AI dalam Pembelajaran dan Pembangunan: Laluan Pembelajaran dan Kandungan Peribadi

Oleh Kevin Kim · Dikemas kini 11 Oktober 2026

AI dalam pembelajaran dan pembangunan (L&D) ialah penggunaan pembelajaran mesin dan model bahasa untuk mencari di mana pekerja kekurangan kemahiran, mencadangkan apa yang patut dipelajari oleh setiap orang seterusnya, menghasilkan bahan latihan dengan lebih pantas, dan membimbing orang di antara kursus formal. Tujuannya ialah menggantikan kurikulum satu saiz untuk semua dengan pembelajaran yang sesuai dengan orang dan pekerjaannya, sementara kakitangan L&D mengekalkan kawalan terhadap apa yang diajar dan apa yang dikira "baik."

Panduan ini ditujukan kepada ketua L&D, pengurus sumber manusia dan ketua jabatan yang memutuskan di mana AI wajar berada dalam latihan mereka. Ia merangkumi empat tugas yang dilakukan AI dalam L&D, apa kata penyelidikan tentang sama ada ia berkesan, pelancaran langkah demi langkah, dan kesilapan yang menenggelamkan kebanyakan projek. Ia berada dalam bahagian AI dalam HR, jadi ia kekal pada fungsi pembelajaran dan merujuk ke tempat lain untuk baki kitaran hayat pekerja.

Fakta Utama

• Dalam Workplace Learning Report 2025 LinkedIn, 71% profesional L&D mengatakan mereka sedang meneroka, bereksperimen dengan atau mengintegrasikan AI ke dalam kerja mereka (LinkedIn Learning).
• Dalam laporan yang sama, 49% profesional L&D dan bakat bersetuju bahawa eksekutif mereka bimbang pekerja kekurangan kemahiran untuk melaksanakan strategi perniagaan (LinkedIn Learning).
• Meta-analisis terhadap 50 penilaian terkawal tentang bimbingan komputer pintar mendapati peningkatan median 0.66 sisihan piawai dalam skor ujian, cukup untuk menaikkan pelajar biasa daripada persentil ke-50 ke persentil ke-75 (Kulik dan Fletcher, 2016). Itu pelajar, bukan pekerja.
• Dalam eksperimen lapangan dengan hampir 1,000 pelajar matematik sekolah menengah di Turki, chatbot tanpa sekatan menaikkan skor latihan sebanyak 48% tetapi menjadikan pelajar 17% lebih teruk dalam peperiksaan tanpa AI, manakala bot gaya tutor dengan pagar pelindung meninggalkan keputusan peperiksaan hampir setara dengan kumpulan kawalan (Wharton).
• Dalam kalangan 5,179 ejen sokongan pelanggan yang diberi pembantu AI generatif, produktiviti meningkat 14% secara purata dan 34% bagi pekerja baharu dan berkemahiran rendah, dengan kesan minimum ke atas pekerja berpengalaman (NBER).
• EU AI Act menyenaraikan pengecaman emosi di tempat kerja dan institusi pendidikan sebagai amalan yang dilarang, larangan yang berkuat kuasa pada Februari 2025 (European Commission).

Empat Tugas yang Dilakukan AI dalam L&D

L&D tradisional berjalan atas katalog dan kalendar: senarai kursus, dan jadual bila orang mengambilnya. AI mengubah unit kerja daripada "kursus" kepada "orang." Dari sudut ACE Framework, kebanyakan AI L&D mengambil masuk rekod pelajar, data jawatan dan kandungan, menganalisisnya untuk mencari jurang, meramalkan apa yang patut dipelajari seseorang seterusnya, menjana bahan dan maklum balas, dan melaksanakan tindakan kecil seperti mendaftarkan seseorang atau menghantar peringatan.

Baca lajur terakhir sebagai reka bentuk sebenar. Setiap tugas di atas mempunyai seseorang yang memiliki hasilnya. Jika anda tidak dapat menamakan orang itu bagi sesuatu penggunaan, anda belum bersedia untuk melaksanakannya.

