استفاده از هوش مصنوعی در یادگیری و توسعه کارکنان

هوش مصنوعی در یادگیری و توسعه کارکنان در حال حاضر کاربردهای زیادی دارد و با حرکت رو به جلو در این حوزه و با توجه به پیشرفت‌هایی که فناوری‌های هوش مصنوعی ایجاد می‌کند، می‌توان انتظار سطوح بالاتری از پذیرش و استفاده از هوش مصنوعی در یادگیری کارکنان را داشت.

در این مقاله، چهار روش 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 از هوش مصنوعی در یادگیری و توسعه کارکنان استفاده کند، پیشنهاد می‌کنیم.

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 می‌شود که سرمایه‌گذاری 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 سیستم‌های مدیریت یادگیری، پلتفرم‌های 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، تیم‌های تحقیق و توسعه فاقد بلوغ لازم برای ادغام موثر هوش مصنوعی در کار خود هستند.

این مقاله را هم مطالعه کنید معرفی مهمترین شاخص‌های کلیدی منابع انسانی

4 روشی که هوش مصنوعی تجربه یادگیری کارکنان را تغییر می‌دهد

بیایید نگاهی بیندازیم که چگونه هوش مصنوعی بر تجربه یادگیری کارمندان تأثیر گذاشته است.

1. هوش مصنوعی، یادگیری را برای همه قابل دسترس می‌کند

دسترسی به یادگیری همیشه یک چالش حیاتی بوده است.

پاسخگویی به نیازهای مختلف یادگیری پرهزینه بوده و اغلب منجر به حذف جمعیت زیادی از نیروی کار در یادگیری آنلاین شده است.

با توجه به پیشرفت‌های اخیر در هوش مصنوعی، دست­ اندرکاران این حوزه 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.

به طور کلی، 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 زبان‌های مختلف فراهم 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 صرفه‌جویی کنند.

2. هوش مصنوعی، یادگیری را شخصی می‌کند

با توجه به مقدار محتوای آموزشی جدید تولید شده، بزرگترین چالش برای یادگیرندگان 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 یادگیری استفاده شده است، پیشرفت‌های اخیر دقت آن را به میزان قابل توجهی بهبود بخشیده است. امروزه هوش مصنوعی از منابع داده‌های مختلفی مانند داده‌های ارزیابی، علایق یادگیرنده، اهداف شغلی و تجربیات یادگیری گذشته برای پیشنهاد یادگیری شخصی استفاده می‌کند.

این موضوع در حال حاضر فرصت‌های جدیدی را برای انطباق یادگیری با برنامه‌های 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، امکان‌پذیر می‌سازند.

به ویژه در توسعه شغلی، پلتفرم‌هایی مانند Fuel 50 به سازمان‌ها این امکان را می‌دهد که در مورد جابه­‌جایی داخلی تجدیدنظر کنند و مالکیت شغلی را پیش ببرند.

این مقاله را نیز مطالعه کنید: تحول دیجیتال در مدیریت منابع انسانی چیست؟ مراحل + نمونه

3. هوش مصنوعی به عنوان یک مربی یادگیری برای بهبود تأثیر یادگیری عمل می‌کند

فراتر از مدیریت محتوا، هوش مصنوعی همچنین به یک مربی یادگیری تبدیل شده است که در زمان واقعی بازخورد و پیشنهادات مربوط به مهارت‌های خاص را به فراگیران ارائه می‌دهد.

روش‌های مختلفی وجود دارد که هوش مصنوعی نقش مربی یادگیری را ایفا می‌کند، از جمله پرداختن به پرسش‌ها، پاسخ به چالش‌های یادگیری و ارائه بازخورد و پشتیبانی در طول فرآیند یادگیری. سازمان‌ها شروع به پیاده سازی کوچینگ مبتنی بر هوش مصنوعی کرده‌اند.

به طور مثال Wondder از هوش مصنوعی و واقعیت مجازی برای ارائه بازخورد در مورد سناریوهایی مانند بحث‌های عملکرد استفاده می‌کند.

LinkedIn Learning در حال راه اندازی یک سیستم مربیگری مبتنی بر هوش مصنوعی است که به اعضا امکان می‌دهد 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 می‌کند.

به عنوان یک مربی یادگیری، هوش مصنوعی می‌تواند کارایی، شخصی‌سازی و اثربخشی تجربه یادگیری را به میزان قابل توجهی افزایش دهد. سطحی از توجه و حمایت فردی را فراهم می‌کند که تکرار آن در محیط‌های 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 کمی احتیاط می‌کنیم زیرا دقت محتوای جدید هوش مصنوعی بدون مشکل نیست.

با این وجود، در چارچوب سازمانی، هوش مصنوعی می‌تواند ابزار قدرتمندی به عنوان تولید کننده محتوا باشد. به عنوان مثال، هوش مصنوعی می‌تواند 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 می‌کند.

فرصت برای هوش مصنوعی در یادگیری و توسعه به تجربه یادگیری جذاب‌تر و شخصی کمک می کند. با این حال، اتخاذ هوش مصنوعی باید با مسئولیت‌پذیری انجام شود تا اطمینان حاصل شود که نگرانی هایی مانند اخلاق، ارتباط و حریم خصوصی رعایت می‌شود.

این مقاله را هم مطالعه کنید: ماتریس مهارت چیست و چگونه ایجاد می‌شود؟+ نمونه

چگونه منابع انسانی می‌تواند هوش مصنوعی را در یادگیری و توسعه کارکنان 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 می‌تواند برای اطمینان از پذیرش مسئولانه راه حل‌های هوش مصنوعی در حوزه یادگیری و توسعه انجام دهد.

مرحله 1: درک آنچه که هوش مصنوعی 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 تفاوت خواهد داشت.

به عنوان نقطه شروع، یک مطالعه موردی واضح از آنچه در حوزه برنامه کاربردی هوش مصنوعی وجود دارد و خارج از آن است، ترسیم کنید. این همچنین باید شامل بررسی موارد زیر باشد:

• 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 برای پیاده سازی و مدیریت ابتکارات یادگیری مبتنی بر هوش مصنوعی، به عنوان مثال، درک هوش مصنوعی و تجزیه و تحلیل داده‌ها، به چه مهارت‌هایی نیاز دارد؟

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 تلاش‌های بازاریابی خود استفاده می‌کنند، بدون اینکه به راه حل‌های واقعی تبدیل شود. دقت لازم را انجام دهید و اطمینان حاصل کنید که فردی با دانش فناوری را برای کمک به شما در تصمیم‌گیری انتخاب فروشنده وارد می‌کنید.

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 می‌دهد به چند سوال پاسخ دهید:

• آیا در مورد اینکه هوش مصنوعی داده‌های خود را از کجا دریافت می‌کند، شفافیت وجود دارد و آیا به منبع آن اعتماد داریم؟
• آیا می‌دانیم هوش مصنوعی چگونه یاد می‌گیرد؟
• چگونه خروجی‌های 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 نمی‌تواند 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 آنها شفاف باشید.

در مورد استفاده از هوش مصنوعی صحبت کنید و یک سند سؤالات متداول با سؤالات اساسی برای افرادی که می‌خواهند بیشتر بدانند، ایجاد کنید. مهم است که به طور خاص بر نحوه جمع‌آوری، استفاده و ذخیره داده‌ها و همچنین تضمین‌های مربوط به حریم خصوصی داده‌ها که می‌توانید به افراد ارائه دهید، تمرکز کنید.

مرحله 5: کنترل و نظارت

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 همچنین نحوه پیوند استفاده از آن با اندازه‌گیری اثربخشی یادگیری، برنامه شفافی وجود دارد.

مرحله 6: استفاده از هوش مصنوعی را در طول زمان بهینه کنید

در آخرین مرحله، زمانی که احساس کردید هوش مصنوعی به طور مسئولانه ارزش مورد انتظار را ارائه می‌دهد، می توانید به مرور زمان استفاده از هوش مصنوعی را برای موارد استفاده و مخاطبان بیشتر افزایش دهید.

این رویکرد افزایشی به نظارت دقیق و تنظیم دقیق سیستم‌های هوش مصنوعی اجازه می‌دهد تا اطمینان حاصل شود که آنها به طور موثر و اخلاقی نیازهای یادگیری کارکنان و سازمان شما را برآورده می‌کنند.

خلاصه

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 می‌توانند به ارتقای تجربه یادگیری کارکنان ادامه دهند و آن را برای طیف گسترده‌ای از مخاطبان در دسترس، موثرتر و مرتبط‌تر 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.

منبع

https://www.aihr.com/blog/ai-in-learning-and-development/

ترجمه: مسعود شکری