Dlaczego tak trudno przyswajać nowe umiejętności

Hannah Clark: Słuchasz podcastu Menedżer produktu, którego gospodarzem jest The CPO Club. Koniecznie zasubskrybuj podcast i zajrzyj na cpoclub.com, aby znaleźć więcej ekskluzywnych treści.

Zanim zaczniemy, musisz wiedzieć, że to naprawdę ważny odcinek, którego powinni wysłuchać wszyscy pracujący przy produktach. Nie tylko dlatego, że pomoże ci zdobyć nowe umiejętności, ale także dlatego, że porusza niezwykle istotny czynnik wpływający na skuteczność każdego aspektu twojej organizacji — uczenie się. Bo kiedy się nad tym zastanowisz, wszystko — od twojego podejścia do przywództwa, przez proces wdrażania użytkowników do produktu, po strategię wejścia na rynek — wiąże się z tym, jak dobrze twoja organizacja rozumie, w jaki sposób ludzie uczą się nowych nawyków i umiejętności. I bądźmy szczerzy: w przynajmniej jednym z tych obszarów większość firm nie radzi sobie najlepiej. Jednak po nagraniu odcinka, którego za chwilę wysłuchasz, jestem przekonana, że najlepiej strzeżonym sekretem sukcesu jest myślenie jak nauczyciel.

Moim dzisiejszym gościem jest Maxine Anderson, współzałożycielka i dyrektor ds. produktu w Arist — platformie edukacyjnej opartej na wiadomościach tekstowych. Zanim Maxine została założycielką, była nauczycielką. I nie przesadzam, mówiąc, że zachwyciła mnie genialna prostota Arist jako koncepcji. Chcę, żebyście usłyszeli przede wszystkim o tym, jak głęboko Maxine rozumie sposób, w jaki ludzie się uczą — i nie tylko o tym, jak mocno wiąże się on z najważniejszymi wskaźnikami sukcesu organizacji, ale także o tym, jak kosztowne jest chybienie celu. Dowiecie się, dlaczego większa ilość informacji nie oznacza większej ilości nauki, jakie możliwości poprawy wyników interesariuszy i klientów przeocza większość firm oraz jak generatywna sztuczna inteligencja zmienia sposób, w jaki się uczymy, nauczamy i osiągamy rezultaty. Zaczynajmy.

A, jeszcze jedno: co tydzień prowadzimy takie rozmowy, więc jeśli brzmi to dla ciebie interesująco, może warto zasubskrybować podcast? Dobrze, zaczynajmy.

Witamy ponownie w podcaście Menedżer produktu.

Maxine, dziękuję, że znalazłaś dziś dla nas czas.

Maxine Anderson: Jasne, z przyjemnością. Bardzo się cieszę.

Hannah Clark: Czy możesz opowiedzieć nam trochę o swoim doświadczeniu i o tym, jak dotarłaś do miejsca, w którym jesteś dzisiaj?

Maxine Anderson: Właściwie zaczęłam od nauczania na terenach wiejskich Oregonu, gdzie tworzyłam programy edukacyjne przy niemal zerowych zasobach. Próbowałam zrozumieć, jak poprzez doświadczenia edukacyjne można wpływać na uczniów — podobnie jak nauczyciele wpływają na swoich podopiecznych — a to podejście wydawało mi się bardzo spersonalizowane.

Dzięki temu doświadczeniu zobaczyłam, jak źle działa dostęp do nauki i jak tradycyjne formy edukacji nie odpowiadają na potrzeby poszczególnych osób. Przenieśmy się więc do czasów studiów. Wspólnie z dwojgiem przyjaciół ze studiów, którzy również działali w sektorze organizacji non profit zajmujących się edukacją, założyłam Arist. Chodziło zasadniczo o rozwiązanie tego samego problemu, ale na większą skalę. Zawsze właśnie do tego dążyłam: jak dostarczać ludziom właściwe umiejętności lub informacje bez całego zaplecza sali lekcyjnej, systemu zarządzania nauczaniem czy tradycyjnego programu edukacyjnego.

I tak właśnie trafiłam do Arist. Odkryliśmy, że większość życia człowieka przypada na okres aktywności zawodowej, dlatego edukacja w przedsiębiorstwach to obszar, w którym możemy wywrzeć największy wpływ.

Hannah Clark: Tak, to ma całkowity sens i jest też naprawdę świetną misją. Chciałabym dowiedzieć się trochę więcej o tym, jak wspólnie doszliście do koncepcji Arist.

Może mogłabyś też pokrótce wyjaśnić, jak to działa, bo uważam, że to niezwykle innowacyjny produkt.

