نوآوری در مدیریت برای توسعه پایدار

Kolnegar Private Media (Management Innovation for Sustainable Development)

8 دی 1404 7:37 ب.ظ

آینده مدیر ارشد یادگیری: رهبری در دنیایی از کار و یادگیری ادغام‌شده

آینده مدیر ارشد یادگیری: رهبری در دنیایی از کار و یادگیری ادغام‌شده

۱ اکتبر ۲۰۲۵ -نوشته برایان هنکاک و هدر استفانسکی -به همراه لیزا کریستنسن

فناوری ابزارهایی را در اختیار مدیران ارشد یادگیری قرار داده است تا یادگیری را به بخشی یکپارچه و بی‌نقص از تجربه کاری تبدیل کنند. برای موفقیت، مدیران ارشد یادگیری می‌توانند چندین تغییر اساسی ایجاد کنند.

با این حال، در زمانی که توسعه برای موفقیت سازمانی حیاتی است، برخی از شرکت‌ها در جهت مخالف حرکت می‌کنند. آن‌ها نقش‌های یادگیری ارشد را منحل می‌کنند یا یادگیری را عمیق‌تر به منابع انسانی سوق می‌دهند و رهبران یادگیری را از جایی که تصمیمات استراتژیک گرفته می‌شود، بیشتر جدا می‌کنند. این زمان، زمان فرصت‌ها و ریسک‌های عظیم است. برای مدیران ارشد یادگیری (CLO)، ریسک‌ها هرگز تا این حد بالا نبوده‌اند.

رهبران یادگیری دهه‌هاست که رویای ارائه توسعه شخصی‌سازی‌شده در مقیاس بزرگ را در سر می‌پرورانند. بهترین عملکردهای یادگیری از ابزارهای موجود برای تبدیل شدن به شرکای استراتژی، متخصصان توسعه و مسلط به فناوری نهایت استفاده را برده‌اند. با ظهور هوش مصنوعی، مدیران ارشد یادگیری و سازمان‌هایشان برای تکامل بعدی آماده هستند: یک تحول اساسی در نحوه ارائه یادگیری سازمانی.

آینده یادگیری در مورد افزودن آموزش بیشتر به کار نیست؛ بلکه در مورد بازتعریف خودِ کار به عنوان امری ذاتاً توسعه‌ای است. در این الگوی جدید، یادگیری دیگر یک فعالیت «برو و انجامش بده» نیست؛ بلکه بخشی یکپارچه و بی‌نقص از تجربه کاری است. کار و توسعه در هم ادغام شده‌اند و فعالیت‌های روزانه مهم‌ترین کاتالیزور برای رشد حرفه‌ای هستند.

مدیران یادگیری به طور منحصر به فردی در موقعیت رهبری این تحول قرار دارند، زیرا روابط عمیقی با کسب‌وکار دارند و از قابلیت‌هایی که کارمندان برای اجرای استراتژی سازمان نیاز دارند، درک درستی دارند. این دانش، مدیران یادگیری را قادر می‌سازد تا سیستم‌هایی را طراحی کنند که در آن کارمندان نه تنها وظایف را انجام می‌دهند، بلکه در زمان واقعی رشد، سازگاری و نوآوری نیز می‌کنند. سوال دیگر این نیست که چگونه افراد را برای آینده کار آماده کنیم، بلکه چگونه کار را به موتور آماده‌سازی آنها تبدیل کنیم.

این مقاله به بررسی وظیفه جدید مدیران یادگیری می‌پردازد: ایجاد محیط‌هایی که در آنها کار و یادگیری با استفاده از فناوری، داده‌ها و فرهنگ توسعه مداوم در هم ادغام شوند. همچنین اصول، ابزارها و تغییرات رهبری مورد نیاز برای پیشرفت مدیران یادگیری در این عصر جدید را تشریح می‌کند. طراحی کار به گونه‌ای که ذاتاً توسعه‌ای باشد

نقش مدیر ارشد ارتباط با مشتری (CLO) از ارائه‌دهنده برنامه‌های آموزشی به معمار اکوسیستم‌های توسعه‌ای در حال تکامل است. مدیران ارشد ارتباط با مشتری (CLO) موفق، کار را به عنوان بستری برای رشد مداوم طراحی می‌کنند و به کارمندان این امکان را می‌دهند که به عنوان بخشی از روال‌های روزانه خود، یادگیری، سازگاری و نوآوری را تجربه کنند.

