新兴技术——如AI、VR、AR以及机器人技术——可能会影响或颠覆每一个行业。学习与发展（L&D）团队在引领这些巨大变革方面具有得天独厚的优势，因为他们通过对员工进行技能提升（up-skilling）和技能重塑（re-skilling）、推动变革以及培养持续发展和创新的文化，在企业面向未来方面发挥着战略性作用。学习与发展（L&D）团队想在当前不断发展的环境中茁壮成长，他们就必须在新兴技术方面敏捷地建立起组织的流畅性。

流畅性的障碍

熟悉新兴技术的团队意味着它可以在工作中高效地应用新技术，并对新技术供应商做出明智的决策。随着不断发展的技术改变了员工角色和所需技能、提高了学习解决方案质量标准，熟练掌握新兴技术能帮助 L&D 从业者积极应对员工期望的变化。然而，现实情况是，许多 L&D 团队很难跟上新兴技术的步伐，更不用说领先于下一步的发展了。

在麦肯锡学习中心，我们希望通过一个名为 “研究与创新学习实验室 ”的职能部门，在 L&D 领域培育一种持续创新的文化。在学习实验室的项目中，我们探索了如何通过快速掌握新兴技术，来确保组织的 L&D 团队在未来具备竞争力。通过对 L&D 领导者的调查和访谈，我们发现了实现这种目标的常见障碍。

快速发展的技术环境会导致 L&D 团队被动应对，而不是积极主动。技术进步一直在改变学习与发展的工作，但现在发生的飞跃是指数级的。无数新技术和新产品不断涌现，要想从中筛选出黄金机遇，可能会让人不知所措。

在企业层面上，很少有 L&D 团队能够参与影响公司未来将采用哪些新兴技术的决策。通常，在组织或行业数字化转型计划的压力下，L&D 会被动地采用技术。这可能导致对过度炒作的技术进行分散、小规模的投资。

技术知识方面的差距可能会让 L&D 从业者不知所措。如果信息是用一种你无法理解的语言包装起来的，那么接触一项新技术就会令人望而生畏。L&D 从业者通常会觉得，他们需要具备扎实的技术基础才能开始理解所发现的信息。这可能会阻碍他们积极参与与利益相关者和业务合作伙伴的战略讨论，因为他们不确定如何解释新机遇以及整合此类技术的影响。

L&D 团队在自我发展方面面临资源限制。大多数 L&D 团队都在忙于完成他们的常规工作，没有足够的时间或资源来围绕新兴技术进行能力建设。这种资源限制可能会成为 L&D 职能部门计划、组织和交付有针对性的掌握新兴技术研讨会的一个重大障碍。

我们对克服这些挑战的见解来自于我们团队在人才组织中为熟练掌握新兴技术所做的努力。这个过程是自然开始并逐渐演变的，但事后看来，我们可以围绕三个关键问题来组织这一过程。

L&D团队如何过滤噪音?

技术领域的变化令人目不暇接，有关新兴技术下一个重大发展的信号铺天盖地，但其中大部分都只是过眼云烟。过滤噪音的关键在于从公司面临的挑战和需求出发。只有在企业确定了要解决的问题之后，才能认识到某项技术是否适合自己。通常情况下，一个团队会从技术入手，在没有明显用途的情况下追求技术。这些技术趋势可能听起来令人兴奋，但实际上并不能解决团队当前的需求或工作中的问题。而盲目跟随趋势，会导致时间和资源的浪费。

要决定一项技术是否与团队的需求和所处环境相关，请考虑以下因素：

• 潜在影响。这项技术能否解决 L&D 面临的最大挑战，或为您的团队和学员创造新的机会？

• 与贵公司的目标和优先事项是否一致。这项技术是否符合组织的目标和预测需求？

• L&D 的实用性。竞争对手或更广泛的 L&D 社区能否在未来两三年内采用这项技术？

• 潜在风险。根据您的了解，这项技术是否符合组织的安全和合规标准？

如果至少有两个问题可以回答 “是”，那么就值得继续调研。

我们的团队如何使用这些问题来过滤噪音的一个例子是生成式AI。学习实验室探索AI已经有一段时间了——主要是应用AI——但当ChatGPT在2022年11月出现时，我们看到了大多数领域的大规模颠覆，并重新评估了我们在生成式AI和大型语言模型（LLMs）方面做得是否足够好。ChatGPT 虽然并不完美，但它是一个易于使用的消费级解决方案，让每个人都开始关注它。

