これまでの研修づくりと運用に潜む3つの壁
現場の業務には精通していても、学習設計の方法論を持つ講師は多くありません。専門知識をどの順序で教えるかを決めきれず、資料を並べただけのコースにとどまっています。
一方向の動画や静的なPDFは、再生や閲覧を終えれば修了になります。新しい提案資料を学んだはずの担当者が、商談で顧客から想定外の質問を受けて答えに詰まる状況が続いています。
研修の実施から能力向上、業績までのつながりをデータで示せないため、チームのどこに知識不足があるかを特定できません。問題が表面化してから対処する、後手の運用になっています。
専門知識を学べるコースにする仕組み
UMU AGL(AI Generated Learning)は、文書をプロフェッショナルかつアジャイルに効果的なコースへと変換します。
事業部門では、新しい製品や業務手順を早く現場へ広げたい一方で、講師が作るコースは実務で使いにくく、その成果も確かめられないまま次の展開を迎えています。足りないのは、現場の専門知識を学習設計に沿ったコースへ変え、習得の状況まで把握できる仕組みなのです。UMU AGLは、まさにこの課題の解決からスタートします。
業務シーンを1つ選ぶと、AIが顧客役を務めてあなたと1回の会話を行います。終了後、評価フィードバックを確認できます。
業務シーンを1つ選ぶと、AIが顧客役を務めてあなたと1回の会話を行います。終了後、評価フィードバックを確認できます。
コース作成から習熟の把握へ
事業部門の講師が、手元の知見をもとに自らコース開発を主導できます。作成にかかる時間と労力を抑え、専門知識を現場へ展開するまでの期間を短縮します。
専門性が高く情報量の多い内容でも、急な学習曲線を緩やかにし、受講者が業務知識を無理なく吸収できるようにします。学んだ内容を顧客対応で使える状態へ導きます。
事業部門の責任者や講師は、現場へ出る前にチームの準備状況を確認できます。損失が出てから挽回する対応から、事前にリスクへ手を打つ対応へ切り替えられます。
対話形式で知識の要点を引き出すコース作成
AIの問いかけに答えながら、対話形式でコースを作成
UMU AGLが各ステップで講師を案内し、知識の要点を引き出します。講師は対話形式の質問に答えるだけで、インタラクティブなコースを作成できます。白紙のスライドから構成を考える方法と比べ、着手しやすい点が特徴と言えます。
知識の種類に合わせて教え方を選ぶ設計
知識の種類ごとに最適な指導方法を自動で適用
専門知識を受講者の理解度に合わせて説明し、知識の種類に応じて指導方法を切り替えます。事実的知識は要点を示し、概念的知識は類推で説明して理解を確かめます。技能的知識は、場面の再現と実践フィードバックで習得を支援します。
学習ポイントごとに習熟度を数値で示すレポート
学習データからチームの強みと弱みを可視化
閲覧時間や設問への回答状況など、学習中の行動を細かく記録し、再テストの正答率も含めて習熟度を学習ポイントごとに数値化します。受講完了率による管理と比べ、チームの能力ギャップがどこにあるかを具体的に確認できます。