Tugas 1: Analisis Jurang Kemahiran

Jurang kemahiran ialah jarak antara apa yang diperlukan sesuatu peranan dengan apa yang boleh dilakukan oleh orang yang memegangnya. Mengukurnya dahulu bermakna tinjauan, penilaian pengurus dan analisis keperluan latihan tahunan. AI memendekkannya dengan membaca bukti yang sudah wujud: huraian tugas, nota prestasi, sejarah projek, sijil dan kursus yang diselesaikan.

Alirannya dalam praktik kelihatan begini:

1. Tentukan sasaran. Senaraikan kemahiran yang diperlukan setiap peranan, pada tahap apa. Jika anda tiada rangka kerja kemahiran, mulakan dengan sepuluh peranan terpenting anda, bukan seluruh syarikat. Kerja asasnya diliputi dalam strategi bakat berasaskan kemahiran.
2. Kumpulkan bukti. Ambil daripada rekod HR, sejarah platform pembelajaran dan, di mana sesuai, penilaian kendiri serta input pengurus.
3. Biarkan model membuat inferens dan perbandingan. Ia menganggarkan profil kemahiran bagi setiap orang dan mengukur jurang berbanding peranan sasaran.
4. Agregatkan ke peringkat pasukan dan syarikat. Output yang berguna jarang sekali jurang seorang individu. Ia coraknya: "Lapan daripada dua belas pengurus akaun kekurangan latihan rundingan."
5. Sahkan dengan manusia. Pengurus mengesahkan atau membetulkan dapatan sebelum sesiapa bertindak ke atasnya.

Tekanan untuk melakukan ini dengan baik memang nyata. Dalam laporan LinkedIn, separuh profesional L&D dan bakat mengatakan eksekutif bimbang sama ada pekerja mempunyai kemahiran yang betul (LinkedIn Learning). Inferens kemahiran ialah penggunaan AI yang baik kerana outputnya ialah hipotesis untuk disemak, bukan hukuman ke atas seseorang. Ia menjadi berisiko sebaik sahaja skor kemahiran yang disimpulkan memberi input kepada keputusan kenaikan pangkat atau pemberhentian. Kekalkan dalam lorong pembangunan. Input yang bersih juga penting, dan asas data HR untuk AI menerangkan apa yang perlu dibaiki dahulu.

Tugas 2: Laluan Pembelajaran Peribadi

Laluan peribadi ialah urutan aktiviti pembelajaran yang dipadankan dengan peranan, tahap kemahiran semasa, matlamat dan kadar seseorang. Bahagian AI ialah pemadanan dan pemadanan semula: orang yang lulus pra-penilaian melangkau asas, dan orang yang bergelut mendapat penerangan yang berbeza.

Apa kata bukti menggalakkan untuk reka bentuk tetapi lebih sempit daripada yang disarankan oleh promosi vendor. Asas penyelidikan terkuat ialah sistem bimbingan pintar, perisian yang menyesuaikan pengajaran langkah demi langkah. Kulik dan Fletcher menyemak 50 penilaian terkawal dan mendapati peningkatan median 0.66 sisihan piawai, dengan saiz peningkatan bergantung banyak pada sama ada hasil diukur pada ujian yang dibangunkan secara tempatan atau piawai (Kulik dan Fletcher, 2016). Itu keputusan yang kukuh, dan ia menggambarkan pelajar dalam kursus berstruktur. Ia tidak membuktikan bahawa enjin cadangan yang mencadangkan kursus gaya LinkedIn kepada orang dewasa meningkatkan prestasi kerja. Anggaplah ia sokongan untuk latihan adaptif dengan maklum balas, bukan untuk "AI memilih kursus anda."