مدیران ارشد ارتباط با مشتری (CLO) با ملاقات با کارمندان در جایی که هستند، می‌توانند فرصت‌های یکپارچه و بلادرنگ برای رشد ایجاد کنند که طبیعی و شهودی به نظر برسند، نه اینکه مخرب باشند. این رویکرد، فناوری را از یک عامل توانمندساز مستقل به بخشی جدایی‌ناپذیر از نحوه کار، یادگیری و عملکرد افراد تبدیل می‌کند.

به عنوان مثال، تحولی را که در حال حاضر در مراکز تماس خط مقدم در حال وقوع است، در نظر بگیرید. در این محیط پرفشار، از کارمندان انتظار می‌رود که ضمن مدیریت تعاملات پیچیده در زمان واقعی، خدمات استثنایی به مشتریان ارائه دهند. اکنون فناوری‌های پیشرفته نه تنها برای کمک به افزایش بهره‌وری کارشناسان، بلکه برای آموزش آنها در حین کار نیز به کار گرفته می‌شوند.

یک کارشناس مرکز تماس را تصور کنید که در حال رسیدگی به یک درخواست مشتری است. ابزارهای مبتنی بر هوش مصنوعی، مکالمه را در زمان واقعی تجزیه و تحلیل می‌کنند و بینش‌های عملی – مانند پاسخ‌های پیشنهادی، بهترین اقدامات بعدی یا اطلاعات مربوط به محصول – را درست در جریان تعامل در اختیار کارشناس قرار می‌دهند. این ابزارها همچنین به عنوان مربی عمل می‌کنند و بلافاصله پس از تماس، بازخوردهایی در مورد لحن، همدلی و سبک ارتباطی ارائه می‌دهند. با گذشت زمان، این لحظات ریز-کوچینگ (میکرو کوچینگ) پیچیده‌تر می‌شوند و به کارکنان کمک می‌کنند تا مهارت‌های حیاتی خود را ایجاد کنند و در عین حال نتایج بهتری را برای مشتریان به ارمغان بیاورند. این نمونه‌ای قدرتمند از چگونگی ادغام یادگیری در جریان کار توسط فناوری است که توسعه را به بخشی طبیعی و مداوم از تجربه کارکنان تبدیل می‌کند.

در یک سازمان خدمات حرفه‌ای، که ارزیابی سنگ بنای فرهنگ و توسعه است، این فرآیند دقیق و زمان‌بر است. در حالی که ارزیابان تلاش قابل توجهی می‌کنند، از نظر تاریخی بخش بسیار کمی از آن صرف بهبود مهارت‌های بازخورد و مربیگری خود شده است. برای کارآمدتر کردن این فرآیند، سازمان یک ارزیابی جدید مبتنی بر نسل هوش مصنوعی راه‌اندازی کرد.

نسخه‌های اولیه این ابزار به ارزیابان کمک کرد تا سوگیری‌ها را تشخیص دهند، بازخورد را به زبان مدل شایستگی ترکیب کنند و مضامین بازخورد را آشکار سازند. نسخه‌های آینده شامل پشتیبانی مربیگری عاملی برای ارزیابان جدید خواهد بود که به آنها کمک می‌کند قضاوت خود را در حین کار تقویت کنند. با گنجاندن پشتیبانی توسعه‌ای در این گردش کار اصلی، سازمان در حال تبدیل ارزیابی از یک وظیفه مدیریت عملکرد به قابلیتی است که رهبران انسانی مؤثرتری را می‌سازد.

چگونه مدیران یادگیری می‌توانند تغییر را تسریع کنند

برای مؤثر بودن در محیطی با پیشرفت سریع فناوری و تقاضاهای در حال تحول نیروی کار، مدیران یادگیری می‌توانند سه تغییر تحول‌آفرین را بپذیرند: رهبری فراتر از عملکرد یادگیری، جدی گرفتن داده‌ها و همسو کردن یادگیری با نتایج استراتژیک کسب‌وکار.