这时，我们向自己提出了上述四个问题。我们认为，生成式AI和大规模语言模型可以改变游戏规则，帮助我们解决两个主要优先事项：规模化和个性化。我们还不确定生成式AI和大规模语言模型工具是否符合我们组织的网络安全标准。不过，其他信号非常强烈，我们知道即使不能立即开始使用这些工具, 我们也必须开始让团队至少掌握一些基本的熟练应用能力。

L&D团队应该关注哪些方面？

尽管一些 L&D 领导者希望如此，但团队中的每个人都不可能成为每种新兴技术的超级用户。考虑到 L&D 团队通常面临的限制，这是不可能的，也是没必要的。相反，应该专注于符合您的 L&D 团队需求的、有针对性的技能发展目标上，这个目标应符合您的 L&D 团队的需求，并在任何限制条件下都能发挥作用，例如资源限制、难以找到同时具备目标技术和 L&D 知识的主题专家，以及利益相关者对新兴技术有抵触情绪等。

熟练使用新兴技术有多个维度。回顾我们团队为流畅地使用生成式 AI 和大规模语言模型所做的努力，我们将设定的不同目标分为四个方面：

• 发现。培养开放、好奇和随时准备变革的心态。

• 了解和思考。建立技术知识基础，了解潜在的机遇、风险和道德考量。

• 游戏与想象。构思技术如何解决问题、提升学习体验并提供新的机遇。

• 参与。在学习与发展团队内部交流见解，促进协作学习和创新文化。

与其试图在与新技术相关的每一个可能的领域提高自己和团队的技能，不如将范围缩小到目前有帮助和相关的领域

2023年1月，我们在为期一周的活动中开始了“发现”维度。我们的目标相对温和，就是激发员工的好奇心，并向 L&D 同事介绍基本的 AI 术语和概念。从这个目标出发，有助于团队缓解对生成式AI的焦虑。我们还收集了新的研究问题和实验想法，例如综合大量定性调查结果，以及使用公司认可的生成式AI工具制作视频。利益相关者对此表示支持，因为他们共同创造了这些见解。

在这一年中，我们多次为AI和大规模语言模型的流畅性建设工作设定目标，并一点一点地涵盖了上述四个方面。对于其他三个目标，我们首先与大约12名同事（包括来自不同 L&D 团队的领导和代表）开展了更有针对性的研讨会。在整个会议过程中，与会者共同提出了一个观点，并确定了影响较大的机会。

在有限的条件下，L&D团队可以做些什么?

考虑到行业发展的速度之快，必须迅速学习新兴技术。你的团队不应该等待所有条件都完美无缺，而应该利用现有条件开展工作。在缩小团队要实现的技术流畅性的范围后，在限制条件下采取小的、可管理的步骤开展工作。将雄心勃勃的大计划分解为更易于管理的行动，使其更加可行和可持续。例如，为了在2023年驾驭资源限制，构建流畅的生成式AI，我们专注于以下三大努力。

与内部专家进行直接、坦诚的对话。我们召集了一个由在AI 或 L&D 方面具有专业知识的内部领导组成的小组，并邀请 L&D 从业者参加并向小组成员提问。由于参与者参加的对话是直接根据组织的实际情况量身定制的，因此他们在探讨这个话题的过程中建立了主人翁意识，而且安全的空间也允许他们提出坦率的问题，例如“我会因为AI而丢掉工作吗？” L&D 领导者还以身作则，表现出对变革的好奇心和开放性。