Laluan yang bernilai dibina mempunyai bahagian berikut:

• Sasaran yang jelas (peranan, kemahiran, projek), bukan "belajar AI" yang terbuka.
• Semakan garis dasar supaya orang tidak mengulang apa yang mereka tahu.
• Aktiviti pendek bercampur dengan latihan pada kerja sebenar.
• Titik sentuh pengurus. Dalam data LinkedIn, hanya 15% pekerja mengatakan pengurus mereka membantu membina pelan kerjaya dalam enam bulan lalu (LinkedIn Learning). AI boleh menyediakan perbualan, tetapi tidak dapat menggantikannya.
• Kaitan yang kelihatan daripada pembelajaran kepada peluang. Laluan terasa sia-sia jika menyiapkannya tidak mengubah apa-apa. Menghubungkannya dengan perpindahan dalaman ialah idea di sebalik pasaran bakat dalaman dengan AI.

Jika anda ingin melihat sisi binaan, pelan tindakan ejen AI pembelajaran dan pembangunan menunjukkan bagaimana ejen mencadangkan laluan, mendaftarkan pelajar dan mengingatkan orang yang terhenti.

Tugas 3: Penghasilan Kandungan

Kandungan ialah tempat kebanyakan pasukan L&D bermula, kerana manfaatnya mudah dilihat: draf pertama dalam beberapa minit dan bukan beberapa hari. Model boleh menukar dokumen dasar menjadi rangka pelajaran, menulis soalan kuiz, mencipta senario main peranan, meringkaskan bengkel yang dirakam, dan menterjemah bahan untuk wilayah lain.

Jika digunakan dengan baik, ini membebaskan pakar subjek dan pereka pengajaran untuk menyemak dan memperbaik dan bukan bermula dari halaman kosong. Jika digunakan dengan buruk, ia menghasilkan perpustakaan bahan yang yakin tetapi generik yang tiada siapa semak. Tiga peraturan membantu:

• Asaskan pada sumber anda. Berikan model dokumen proses sebenar anda dan minta ia bekerja hanya daripadanya. Output generik ialah cara prosedur yang salah masuk ke dalam latihan.
• Kekalkan pakar dalam kitaran. Setiap modul pematuhan, keselamatan atau teknikal memerlukan penyemak bernama yang meluluskan sebelum dikeluarkan.
• Uji dengan pelajar. Modul boleh dibaca dengan baik namun tidak mengajar apa-apa. Semak bahawa orang boleh melakukan tugas itu selepas itu.

Kemahiran yang lebih luas untuk pasukan HR yang bekerja dengan alat ini terdapat dalam AI generatif untuk pasukan HR.

Kajian Brynjolfsson, Li dan Raymond ialah rujukan yang berguna di sini, dengan satu peringatan tentang apa yang diukurnya. Mereka mengkaji 5,179 ejen sokongan pelanggan yang menerima pembantu AI generatif, dan mendapati produktiviti meningkat 14% secara purata dan 34% bagi pekerja baharu dan berkemahiran rendah, dengan kesan minimum ke atas pekerja berpengalaman (NBER). Itu bantuan semasa bekerja, bukan program latihan. Tetapi ia menunjukkan satu idea reka bentuk: AI yang menyokong orang semasa mereka bekerja mungkin paling membantu pekerja yang lebih baharu, yang menjadi hujah yang baik untuk meletakkan panduan di dalam aliran kerja dan bukan hanya dalam kursus.

Tugas 4: Bimbingan dan Latihan

Bimbingan ialah penggunaan yang paling baharu dan paling belum mantap. Ia merangkumi pembantu sembang yang menjawab "bagaimana saya menangani ini?" pada saat diperlukan, simulasi di mana pelajar berlatih perbualan yang sukar, dan maklum balas terhadap tulisan.

Bukti terpenting di sini ialah satu amaran. Dalam eksperimen lapangan dengan hampir 1,000 pelajar matematik sekolah menengah di Turki, pelajar yang diberi chatbot tanpa sekatan melakukan 48% lebih baik dalam soalan latihan berbanding kumpulan kawalan, tetapi 17% lebih teruk dalam peperiksaan yang diambil tanpa AI. Versi gaya tutor yang memberi petunjuk dan bukan jawapan melakukan 127% lebih baik dalam latihan dan hampir sama dengan kawalan dalam peperiksaan (Wharton). Pelajar itu remaja yang belajar matematik, bukan pekerja yang belajar pekerjaan, jadi jangan bawa angka itu ke sini. Pengajarannya memang boleh dibawa: jika AI melakukan pemikiran, prestasi semasa latihan meningkat sementara pembelajaran mungkin tidak.

