Develop your storytelling skills to communicate the impact of learning initiatives effectively and engage stakeholders in the process.
Overall, the key takeaway is to proactively prepare for the future by investing in data literacy, exploring AI and automation tools, using evidence-based but practical workplace learning design, and honing your data storytelling skills. By staying ahead of the curve and embracing the changes brought about by AI, you can position yourself as a valuable and relevant learning professional in the evolving landscape of L&D.
Necesitarás convencer a los tomadores de decisiones con datos. Todos serán expertos. ¡Usa el pensamiento crítico! Uno de los efectos secundarios de las potentes herramientas impulsadas por la inteligencia artificial es que nivelan el campo de juego en cuanto a habilidades y experiencia. Al menos en el nivel superficial. Solo mira LinkedIn: ahora todos son expertos en IA. Es porque todos tienen acceso a respuestas (ya sea que las entiendan o no).
5. Aprende los principios de Gestión de Proyectos Ágiles
Aplica Agile en el diseño de aprendizaje. Comienza a utilizar métodos ágiles como prototipos rápidos, retroalimentación iterativa y sprint. Agile ayuda a entregar intervenciones de aprendizaje oportunas y asegura que el contenido siga siendo relevante.
Desarrolla habilidades de colaboración interfuncional. Esto puede sonar como uno de esos clichés de la revisión de desempeño anual. En realidad, lo que significa es que ya no puedes operar en la burbuja de L&D o incluso de RRHH. Debes hacer trabajo en equipo interfuncional al colaborar estrechamente con las partes interesadas en RRHH, TI y otros departamentos para alinear el aprendizaje con las iniciativas comerciales más amplias.
Utiliza herramientas ágiles. Adopta herramientas que estén alineadas con los objetivos de tu organización y que sean utilizadas por otros departamentos con los que trabajas. No todos los equipos necesitan su propia versión de una herramienta de gestión de proyectos.
En el siguiente artículo, seguiremos explorando cinco acciones más y los pros y contras de los agentes autónomos en el lugar de trabajo.
Referencias:
[1] Una visualización de los principales modelos de lenguaje grandes (LLMs), clasificados por rendimiento, utilizando MMLU (Massive Multitasks Language Understanding), un punto de referencia para evaluar las capacidades de los grandes modelos de lenguaje.
[2] OpenAI se prepara para lanzar agentes de IA.