AI改變學習：數位化學習應用如何加速商業價值轉化！【2023人才發展數位化論壇】

---

AI改變學習，加速商業價值轉化

---

商業價值轉化公式

UMU鄭婕總監和我們分享一道商業價值轉化公式：Efforts x Conversion = Business Result。「數位化管理」 x 「數位化+AI」 = 「商業價值提升」

Efforts：數位化管理

過往在了解企業學習，往往會關注的「學習時間長短」、「課程簽到打卡」、「學習任務管理」、「講師排課管理」等這些都是屬於 「Efforts」數位化管理的投入。

然而，學習者的精力有限，因此「Efforts」一定會遇到上限。真正帶來「質」的提升，是通過學習技術「數位化+AI」來提升「Conversion（轉化率）」。

Conversion：數位化+AI

UMU將數位化與 AI 結合的學習技術，讓學習過程有更高效的表現，比如 AI 影片練習、Chatbot 對話訓練、uShow 銷售演講練習，解決的是 conversion，提升學習的有效性。Conversion是以AI代表新興技術，不只是把線下流程放到線上，而是通過技術去提升轉化率，最終帶來真正的商業價值。

什麼類型的AI能符合企業的學習發展？

AI在全球範圍內是炙手可熱的話題，但是，同樣都是AI還是有區別，鄭婕總監透過商業價值的視角來分享，分類的思考點。目前全球 AI 技術分為生成式 AI（Generative AI）和分析式 AI（Analytic AI）。

分析式AI（Analytic AI）

分析式AI關注於從現有數據中提取模式、洞察和資訊，以進行分析和預測。從數據中提取有價值的資訊，並根據這些資訊作出推斷或預測。比方說我們用Google搜尋一些事物，這些內容就會排在前面，又或者你在觀看影音網站，看完某部影片後，平台系統會推薦給你類似主題的影片，這背後都是分析式AI的驅動。

生成式AI（Generative AI）

生成式AI主要在創建新的、原創性的內容，例如：圖像、音樂、文字等。生成式AI最具代表性的是ChatGPT，依賴大量訓練數據，透過學習到的模式和結構來創建新內容。

細分行業：通用型AI和行業型AI

除了「生成式AI」和「分析式AI」還有「通用性」的分類指標，展開來會有兩項指標「通用型AI」與「行業型AI」。

透過上述的分類，劃分成4象限的區塊。例如：ChatGPT是基於互聯網上的通用資料為基礎，所以目前對特定行業的術語有使用上的侷限性。另外以企業學習為例，每個行業都有自己的專業知識體系，所以行業型AI會更適合在專業領域上。

對UMU來講，為銷售演講練習的AI，就是針對行業與分析式的AI，為學習者提供即時練習的反饋。接下來從UMU是如何透過AI技術，讓企業迎來AI時代下更高效的學習模式。

---

如何透過AI提升銷售人員能力，實現績效成長？

---

AI智能演講訓練

AI如何實際運用在學習發展上？透過AI現在學員只需要一支手機，就可以直接練習銷售產品的演講。AI會從你講話的內容、表情、語速等特徵來分析，你演講的內容為客戶帶來的價值，以及是否具有競爭優勢。透過即時分析回饋，根據「Conversion（轉化率）」的提升，從而反映在商業價值上。

從導入AI到支持學習發展的流程是什麼？

以銷售情境為例，優秀的銷售人員通常會用很多隱性的知識點，並且有許多共通性存在。實際操作流程會先找出業務與客戶介紹產品時的行為與知識點，並提煉到AI模型，讓AI掌握高績效業務的行為模型。建立完模型後，學員在練習時，AI就可以透過學員練習的內容、動作，並與高績效指標相對比，讓學員知道哪裡需要精進，以此來獲得更卓越的表現。

舉例來說：一場優秀的銷售演講，透過6個維度來分析，包含：開場白、產品知識、特徵利益轉化、邏輯結構、結束語、肢體語言。藉由這6個維度讓AI綜合分析，目前銷售演講的行為，在哪方面已經達到卓越，哪方面還可以再進步。最終所有銷售人員，基於這套模型來提升自己，讓成功經驗擴散成全組織的經驗。

回到最初提到的公式，高績效行為轉化為指標是「Efforts」層面，而透過數位化+AI技術，來提升「Conversion（轉化率）」，讓「Business Result（商業結果）」獲得提升。

AI練習三大優勢：即時反饋、品質穩定、數據策略

即時反饋：AI智慧化回饋行為、內容，並給予結構性的建議

學員在練習中，AI會捕捉學員講了什麼，以及判斷講得對不對、有沒有邏輯，客戶會不會聽得懂，這些都可以透過AI獲得幫助。另一方面，AI會捕捉學員的表情，從眼神、語調、語速，藉此來評價你的影響力表現。例如：前面提到演講6大維度的具體分數。如果練習完分數不理想，還可以去觀賞其他高分的演講影片是怎麼做到，打造大家一起社群學習的氛圍。