Maxine Anderson: Mówiąc najprościej, nasz produkt dostarcza ludziom informacje i wiedzę za pośrednictwem narzędzi komunikacyjnych, których używają na co dzień. Są to wiadomości tekstowe, Slack, Microsoft Teams w miejscu pracy — Microsoft Teams, wiadomości tekstowe i Slack są często wykorzystywane przez osoby pracujące w terenie, ale właściwie każdy może korzystać z wiadomości tekstowych, bo są niezwykle dostępne. Dostarczanie wiedzy w ten sposób okazuje się bardzo skuteczne. Mamy kompleksową platformę do tworzenia treści, ich dostarczania i analityki.

W całym tym doświadczeniu wykorzystujemy sztuczną inteligencję, aby pomóc zmienić sposób, w jaki organizacje prowadzą edukację w obecnym modelu pracy, który bardzo szybko się zmienia.

Hannah Clark: Tak, uważam, że to naprawdę świetne. Jestem wielką zwolenniczką produktów, które wracają do istniejących kompetencji i funkcjonalności, z którymi już jesteśmy zaznajomieni, a następnie rozwijają je w innowacyjny sposób.

Chciałabym porozmawiać trochę o barierach, z którymi ludzie ogólnie spotykają się podczas nauki. Wspomniałaś o kilku przykładach osób, z którymi pracowałaś wraz ze swoimi współpracownikami, ale sądzę, że wszyscy napotykamy pewne bariery w uczeniu się, szczególnie w obszarze edukacji korporacyjnej.

Co odkryłaś, że skłoniło cię do zastanowienia się nad alternatywnym sposobem dostarczania informacji?

Maxine Anderson: Świetne pytanie. Opowiem o tym w kategoriach tak zwanych momentów olśnienia, o których mówimy w tworzeniu produktów. Jeśli chodzi o bariery, zdałam sobie sprawę podczas pracy w edukacji, szczególnie na terenach wiejskich Oregonu, że nauka nie zawsze dotyczy treści. W rzeczywistości chodzi przede wszystkim o kontekst.

Próbowałam uczyć niektórych uczniów podstaw finansów i, szczerze mówiąc, wstydzili się przychodzić na zajęcia albo nie mieli czasu, żeby na nich siedzieć, ponieważ musieli łączyć pracę ze szkołą.

Nie zamierzali spędzać wielu godzin na oglądaniu szkoleń wideo. Wtedy uświadomiłam sobie, że żyjemy w epoce informacji — a przynajmniej przez długi czas w niej żyliśmy — lecz barierą nie jest wiedza. Barierę stanowi psychologia i kontekst, czyli sposób, w jaki umożliwić komuś naukę.

Wiele tradycyjnych formatów w rzeczywistości pogłębia te bariery. Tymczasem ja i moi współzałożyciele mieliśmy różne momenty olśnienia związane z Arist. Nie mogliśmy uwierzyć, jak proste było Arist jako rozwiązanie tak złożonego zbioru problemów, jakim jest edukacja. Kiedy zaczynasz zagłębiać się w system edukacji i sposób, w jaki ludzie się uczą, okazuje się to niezwykle skomplikowane. Po ukończeniu szkoły średniej byłam tym przytłoczona, dlatego tak motywowała mnie prostota Arist: dostarczasz ludziom informacje za pośrednictwem wiadomości tekstowych, możesz zautomatyzować ten proces i przekazać im treści dokładnie wtedy, gdy ich potrzebują.

Ta prostota jako pomysł była dla mnie niezwykle zaraźliwa. Myślę, że moi współzałożyciele doświadczyli czegoś podobnego. Pierwszy raz usłyszałam o tym od Michaela, kiedy mieszkaliśmy w społeczności przedsiębiorczej. Powiedział mi: „Wysyłam studentom w Jemenie informacje o przedsiębiorczości za pośrednictwem wiadomości tekstowych”.

„To jedyny sposób, żeby do nich dotrzeć”. Odpowiedziałam: „Wszyscy korzystają z wiadomości tekstowych. Jak to możliwe, że nie używa się ich jako medium edukacyjnego?”. Zapytałam go: „Jakiej technologii używasz?”. A on na to: „Żadnej, po prostu ręcznie wysyłam ludziom wiadomości”. Pomyślałam wtedy: „Jak to możliwe, że coś takiego nie istnieje?”. To niezwykle proste i pomijane rozwiązanie problemów edukacji, które są przecież bardzo złożone, a mimo to — moim zdaniem — nie stawia uczącego się na pierwszym miejscu.

Hannah Clark: Zwykle się z tobą zgadzam. Kiedy mówisz, że tradycyjne formy nauki wzmacniają niektóre z tych problemów, co dokładnie masz na myśli? Ciekawią mnie przykłady sytuacji, w których tradycyjny styl nie odpowiada w pełni na potrzeby osób uczących się.

