コンプライアンス研修の効果測定は、完了率から理解度へ
全社でコンプライアンス研修を終えても、受講完了率を効果測定の指標にしている限り、従業員が規定のどの項目を理解できているかは読み取れません。UMU AGLは、学習ポイント単位で理解度を確かめたいという研修部門の要請に応えます。
コンプライアンス研修の効果測定で直面する3つの課題
受講完了率やテストの得点は報告できても、どの規定をどこまで理解したかは確認できません。知識不足か運用上の問題かを切り分けられず、補習の対象を絞れないのです。
条文を並べただけの教材では、顧客から規定に触れる依頼を受けた場面で、受講者が学んだ内容を判断に結びつけられません。研修の実施そのものが目的化しやすくなります。
改定された規定を教材へ反映する過程で数値や条件にズレが生じると、従業員は誤った理解のまま顧客対応にあたります。教材の誤りが、そのままコンプライアンスリスクにつながります。
理解度まで測れる研修設計
UMU AGL(AI Generated Learning)は、あらゆる社内文書を即座にインタラクティブなコースへと変換し、AIを活用した効果的な学習体験を提供します。
コンプライアンス研修を担う研修部門には、完了率の報告、規定と業務の結びつけ、改定内容の正確な反映という負荷が同時にかかっています。規定の文書を業務シーンに沿った学習へ変換し、学習ポイントごとの理解度まで追える仕組みが整っていないことが、根本の要因と言えます。UMU AGLは、まさにこの仕組みづくりを支えるために開発されました。
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。
理解度で示す研修効果
どの学習ポイントで理解が不十分かをチーム単位で確認でき、フォローアップ研修の対象と内容を絞り込めます。研修の成果を、完了率以外の根拠で経営層に説明できるようになります。
規定の内容を、受講者が日々向き合う業務シーンと結びつけて学べるようにします。研修で得た知識を、現場で判断に迷ったときに思い出せる形で定着させやすくなります。
生成された教材を元の規定と照らし合わせて確認できるため、AIの誤生成による誤った理解のリスクを抑えられます。規定の改定に合わせて、正確な内容で研修を更新できます。
学習ポイントごとに習熟度を測る仕組み
学習ポイント単位の習熟度スコアとチーム別レポート
受講者一人ひとりの習熟度を学習ポイント単位で数値化し、チーム全体の結果は総合的な学習効果レポートにまとめて表示します。最終テストの得点や完了率に加えて、規定のどの項目で理解が浅いかまで管理画面で確認できるのが特徴です。
業界ごとの研修シーンをテンプレートで再現
8つの業界に対応したコーステンプレートの標準搭載
方針・コンプライアンスの更新やリスク管理といった研修テーマを、業界別のコーステンプレートで業務シーンに沿って組み立てます。モデルの一般知識に頼る汎用AIツールに対し、多様な業界を支援してきた知見を設計に組み込んでいます。
生成した教材から原文をたどれる仕組み
コース内容のどの箇所からも出典を確認できる機能
生成されたコース内容のどの箇所からでも、根拠となった元の文書へ遡って出典を確認できます。数値や固有名詞をその場で原文と照合できるため、講師が個別に汎用的なAIを使う場合に比べて、内容の厳密さを保ちやすくなります。