生成AI学習プラットフォームで、学びを現場の成果へ
新方針を現場へ展開する際、生成AI学習プラットフォームに問われるのは、チームが実務で使える状態に達したかどうかです。UMU AGL は、習熟度の可視化と安全なデータ管理という二つの側面に応えます。
従来の研修と汎用AIツールが抱える3つの課題
受講完了率やテストの点数は把握できても、顧客対応に必要な知識が身についているかまでは見えません。失注やクレームが起きてから、ようやくチームの知識不足に気づくのです。
長時間の動画や資料で新方針を学んでも、情報量の多さに理解が追いつかず、実務で使える知識として残りにくくなります。学習時間をかけても、業績の改善にはつながりにくいと言えます。
製品資料や社内規定を個人向けのAIツールに入力すると、そのデータがモデルの学習に使われるおそれがあります。情報セキュリティの要件を満たせず、全社展開を見送る判断につながります。
学びの成果を確かめられる学習基盤へ
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。
新方針を現場へ展開するたびに、チームの理解度を確かめる手段が限られ、学習にかけた時間が業績にどう結びついたのかを説明しにくい状況が続いています。足りないのは、習熟度を学習ポイント単位で把握しながら、機密性の高い業務知識を安全に学習へ活用できる仕組みです。UMU AGL は、この仕組みを事業部門の手で整えられるよう設計されています。
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。
現場の成果につながる学習設計
能力のギャップを、業務上の損失が出る前に把握できます。事業部門の責任者は事後対応から先回りの介入へ移行でき、研修投資と業務成果の関係をデータで説明できます。
一度に扱う情報量を抑え、受講者が重要な内容を無理なく理解・習得できるようにします。新方針や製品知識を、実務で使える知識としてチームに定着させられます。
契約・制度・動機の三つの側面からデータを保護し、法務や情報セキュリティ部門の要件に沿った運用を実現します。機密性の高い業務資料も、安心して学習に活用できます。
学習ポイント単位で習熟度を定量化する仕組み
チーム全体の学習効果を示す分析レポート
閲覧時間や設問への回答状況など、学習中の行動データを詳しく記録します。一定期間後の再テスト正答率も含めて学習ポイントごとに集計するため、完了率だけでは見えなかったチームの理解の偏りを確認できます。
学習内容を小さな単位に分けるコース設計
コース時間に応じた知識項目数の自動調整
マイクロラーニングの手法で学習内容を小さな単位に分け、コース時間に合わせて知識項目の数を自動で調整します。ナレッジマップも自動で作成し、長尺動画を分割編集するより少ない工数で、段階的に学べるコースを用意できます。
コース生成の全工程で社内データを守る仕組み
エンタープライズ水準のデータプライバシー保護
アップロードからコース完成までに生成したデータは、AIモデルへの保存や学習への利用の対象外です。データの流れは、企業として一元管理できます。UMUはISO/IEC 27001などの認証を取得しています。