رهبری فراتر از عملکرد یادگیری

مدیران یادگیری می‌توانند وارد یک نقش رهبری گسترده‌تر شوند و تیم‌های چندوظیفه‌ای ایجاد کنند که تخصص منابع انسانی، عملیات، فناوری، تجزیه و تحلیل و واحدهای تجاری را گرد هم می‌آورند. این تیم‌ها می‌توانند بر ایجاد درک مشترک از مهارت‌های مورد نیاز برای کاهش شکاف بین داشته‌های سازمان و نیازهای آن تمرکز کنند. مدیران ارشد یادگیری می‌توانند با برداشتن گام‌های زیر شروع کنند:

مشارکت در برنامه‌ریزی استراتژیک نیروی کار. همکاری با مدیر ارشد استراتژی برای همسوسازی قابلیت‌های نیروی کار با اولویت‌های بلندمدت، مانند ورود به بازارهای جدید یا چرخش به سمت مدل‌های جدید کسب‌وکار.

استفاده از هوش مصنوعی برای هوش مهارتی. همکاری با مدیر ارشد هوش مصنوعی برای ترسیم قابلیت‌های فعلی، پیش‌بینی نیازهای آینده و شخصی‌سازی توسعه در مقیاس بزرگ. به عنوان مثال، یک شرکت مخابراتی جهانی اخیراً ابزارهای آموزشی و مربیگری مبتنی بر هوش مصنوعی را مستقر کرده است که مهارت‌های کارکنان را ارزیابی کرده و مسیرهای توسعه شخصی‌سازی شده را توصیه می‌کند. این سیستم به کارکنان کمک کرد تا سریع‌تر مهارت‌های خود را در ابزارهای دیجیتال جدید ارتقا دهند و به رهبران دیدگاهی پویا از قابلیت‌های نیروی کار ارائه داد و امکان استقرار هوشمندانه‌تر استعدادها را فراهم کرد. مدیران ارشد یادگیری می‌توانند با ترکیب هوش مهارتی با شخصی‌سازی، اطمینان حاصل کنند که توسعه هم مقیاس‌پذیر است و هم مستقیماً با نتایج استراتژیک کسب‌وکار مرتبط است.

شکل‌دهی فناوری اصلی با متخصصان فناوری و رهبران کسب‌وکار. همکاری با رهبران فناوری و کسب‌وکار برای تأثیرگذاری بر طراحی، توسعه و استقرار ابزارها و پلتفرم‌های اصلی که کارکنان برای انجام کار خود استفاده می‌کنند. با تعبیه پشتیبانی توسعه در این سیستم‌ها، مدیران یادگیری می‌توانند اطمینان حاصل کنند که فناوری نه تنها بهره‌وری را افزایش می‌دهد، بلکه رشد و سازگاری را نیز تسریع می‌کند.

داده‌ها را جدی بگیرید

مدیران یادگیری می‌توانند در مورد نحوه اندازه‌گیری و پیگیری توسعه مهارت در جریان کار تجدید نظر کنند. معیارهای سنتی مانند ساعات یادگیری، تکمیل دوره‌ها یا نظرسنجی‌های رضایت‌مندی دیگر منعکس‌کننده واقعیت‌های یک رویکرد مهارت‌محور و یکپارچه با کار نیستند. در عوض، مدیران یادگیری می‌توانند سیستم‌هایی بسازند که بینش‌های بلادرنگ در مورد چگونگی توسعه قابلیت‌های کارکنان در حین کار – و اینکه چگونه مداخلات منجر به پیشرفت قابل اندازه‌گیری می‌شوند یا نمی‌شوند – ارائه دهند. این سیستم‌ها عبارتند از:

ردیابی مهارت‌ها در جریان کار. فراتر از ارزیابی‌های ایستا بروید و بر داده‌های بلادرنگ تمرکز کنید که نشان می‌دهد چگونه کارکنان در وظایف روزانه خود مهارت‌ها را ایجاد و به کار می‌گیرند. به عنوان مثال، از معیارهای واقعی مانند نتایج پروژه، داده‌های عملکرد و حلقه‌های بازخورد برای اندازه‌گیری پیشرفت مهارت در حین انجام کار استفاده کنید.

