果的Siri等工具口头访问这些系统。随着自然语言处理（NLP）的改进，这些系统在提供各种个性化体验方面变得越来越有效。他们还将通过执行任务来解决情绪和身体上的需求，如建议学习者休息一下、在需求发生变化时切换到不同学习道路，或者在他们感到沮丧或挣扎时转向人类学习教练。

在其他行业中已经有这种方法的示例，例如供应链和视频游戏。物流公司将实时信息（如交通状况和更改的交货地点）与AI算法融合，绘制出最佳交货路线。许多游戏系统都具有内置触发器，可以提醒玩家在长时间进行游戏后休息或散步。

增强型自适应学习平台

这些平台将继续发展算法并增长数据集，随着越来越多的组织采用而扩展。他们已经建立相关学习途径，并基于一系列的学习者特征（知识、自信、韧性和好奇心）促进知识的掌握，逐步整合实时和虚拟学习的数据，以增强个性化体验。

智能学习和绩效改善搜索引擎

最终，组织将能够提供内部搜索体验，从而为学习者带来实际价值。在人类的支持下，人工智能和自动化将在组织的联合数据孤岛中扫描内容。当他们这样做时，将通过识别相关资产和连接，并标记它们以供检索。

这些引擎不仅能提供信息和内容的访问，还包括来自人际网络的见解，与已建立的专家和对等社区的链接，以及对微教练等相关教练进行访问。这些智能搜索引擎将输入其他系统，为学习系统架构师创建个性化的学习平台以及设计和开发的工具。

人工智能支持的教学设计和开发工具

学习型设计师和架构师能够提升价值链，更有效地设计个性化学习旅程，发展并支持多种需求时刻。他们有更多机会访问相关的源内容；来自人际网络、知名专家和同行社区的见解；以及教练。这些资源全部供学习架构师使用，有效地创建复杂的学习过程。

学习架构师还可以使用推荐的体系结构，来满足各种学习成果和结构，从而满足各种需求。支持AI反馈将帮助设计人员创造体验，并帮助学习者完成微学习课程。随着NLP的进步，这些工具将更加准确和真实，使用的学习者、设计者和促进者将大大增加。

Human-AI混合微教练系统

这些系统能够满足一系列需求，包括学习者参与度、情感和身体需求、绩效发展和职业规划。系统将从大量数据中吸取经验，识别教练和同龄人，基于他们的共同见解、不断增长的经验基础和个人学习之旅，提供相关的、结构化的微教练互动。此外，人工智能驱动的系统能够与相关资产交互，扩展并增强教学体验。

尽管我们已经从学习体验的角度确定了变化，但探索学习专业人员（与AI系统协同工作）所需要的三个新角色也很重要。他们关注设计师如何直接与AI合作，以优化学习生态系统：

•培训AI增强的学习系统，包括帮助AI系统发展和改进（例如，使自然语言处理器能够减少错误，并改善AI系统对人类行为的模仿）。

•分析AI增强的学习系统的输出，确保对AI决策过程负责。

•维护AI增强的学习系统，努力找出并消除系统中的偏见，确保实现其目标。

学习专业人员需要进行调整，以有效地使用从机器人到虚拟代理的一系列智能技术。学习架构师的角色，看起来更像是数字学习数据科学家，可以管理学习模型、发展算法并训练自动化设计和反馈系统。强大的分析技能的重要性，将激发对具有数字学习数据技能集的学习架构师的需求。

在许多方面，L＆D行业都面临着供应链管理学科已经采取的类似路径。曾经，供应链管理是一项以人为中心的活动，着重于仓库位置、天然气价格、运输路线和工会关系。

但是，像亚马逊和沃尔玛这样的公司通过数据和智能系统的创新使用，改变了供应链的应用。供应链行业的工作性质已经改变，系统中的人员不断发展自己的角色、技能和思维方式，从而变得有效。

在L＆D行业，人工智能和自动化将从根本上改变我们的工作。拥抱技术 是保持与专业人士联系的关键。我们需要创建一个新的常态，学习专家和机器不仅要共存，还需要协作，为学习者创造更好的体验，并为业务带来更好的结果。