Maxine Anderson: Widziałabym tu dwa obszary.

Kiedy pracowałam w tradycyjnej edukacji, same szkoły stanowiły barierę. Jeśli pomyślisz o moich doświadczeniach na terenach wiejskich Oregonu, czasami uczniowie po prostu nie pojawiali się na zajęciach. Konieczność dotarcia do szkoły była barierą. Drugą barierą jest to, że szkoła ma sprzeczne interesy.

Z powodów organizacyjnych szkoły muszą martwić się wieloma rzeczami. Ich model biznesowy jest trudny, nauczyciele nie zarabiają wystarczająco dużo, muszą spełniać wymogi stanowione przez władze stanowe i federalne. W rezultacie osoba ucząca się schodzi na sam koniec listy priorytetów, co jest smutne, ale prawdziwe.

To jeden przykład. Przykład, który często podajemy w kontekście edukacji korporacyjnej, wygląda tak: przeciętnie potrzeba około siedmiu kliknięć, żeby dostać się do potrzebnego szkolenia. Musisz otworzyć stronę internetową, zalogować się, kliknąć film, uruchomić go, zatwierdzić jakieś ustawienia bezpieczeństwa.

Kiedy już tam dotrzesz, myślisz: „Dobrze, muszę już iść odebrać dzieci albo wyprowadzić psa, czy coś w tym rodzaju”. To prosty przykład, ale pokazuje, ile barier stoi na drodze do uzyskania informacji potrzebnych do wykonania pracy, osiągania lepszych wyników lub skuteczniejszej nauki.

Hannah Clark: Myślę, że wiele można powiedzieć o wykorzystywaniu istniejących zachowań i budowaniu na nich, zamiast oczekiwania od ludzi, że wymyślą koło na nowo, kiedy próbujesz ich czegoś nauczyć.

Jest rzecz, której chcesz ich nauczyć, ale jest też pytanie, jak do niej dotrzeć i jak wygospodarować na to wszystko czas.

Maxine Anderson: Zawsze powtarzam, że technologia powinna redukować złożoność. Zwłaszcza osoby zajmujące się produktami chcą tworzyć, a inżynierowie chcą budować najbardziej wyszukane produkty. Są one niesamowite i piękne, ale trzeba zapytać: czy ktokolwiek będzie w stanie się z nimi angażować i z nich korzystać? To naprawdę ważna zasada.

Hannah Clark: Zdecydowanie. Rozmawiałyśmy wcześniej i wspomniałaś o tym, że większość ludzi naprawdę musi wiedzieć o konkretnym temacie tylko dwie lub trzy rzeczy.

Jak ta zasada wpływa na sposób, w jaki dostarczacie treści w Arist? I na twoje ogólne podejście do nauki?

Maxine Anderson: Jak wspomniałam, chcemy zmniejszyć barierę dostępu do tego, co ludzie naprawdę muszą wiedzieć. Chcemy, aby otrzymywali informacje, których faktycznie potrzebują, we właściwym czasie.

Uważamy, że właśnie tego brakuje w sposobie funkcjonowania współczesnych organizacji. Dobrzy przedstawiciele handlowi toną w podręcznikach sprzedaży i ramach działania, a do tego muszą przejść wszystkie szkolenia. Treści są świetne, ale kiedy przedstawiciel ma właśnie wejść na spotkanie, jakie są dwie rzeczy, które musi wiedzieć, żeby wygrać transakcję albo posunąć ją do przodu?

Nie potrzebuje przed tym spotkaniem 200 stron materiałów. Oczywiście jest miejsce na bardziej szczegółowe szkolenia i coaching, ale na rynku istnieje luka: dostępne rozwiązania edukacyjne nie odpowiadają na pytanie, jakie są najważniejsze rzeczy, które trzeba wiedzieć. Widzimy, że szkolenia w organizacjach — i ogólnie rzecz biorąc — nie są nieskuteczne dlatego, że treści są złe.

Problem polega na tym, że nie są projektowane wokół najważniejszego dla ludzi momentu, czyli chwili, w której potrzebują danej wiedzy. Jeden z naszych klientów przeprojektowuje obecnie swoje podejście, odchodząc od umiejętności i kompetencji na rzecz bardziej produktowego myślenia: jakie zadania trzeba wykonywać przeciętnie co tydzień podczas korzystania z narzędzi? To pomaga mu lepiej integrować sztuczną inteligencję, co jest interesujące.

Podam jeszcze jeden przykład. Jeden z naszych klientów jest jedną z najstarszych firm ubezpieczeniowych na świecie. Miał trudności ze szkoleniem pracowników obsługi, aby podnieść wskaźniki CSAT. Firma wdrożyła Arist, żeby rozwiązać ten problem, a wielu projektantów szkoleń powiedziało: „Nie ma mowy. Nie możemy aż tak ograniczyć informacji. Nie możemy zmieścić jej w 1200 znakach”, co jest ograniczeniem, które wprowadziliśmy w naszym produkcie.

