T&D está ativo com ferramentas, ausente de decisões
As equipes de T&D estão mais ativas do que nunca com IA. As equipes estão criando conteúdo com mais rapidez, criando cursos em horas em vez de semanas, e experimentando chatbots, geradores de questionários e ferramentas de tradução. Pela maioria das medidas de atividade, as coisas estão se movendo.
Então, por que tantos líderes de P&D ainda lutam por um lugar na mesa de estratégia de IA?
Porque atividade e impacto são duas coisas diferentes, e é na lacuna entre eles que a credibilidade do T&D está se perdendo.
Pesquisamos mais de 1.700 profissionais de aprendizagem para descobrir a posição atual da IA em P&D. 78% das equipes de T&D disseram que não estão presentes quando os orçamentos e as prioridades são decididos e que estão executando a visão de outra pessoa.
Influencie os compostos nas organizações da mesma forma que a capacidade. As equipes que moldam a estratégia de IA agora receberão crédito pelos resultados mais tarde, e as que forem deixadas de fora dessas conversas não. O que está em jogo é a capacidade de ser importante no momento que mais importa.
Aqui está o que o restante dos dados mostra e o que você pode fazer a respeito antes de sua próxima conversa com as partes interessadas.
O número que deve preocupar todo líder de P&D
25% das equipes de T&D afirmam que o principal motivo para adotar a IA é a personalização em escala. Menos de 4% estão priorizando o desempenho dos negócios.
Agora pense em sua próxima conversa executiva. Quando seu CFO entra na sala e pergunta o que o investimento em IA em P&D está proporcionando, qual resposta surge? “Estamos personalizando a experiência do aluno em grande escala” ou “Reduzimos em 30% o tempo de produtividade para novas contratações e aqui estão os dados”?
A personalização sem um business case fracassa nas conversas executivas. T&D tende a falar a linguagem da experiência do aluno, enquanto os executivos falam sobre receita, retenção e produtividade, e no momento essas duas linguagens não estão se encontrando no meio. O custo dessa desconexão é a credibilidade.
Tente fazer isso antes de sua próxima conversa com as partes interessadas. Pegue qualquer iniciativa de IA que você esteja executando atualmente e pergunte: que métrica de negócios isso deve mudar? Uma métrica de aprendizado não é suficiente aqui, então pense no tempo de produtividade, na taxa de ganho de vendas, na taxa de incidentes de conformidade ou na rotatividade de clientes. Se você não consegue citar um, esse é o primeiro problema a ser resolvido e pode ser resolvido antes de você entrar na sala.
Reformule a iniciativa em torno desse número e lidere com ele. Em vez de “Estamos melhorando a experiência do aluno”, tente “Estamos usando o aprendizado personalizado para preencher as lacunas de habilidades que estão retardando seu ciclo de vendas”.
A mesma iniciativa, mas uma conversa completamente diferente.
O problema da resistência não é o que você pensa e não vem de onde você pensa
37% das equipes de T&D afirmam que a resistência das partes interessadas é o maior desafio para a adoção da IA. Apenas 12% afirmam que a barreira é a falta de conhecimento interno.
A resistência que a maioria dos líderes de L&D enfrenta raramente vem de uma única direção. Vem de vários, por diferentes razões, muitas vezes ao mesmo tempo. Tratá-lo como um problema com uma solução é o motivo pelo qual tantas equipes enfrentam o mesmo obstáculo.
Pense em quem está realmente reagindo em sua organização neste momento.
Os líderes seniores que não viram um caso de negócio em que acreditam não são anti-IA. Estão avaliando o risco e ninguém ainda lhes mostrou provas de que o retorno justifica o investimento. Esse é um problema de credibilidade e é resolvido com evidências.
Os gerentes que não confiam no conteúdo gerado por IA para atender aos padrões de sua equipe provavelmente já viram algo errado ou ouviram o suficiente sobre alucinações de IA para serem cautelosos. Essa é uma preocupação de qualidade e pode ser resolvida mostrando-lhes seu processo de revisão.
