トレーシー・キング氏、InspirEd CEO | 国際学習ストラテジスト | AI強化型学習 | 神経多様性の擁護者 | 自閉症の起業家。
AIは学習の作成、提供、評価方法を変えつつあります。しかし、私の専門能力開発分野での経験から言えば、この分野で目にしている大きな変化は、AIツールの導入だけに起因するものではありません。それは、現代の学習者の期待に応えるために必要な、教育提供組織内の運営構造の急速な進化に根ざしています。
生成AIやAI活用技術を使いこなせるようになることは、学習の専門家にとって重要です。しかし、私はそれだけでは十分ではないと考えています。十分な準備を整えるためには、AI対応の組織がイノベーションリーダーになるための準備をしている4つの戦略的要素を理解する必要があります。
1. 役割の進化
AIはすでに学習開発（L&D）の専門家向けの日常的なツールに組み込まれています。また、多くの組織がアトミックデザインに向けて独自のコンテンツを持つプライベートLLMを作成しています。アトミックデザインでは、AIが学習者のパフォーマンスギャップと目標に合わせたトレーニングを動的に準備します。
AIはまだインストラクショナルデザイナーではありませんが、すでに学習開発チームの役割を再定義し始めています。コンテンツ作成者ではなく、コンテンツアーキテクチャ、動的学習パスの監査、コンテンツ重視のGPTトレーニングとメンテナンス、学習データ分析が可能なL&D専門家を求める企業が増えると予想しています。専門家（SME）との協力もすでに進化しています。専門能力開発組織は、SMEに白紙の状態からコンテンツを作成するよう依頼するのではなく、アウトラインやコンテンツの下書きを生成してSMEに編集してもらうようになっており、これは実践における大きな変化を表しています。
これらの需要に応えるためには、L&D分野でのスキルアップと、この種の専門知識を持つ人材の採用の両方が必要です。
2. ポートフォリオ比率
より多くの専門家が即時の課題解決や自己主導型学習のためにGPTを利用するようになるにつれ、知識ベーストレーニングの市場価値が低下していることを目にしています。専門家がGPTを通じて自己主導型学習にアクセスできるなら、その知識ベースをカバーするコースにお金を払う可能性は低くなります。これにより、多くの専門職団体が知識ベースプログラムの販売に苦戦していますが、スキル開発トレーニングは依然として市場性を保っています。私の会社による専門職団体および継続教育企業の学習ポートフォリオ評価では、プログラムの大部分がスキル開発を促進するのではなく、基礎的な情報を提供していることがわかりました。
確かに、専門的な知識はまだ強い価値提案を持っています。しかし、現在のスキル重視の求人市場では、学習チームが教育ポートフォリオでスキル開発を優先することをお勧めします。AIツールを活用すれば、企業は知識ベースの学習を迅速に組み立てることができるため、L&Dチームはより多くのリソースを高インパクトなスキル習得、スキルアップ、再スキル化トレーニングの設計と実施に充てることができます。
3. ガバナンス
すべての組織がすでにAIポリシーを持っているべきですが、L&DにおけるAIの倫理的かつ賢明な使用を具体的に管理するサブセットポリシーを作成することをお勧めします。専門家の写真、音声とジェスチャーのサンプル、ナレーションスクリプトだけで、スタジオや仮想録画セッションなしでビデオトレーニングメディアを生成できるようになった事実を考慮してください。専門家と素材の著作権について契約するだけでなく、特定の用途に対して彼らの肖像と声のライセンスを検討する必要があります。
AIは学習のためのコンテンツ作成を革新できますが、L&Dチームが倫理的基準と、それを支える運用構造を確立することも重要です。L&Dにおけるガバナンスを策定する際は、以下を考慮してください：
• コンテンツの完全性と品質保証。
• バイアスの軽減。
• データセキュリティ。
• AI使用の開示。
• 倫理的使用ガイドライン。
すべてのポリシーと運用化されたガバナンス構造は、リスクと害を軽減するために、パフォーマンスプロトコルと説明責任も考慮すべきです。
4. データ
データ最小化の原則（必要な学習者データのみを収集し、機密データに対して同意管理システムを採用すること）を強化することは重要ですが、学習分析の未来には新しい管理が必要です。残念ながら、学習者データは多くの場合、調査プラットフォーム、Excelファイル、PDFレポート、LMSやCMSプラットフォーム、ベンダーポータルなどに分散して保存されており、アクセスが困難です。これにより、チームメンバーがトレンド、パフォーマンス、コンテンツの優先順位、戦略的意思決定のためのクエリを実行することが難しくなります。
そのため、既存のデータを統合し構造化して、継続的な学習者市場分析に情報を提供し、適応型学習の背後にあるエンジンになる可能性が高いAI駆動の分析に備えることをお勧めします。私の経験に基づくと、データを市場分析として構造化することは、現在、大多数の専門職団体やCE組織に存在するものよりも大幅な改善となり得ます。
結論
AIは可能性を広げる存在であると同時に、破壊的な存在にもなり得ます。私たちはすでに、新しいテクノロジーをプログラム開発プロセスに取り入れるにつれて、継続教育とトレーニングにおける課題と機会の両方を目にしています。AI活用の進化に戦略的な目を向けることで、組織が学習設計における人間中心の倫理に根ざしながら、柔軟で応答性の高い運用構造を作り出していることを確認できます。