در تیم‌های محصول با سرعت بالا در شرکت‌های نرم‌افزاری به عنوان سرویس مصرف‌کننده، برنامه‌ریزی اسپرینت یک ریتم عملیاتی روزانه است که در آن کار با استفاده از ابزارهایی مانند Jira یا Linear محدود، اولویت‌بندی و واگذار می‌شود. چه می‌شود اگر این روال به یک موتور توسعه تبدیل شود؟ یک لایه مربیگری هوشمند که در داشبورد وظیفه تعبیه شده است، می‌تواند پیام‌های بلادرنگ مانند «شارلوت دو آزمایش اخیر را رهبری کرده است، بیایید او را به ارتباطات ذینفعان اختصاص دهیم تا مجموعه مهارت‌هایش را گسترش دهد» یا «آموس سنتز داده‌ها را زیر نظر داشته است، وقت آن است که به او اجازه رهبری بدهیم» را نمایش دهد. هر وظیفه به قابلیت‌هایی مانند اولویت‌بندی یا بینش مشتری برچسب‌گذاری شده است و سیستم نحوه ایجاد مهارت‌ها توسط اعضای تیم را در طول زمان ردیابی می‌کند.

به جای اینکه صرفاً به مدیران برای شناسایی وظایف کششی موقت تکیه کند، سیستم با کمک به شناسایی الگوهای رشد، نقاط ثابت و محل‌هایی که یک کارمند به تمرین نیاز دارد، به عنوان یک مربی عمل می‌کند. با مشارکت مدیر ارشد یادگیری در طراحی، برنامه‌ریزی اسپرینت هم به یک فرآیند تحویل محصول و هم به یک ابزار توسعه رهبری تبدیل می‌شود.

تولید داده‌های تمرین مهارت‌ها. تجربیات یادگیری ایجاد کنید که برای تولید داده‌های مهارتی ساختاریافته طراحی شده‌اند و بینش‌هایی در مورد سطح مهارت فرد و چگونگی تکامل آن از طریق تمرین ارائه می‌دهند. با تعبیه فرصت‌هایی برای تمرین آگاهانه در گردش‌های کاری و ابزارها، مدیران یادگیری می‌توانند داده‌های معناداری در مورد نحوه به‌کارگیری و بهبود مهارت‌های کارکنان در زمان واقعی ثبت کنند. این داده‌ها به یک ورودی حیاتی برای درک اثربخشی مداخلات و شناسایی زمینه‌های توسعه بیشتر تبدیل می‌شوند.

یک برنامه آموزشی برای مهندسان نرم‌افزار را تصور کنید که برای ایجاد قضاوت اصلی طراحی شده است.

مهارت‌ها از روز اول. افراد جدید تمرین‌های کوتاهی را انجام می‌دهند که تغییرات کد واقعی را تقلید می‌کنند و مسائلی مانند منطق نامشخص یا عدم آزمایش کافی برای اطمینان از عملکرد صحیح برنامه را شناسایی می‌کنند. یک مربی هوش مصنوعی، بازخورد شخصی‌سازی شده فوری را بر اساس استانداردهای تیم ارائه می‌دهد.

اما این داده‌های مهارتی در مجموع نیز معنادار هستند. این سیستم داده‌های عملی ساختاریافته را ثبت می‌کند – به عنوان مثال، اینکه اعضای جدید چقدر دقیق مسائل را تشخیص می‌دهند، کدام حوزه‌ها با گذشت زمان بهبود می‌یابند و کیفیت بررسی آنها چگونه تکامل می‌یابد. این داده‌ها به رهبران و مدیران یادگیری بینشی در مورد پیشرفت افزایش می‌دهد و روشی مبتنی بر داده برای تنظیم جذب در طول زمان ایجاد می‌کند تا اطمینان حاصل شود که مهارت‌های کارکنان افزایش می‌یابد.