Długo się temu sprzeciwialiśmy. Powiedzieliśmy: „Dobrze, po prostu wypróbujcie nasze narzędzie AI i spróbujcie napisać to krótko”. Wrócili do nas, mówiąc, że było to bardzo dobre ćwiczenie, ponieważ uświadomili sobie, jak wiele materiałów szkoleniowych przekazywanych pracownikom centrów obsługi telefonicznej ci ludzie i tak by nie przeczytali, zwłaszcza w codziennej pracy, a część z tych informacji nie była nawet szczególnie istotna.

Wysłali więc skróconą wersję i podnieśli wskaźniki CSAT — o ile dobrze pamiętam, o około 20 procent — dzięki kursowi składającemu się z trzech lekcji. Po prostu byli w stanie zawęzić zakres przekazywanych informacji.

Sześć miesięcy później ponownie się z nimi spotkałam. Powiedzieli, że nadal każde narzędzie, którego używają, zasila o wiele mniejszą ilością informacji właśnie dzięki Arist. Myślę więc, że wymuszenie odpowiedzi na pytanie „czego ludzie naprawdę muszą wiedzieć?” ma zastosowanie zarówno w marketingu, jak i w nauce. W dużej mierze chodzi po prostu o ludzką psychologię: ludzie mogą przyswoić tylko określoną ilość informacji.

Hannah Clark: Przychodzi mi na myśl wdrażanie użytkowników. Ile razy zdarzyło ci się przechodzić przez proces wdrażania, podczas którego myślałaś: „O mój Boże, czuję, jakbym czytała ogromny tom tylko po to, żeby dotrzeć do pierwszej funkcji”? Dokładnie. Jeśli pracujesz przy wdrażaniu użytkowników i słuchasz tego podcastu, proszę, weź to sobie do serca.

Użytkownicy mogą przyjąć tylko określoną liczbę informacji naraz. Myślę, że to naprawdę dobra zasada, którą warto stosować we wszystkich formach komunikacji, ponieważ mamy tendencję do myślenia — nie tylko w obszarze produktów, ale ogólnie — że jeśli wyjaśnimy wszystko nadmiernie albo od razu przekażemy wszystkie informacje, to damy każdemu to, czego potrzebuje.

Często przynosi to odwrotny skutek. Uważam więc, że to świetne ćwiczenie: przejrzeć dowolną formę komunikacji lub nauki i ograniczyć ją do absolutnego minimum. Porozmawiajmy teraz o tym, jak po przekazaniu treści skłonić ludzi do zastosowania jej w praktyce. Kiedy informacja została już dostarczona, jak upewniacie się, że dana umiejętność rzeczywiście została przyswojona?

Maxine Anderson: Analizujemy kilka rzeczy. Przeprowadziliśmy własne badania nad tym, co prowadzi do zmiany zachowania. Większość narzędzi edukacyjnych śledzi dane, które nazywam wskaźnikami wyprzedzającymi potencjalnej zmiany zachowania: ukończenie kursu albo uzyskanie certyfikatu potwierdzającego daną umiejętność. Zakłada się wtedy, że dana osoba będzie osiągać lepsze wyniki.

My przyglądamy się kilku innym rzeczom. Po pierwsze, mierzymy wzrost pewności siebie. Nasza sztuczna inteligencja ocenia, czy w trakcie kursu zmieniła się pewność danej osoby i jej zdolność do rozmawiania na dany temat. Następnie pokazujemy wzrost pewności siebie.

Pobieramy również dane z innych systemów, które mierzą, czy nastąpiła zmiana. Przykładowo u przedstawiciela handlowego może to być wzrost pewności siebie w stosowaniu określonych ram komunikatu sprzedażowego. Z Gong pobieramy informacje o tym, jakie elementy przedstawiciele wykorzystują podczas spotkań. Następnie przekazujemy je administratorowi i mówimy: „Po tym kursie, w ciągu dziesięciu dni, te elementy związane ze wskaźnikiem sukcesu uległy zmianie”.

Zawsze próbujemy zmieniać sposób, w jaki administratorzy, liderzy ds. rozwoju pracowników i kadra kierownicza dostarczają szkolenia wewnętrzne. Chcemy, żeby w pierwszej kolejności myśleli o rzeczywistym problemie biznesowym albo wyniku biznesowym, który próbują osiągnąć.

