快速培养精兵强将，Learn如何破解知识与价值传递难题

知识与价值传递是企业成长的永恒动力，但随着业务发展、人员规模扩大以及网络化学习时代到来，原有的企业培训模式面临新的挑战。如何解决培训投入产出比偏低的难题？如何提升培训效率和体验？

本期文章我们分享追一科技智能培训机器人，如何利用AI 技术，通过场景对话演练、“学-练-考-评”闭环管理、持续运营优化，助力企业打造优质的营销和服务团队。

企业培训之痛

1.目前在企业的培训领域都面临着哪些挑战？

企业以往的培训采用集中授课+员工自学的模式来掌握基础业务知识，通过老带新的方式来演练话术技巧，近些年来，E-Learning线上学习的方式也比较普遍，但这些模式面临投入成本、培训效率和质量把控等一系列挑战。

第一，培训投入成本高，投入产出比偏低。想把人员培训都做好，实际上需要投入周期很长，从招募到培训到上岗，要培养专业和多技能的人才，需要大量时间和人力投入，而知识迭代速度和人员流失的加快让培训成本越来越高。

第二，培训效率不高，体验不佳。企业小规模或者早期阶段，老带新能做到一定程度的渗透和覆盖，如果企业规模做大，分支机构和网络众多，人员庞杂分散全国各地的时候，很难实现高效、及时、规范的培训，即使是有了在线学习平台在一定程度上提升了培训效率，但体验和传统的线下面对面培训相比还是有较大差距。

第三，培训质量处于黑盒状态。效率和质量其实是一个平衡问题，相互制约。很多时候为了提升效率，搞大课、集中式学习、单向灌输，没有充分的互动交流，学员没有沉浸到真实的场景之中，缺乏必要的开口营销实战，后续也没有可量化的考评反馈，导致培训效果处于黑盒状态，效果难以把控，更谈不上针对性解决问题和个性化学习。

Learn如何解决培训痛点，

有哪些优势

2.Learn是如何解决这些痛点？

场景化实战对练：机器人可以语音互动的方式模拟真实客户与学员进行人机对话，以实战演练的方式帮助学员高效地学习规范话术、沟通技巧，而且是一对一专属培训，解决了讲师资源不足、水平参差不齐，学员缺乏互动、情景实践的问题，提升学习效率效果；同时，也帮助管理者或者业务骨干从“老带新”的繁杂琐碎消耗中释放出来，投身于ROI更高的管理工作中。

全周期的督导，打破培训黑盒：Learn提供了“学-练-考-评” 闭环的培训模式，实现对学员学习、练习、考试全过程的评估，并能基于语言逻辑、表达能力、情绪管理等多维度绘制学员能力画像。通过这样的方式，学员可以清晰认识个人能力短板，管理者也可以更加全面地跟踪学员培训效果。

随时随地学习：Learn学员端支持PC、APP、H5、小程序等多种渠道接入，适配线上和线下多种业务场景，学员可以随时随地进行学习和考试，满足碎片化学习需要。

3.和其他培训类产品和解决方案相比，Learn有哪些独特的优势？

和传统的线上培训模式比如E-Learning相比，Learn更加注重互动、演练，可以大大提升开口练习的效果，激活人的营销、服务潜能。因为越是高价值的东西，越需要人来提供服务，依赖人的开口率，基于人的情感和思维来进行互动。

和其他语音智能培训、陪练产品相比，Learn的主要优势是：

1）落地经验丰富：Learn已经积累了多个落地案例，其中，有两个是保险行业头部客户；我们踩过各式各样的坑，积累了丰富的实践经验，对行业的特点和客户真实场景需求，有更深刻理解，项目交付、落地就更加顺畅。比如用什么样的技术和模型效果最好，系统容量如何根据学员情况灵活设计，如何搭配排课机制才最合理、最具经济效益，这些没有深厚积累和经验，是做不到最佳实践效果的。

2）陪练模式多样：针对不同场景下的陪练需求，Learn提供两种陪练机制，分别是情景对话模式和单点问答模式；前者通过多轮连续问答的形式，真实还原行业场景相关的话术演练和流程策略；后者通过单点问答培训，适用基本知识点学习，针对性提高学员对单一知识点的掌握程度。

3）挖掘引擎强大：Learn的挖掘引擎集深度学习和专家系统的优势于一身，可以从语义、情感、声学特征等多种角度分析学员的话术情况。

4）产品矩阵完善，场景可闭环：追一有智能分析See、智能助理Pal，可以与Learn形成场景闭环；其中，智能培训用于事前阶段，提供岗前培训；智能助理作用于事中阶段，提供实时辅助；智能分析用于事后阶段，对离线会话进行全面的业务分析；三款产品形成场景闭环，共同助力企业提升管理效率、服务质量与营销转化。