小规模内容策展胜过创作。我们策划了一些关于基本AI概念和术语的微学习内容。通过内部信息应用程序，用户只需花10分钟左右的时间就能完成学习。

研究和教学反馈。在研讨会期间，参与者快速调查了与AI相关的特定主题，例如 L&D 的新技能和能力，绘制AI在 L&D 和人才发展中的使用案例，以及风险和道德考虑。之后，个人向其他参与者传授他们所学到的知识。

变革管理计划

要想在新兴技术带来的变革中发挥领导作用，L&D 团队就必须以敏捷的方式提高工作流畅性，并从整体上把握影响更大组织变革的不同杠杆。我们的 L&D 领导者根据麦肯锡的“影响力模型”（见下方）寻找推动安全采用新兴技术的方法。尽管我们所描述的培养流畅性的工作主要集中在该模型的一个领域——培养人才和技能，但我们的过程也包含了其他三个领域。同样，L&D 团队也应利用该模型的所有要素来引领变革。

例如，员工不仅需要知道如何运用某项技能，还需要知道为什么他们必须改变自己的行为。如果不了解变革的原因和背后的信念，员工就无法被激励去改变自己的行为。另一个要素是树立榜样。确保公司中具有影响力的人以身作则，倡导拥抱新兴技术的文化。还要记住，每个组织都有一套正式的强化机制（如绩效考核），这些机制可能会阻碍员工做出改变，而不是激励他们。例如，如果公司主要奖励已完成项目的员工，而不是奖励实验和创新尝试的员工，那么员工可能会觉得不敢尝试新工具。

为确保您的团队能够长期坚持努力，请考虑以下建议。

发挥 L&D 团队中的基层力量。确定并授权对该主题充满热情的现有兴趣团体或同事。变革创新既要自上而下，也要自下而上。单一的自上而下的方法不仅会打击员工的积极性，还会限制创新的机会。

平衡创造与策展。考虑整合资源，而不是创建新材料。赋予人们相互传授知识的权力，并创建论坛来共同创造见解。

优先考虑一个或两个用例。选择那些能够带来最大价值，并与您的 L&D 团队需要解决的挑战最相关的新兴技术和流畅性维度。

继续关注行业信号。定期关注技术更新和行业趋势，或者关注可以为您提炼信息的有影响力的人。在 L&D 团队中培养一个社区，让持续学习和知识共享成为常态。

持久的流畅性

我们一点一滴地投入到流畅性建设中，创造动力，从而尝试使用新工具，并开发出面向未来的 L&D 组织视角。在 L&D 团队的流畅性建设计划取得成功后，我们将同样的战略推广到人才组织的其他部门。

几个月内，L&D 职能部门采用了我们组织的AI工具，学习领导者加快了将学习内容和使用案例整合到工具中的速度。我们现在更有能力评估AI工具并提出试点建议。此外，我们预计在未来几个月内，AI将在我们的所有项目中发挥作用。我们还开始将有机进行的成功实验正式纳入正式的结构、流程和支持系统，例如在不同的 L&D 团队中指派人员担任AI应用倡导者。

在新兴技术领域建立持久的流畅应用能力的过程不会一蹴而就，各种限制因素也不会很快消失。但是，采取循序渐进的小步骤，就能打造出一支为未来做好准备的L&D团队。

影响力模型

麦肯锡公司开发的“影响力模型”（The Influence Model）是一个框架，通过解决基本的心态和行为，帮助指导组织进行全面的转型。它由四个要素组成——理解和信念、以身作则、通过正式机制强化、培养人才和技能——这四个要素共同推动组织行为变革，实现预期成果。麦肯锡季刊文章《变革的四大基石》（The Four Building Blocks of Change）解释说，该模型包含以下结构。

我将改变我的心态和行为，如果:

• 我理解大家对我的要求，这是有道理的。（理解和信念）

• 我看到我的领导、同事和员工表现不同。（以身作则）

• 我认为我们的结构、流程和系统支持我被要求做出的改变。（通过正式机制强化）

• 我有能力也有机会以新的方式行事。（培养人才和技能）