Untuk bimbingan di tempat kerja, itu mencadangkan beberapa pilihan reka bentuk:

• Jadikan AI bertanya soalan dan memberi petunjuk sebelum memberi jawapan.
• Gunakan simulasi latihan untuk kemahiran yang akan dilakukan orang secara bersendirian kemudian, seperti perbualan maklum balas dan panggilan pelanggan.
• Nilai tanpa AI kadang-kadang, supaya anda tahu apa yang boleh dilakukan orang sendiri.
• Kekalkan topik sensitif (masalah prestasi, konflik, kesihatan) bersama manusia.

Berhati-hatilah dengan alat yang mendakwa dapat membaca emosi daripada suara atau video semasa latihan atau penilaian. EU AI Act melarang pengecaman emosi di tempat kerja dan institusi pendidikan (European Commission), dan sains di sebalik dakwaan sedemikian dipertikaikan.

Contoh Sebenar mengikut Fungsi

Pasukan L&D. Ketua pembelajaran memasukkan huraian tugas dan sejarah kursus ke dalam alat kemahiran, mendapati bahawa satu pertiga pasukan sokongan tidak pernah berlatih meredakan ketegangan, dan menugaskan modul pendek berasaskan senario. AI menemui coraknya; ketua memutuskan apa yang perlu dilakukan.

Sales enablement. Seorang pengurus menggunakan bot main peranan supaya wakil jualan baharu boleh berlatih panggilan penerokaan sebelum bercakap dengan prospek, kemudian menyemak tiga rakaman seminggu untuk perbualan bimbingan. Jumlah latihan meningkat, dan masa pengurus tertumpu pada perbualan yang penting.

Latihan pematuhan dan keselamatan. Pereka pengajaran menyediakan draf modul yang dikemas kini daripada dasar terkini, dan pemilik pematuhan menyemak setiap baris. Penyediaan draf pantas, dan kelulusan perlahan dengan sengaja.

Operasi barisan hadapan. Penyelia syif menerima kursus penyegaran pendek khusus peranan yang disyorkan selepas perubahan proses, dan bukan kursus seluruh syarikat yang tiada siapa habiskan.

Penyumbang individu. Seorang penganalisis meminta pembantu menerangkan kaedah statistik menggunakan laporan syarikat sendiri sebagai contoh, kemudian menguji dirinya dengan soalan yang dijana. Dia memiliki pembelajarannya; alat itu memendekkan laluan.

Cara Melancarkan AI dalam L&D Langkah demi Langkah

1. Pilih satu masalah perniagaan. "Mengurangkan masa kepada produktiviti bagi pekerja sokongan baharu" mengatasi "menerima pakai AI dalam pembelajaran." Sasaran yang sempit menjadikan kejayaan boleh diukur.
2. Audit kandungan dan data pembelajaran anda. Ketahui kursus apa yang ada, siapa pemiliknya, sama ada ia terkini, dan apa yang direkodkan oleh platform pembelajaran. AI tidak dapat mencadangkan apa yang tiada atau salah label.
3. Tentukan kemahiran untuk peranan sasaran. Walaupun senarai kemahiran dan tahap yang pendek dan dipersetujui memberi sistem sesuatu untuk dipadankan. Analisis keperluan latihan formal ialah cara berstruktur untuk mencari jurang dahulu.
4. Mulakan dengan penyediaan draf kandungan atau inferens kemahiran. Ini membawa risiko paling rendah kepada individu dan menunjukkan nilai dengan cepat.
5. Namakan pemilik bagi setiap penggunaan AI. Tuliskan siapa menyemak output, apa yang boleh mereka batalkan dan berapa kerap.
6. Tetapkan peraturan privasi sebelum pelancaran. Tentukan data pekerja apa yang dilihat sistem, siapa melihat keputusan, dan sama ada data kemahiran individu kelihatan kepada pengurus. Beritahu pekerja dengan jelas.
7. Jalankan projek rintis dengan satu kumpulan selama satu suku tahun. Ukur berbanding kumpulan perbandingan di mana boleh, bukan hanya skor kepuasan.
8. Tambah laluan dan bimbingan seterusnya. Setelah kandungan dan data kemahiran boleh dipercayai, pemperibadian mempunyai sesuatu yang kukuh untuk bertapak.
9. Hubungkan pembelajaran dengan hasil. Kaitkan data penyelesaian dengan metrik prestasi dan mobiliti melalui people analytics, sambil berjaga-jaga agar korelasi tidak disalah anggap sebagai sebab.
10. Semak dan singkirkan. Buang kursus yang tiada siapa habiskan atau yang tidak lagi sepadan dengan kerja. Enjin cadangan menguatkan apa sahaja katalog yang anda berikan.

