现代劳动力培训的现代方法

安全和效率：这是制造商和供应链的持续平衡行为。

保持线路运行。保持产品流动。优化供应商关系。但请确保安全完成并符合不断增加的法规清单。

在保持这种平衡方面，一线员工是最终的关键。他们必须随时准备好始终如一地执行自己的角色，同时注意异常情况。然而，虽然流程和技术不断改进，但要保持一个知识渊博、充满信心的员工基础变得越来越困难。

仅在美国，拥有数十年实践经验的资深员工就以每天超过 10,000 人的速度退休。历史上的低失业率，以及年轻一代对制造业工作普遍缺乏兴趣，使得寻找人来接替他们的位置变得更加困难。那些被录用的人是在不同的世界长大的，很少接触这类工作。

与此同时，公司的地域分布越来越分散。这使得工作场所更加多样化，因为来自不同文化背景、使用不同语言的人试图做同样的工作。

虽然劳动力已经改变，但目标没有改变。尽管存在这些挑战，组织如何在提高生产力和盈利能力的同时保持相同的高质量和绩效标准？这是一个简单地提供更多培训的问题吗？或者还不止这些？

员工不会因为没有接受过培训而犯错。他们犯错是因为他们忘记了所学。或者他们记住了信息，但没有足够的信心使用它，所以他们没有采取行动。这就是为什么传统的培训方法，例如课堂会议、海报和日常小型会议，往往会达不到要求。它们的部署时间太长，几乎不可能在庞大、分散、多样化的劳动力中一致实施。实践工作培训和辅导将始终是运营中员工发展的重要组成部分。但是随着经验的积累，个人的能力水平会有所不同，尤其是当他们刚接触这个行业时。

当今的制造和供应链员工需要持续、个性化的支持，以确保他们拥有当下做出正确决策所需的知识。

赋能未来的劳动力是跨行业的一个重要话题，但制造和供应链部门在涉及一件事时具有相当大的优势：数据。性能数据是一座金矿，可跟踪效率、停机时间、领先指标、质量措施和安全结果等关键要素。不幸的是，这些数据已被隐藏在电子表格和报告中，只有在经过多次辩论或出现足够大的问题时才能使用。现在，人工智能 (AI) 是一种正在改变运营方式的技术，它可以利用这些数据在员工需要的时间和地点为他们提供所需的支持。

为了利用人工智能，领导者必须重新构想培训在运营成功中所扮演的角色。今天，培训是重中之重，这是新员工所做的事情。现有员工仅接受培训以满足合规要求、引入新流程或弥补运营不足。

Merck 和 Precision Resource 等领先公司已经意识到将培训嵌入到工作流程中可以提供的价值。这些组织正在使用支持 AI 的技术为每个班次的员工提供几分钟的培训，并且他们看到了底线结果。培训通过使用每位员工的绩效数据来确定需要改进的特定领域，从而适应个人情况。 AI 可以在整个公司范围内扩展这种类型的个性化培训，同时克服地域和语言等障碍。

技术对于扩展个性化培训至关重要，但这不是起点。首先，您需要对您的业务优先事项有深刻的了解。你想解决什么问题？您是否希望提高运营效率或达到质量标准？这将帮助您找到指导和衡量培训工作所需的数据。

接下来，确定员工为克服这些挑战而必须展示的在职行为。现在，您拥有了找到合适的人工智能技术所需的信息，这些技术可以使用您组织的数据提供有针对性的个性化培训，帮助您克服这些高优先级的业务问题。

每个员工都是独一无二的。他们来自不同的背景。他们说不同的语言。他们以不同的速度学习。尝试使用一刀切的方法让他们为具有挑战性的角色做好准备会给您的业务增加风险。而且随着他们的资深同行——他们可以依靠他们进行日常指导的人——继续离开，情况只会变得更糟。

为了在现代环境中保持效率和安全的微妙平衡，企业领导者必须采用新的培训方法，承认每位员工的独特性。通过将运营中现有的数据与现代人工智能技术相结合，您可以确保您的员工拥有所需的知识和信心，帮助您应对未来的供应链挑战。

Carol Leaman 是 Axonify 的首席执行官，Axonify 是面向一线员工的微学习平台的创建者。