详细内容或原文请订阅后点击阅览
思想领袖问答：与 Saravana Sivanandham 一起探索人工智能时代的学习影响和业务成果
这篇思想领袖问答的特色是 Absorb 的 Saravana Sivanandham 探索学习影响和有形业务成果之间的联系，同时在工作中直接利用人工智能。这篇文章首次发表在电子学习行业。
来源:eLearning行业 | 在线教育博客关于业务成果、学习影响和人工智能
Saravana Sivanandham 是 Absorb Software 的首席产品和营销官，负责领导 Absorb 产品、营销、人工智能和增长团队的战略和执行，以提供市场领先的解决方案，帮助组织培养关键技能、改造员工队伍并推动可衡量的业务成果。工作之余，他喜欢与家人共度时光，在德克萨斯州的山区跑步，以及打乒乓球。
今天，我们将讨论学习影响、业务成果以及在绩效所在领域使用人工智能。
多年来，业界一直承诺证明学习对业务的影响，但实际效果却好坏参半。人工智能真的可以解决这个问题吗？或者它只是创造更多的活动来衡量？
是的。第一次，差距真正可以缩小，因为一直缺失的三件事现在已经解决了。我们可以获取实际工作发生的数据，对其进行生成推理，并将结果循环回结果。需要注意的是，只有当你衡量结果而不是活动时，它才会结束。否则，人工智能只会更快地将相同的虚荣指标工业化。
旧有的差距从来都与野心无关。这是关于管道的。学习系统无法看到作业，因此完成情况和测验分数是唯一的信号，影响是推断出来的，而不是观察到的。 MCP 和 A2A 等技术改变了这一点。现在，代理可以使用用户自己的权限，从工作发生的系统（例如 CRM、支持、代码和对话）中了解实际存在的能力差距，而无需进行为期 12 个月的数据湖项目。生成式人工智能将该信号转化为特定的干预措施，然后回读绩效是否发生变化。这是一个闭环，而不是另一个仪表板。