ایجاد سیستم‌های اطلاعاتی پویا برای مهارت‌های کارکنان. داده‌ها را از سراسر سازمان (به عنوان مثال، پلتفرم‌های یادگیری، بررسی عملکرد، نتایج پروژه و روندهای بازار کار خارجی) ادغام کنید تا یک دیدگاه جامع از قابلیت‌های نیروی کار ایجاد کنید. این روش به مدیران ارشد یادگیری اجازه می‌دهد تا مهارت‌های حیاتی را شناسایی کنند، نیازهای آینده را پیش‌بینی کنند و اطمینان حاصل کنند که کارکنان در حال توسعه قابلیت‌های مناسب برای برآورده کردن خواسته‌های تجاری هستند.

در اکثر عملکردهای تدارکات، متخصصان مرتباً در مذاکرات پیچیده با فروشندگان شرکت می‌کنند و مجموعه‌ای پیچیده از اولویت‌های رقابتی را متعادل می‌کنند. تفاوت اصلی بین متخصصان تدارکات خوب و متخصصان عالی، قضاوت آنهاست، به ویژه نحوه تفسیر موقعیت‌ها، تصمیم‌گیری در مورد زمان فشار آوردن، زمان تسلیم شدن و نحوه تفسیر نیات. نتایج در پلتفرم‌های منبع‌یابی یا سیستم‌های مدیریت قرارداد ثبت می‌شوند، اما غنا و بینش حاصل از کار مذاکره اغلب از بین می‌رود. قضاوت در طول زمان ایجاد می‌شود، اما اغلب نه به روش‌های سریع، سیستماتیک یا قابل تکرار.

اضافه کردن یک موتور بازتاب مبتنی بر فناوری به سیستم تدارکات می‌تواند آن لحظه بسته شدن اسناد را به یک حلقه توسعه تبدیل کند. پس از ثبت یک مذاکره، سیستم می‌تواند بازتاب به موقع را برانگیزد: “سخت‌ترین معامله شما در این مذاکره چه بود؟” یا “کجا مطمئن نبودید – و دفعه بعد چه چیزی را زیر نظر خواهید داشت؟”

با گذشت زمان، این پلتفرم الگوهایی را در نحوه تأثیرگذاری هر رویکرد حرفه‌ای، تحمل ریسک و تصمیم‌گیری شناسایی می‌کند. این پلتفرم مقایسه‌های ناشناس همتایان (به عنوان مثال، “دیگران در معاملات مشابه موضع محکم‌تری اتخاذ کردند – می‌خواهند رویکرد آنها را ببینند؟”)، تشویق‌هایی برای تمرین و راهنمایی‌هایی برای مدیران ارائه می‌دهد.

با ایجاد یک مکث کوتاه در گردش‌های کاری موجود، یک سازمان می‌تواند جریان جدیدی از داده‌های بینش توسعه‌ای ایجاد کند. با مشارکت مدیر ارشد یادگیری در طراحی سیستم، قضاوت به چیزی تبدیل می‌شود که سازمان عمداً آن را می‌سازد.

همسو کردن یادگیری با نتایج استراتژیک کسب و کار

آینده یادگیری به معنای کنار گذاشتن برنامه‌های ساختاریافته نیست؛ بلکه به معنای بازاندیشی نقش آنهاست. برنامه‌های یادگیری فراگیر، از جمله کلاس‌ها و وبینارها، برای انتقال فرهنگ و رهبری ضروری خواهند بود. اما برای توسعه مهارت، فرصت واقعی در همزیستی ادغام‌شده کار و یادگیری نهفته است. وقتی کار توسعه‌ای است، کارکنان می‌توانند مهارت‌ها را در زمان واقعی ایجاد و اصلاح کنند و در عین حال مستقیماً در نتایج کسب و کار نقش داشته باشند.

