新人研修は失敗ですという振り返り、何が足りなかったのか
新人研修を終えても、手元に残るのは出席と完了の記録だけ、ということは少なくありません。足りなかったのは受講者の熱意や講師の時間ではなく、理解を確かめる場を学習の中に置く設計なのです。
成否の判断に必要な二つの視点
実施の記録が示す範囲
研修が終わったあとに残る情報は、出席者数、完了率、アンケートの回答が中心です。これらは予定どおり実施できた事実を示しますが、受講者が業務で使える形まで内容を理解できたかどうかは示しません。アンケートの評価が高いことと、知識が定着していることは、分けて見る必要があるのです。うまくいかなかった点を洗い出そうとしても、判断の手がかりは実施の事実にとどまります。
理解の確認を置く位置
成否を判断する材料は、研修が終わった後ではなく、学習の途中に置きます。受講者が要点に答え、学んだ内容を自分の言葉で言い直し、具体的な状況でどう動くかを選ぶ場面を用意します。その反応が記録として残れば、どこまで伝わり、どの内容でつまずいたのかを後から読み取れると言えます。次の回で手を入れる範囲も、その記録をもとに決められます。振り返りの精度は、学習中にどれだけ細かく反応を残せたかにも左右されます。
振り返りが進まない3つの理由
製品マニュアルや業務手順の社内文書を渡し、読んでもらうところまでは進みます。ただ、受講者が考えて答える場面がないため、内容が伝わったかどうかは本人にも周囲にも見えません。完了の記録は残っても、成否を判断する材料にはなりにくいと言えます。
学習の途中で生まれる疑問は、担当する業務や経験によって一人ずつ異なります。社内講師が本来の業務と兼任していると、その場で応じられる人数にも時間にも限りがあり、答えを保留したまま先へ進む場面が増えます。
どの内容でつまずいたのかがまとまった形で残らないため、次の回で何を変えるべきかを決めにくくなります。気づいた点を個人の記憶で補うことになり、担当者が替わると、その手がかりも引き継げません。同じつまずきが、次の回でも繰り返されやすくなるのです。
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。
読み終えた記録から、答えた記録へ
学習の中に置く理解の確認
ここで手がかりになるのが、UMU AGL(AI Generated Learning)です。AIが社内文書をインタラクティブなコースに変換し、受講者が学習の途中で問いに答え、学んだ内容を自分の言葉で言い直し、具体的な状況で判断する流れをつくります。読み進めるだけの学習と比べて、理解できた範囲が受講者自身にも分かり、社内講師は答えの内容から伝わり方を読み取れるのです。
疑問はどこで解消できるのか
学習の途中で受ける個別の応答
疑問が解けないまま先へ進むと、同じ研修を受けても理解の差が開きます。UMU AGLでは、AIがトレーナー、チューター、コーチの役割を担い、解説の場面では説明を、質問の場面では回答を、練習の場面では助言を返します。受講者は説明を途中で止めて質問でき、答えを受け取った後に元の解説へ戻れるのです。社内講師が一人で抱えていた個別対応を、学習の中に分担できます。
次の回に変える内容の手がかり
学習ポイント単位で見える差
UMU AGLは、閲覧の時間、読み飛ばしの有無、設問への回答状況、追加の質問の頻度、一定期間後の再テストの正答率を記録し、学習ポイント単位で習得の状況をまとめます。どの内容で回答が分かれたのかがチーム単位で見えるため、社内講師は次の回で説明を厚くする範囲や、練習を増やす内容を絞り込めるのです。ここで読み取れるのは学習上の状況であり、業務の遂行能力そのものではありません。
学習の記録が残る二つの適用例
配属直後の新入社員研修
製品マニュアルや業務プロセスをまとめた社内文書をインタラクティブなコースとして構成し、新入社員が要点に答え、具体的な状況で判断しながら学習を進められるようにします。
どの内容で回答が分かれたかを学習の記録から確認でき、先輩社員が繰り返し説明してきた範囲や、次の配属前に補う内容を絞り込めます。
新製品の説明会後の営業支援
製品資料をインタラクティブなコースに変換し、営業担当者が訴求ポイントを理解し、顧客価値を自分の言葉で説明し、よくある質問への答え方を練習できる流れをつくります。
顧客と話す前の段階で、説明のずれが出やすい内容を学習の記録から把握でき、補足する内容とその順番を決められます。