Zamiast przyjmować zgłoszenie dotyczące szkolenia i stwierdzać, że ktoś potrzebuje określonej umiejętności, chcemy zmienić sposób zaspokajania potrzeb w organizacjach. Liderzy powinni mieć wgląd w wszystkie dane organizacji i móc szybko zamykać istniejące luki, zamiast poświęcać dużo czasu na analizę, przyjmować liczne zgłoszenia, ustalać ich priorytety, a następnie nie zamykać 75 procent tych luk.

Nauczyliśmy się również czegoś, co potwierdzi każdy z naszych klientów: kiedy inne zespoły zwracają się do centralnych działów nauki i rozwoju lub do działu HR z prośbą o rozwiązanie problemu, bardzo często okazuje się, że problemem nie jest szkolenie. Tak naprawdę pracownicy nie potrzebują większego wsparcia.

Czasem ramy komunikacji nie mają sensu albo ludzie potrzebują więcej czasu spędzonego z menedżerem. Problem i rozwiązanie nie zawsze dotyczą nauki, nawet jeśli organizacje automatycznie zakładają, że tak jest. Kiedy zespół sprzedaży ma trudności, wszyscy mówią: „O nie, teraz zorganizujemy czterogodzinne spotkanie o tym, jak lepiej prezentować ten produkt”.

A to prawdopodobnie nie rozwiąże problemu. Dlatego właśnie ściśle współpracujemy z liderami i staramy się automatyzować sposób śledzenia wyników, wykorzystując agentów AI oraz informacje z różnych systemów. Chcemy naprawdę udowodnić, że wsparcie i ukierunkowane działania — na przykład przypomnienia wysyłane ludziom za pośrednictwem Arist — faktycznie zmieniają ich zachowanie lub sposób wykonywania pracy.

Zawsze dążymy do osiągnięcia tego świętego Graala pomiaru sukcesu, ponieważ większość narzędzi edukacyjnych po prostu nie potrafi tego zrobić. Zamiast tego domyślnie wykorzystuje się certyfikaty lub inne wskaźniki sugerujące potencjalną zmianę zachowania.

Hannah Clark: Innym interesującym aspektem sposobu dostarczania treści przez Arist jest personalizacja i możliwość częściowego odtworzenia doświadczenia nauki bezpośrednio od nauczyciela. Myślę, że społeczny wymiar i relacja w procesie uczenia się są często pomijane przez tradycyjne metody szkoleń korporacyjnych.

Kursy internetowe i podobne rozwiązania są bardzo skoncentrowane na treści, ale brakuje w nich relacyjnego aspektu. Czy to było częścią waszej koncepcji, czy też zauważyliście jakieś interesujące skutki uboczne podejścia, które bardziej naśladuje osobistą relację?

Maxine Anderson: Nie wiem, czy mogę w pełni wypowiedzieć się na temat osobistej relacji. Około trzech lat temu pojawiła się fala narzędzi określanych mianem nauki społecznościowej. Wyglądało to tak, jakby każdy uczył się od swojego menedżera. Uważam, że to prawidłowe podejście, ale my staramy się abstrahować od tego elementu, podobnie jak od grywalizacji.

Jeśli wierzymy, że przekazujemy komuś wyłącznie to, czego potrzebuje, a ta osoba ufa, że otrzymuje informacje potrzebne do dobrego wykonywania pracy, nie musimy dodawać tych innych elementów. Mogę jednak powiedzieć, że ludzie znacznie więcej dzielą się za pośrednictwem wiadomości tekstowych. Doświadczenie edukacyjne może być bardziej otwarte i spersonalizowane, kiedy opiera się na relacji jeden na jeden.

Myślę, że tym, co udało nam się osiągnąć w Arist, jest rozwiązanie edukacyjne działające na dużą skalę, które jednocześnie tworzy doświadczenia jeden na jeden. Większość narzędzi edukacyjnych jest projektowana z myślą o przedsiębiorstwach i rozwiązaniach działających na dużą skalę, ale wszyscy przechodzą przez niemal identyczny proces za pośrednictwem platformy, co samo w sobie sprawia, że doświadczenie jest mniej osobiste.

Nie chodzi o to, że koniecznie przedstawiamy inną osobę z firmy, ale rozumiem, co masz na myśli, i rzeczywiście robi to dużą różnicę. To właśnie miałam na myśli, mówiąc o kontekście i bezpieczeństwie psychologicznym. Ludzie przechodzą przez kursy i myślą: „Jeśli osoba na stanowisku kierowniczym pyta mnie jako nowego menedżera, z czym mam trudności, prawdopodobnie mam wiele powodów, żeby się tym nie dzielić”. Jeśli jednak kurs jest prowadzony przez wiadomości tekstowe i został przygotowany specjalnie dla ciebie, zmienia to sposób, w jaki odpowiadasz, i prawdopodobnie pomaga bardziej, ponieważ jesteś bardziej otwarty.