穩定品質：同時展開千人、萬人的練習，節省一對一練習的成本

通常面對面的模擬練習，需要耗費高成本，包含：時間、精力等，很難達成規模化。隨著運用AI技術，能夠即時且根據個別練習提供結構性的回饋。同時讓幾千、幾萬名學員一起訓練，與此同時每個人能夠獲得即時回饋，就好比自己的貼身教練，也大幅降低因為多人練習，導致回饋品質不一的情況。

AI能協助的銷售情境，如：新產品銷售演講、新進銷售人員訓練、經銷商標準訓練，零售店產品介紹等，這些都是能透過AI來提升訓練成效的使用情境。

數據策略：能力提升可視化，數據洞察輔助評估、任用決策

最後所有數據都會累積彙整在AI模型裡，同步可以做應用的洞察分析，例如：分析學員練習意願、練習結果，進一步將學員成果分類，針對不同類型學員，提供適合的人才發展計畫。管理員可以在後台看到大家都練習多久，有沒有進步，這些關鍵數據對管理決策起到重要的支持。好比當所有銷售都合格，甚至到80分以上的水平線，企業的銷售業績會得到非常顯著的提升。

---

案例：運用AI練習促進新產品上市，提升績效

---

最後一環節，鄭婕總監透過案例來說明，企業實際運用的狀況。

企業成功案例1：Novo Nordisk

全球前二十的醫藥企業Novo Nordisk，使用從2021年8月一直到2022年6月期間，運用AI模型對學習發展的轉變。以下為Novo Nordisk應用的資料數據：

• 購買服務：採購21套
• 用途：針對不同的醫藥產品進行練習
• 期間：10個月
• 對象：3,800位銷售員
• 整體訓練次數：100,000+次
• 單次訓練時間：平均16分鐘
• 訓練總時間長：290,000小時

從後台數據分析可以看到，這數據是很驚人，同時也看到一些使用特徵。

協助業務進行開發

有些訓練影片是銷售員從公司坐計程車到客戶的路上，在車上錄影練習影片，藉此訓練來提升自己的信心，並且在客戶面前有良好的發揮。

數據資料的價值性

另外從數據中發現，這些不僅僅是被動學習數據，例如：觀看一段影片，閱讀一篇文章。這些數據是真正練習的紀錄，這些主動練習的數據，會比被動觀看資料還更有價值。同時也能針對不同業務區域，學習參與度及業績情況，做相關的業績數據分析。

找出數據特徵

有些數據之間會有關聯性，舉例「練習次數」與「分數」的正相關性，從圖表中會發現第7次是很特別的數字。因為大量的學員在前6次的練習中，感覺愈練習效果愈好，但是到第7次卻出現退步，這時再堅持刻意練習，分數又會持續提高。透過這些數據，能幫助企業更好的設計自己的訓練方案，以及學習內容的規劃。

企業成功案例2：拜耳製藥

機會背景

全球前10大醫藥客戶拜耳製藥遇到的問題是公司有很多產品線，每條產品線都有大量的銷售人員，培訓部門很難說我都給你，或是做到有針對性的輔導。以至於學員獲得的反饋都是大致類似，很少有銷售能獲得一對一且穩定的反饋。另外，拜耳銷售是全球醫藥的銷售關代表，需要掌握多條產品線，所以在面對客戶時要快速掌握各項產品，並和客戶介紹。

解決方案

拜耳運用AI去做銷售的訓練，針對各項業務場景，會需要演說什麼，並且，面對不同醫院要如何做介紹。面對新產品上市的時候，拜爾用AI提供給同仁快速學習，同樣的對於前期的產品，也可以用來快速學習。導入時，設計一款產品演講大賽，以競賽來帶動練習，讓大家在單位裡高頻率使用產品，以及增加大家對產品的熟悉度。

成果展現

原本一款新產品上市後，要花6個月的時間，使用AI只需要花2個月的時間，並且最後訓練5到6次後，分數都得到顯著的提升，訓練超過1,500名的銷售夥伴。

演講的最後鄭婕總監，分享一句話來提醒大家：「理解AI、利用AI、受益AI。」如果你不用AI，不接受AI，不把AI放到日常工作中，這場AI的大趨勢與你無關，所以擁抱AI的過程，實際上是不斷優化自己。

這一波AI技術的轉變和傳統工具不一樣，這是你愈使用AI，你就會獲得更多數據，AI模型就會變得更好，模型更好進一步帶動產品更好，就會更貼合您的需求。期待與企業進行深度合作，實現AI技術與產品的「飛輪效應」。