tl; dr
支持技能和职业发展的系统是无能为力的，花费了世界数万亿美元。 但是学习的前景是光明的：更高质量，合理的，数据驱动的，技术驱动的，文化嵌入的，更多的东西。 有用的，相关的，高质量的，新鲜的，智能的学习建议将更快地到达未来。
1.今天
我们擅长开发员工的技能。 经过数十年的辩论，技能差距无处可去：到2020年，发达经济体将有9500万工人缺乏雇主所需的教育或技能 。 在英国和美国，我们在基本技能（例如读写能力和计算能力） 方面挣扎。 员工每天花费少于5分钟 （占其时间的1％）进行培训。
对于全球生产力而言，这是一个巨大的问题。 世界上有2.3亿知识工作者 （1700万英国，6300万美国）。 在发达经济体中，他们占劳动力的一半。 假设他们的平均收入为4万美元（ 在英国为3.5万英镑 ）。 那是9.2万亿美元的工资账单。 这个庞大的团队将28％的时间用于发送电子邮件，19％的信息收集和14％的会议用于会议 -总计占其工作时间的61％。
花一秒钟的时间来理解：这是发达国家一半的劳动力大部分时间都在做的事情。 我们擅长吗？ 如果我们精简而有说服力，有系统地避免打扰，布尔搜索，评估信息源，专心聆听，最大程度地减少与会人员名单，那么我们会提高10％呢？ 我们所谈论的是全球经济增长了五万亿美元（这会使全球1400亿美元的L＆D市场相形见））。
从个人角度来说，这也是一个问题。 你知道接下来要学什么吗？ 您对它会为您做什么有很好的了解？ 如何从中受益，享受，保留并应用它？ 会被外界认可吗？ 即使您也能识别它吗？ 您多久会遇到一次能改变您的工作方式或解决当前问题的见解？ 到底有多少洞察力正在等待发现？ 你觉得你有足够的时间学习吗？ 大多数人不能肯定地回答许多这样的问题。
有一个广阔的，令人难以置信的全景图（Elliott Masie的话）。 有几百万本商业书籍（刚刚在亚马逊上列出，我刚刚检查过），8,000个MOOC，数十万个电子学习课程，关于Udemy的140,000个课程，3,000个TED演讲…整个YouTube。 对于我们来说，要提取所有需求是不可能的。 正如唐纳德·泰勒（Donald Taylor）所说的那样，无论要求“别人可能已经创建了它”（ 泰勒，《职场学习技术》，2017年 ）。 这是我们最近创建的信息图，用于说明有多少学习内容：
这是这种荒谬现象的另一种可视化形式：左侧存在巨大的技能鸿沟，右侧存在着巨大的内容鸿沟。 我们把几块石头从山上扔进了峡谷，仅此而已。
公司学习没有广泛接受的学分制度。 徽章和CPD / CPE仍然不是有效的货币。 职业比以往任何时候都更长，种类更多 ，但对于大多数人来说，他们的主要资格仍然是大学学位，甚至还没有选择职业。
特别是在企业培训中，几乎没有创新。 LMS大多基于十多年前的技术构建。 在那里所做的大多数学习都是合规的，令人讨厌。 行业流行语-游戏化，个性化，社交，702010，Ebbinghaus（19世纪的研究！），MOOC，微学习，学习风格，VR / AR，业务一致，间隔重复-在行业中无疑被采用，而在其他行业则过快地被驳回。 很少有公司拥有深刻而真实的学习文化 ：培训不是董事会的优先事项； L＆D专业人员缺乏应有的影响力； 在困难时期，L＆D预算是最先进入的预算之一。
原因很明显。 职业发展责任敲响了许多门，但没有人能正确回答。 个人，雇主，专业团体，政府都应发挥作用，但作用不像在学校，学院和大学中那样明确。 市场上充斥着内容，因为数字化几乎没有进入障碍，尤其是在消费市场。 而且学习的好处 （除了享受和通过考试之外）是长期的，因此很难衡量和证明。 一个必然的结论是，学习的奢华几乎总是被工作的紧迫性所压倒。