Hannah Clark: Zdecydowanie. Jest też element rozmowy, który ułatwia bardziej otwartą naukę. Nie korzystałam osobiście z tej platformy, więc nie chcę posunąć się zbyt daleko, ale uważam, że to naprawdę niesamowity sposób dostarczania wiedzy. Opowiedz mi trochę o tym, jak sztuczna inteligencja wpisała się w waszą działalność. Gdzie widzicie ją obecnie w historii swojego produktu i jak widzisz jej miejsce w tym, co można nazwać nową generacją edukacji?

Maxine Anderson: Zacznę od tego, czego nie rozwiązujemy, choć uważam, że jest to wartościowe. Na rynku istnieje wiele narzędzi do odgrywania ról z wykorzystaniem AI, coachingu i adaptacyjnej nauki. Zrozumieliśmy, że jednym z głównych powodów, dla których nauka nie jest skoncentrowana na osobie uczącej się, a właściwie na pracowniku, jest ogromny bałagan administracyjny i obciążenie związane z koordynacją skutecznego wsparcia edukacyjnego między zespołami i organizacjami.

Postanowiliśmy więc zmienić sposób, w jaki organizacja podchodzi do nauki, odchodząc od podejścia odgórnego. Jedna z naszych wczesnych obserwacji była taka, że większość ludzi chce się uczyć w organizacji, ale nie szuka aktywnie materiałów edukacyjnych. Dlaczego? Ponieważ nie są one tworzone w sposób odpowiadający ich potrzebom.

Poza szkoleniami dotyczącymi zgodności z przepisami nie ma wielu narzędzi, które potrafiłyby dostarczać naukę na podstawie wiedzy organizacyjnej. Pierwsza warstwa zakłada więc, że ludzie dysponują tą wiedzą.

Druga warstwa wygląda tak: jeśli sztuczna inteligencja i automatyzacja są dobrze zintegrowane ze wszystkimi narzędziami w organizacji, powinno być możliwe dostarczanie ludziom nauki dokładnie wtedy, gdy jej potrzebują. Jesteśmy zatem narzędziem AI wspierającym rozwój pracowników. Mówimy, że jesteśmy rozwiązaniem umożliwiającym natychmiastowe wsparcie w organizacji.

Nie chodzi wyłącznie o wsparcie sprzedaży. Używamy tego pojęcia szeroko, jako określenia nauki wszystkiego, co pomaga ludziom lepiej wykonywać pracę. Nasza sztuczna inteligencja robi wszystko: od rozpoznawania potrzeb organizacji, przez tworzenie treści, po analizowanie luk w wynikach.

Odkryliśmy, że cały ten proces się zmienia. Historycznie w dużych przedsiębiorstwach istniały jednostki biznesowe, takie jak dyrektor ds. przychodów. Jeśli pojawiali się nowi przedstawiciele handlowi, trzeba było stworzyć dla nich program wdrożenia sprzedażowego. Zespół mógł mieć własny dział wsparcia, co jest częste w sprzedaży.

Załóżmy jednak, że jesteś zespołem operacyjnym. Musisz zwrócić się do centralnego działu nauki i rozwoju. Zgłoszenie trafia do kolejki. Następnie dział przeprowadza rozszerzoną analizę potrzeb: rozmawia z setkami osób z działu operacyjnego albo z jego liderami, zbiera informacje i stwierdza: „Świetnie, teraz mamy wszystkie te dane”.

Następnie ludzie — a wiemy, że przetwarzanie informacji przez człowieka zajmuje trochę czasu — analizują te dane i decydują, co zrobić. Potem tworzą szkolenie. Musi ono przejść przez wszystkie procesy zatwierdzania, co oznacza mnóstwo wymiany informacji. Kiedy proces zatwierdzania się kończy, trzeba jeszcze przetłumaczyć szkolenie i przygotować jego wersje dla różnych grup w organizacji.

Później szkolenie zostaje uruchomione i trzeba nakłonić ludzi, żeby z niego skorzystali. Cały ten proces trwa co najmniej 40 tygodni.

To, co całkowicie się zmieniło i w czym mieści się Arist, wynika z faktu, że firmy zmieniają się szybciej niż kiedykolwiek. Dotyczy to szczególnie firm technologicznych, ale także innych przedsiębiorstw. Budowanie produktów jest dziś tak szybkie, że reszta firmy zwyczajnie nie nadąża.

Firmy mają więc ogromny potencjał przychodowy, ale jednocześnie tracą pieniądze. Jeden z naszych klientów to bardzo znana firma technologiczna. Wprowadza kolejne funkcje, w tym funkcje AI, ale nie jest w stanie za nimi nadążyć.