برای آزادسازی این پتانسیل، مدیران ارشد یادگیری می‌توانند تمرکز خود را از ردیابی فعالیت‌های یادگیری به اندازه‌گیری تأثیر سازمانی مهارت‌آموزی تغییر دهند. دیگر سوال این نیست که “چند نفر یک دوره را گذرانده‌اند؟” یا “کسی چند ساعت صرف یادگیری کرده است؟” بلکه این است که “چگونه یادگیری سازمان را قادر به سازگاری، نوآوری و رشد می‌کند؟” این امر مستلزم مجموعه‌ای جدید از معیارها است که نشان‌دهنده چابکی و نتایجی است که یادگیری ایجاد می‌کند. این موارد عبارتند از:

پیشرفت مهارت در زمینه. آیا کارکنان در حال توسعه قابلیت‌های مورد نیاز برای حل چالش‌های واقعی کسب‌وکار هستند؟ این به معنای ردیابی نه تنها کسب مهارت، بلکه همچنین بررسی این است که آیا مهارت‌ها برای ارائه نتایج در محیط‌های پویا و پرخطر به کار گرفته می‌شوند یا خیر.

چابکی سازمانی. یادگیری چقدر مؤثر سازمان را قادر می‌سازد تا به تغییر پاسخ دهد؟ این به معنای استفاده از قابلیت مشاهده مهارت و توسعه سریع برای جابجایی استعدادها، چرخش به سمت فرصت‌های جدید و مقیاس‌بندی قابلیت‌ها با تغییر تقاضاها است.

نتایج ملموس کسب‌وکار. یادگیری چگونه به نتایج قابل اندازه‌گیری، مانند زمان سریع‌تر برای ورود به بازار، بهبود رضایت مشتری یا افزایش بهره‌وری عملیاتی کمک می‌کند؟ مدیران یادگیری می‌توانند این موارد را با پیوند دادن تلاش‌های مهارت‌آموزی به شاخص‌های عملکرد در گردش‌های کاری کسب‌وکار ردیابی کنند و نشان دهند که چگونه توسعه، نتایج بهتری را ممکن می‌سازد.

مدیران یادگیری می‌توانند با تمرکز بر این معیارها، اطمینان حاصل کنند که یادگیری فقط یک فعالیت مجزا نیست، بلکه ابزاری استراتژیک برای سازگاری و رشد نیز هست. این رویکرد، یادگیری را به یک نیروی پویا تبدیل می‌کند که سازمان را قادر می‌سازد در محیطی با تغییر مداوم رشد کند .

نمودار عملکرد یادگیری و توسعه

عملکرد یادگیری و توسعه مدت‌هاست که در اجرای استراتژی نقش داشته است – ارائه در مقیاس بزرگ، بهره‌گیری از فناوری و به‌کارگیری طراحی انسان‌محور برای ایجاد تأثیر. بر این اساس، مدیران یادگیری اکنون باید تیم‌های خود را به معماران طراحی کار تبدیل کنند. این به معنای استفاده از تخصص سازمان یادگیرنده برای شکل‌دهی به نحوه ساختار خود کار است و اطمینان حاصل می‌کند که هم نتایج تجاری و هم توسعه انسانی را هدایت می‌کند. برای این منظور، مدیران یادگیری می‌توانند مراحل زیر را در نظر بگیرند.

هدایت تخصص طراحان برای طراحی مجدد کار

طراحان یادگیری مدت‌هاست که در ایجاد تجربیاتی که مهارت‌ها را ایجاد می‌کنند، تعامل را تقویت می‌کنند و تغییر رفتار را هدایت می‌کنند، سرآمد بوده‌اند. اکنون، مدیران یادگیری می‌توانند این تخصص را برای تأثیرگذاری بر نحوه طراحی خود کار هدایت کنند.

هنگام ساخت یک عامل هوش مصنوعی برای انجام یک کار خاص، طراحان یادگیری می‌توانند با تیم‌های فناوری همکاری کنند تا اطمینان حاصل شود که عامل به گونه‌ای طراحی شده است که توسعه شناختی حیاتی را تقویت می‌کند. این ممکن است شامل ساختاردهی تعاملات با عامل هوش مصنوعی برای تشویق تصمیم‌گیری، حل مسئله یا تفکر استراتژیک باشد تا کارکنان حتی در حین خودکارسازی وظایف، مهارت‌های خود را افزایش دهند. تحلیل نیازها را به عنوان طراحی استراتژیک نیروی کار بازتعریف کنید.