另一方面，每个人都想要正确的技能（以及行为，价值观，态度等）。 CEO经常抱怨（插入以下任何一项：数字，就业能力，素养，计算能力，软，硬，STEM，职业）技能不足。 英国和美国的生产力水平很低， 技能是生产力的主要驱动力 （以及企业，竞争，投资和创新）。 在这种数字化的零工经济中，职业生涯的半衰期是最短的，其职业道路日趋蜿蜒。 现在比以往任何时候都更重要的是经常和有效地改进它们。 并且某些技能脱颖而出。 例如，技术和自动化的兴起使得大脑的人为因素变得更加重要，因此对复杂问题的解决将变得更加迫切。
谁想要技能？ 大家。 但总体而言，我们很讨厌培养它们。
2.假设…
但是很快情况会好很多。
假设我们从试图证明学习技能生产力的因果链转向假设它。 在此链的开始，学习立即变得更加重要。 柯克帕特里克和菲利普斯的逻辑和水平是正确的，但在现实世界中，它们很难全面实施和证明。 假设这种假设催生了公司以外的专业学习文化。 是的，在公司中，从见习生到首席执行官。 但也包括决策者，大学生，学童和教师。 不只是学习组织。 学习文明。 如果不是，我们人类是什么？ 正如约翰·霍尔特（John Holt）所说：“生活就是学习。 如果不不断学习事物，就不可能活着而有意识（有些人会说是无意识的）（霍尔特，《学习所有时间》，1989年）。
想象一下，学习质量要高得多。 该内容至少非常好，而且经常令人发指。 假设我们只使用排名前5％的广告，则最佳内容升至顶部，差的内容被淘汰出局，标准只会上升。 这仍然足够-许多成千上万的资产。 而且前5％的质量非常好（TED，生活学校，FutureLearn，哈佛商业评论，Pluralsight等）。
假设我们使内容相关。 有意义且有用的个性化。 学习者可以在需要和需要时获得他们想要和需要的学习。 内容，技术和数据相结合，使我们能够在各行各业做出更好的选择（旅行顾问，Twitter，Spotify，Netflix，GoodReads-参见下图）-为什么不学习呢？ 更具体地讲，这意味着使学习更接近工作：将与评估相关联的工作流注入到与当前用户情况相关的收件箱中，并适当地隔开。
想象一下，内容也让人感到新鲜 。 它来自多样化，富有创意的精选高品质内容库，可能会令人惊喜。 也许您还不知道，对于确认偏见的基本认识将有助于您做出更好的决策，并在余下的职业生涯中更加富有同情心地倾听同事的声音。 也许您还不知道在Excel中掌握$符号（绝对引用）需要花费几秒钟的时间，而这项投资将使您获得数千倍的回报。 也许您还不知道，距离将自己的手绘视觉效果应用于业务思考和沟通并产生更大的人为影响还不到3分钟的视频。 在不久的将来，您会的。
假设我们真的了解角色，技能和学习之间的关系。 角色揭示了技能需求。 评估显示技能差距。 学习有助于填补他们。 想象一下，这是经过测量和校准的。 评估还可以揭示迄今未知的技能丰富领域。 工人会发现，获得正确的新技能以及应用现有技能更加容易。 假设随着技术，社会和经济的变化，可以重新利用现有技能并增强其技能，以有效应对新挑战，从而造福员工，雇主和经济。 想象一下，我们所有人都有一条清晰的，面向职业的，内容丰富的发展道路。 评估技能需求。 评估技能水平。 通过正确的学习来填补技能空白。 绑回有形的利益（薪酬，晋升，资格）。
假设我们了解了更多。 远远超过目前我们工作寿命的1％。 假设我们了解并更好地利用了好奇心。 这种学习成为一种愉快的，积极的习惯。 假设我们了解最适合我们每个人的学习组合：面对面，同步，在线，视频，书面，互动，反思，在职。 假设每个人都可以使用这种组合。 假设它在您需要查看的任何时间和地点交付。