Jej pracownicy wsparcia nie są odpowiednio przygotowani, przedstawiciele handlowi przekazują niewłaściwe informacje, a firma nie osiąga sukcesu dzięki narzędziom AI. To ogromna luka. Dostrzegamy więc, że kompleksowe rozwiązanie Arist działa zasadniczo jak silnik orkiestracji, który pomaga zrozumieć, do czego dążymy.

Pomagamy klientom przygotować się do nadchodzącej premiery. Pobieramy notatki ze wszystkich odpowiednich narzędzi — informacje z repozytorium GitHub, notatki z Linear, Jira i innych systemów — a następnie uruchamiamy tworzenie treści, przygotowujemy wersje dla różnych zespołów, uzyskujemy szybkie zatwierdzenie i wysyłamy materiały.

Sztuczna inteligencja musi również wiedzieć, kiedy potrzebna jest zgoda człowieka. Możesz sobie wyobrazić, że ludzie w organizacji, firmie technologicznej czy innym przedsiębiorstwie, zamiast być specjalistami od projektowania szkoleń, stają się osobami zatwierdzającymi treści lub wskazującymi właściwy kierunek na podstawie problemów biznesowych.

Stają się bardziej orkiestratorami niż specjalistami w swojej pracy. Tak właśnie widzimy tę zmianę. Obiegi pracy muszą całkowicie się zmienić, co jest bardzo trudne w dużym przedsiębiorstwie.

Można dodać milion funkcji AI do istniejących, tradycyjnych narzędzi edukacji korporacyjnej, ale nie zmieni to w wystarczającym stopniu sposobu pracy ludzi, aby rzeczywiście odpowiadać na dzisiejsze potrzeby organizacji. Dlatego od podstaw zbudowaliśmy narzędzie zoptymalizowane pod kątem wyników biznesowych, a nie pod kątem tego, jak ludzie obecnie wykonują pracę.

Hannah Clark: Bardzo przemawia do mnie również pomysł, że ludzie stają się bardziej orkiestratorami. Rozmawialiśmy już o tym w programie. Pojawiała się idea, że sztuczna inteligencja w pewien sposób rozwija umiejętności zarządzania ludźmi, ponieważ kierując agentami, przeglądając informacje i nadając im kierunek, działasz bardziej jak menedżer niż wtedy, gdy wszystko tworzysz od zera i próbujesz różnych rozwiązań bez pewności, co zadziała.

Ciekawe jest to, że widzimy ten efekt w wielu różnych branżach: orkiestracja, kierowanie działaniami i udoskonalanie ich zamiast ręcznego budowania, interpretowania i wykonywania wszystkiego. Myślę, że to może być największa zmiana we wszystkich ostatnich postępach w dziedzinie AI.

Skoro jesteśmy już na tym etapie rozwoju firmy, jaka była najważniejsza lekcja? Brzmi, jakbyś przeszła długą drogę. Wszystko zaczęło się od twoich doświadczeń na terenach wiejskich Oregonu, a dziś pracujesz z klientami korporacyjnymi. To stosunkowo krótki okres, jeśli się nie mylę.

Czego nauczyłaś się w ciągu ostatnich kilku lat pracy, czym chciałabyś podzielić się z innymi osobami, założycielami i ludźmi działającymi w obszarze edukacji?

Maxine Anderson: Niezależnie od tego, czy nazywamy to edukacją, nauką czy rozwojem pracowników, zawsze postrzegam ten cel tak samo: pomagamy komuś zrealizować jego potencjał i osiągnąć to, czego chce w życiu.

Jeśli chodzi o pracę, jest to skuteczność. Jeśli chodzi o szkołę średnią, chcemy, aby młodzi ludzie mogli wyjść w świat i uzyskać od życia to, czego pragną. Taki jest cel. Nauczyłam się, że nie osiąga się go dzięki najlepszym treściom na świecie.

Osiąga się go przez zapewnienie właściwego kontekstu nauki i przez zderzanie ludzi z problemami. Brzmi to dziwnie, ale nawet technologia powinna skłaniać ludzi do takiego działania. Nie powinni po prostu siedzieć i oglądać trzygodzinnego szkolenia wideo.

Osoby tworzące technologie lub wdrażające dowolne rozwiązania powinny skupić się na tym, jak częściej konfrontować ludzi z problemami i umożliwiać im ćwiczenie. Wtedy wiedza naprawdę utrwala się w ich umysłach. Trzeba też stworzyć takie doświadczenie w odpowiednim kontekście, dokładnie wtedy, gdy jest najbardziej potrzebne.

Zawsze podaję podcasty jako przykład. Uwielbiam ich słuchać i robię to cały czas, ale tylko około 10 procent z nich skłania mnie do zmiany czegokolwiek. Dzieje się tak dlatego, że akurat słucham odcinka dzień przed zetknięciem się z danym problemem albo wieczorem słucham podcastu o problemie, który napotkałam wcześniej tego samego dnia.