4.Learn有很高的效率，能实现规模化的培训，但能否支持个性化甚至千人千面的学习，真正因材施教？

个性化学习体验是Learn的长期发展方向。Learn提供的所有功能都是围绕“学->练->测->评”这四个过程，为学员生成表达逻辑、情绪管理、业务熟练度等维度的能力画像，针对个体短板推荐专属学习计划，闭环提升学员能力基线。比如，如果学员在通关测试里，有几个或者某一类课程，完成率不是很高，系统会有相应的策略和方案，把信息推给主管，通过线下方式进行专项、重点培训，也就是离系统培训。同时，再重新对一些待强化的知识，进行课程的相应练习，强化记忆。

另外，我们也在探索，在企业智能培训体系构建完成，运营一段时间，逐渐沉淀数据之后，后续与企业的CRM系统对接，整合相关信息，形成更丰富的员工画像和标签，进一步提升个性化培训效果。

5.作为一种新兴的AI产品，如何评估Learn给企业带来的价值？

培训的周期缩短，新员工能够更快地上手、上岗，业务操作更加娴熟、合规。一些客户的AB Test测试也显示，由于营销和服务开口练习的强化，智能培训体系也会帮助员工取得更好的考核成绩，提升实际业务产出。

培训的成本降低，培训讲师数量和相应的人力投入，都会有所减少。同时，集中式培训尤其异地培训的场地、差旅、误工费用等，往往是不小的消耗，通过智能培训，也有所减少。

特别是对于大型的企业，人多、分散、内容有一定门槛的培训，营销产品单价比较高，应用Learn降本提效的价值会更加明显。 

如何用好Learn

6.Learn与现有的E-Learning培训模式如何有效衔接？

Learn和传统E-Learning培训系统是互补的关系。E-Learning可提供系统性的课程学习、课程直播教学以及传统形式的练习、考核等服务；而对于作业场景以沟通为主的岗位来说，这些形式的培训仍然不够。系统化掌握技能需要理论结合实践，Learn提供的模拟实战演练弥补了E-Learning缺失的演练环节, 这是一个补充、加强、提升的过程，而不是替代前面的内容。

在落地方面，智能培训机器人与E-Learning系统的对接、打通和实施已经比较成熟，没有什么难度，最有难度的往往是场景的搭建，对行业和业务场景的梳理和理解，最终萃取比较好的教材，这个过程是最难的。

在场景搭建上，我们的数据经理和客户业务人员一起协作，初期会有一个磨合过程，业务人员要懂AI，数据经理要懂业务场景，双剑合璧，相互互补。如果单向去做事情的话，做出来的东西往往不是客户想要的。这块工作也是整个项目落地过程中占比最大头的，可能从项目开始到上线一直在做，上线之后还要持续去做，不停地优化。因为语言是发展的，业务也是发展的，不断会有新的话术、新的用词出来。 

7.企业如何持续运营，发挥Learn的最大价值，更好地为业务发展服务？

智能培训系统的运营包括两块，IT运营和业务场景运营。

系统本身基础的IT运营，保持系统稳定、数据安全性，这块是我们来做多一点，客户IT也会持续成长，逐步来做这快，但一般不会动里面的细节东西。

另一个是业务场景的运营，一般需要1-2年持续运维，用户端业务人员逐渐掌握系统，转变角色，从原本培训讲师、业务专家的角色变成机器人训练和管理专家，构建培训对话流程、优化知识点，让机器人和学员进行对练培训，并监控机器人效果和学员学习状态，持续优化，逐步形成精品、经典课程，从而更好地支持企业知识和价值传递。

8.对希望落地Learn的企业，有什么建议？

联合厂商深挖业务痛点：智能陪练行业处于探索阶段，需求有待进一步挖掘，希望客户能够配合厂商共同探讨业务痛点，使Learn更满足业务需求。

有培训体系基础更好：建议最好是原本的培训体系比较健全、强壮，有一定的培训体系，相对高密度、高负荷运作的体系，他用这个平台效果会很好。如果他本身的培训体系就比较弱，贸然去上，缺乏足够的业务专家人员支撑，效果可能就不那么明显。

建设专业化数据运营团队：企业的培训知识体系比较复杂，AI产品有一定的数据标注工作量，需要建设专业的数据运营团队。为了帮助企业更好地建设数据运营团队，我们为客户提供数据运营人员的培训和上岗认证。如果业务方不希望自建团队，我们也可以提供数据代运营的服务。

合理预估系统使用量：建议客户按照实际业务量的峰值来预估ASR（语音识别）的采购路数，以免因路数不足造成学员使用阻塞，或路数过多造成资源浪费。

持续进行数据监控：通过BI数据分析，管理者需要跟踪系统培训指标的变化、学员能力模型的变化等，以此监控培训效果，实现系统价值最大化。

9.Learn未来是否会有一些轻量化的版本，满足不同体量企业的需求？

针对一些中小型客户，我们计划在未来推出SaaS形态的产品，如小程序等。通过设置灵活的付费模式、多种可选规格，确保不同体量的中小型客户能在公有云上享受到Learn的服务。

延伸阅读

更   美   好   AI   世   界