リスキル、スキル一覧から自部門の業務の変化へ
リスキルに取り組むとき、まず候補に挙がるのは一般的なスキルの一覧です。ただ、自部門の業務がどう変わるのかは、そこには書かれていません。学び直す中身を決められるのは、その変化を日々見ている事業部門なのです。
リスキルを組み立てる2つの判断
学び直す中身を決める起点
学び直す中身を決める作業は、スキルの一覧を眺めることから始まりません。出発点になるのは、自部門の業務がこれからどう変わるのかという見通しです。担当する商品や顧客、守るべき手順のどこが入れ替わるのかを書き出すと、これまでの進め方では判断できない局面が見えてくるものです。その局面で必要になる知識と判断の基準を並べたものが、学び直す範囲になるのです。一般的なスキルの分類に当てはめる作業は、そのあとで構いません。
理解が届いたかを確かめる工程
もう一つの軸は、どこまでを完了と見なすかという線引きです。資料を配り、説明の場を設ければ、情報そのものは行き渡ります。ただ、新しい判断が求められた局面で、根拠となる知識を思い出して使えるかどうかは、それとは別の問題だと言えます。届いたかどうかを確かめる工程を最初から組み立てに含めておかないと、取り組みの成否は実施した回数だけで語られてしまうのです。範囲を決める工程と、理解を確かめる工程は、はじめから一続きで組み立てておく必要があります。
学び直しを妨げる3つの課題
学び直す範囲を決めても、それをコースの形にする作業は研修部門の制作スケジュールに左右されます。順番を待つあいだにも業務の変化は進み、必要だと判断した知識が現場に届くころには、前提が変わっていることも少なくありません。決めた範囲を形にする工程で手が止まるのです。
資料の配布と受講の記録によって、情報そのものは行き渡ります。ただ、能動的に考える機会の少ない学習では、必要になったときに取り出せる状態になりにくいものです。慣れた進め方を持つ人ほど、新しい判断の基準は身につきにくくなります。
手元に残るのは受講率と完了日時で、誰がどの判断を取り違えているかまでは分かりません。理解のズレは、実際に対応が必要になった段階で表に出るため、責任者は補う説明の順番を決める材料を持てないのです。学び直す範囲を広げるべきかどうかも、同じ理由で判断が遅れます。
3分で、相手を説得できるか試してみよう
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。
3分で、相手を説得できるか試してみよう
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。
資料を読む段階から、判断を選ぶ段階へ
答えながら進む学習の設計
コースの形になっても、読むだけで終われば、判断が求められた局面で知識を取り出しにくい状態は変わりません。UMU AGLは、学習カードや選択問題、状況を想定した設問を適切な位置に置き、受講者が回答や要約を行いながら進められるようにします。説明の途中でも質問でき、回答のあとは元の説明に戻れるのです。読んで分かった状態と、自分の言葉で説明できる状態の差を、学習の中で埋めていけます。学び直す領域が経験と重なるほど、この差は出やすいと言えます。
対応が遅れる前に見つける理解のズレ
学習ポイント単位で見る理解
残るのが受講率だけでは、どの判断の理解が揃っていないかを確かめられません。UMU AGLは、設問への回答状況や追加の質問、再確認の正答率などを学習ポイント単位で記録し、チーム全体のレポートとして示します。補う説明の順番を、早い段階で選べるようになるのです。ここで分かるのは学習の状態であり、業務の遂行能力そのものではありません。範囲を決める、学習の形にする、理解を確かめるという3つが揃って、リスキルは一続きの取り組みになると言えます。
UMU AGLで学び直しをコースに変える流れ
担当する製品が変わる営業の学習
事業部門は、新しく扱う製品の訴求ポイントをまとめた社内資料をUMU AGLに渡し、営業担当者が順を追って学ぶコースに構成します。担当者は要点に答えながら、想定される顧客対応の判断を練習できます。
責任者は、説明が弱い訴求ポイントや誤答が集まった箇所を確認できます。ここで分かるのは理解の状態であり、商談の結果そのものを示すものではありません。
管理職の役割に移る人の学び直し
社内で定めた手順書や判断の基準をUMU AGLでコースに構成すると、新しく管理職になった人は想定される状況で判断を選び、フィードバックを見ながら理解のズレを直していけます。
責任者は、質問や誤答が集まった段階を確認できます。記録が示すのは理解の状態であり、日々のマネジメント行動そのものを示すわけではありません。
UMUが選ばれる理由
UMUとは
導入実績
セキュリティ・コンプライアンス
AI活用基盤