تحلیل نیازهای سنتی بر شناسایی شکاف‌های مهارتی و همسوسازی ابتکارات یادگیری با نیازهای کسب‌وکار تمرکز دارد. مدیران یادگیری می‌توانند با گنجاندن تیم‌های یادگیری در برنامه‌ریزی استراتژیک نیروی کار، این قابلیت را ارتقا دهند تا نحوه طراحی و اجرای کار را شکل دهند.

به جای شناسایی مهارت‌هایی که کارکنان فاقد آن هستند، تیم‌های یادگیری می‌توانند با رهبران کسب‌وکار همکاری کنند تا تجزیه و تحلیل کنند که چگونه نقش‌ها، گردش‌های کاری و حتی ساختارهای سازمانی باید برای مواجهه با چالش‌های آینده تکامل یابند. این ممکن است شامل ترسیم قابلیت‌های مورد نیاز برای فناوری‌های نوظهور، مانند هوش مصنوعی نسل جدید، و طراحی نقش‌ها یا وظایفی باشد که همزمان نتایج کسب‌وکار را هدایت کرده و رشد کارکنان را تقویت می‌کنند. تیم‌های یادگیری با اتخاذ یک رویکرد پیشگیرانه و در سطح سیستم، می‌توانند اطمینان حاصل کنند که طراحی نیروی کار واکنشی نیست، بلکه پیش‌بینی‌کننده است و سازمان را قادر می‌سازد تا از اختلالات جلوتر باشد.

معیارها را برای ردیابی توانایی نیروی کار در زمان واقعی بازتعریف کنید

معیارهای یادگیری سنتی بر نرخ تکمیل برنامه و بازخورد پس از آموزش تمرکز دارند. مدیران یادگیری می‌توانند این قابلیت را برای ایجاد داشبوردهای پویا و در زمان واقعی که توسعه مهارت و مهارت را مستقیماً در جریان کار اندازه‌گیری می‌کنند، مجدداً به کار گیرند.

تیم‌های یادگیری می‌توانند داده‌های سیستم‌های گردش کار، ابزارهای عملکرد و بازخورد همکاران را برای ردیابی نحوه‌ی اعمال و بهبود مهارت‌های کارکنان در شغل، شناسایی شکاف‌های نوظهور و پیش‌بینی نیازهای قابلیتی آینده، ادغام کنند. سپس می‌توان از این بینش‌ها برای پشتیبانی از گروه‌های همکار با طراحی مجدد نقش‌های هدفمند، بهینه‌سازی ساختارهای تیمی و اطمینان از چابک ماندن سازمان در مواجهه با تغییر استفاده کرد. با تعریف مجدد معیارها به این روش، سازمان‌های یادگیرنده به شرکای ضروری در شکل‌دهی به نیروی کار آماده برای آینده تبدیل می‌شوند.

مدل سنتی برخورد با یادگیری به عنوان یک فعالیت جداگانه و اپیزودیک، دیگر پاسخگوی نیازهای مقیاس، سرعت و شخصی‌سازی نیست. همگرایی کار و یادگیری فقط یک تغییر در نحوه‌ی عملکرد سازمان‌ها نیست – بلکه تعریف مجددی از معنای رشد، سازگاری و شکوفایی است. برای مدیران یادگیری، این لحظه مستلزم اقدام جسورانه برای فراتر رفتن از مرزهای سنتی و طراحی سیستم‌هایی است که خود کار را به کاتالیزوری برای تکامل سازمانی تبدیل کند.

درباره‌ی نویسنده(گان)

برایان هنکاک، شریک دفتر مک‌کینزی در واشنگتن دی سی است؛ هدر استفانسکی شریک و مدیر ارشد آموزش و توسعه در دفتر کالیفرنیای جنوبی است، جایی که لیزا کریستنسن مدیر آموزش است.

https://www.mckinsey.com

آیا این نوشته برایتان مفید بود؟

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *