自AlphaGo与李世石的人机大战起，我们就开始发现，机器已经可以在不需要直接人为干预的状态下自己“动脑思考”了，这对人类的学习意味着什么呢？专家指出：除非已经进化到像电影黑客帝国中一样，想学什么直接下载至脑中，不用学习，否则还是得回归到学习的本质。但同时，还有一个问题就是，你的新生代员工已经在VR/AR、AI、直播平台、知识付费上玩得不亦乐乎，企业学习真的还能一成不变吗？

当人工智能遇上企业培训时，究竟会发生什么？

从人的角度来看，学习场景里主要以学习者(Learner)为中心，在工作场景里则主要以工作执行者(Performer)为中心。

在过去培训工作中, 关注的焦点已经从以讲师(Instructor)为中心，转向以学习者为中心；如果关注的是工作成效的提升，则必须从以学习者为中心转向以工作执行者为中心。

这种关注焦点的转换, 代表着价值创造的改变：光培训已经不够了，企业要的是提升工作成效。要达成这个目的，就必须跳出以学习场景为主的思考模式，结合工作场景的需求，将两者视为整体的生态圈，将培训、学习资源用在工作过程中，形成良性循环，使工作场景与学习场景无限接近。

以工作辅助系统作为切入点来进行培训，是企业培训方式的进步。

AR技术，创造“即需即用”的场景

任何一项技能的学习，都必须通过“接收信息－内化－应用”三个步骤，但目前大部分的培训，特别是生产操作类的培训，学习场景和工作场景是分离的，当你在课堂上学了某一项操作技能，到设备前还是一脸茫然，这样的情景是不是非常熟悉？

虽然以Google Glass为代表的增强现实（AR）智能眼镜在消费市场还不够成熟，但是可以发现在企业中，增强现实（AR）的应用特别合适那些不需要坐在办公桌前工作的 一线员工，以及适用于具备四种特性的工作流程：复杂程度高，依赖人员决策；需要人员进行连串及灵敏的操作；过程需要大量及精确的信息；人员经常重复相同动作。

想象一下，当你戴着谷歌眼镜，在机器设备前操作的时候，眼镜自动投射出关于设备的使用说明、视频，并且这些都是经过大数据分析专属于你的，想想是不是觉得很酷？

具有以上特性的工作流程与场景，是企业里增强现实应用的最大的潜在增长点。

可以说，相比VR模拟高危环境和高成本流程这种有一定局限性的培训应用，AR的应用场景几乎覆盖了企业工作尤其是实操类工作的大部分场景。增强现实的辅助，扩大并提升了员工的能力，并且可以主动识别员工视野里的所需信息，有助于提升效率。

此外，增强现实能提供操作指引，甚至能让员工在面对“即需即用”的场景时，跳过学习(Bypass Learning)，直接依照指引进行操作，降低了操作者知识储备的门槛。

现在，在制造业中兴起的“物联网结合网络服务的应用”（即万物互联）正在引发第四次工业革命。在这波“工业4.0”的热潮中，企业建立网络，并与机械设备、 存储系统及生产设施形成网络物联信息系统(Cyber-Physical System)，促进了机械设备、存储系统和生产设施的“智能化”，能够相互独立地自动交换信息、触发动作和控制。

万物互联为企业工作流程与学习带来了不同层次的影响，虽然该系统取代了部分人可以执行的任务，但是人与设备、设备与设备之间的交互都能以数据形式记录下来，并且可以利用这些大数据针对员工在工作流程中所犯的错误，提供个性化的干预手段(Interventions)，有效促进工作绩效的提升。

人工智能在培训行业的应用，除非已经进化到像电影黑客帝国中一样，想学什么直接下载至脑中，不用学习，否则还是得回归到学习的本质。

人工智能没法替代我们去学习，学习是个性化的，并且还得经历内化的过程，学习最终才能完成。但这并不代表人工智能在培训行业无用武之地，相反，智能化学习技术的发展正为培训行业注入一股新动能，而其中有些是值得重点关注的人工智能应用。

作为增强现实技术背后的核心技术，人工智能会为培训带来哪些变革？我将其分成几大智能化模块，而这些模块将来很大程度上会通过可穿戴增强现实设备（具体指AR智能眼镜）作为入口、通过采集大数据作为基础而实现：

智能化辅助系统，实现精准个性化培训

在学习场景中，与传统学习管理平台注重管理与记录的最大不同是，智能化辅助系统提供给学习者（Learner)个性化的反馈。在工作场景中，智能化辅助系统可以依照角色或流程等属性，即时提供给任务执行者(Performer)个性化的任务内容，扮演了教练的角色，加速问题解决与提升工作成效。

智能化课程规划：大数据应用

想像一下你所经历的学习或者工作的历程都留下了记录，你曾经去过哪、看过什么、读过什都被记录分析，并且通过电脑计算模型，可以根据你的程度与需求，匹配相关资源给你，并且是真正对你有用的内容。摒弃了以往齐头式的课程规划，提供多元与个性化的学习历程(Learning Experience)。

智能化内容

通过学习元件(Learning Objects)或知识元件(Knowledge Objects)在元数据(MetaData)的标签，内容资源可以被贴上学习者能力、角色、工作场景及业务流程等属性，结合智能推荐引擎，内容就可以根据标签主动推送给学习者，作为获取知识的来源或者任务执行者作为问题解决的知识来源。

智能化搜索

人工智能的”智能化搜索“可以通过建立知识图谱(Knowledge Graph)，使学习者可以快速缩小搜索范围。智能化搜索也可以更好的理解学习者搜索的信息，并总结出与搜索话题相关的内容。由于知识图谱构建了一个与搜 索结果相关的完整的知识体系，所以学习者往往会获得意想不到的发现。在搜索中，可能会了解到某个新的知识或新的联系，促使其进行一系列的全新搜索查询与学 习。

简而言之，人工智能的”智能化搜索”通过大数据分析，使学习者在信息搜索过程中获得了新的知识推荐，通过知识网络，进一步查询和学习。

智能化分析：大数据分析与预测

当学习或者工作过程可以通过xAPI这类学习技术标准来手机大数据的时候，学习过程(Learning Experience)数据就可以被收集，而不是停留在以往SCORM课件阅读的记录模式。

过去单纯的学习记录也可以被作为“预警功能”的一个数据基础。通过过往学习的大数据，人工智能在工作过程中对可能出错的地方进行预警。甚至透过数据收集与深度分析能提供关于学习者是如何建构对所学内容的意义、如何形成理解、以及学习过程中所做的决策，这对教学设计有巨大的帮助。

智能化运营

过去在做学习项目的运营时，往往只能凭借经验或者拍脑袋进行运营推广。

现 在透过广泛收集学习者各类的记录与行为数据（通过可穿戴设备收集数据），并进行分析，学习项目运营者可以透过数据表了解项目健康度，并透过实时监控，即时 调整运营手段。在进行项目推广时，还可以针对不同特征的学习者进行个性化的推广手段，达到更精准与更个性化的学习服务。 

培训“智能化”是一条必走的路，但却也不是一蹴可及的，需要以增强现实技术作为入口，背后的人工智能技术作为引擎，采集的大数据作为基础，逐步实现智能化培训。

“智能化”是基于大数据的，因此收集完整的学习与行为历程数据、将内容细分并赋与多元属性、算法建模等工作都得完善，“智能化”这条路才能走得顺。虽然有很多事得做，但方向对了，就不怕路远。

版权信息｜文/在线教育专家杨谨忠 来源：“AR工业应用”微信公众号

原标题：《当人工智能遇上企业培训》