假设我们更好地了解了我们的思想和大脑。 随着我们通过人类智力（自动化程度的提高）来控制越来越多的物理和数字世界，我们需要更好地理解这种智力。 如果我们都能更好地处理神经科学，启发法，正念，情绪，学习偏好，成就感，幸福，习惯，成瘾，分心，偏见，好奇心以及如何应用学习，那么我们将为自己和他人做出更好的决定。
想象一下，我们期待着摆脱歇斯底里和炒作的新技术。 我们每个人都已考虑到合理的位置。 例如，关于AI的炒作很多。 显然，人工智能的出现将影响工作角色。 工作角色差异很大。 有些比其他的更适合自动化和人工智能。 因此，这些角色的各个方面将在未来几年中由AI开始执行。 人类的角色将演变成更多……人类。 人工智能将完全消耗很少的工作，而实际的物理机器人将消耗更少的工作（也许没有）。
有大量证据表明，上述许多事情已经开始发生。 我在这里所说的一些话已经被Bersin和Masie 之类的人争辩了 。 技术进步将推动很多变化。 我们的学习行业在采用消费者级设计，机器学习，身临其境的现实等方面的速度比大多数行业要慢，但现在正在发生。 LMS（至少以目前的形式）将继续消失。
消费者雇员现在希望在工作中获得消费者级别的经验，并将很快得到。
3.我们的作用：智能学习建议
过滤后会提出明智的学习建议。 我们这样做是为了提高全球知识工作者的技能和生产力。 我们之所以这样做，是因为在一个充满人，事物和信息的世界中，指向比生成要有用。 因此，我们要了解Netflix，Amazon，Airbnb，Spotify和Google对电影，事物，住宿，歌曲和网页的含义。
推荐不能解决所有问题，但是很特殊。
推荐是一种固有的人类行为。 我们每天都会提出无数建议：您是否考虑过问詹姆斯，他对这一策略有何看法？他去年写了一份白皮书； 尝试右键单击； 值得对照此来源检查这些数字； 您是否看到这个网站如何解决了这个问题？ 您正在运行的活动的空间如何？ 或者，接近学习：您是否读过这篇有关公共部门数字化转型的文章？ 既然您非常渴望获得晋升，那么如何获得该资格呢？ 老板，请观看这段关于富有同情心的领导力的简短视频。 从当下，即时到评估等更正式的互动，这些内容不一而足。
建议引入内容精英。 可怜的内容没有做到。 平均内容的曝光率有限。 但是杰出的资产会系统地找到需要他们的个人。 明智的学习建议可以激发现有的生态系统，而不是尝试重建它。
我们认为我们处于帮助镀锌的良好位置。 近十年来，我们一直在探索角色，技能和学习之间的联系。 我们已经创建了数千个学习模块，并为近一百万用户提供了智能服务。 我们最近获得了英国政府的资助，以在我们的新推荐引擎globalfilter的后面构建IP。 我们的武器库包括机器学习，协作过滤，自然语言处理，学习词典，语义网，消费者等级和高可发现性设计，对学习的加深理解和对学习的真正热情，这是我们自己的第一手学习经验。 我们是一个由35人组成的团队，位于伦敦肖尔迪奇（Shoreditch），致力于解决这个问题。
提高全球2.3亿知识工作者的技能和生产力是一项艰巨的工作。 但是奖品是巨大的。 在当今的数字化，算法世界中，以正确的技能智能地发展员工队伍的公司将蓬勃发展。 我们的目标是成为其中之一，并促进这一转变。 如果您对上述内容感兴趣，并且您想了解我们在做什么和在想什么，请与我们联系（ marc@filtered.com ）。 客户，客户，投资者，合作伙伴，竞争对手，政府，专家，未来的同事，未来的朋友……都欢迎您。
鸣叫我 @MarcZaoSanders
在领英上关注我
José，Don，Team，感谢您的推动。