Kontekst jest więc niezwykle ważny, podobnie jak jego tworzenie dla ludzi. Uważam też, że ciekawość jest bardzo interesująca. Wiedzę można zdobyć, ale przynajmniej naszym celem w przypadku technologii nie jest samo uczenie się. Chodzi o to, żeby ludzie rzeczywiście zmieniali swoje zachowanie, osiągali lepsze wyniki i odczuwali wpływ nauki.

Świetne treści są absolutnie niezbędne, ale nauczyliśmy się, że same w sobie nie skłaniają ludzi do zdobywania nowych umiejętności. To nie treść jest tym, co naprawdę powoduje zmianę. Znam osoby, które konsumują ogromne ilości materiałów na temat zarządzania produktami, a mimo to nadal mają trudności z codzienną pracą i wprowadzaniem rzeczy w życie.

Ludzkie zachowanie wymaga praktyki. Trzeba zapewnić ludziom odpowiedni kontekst, aby mogli rzeczywiście zrozumieć treści i wykorzystać je w praktyce.

Hannah Clark: Całkowicie się zgadzam. Przez długi czas organizowaliśmy panele i wydarzenia na żywo.

Z czasem zastanawialiśmy się, jak je ulepszyć i uczynić bardziej użytecznymi. Jednym z pomysłów, które postanowiliśmy przetestować, było stworzenie czegoś znacznie bardziej praktycznego. Zorganizowaliśmy warsztaty programowania z wykorzystaniem AI. Format był podobny: nadal mieliśmy prowadzącego, który kierował wydarzeniem, oraz gospodarzy.

Poprosiliśmy jednak uczestników, aby przyszli przygotowani: mieli założyć kilka kont, wybrać platformę albo pomysł, który chcieli spróbować prototypować. Dzięki temu format polegał bardziej na wspólnym wykonywaniu zadań niż na samym słuchaniu i przyswajaniu informacji, które bez kontekstu mogą być bardzo abstrakcyjne.

Uzyskaliśmy znacznie wyższy poziom uczestnictwa. Więcej osób zostało do końca wydarzenia, a uczestnicy przekazywali nam świetne opinie o tym, ile umiejętności rzeczywiście zachowali. Różnica była ogromna. Z własnego doświadczenia mogę więc powiedzieć, że kontekst jest absolutnie kluczowy.

Maxine Anderson: Jest też coś niezwykle frustrującego: czy kiedykolwiek słyszałaś, jak ktoś powiedział coś niezwykle inteligentnego, a ty pomyślałaś: „Dobrze, zapamiętam to i wykorzystam na następnym spotkaniu”? A potem po prostu o tym zapominasz.

Myślisz: „Miałam przyjść na to spotkanie z tak świetnym pomysłem”. Sama informacja ma wartość, ale sztuczna inteligencja daje możliwość generowania treści na bieżąco i dostarczania ludziom informacji dokładnie wtedy, gdy jej potrzebują.

Jeśli połączysz dobrą automatyzację ze zintegrowanymi danymi i dostarczysz informacje w odpowiednim momencie, otrzymujesz niezwykle potężne rozwiązanie. Może ono stać się prawdziwym silnikiem organizacji. Jestem podekscytowana tym, jak zmieni naukę.

Hannah Clark: Ja również. Trochę zmartwiło mnie tylko to, że oznacza to, iż praca domowa rzeczywiście jest wartościowa. O nie. W każdym razie bardzo dziękuję, że do nas dołączyłaś, Maxine.

To była naprawdę świetna rozmowa. Gdzie słuchacze mogą śledzić twoją pracę w internecie i dowiedzieć się więcej o Arist?

Maxine Anderson: Można nas znaleźć na www.arist.co. Dużo publikuję na LinkedIn na temat tego, jak wygląda nauka i przekształcanie organizacji edukacyjnych z myślą o przyszłości pracy. Na LinkedIn znajdziecie mnie jako Maxine Anderson.

Hannah Clark: Świetnie. Bardzo dziękuję, że z nami byłaś.

Maxine Anderson: Dziękuję.

Hannah Clark: W następnym odcinku podcastu Menedżer produktu. Skoro już wiesz, jak ludzie się uczą, nasz kolejny odcinek będzie poświęcony temu, jak ludzie kupują. Przyjrzymy się psychologii kupujących oraz drobnym zmianom, które możesz wprowadzić w punktach kontaktu z klientami, aby zwiększyć konwersję, pobudzić adopcję produktu i wypełnić luki w strategii wzrostu.

Nie możesz tego przegapić. Zasubskrybuj podcast już teraz i dołącz do nas następnym razem.