Os funcionários que se sentem desconfortáveis com o que a IA significa para o seu trabalho não são resistentes à aprendizagem. Eles são resistentes a uma versão de adoção de IA que lhes parece imposta, em vez de projetada para eles. Esse é um problema de gerenciamento de mudanças e é resolvido envolvendo-os desde o início, sendo transparente sobre o que a IA mudará ou não e fazendo com que a experiência de aprendizagem pareça um desenvolvimento.
Especialistas no assunto que se sentem ignorados quando a IA elabora conteúdo que costumavam possuir não estão sendo obstrucionistas. Eles estão protegendo algo que lhes interessa. Esse é um problema de copropriedade e é resolvido reposicionando-os como revisores especializados e filtros de qualidade, em vez de deixá-los de lado.
As equipes de TI ou jurídicas que desaceleram as coisas devido a preocupações de governança não estão resistindo. Eles estão sinalizando uma lacuna no processo e isso é resolvido trazendo-os como parceiros antes que você precise da aprovação deles.
A questão não é que tudo isso seja igualmente comum em sua organização. Diagnosticar de onde vem a resistência é o primeiro passo, antes de decidir como responder. As equipes que tratam todas as preocupações da mesma maneira geralmente optam por mais comunicação ou mais treinamento em IA e acabam frustradas porque estão aplicando a resposta certa à pergunta errada.
Esta é a tática que funciona independentemente de onde mora a resistência. Vá até a pessoa mais resistente da sala, seja ela qual for, e faça-lhe uma pergunta: “Como seria o sucesso para você?”
Pule “Quais são as suas preocupações”, que convida a uma lista de objeções, e pule “Deixe-me mostrar o que a IA pode fazer”, que desencadeia a atitude defensiva. Fique com a pergunta e, em seguida, crie seu próximo piloto para entregar exatamente isso. Quando um cético ajuda a definir os critérios de sucesso, ele se torna responsável, passando de juiz a coproprietário.
Essa dinâmica funciona quer o cético seja um CFO, um gerente de linha, um funcionário nervoso ou um especialista no assunto preocupado com sua função.
A resistência geralmente se resume à confiança, à prova e a uma sensação de controle. Dê isso às pessoas, na forma mais relevante para sua preocupação específica, e a resistência tende a se mover.
Uma divisão de mercado e a lacuna já é maior do que você pensa
27% das equipes de T&D usam IA há anos, 46% começaram recentemente e 27% nem começaram.
Ler isso como uma curva gradual, com adotantes iniciais, mainstream e retardatários, deixa passar o que realmente está acontecendo. Isto é uma divisão e a distância entre os grupos aumenta a cada trimestre.
As equipes com maior histórico já têm uma vantagem e continuam aumentando. Cada piloto constrói conhecimento institucional, cada vitória gera mais orçamento e mais permissão, e cada trimestre de execução torna a lacuna mais difícil de colmatar.
O detalhe mais revelador é onde as equipes estão investindo esforços de IA. Os usos mais comuns são criação de conteúdo (30%) e pesquisa (21%). Os menos comuns são relatórios aprimorados (11%) e entrega simplificada (11%). As equipas estão a concentrar o esforço da IA em partes do trabalho que lhes parecem familiares, como a elaboração de conteúdos e o resumo da investigação, ao mesmo tempo que investem pouco nas partes que realmente mudariam a sua posição estratégica: ligar a aprendizagem aos resultados, fornecê-la onde e quando for necessária e comprovar o seu impacto.
Usar a IA para fazer as mesmas coisas com mais rapidez é um ganho de eficiência. Usar a IA para lidar com problemas fundamentalmente diferentes é a mudança estratégica, e um ganha tempo enquanto o outro ganha influência.
Se você está entre os 46% que começaram recentemente, aqui está a mudança. Escolha agora o problema de negócios de maior visibilidade em sua organização, seja o lançamento de um novo produto, uma crise de retenção ou um prazo de conformidade, e crie uma intervenção de aprendizagem assistida por IA em torno dele. Meça-o em relação a uma métrica de negócios desde o primeiro dia. Uma vitória focada em uma área de alta visibilidade faz mais pela sua posição estratégica do que dez melhorias de eficiência ocorrendo silenciosamente em segundo plano. Comece pequeno, mas comece onde as pessoas estão assistindo.
O ciclo de exclusão e como quebrá-lo
Apenas 22% das equipes de T&D estão incluídas nas discussões sobre estratégias de IA.
A IA está a remodelar a forma como as organizações contratam, desenvolvem e retêm os seus colaboradores, mas em 78% das organizações a função responsável pela criação de capacidades é excluída da conversa.
O ciclo funciona assim: o T&D não é incluído nas discussões estratégicas, por isso não pode moldar a direção da adoção da IA. Sem um assento naquela mesa, ele não poderá realizar os experimentos que gerariam provas. Sem provas, não pode defender a inclusão. O ciclo continua.
Quebrá-lo significa gerar provas antes que o convite chegue. A prova requer acesso, e o acesso requer uma cunha, então encontre a sua.
Procure o líder empresarial da sua organização que atualmente está perdendo o sono por causa de um problema pessoal: uma lacuna de habilidades que afeta a entrega, um novo sistema que ninguém sabe como usar ou uma equipe que continua falhando nas metas. Aborde-os não com uma solução de aprendizagem, mas com uma pergunta: “Posso realizar um piloto de seis semanas para ajudar com isso e podemos concordar antecipadamente sobre como saberíamos se funcionou?” A maioria dirá que sim. Seis semanas depois, você tem dados, e os dados são como você entra na conversa. Faça com que a exclusão pareça um risco comercial, um resultado de cada vez.
A lacuna ética sobre a qual ninguém está falando
15% dos profissionais da aprendizagem sentem-se preparados para gerir as implicações éticas da IA na aprendizagem.
A IA já está a informar estratégias de aprendizagem e de pessoas, influenciando quem obtém oportunidades de desenvolvimento, que percursos de aprendizagem são recomendados e como o desempenho é avaliado. A grande maioria dos profissionais de T&D, no entanto, não se sente preparada para gerir os riscos que isso acarreta.
As organizações que não pensaram cuidadosamente sobre o preconceito no conteúdo gerado pela IA, a transparência na tomada de decisões algorítmicas ou a privacidade dos dados na análise dos alunos não estão evitando riscos éticos. Eles estão adiando. O risco ético diferido não desaparece; ele se esconde silenciosamente até que algo venha à tona publicamente e seja muito difícil voltar atrás.
Você não precisa de uma estrutura ética completa no primeiro dia. Você precisa de três coisas. Primeiro, uma etapa de revisão em cada fluxo de trabalho de conteúdo de IA, onde um ser humano verifica o conteúdo antes de enviá-lo aos alunos, sempre. Em segundo lugar, uma resposta interna clara à pergunta “Quais dados dos alunos estamos usando e quem tem acesso a eles?” Terceiro, uma conversa com sua equipe jurídica ou de conformidade antes de escalar, e não depois que algo der errado. Essas três coisas não cobrirão todos os cenários éticos criados pela IA, mas darão a você uma base sólida para construir.
O que os dados realmente dizem
Retire todas as estatísticas deste artigo e a história será consistente: T&D é capaz, mas nem sempre está posicionado onde o negócio precisa.
A lacuna se resume à distância entre otimizar a experiência do aluno e gerar resultados de negócios. Também aparece na forma como a IA é usada, seja para movimentar trabalhos familiares com mais rapidez ou para resolver problemas mais estratégicos.
As equipes que preenchem essa lacuna estão realizando um pequeno experimento, medindo as coisas certas, construindo uma credibilidade por vez e usando cada vitória para conquistar a próxima.
Cada ação nesta peça é singular: uma métrica, uma pergunta, um piloto, uma fatia, uma etapa de revisão. Isso é deliberado. As equipes que tentam resolver a mudança da IA de uma só vez tendem a acabar na paralisia da análise, enquanto as equipes que escolhem uma coisa e provam que funciona são as que constroem a vantagem combinada que importa.
Uma estratégia para toda a IA em T&D pode esperar. O que você precisa agora é de um próximo passo intencional.
Fonte: Feed Burner