Untuk persoalan yang lebih besar tentang membina semula kemahiran merentasi tenaga kerja, program latihan semula kemahiran yang benar-benar berkesan membincangkannya dengan lebih mendalam.

Apa yang Perlu Diukur

Skor kepuasan ialah isyarat paling lemah dalam L&D, dan AI tidak mengubahnya. Pasangkannya dengan ukuran yang dikaitkan dengan kerja.

• Penerimaan pakai: bahagian pekerja layak yang memulakan dan menamatkan laluan yang ditugaskan.
• Masa kepada kemahiran: berapa lama pekerja baharu atau yang ditukar mengambil masa untuk mencapai standard.
• Pergerakan kemahiran: perubahan dalam tahap kemahiran yang dinilai, disemak tanpa bantuan AI.
• Hasil perniagaan: metrik yang latihan itu bertujuan menggerakkan, seperti kualiti penyelesaian atau kadar kesilapan.
• Susulan pengurus: sama ada perbualan pembangunan benar-benar berlaku.
• Keadilan: sama ada cadangan dan akses berbeza merentasi kumpulan atas sebab yang tidak berkaitan dengan kerja.

Kesilapan Lazim

• Menganggap penyelesaian sebagai pembelajaran. AI boleh meningkatkan penyelesaian dengan peringatan. Itu tidak memberitahu apa-apa tentang sama ada sesiapa boleh melakukan tugas itu.
• Membiarkan alat melakukan pemikiran. Eksperimen matematik sekolah menengah di atas ialah peringatan: bantuan boleh mengangkat prestasi pada ketika itu sementara pembelajaran terbantut.
• Menggunakan skor kemahiran yang disimpulkan untuk keputusan berisiko tinggi. Anggaran model tentang kemahiran seseorang ialah gesaan pembangunan. Keputusan kenaikan pangkat dan gaji memerlukan bukti dan pertimbangan manusia, dan mungkin mencetuskan obligasi undang-undang.
• Melangkau rangka kerja kemahiran. Tanpa takrifan yang jelas, "diperibadikan" bermaksud "disyorkan mengikut populariti."
• Menerbitkan kandungan yang tidak disemak. Latihan yang dijana boleh mengandungi kesilapan yang yakin. Dalam keselamatan dan pematuhan, satu langkah yang salah ada akibatnya.
• Mengabaikan bias. Sistem cadangan boleh mengarahkan kumpulan tertentu ke arah peluang yang kurang kelihatan jika data asas mencerminkan corak lepas. Uji hasil mengikut kumpulan.

Di Mana Ini Sesuai dalam Gambaran yang Lebih Besar

L&D menyentuh seluruh kitaran hayat pekerja, daripada orientasi hingga penggantian. Jika anda memetakan di mana AI wajar berada merentasi HR, AI merentasi kitaran hayat pekerja menunjukkan di mana pembelajaran terletak di sebelah pengambilan, penglibatan dan pengekalan.