14

小越越：当学员面临"顺应"挑战时，除了教学设计本身，企业或甲方需要做怎样的改变？

朱力：

理解学员的“顺应”困境，需要深入认知“同化”、“顺应”与“认知结构”的关系：个体基于过往经验获得了一系列认知，形成相对稳定的认知结构，并衍生出维护该结构的信念体系，进而影响其对新信息的接纳态度。当新信息契合现有认知结构时，个体会容纳吸收，从而强化原有结构，这个过程就是“同化”。比如中华民族绵延不息的一个很重要的原因是有强大的文化同化力。“同化”过程相对容易，很多老师不停地以“同化”弱化学员感受信息的冲突，虽然获得了很好的课堂反馈，但学员的学习深度有限。

“顺应”则意味着认知结构自身的扩展与变革——以更具弹性的框架容纳矛盾信息，实现“一变万变”。其难度在于：认知结构稳定性随着年龄、经验增长而增强，维护信念愈加坚定。“活到老、学到老”的难度就在于此。“顺应”需要个体直面认知冲突，经历深度而耐心的重构学习。在此过程中，精心设计的学习体验与深谙学员心理的引导者至关重要：干预需把握精准时机——过度刺激易引发抗拒，刺激不足则错失良机。此外，内容选择、脚手架搭建（支持强度需恰到好处）以及帮助学员发现旧知识新的意义，逐步建立起对“顺应”的信心和意愿，从而形成主动学习的习惯和内驱力。

还有更多的具体的因素和机制，我在这里很难一一去讨论，希望做培训组织和培训实施的同仁能够实现以下转变：

认知层面：要认识到没有顺应就没有深度学习，长期回避顺应将固化认知结构，削弱学习能力，最终损害组织学习文化。

资源投入：应创造支持深度学习的条件，摒弃“内容相同即效果等同”的误区，学习过程的质量，如是否促发顺应才是关键差异所在。

专业选择： 有效促发顺应需仰赖高水平学习专家，而非仅传递内容者。当前大量无效培训恰是反面例证：其强化了同化模式，助长了“无需深度顺应”的信念，助推短平快学习，恶性循环下使顺应愈发艰难。

15

小越越：您提到实现学以致用，培训从业者需要大的转变，一个是变革观念，一个是用不擅长的教学方式。那这种转变对培训从业者提出了哪些新能力的要求呢？

朱力：

实现学以致用，必然要求培训以迁移为导向，这将对讲师的能力与观念产生深刻变革。

观念层面， 要从传统的“teaching”转向真正的“learning”，从泛泛学习转向建构式学习。这意味着讲师必须重视情境构建、推动学员意义建构、促进社会化交互。这一观念转变的核心在于：讲师须从“知识的给予者”变为“学习的促进者”。更深层的变化在于，讲师必须学会调动集体智慧，而非仅凭一己之力。这并非简单的“引导”，而是促进学员共同参与，使知识的深度与应用场景在课堂中更早、更丰富地展开——当学员A提出应用中的困难、学员B补充另一种困境、学员C和D贡献不同场景时，通过这种社会化学习，应用的案例在课堂上得以多元呈现，“why not”得以自然浮现。因此，教学的主宰者、实施者及关键点都需要重构，核心是创造真实的建构式学习。

操作层面， 讲师需掌握新技能：

精于构建经验： 与其耗费心力设计引导性提问，不如创造引发真实体验的场景与经历。沙盘模拟广受欢迎正是因为其本质是“经历”，赋予学员多样体验与自主构建空间的可能。但需要警惕：若讲师仅将其视为游戏，未促成社会化交互，或因自身知识深度不足无法在学员经验涌现时有效促动，便错失了建构意义的机会。这要求讲师具备强大的经验转化与意义建构支持能力。

聚焦个体化关注： 讲师需要从关注整体转向关注个体，具备群体教练能力。教练本质是个体化的，而培训是一对多，这构成核心矛盾。新能力要求讲师：

首先掌握基础教练技能：识别个体困境、设定阶段性目标、提供恰当支持；

进而学习在课堂环境中，如何同时或几乎同步地对多个学员进行此起彼伏的个性化辅导。这是极具挑战的转变。

因此，观念要变，技能要变，但观念改变是根基。从业者无需过度焦虑，我们需要首先透彻理解并认同这些观念转变的本质，能力的迭代方能随之深化并持续精进。

16

小越越：您认为 AI 技术能否帮助解决迁移的难题，还是会加剧干货化的倾向？

朱力：

探讨AI对培训迁移的影响，需首先明确讨论对象。当前热议的AI（如ChatGPT、DeepSeek等生成式对话系统），其核心能力在于快速调用知识库、回应具体问题，并具备一定的概括、总结与分析能力。然而，培训迁移目标的实现涉及三大领域：

认知领域（Cognitive Domain）： 涵盖知识获取、应用、分析、评价与综合，即依赖思维处理的信息。生成式AI在此领域作用显著，能加速知识的传递与初步理解。

情感领域（Affective Domain）： 包含情绪接受、反应与内化（如感知并调节自身情绪、理解他人情感）。此领域涉及生理与心理反应），是洞察学员理解与接纳程度的关键，目前AI无法直接介入。

动作技能领域（Psychomotor Domain）： 涉及身体、语言及外显技巧的习得。此领域依赖反复实践与身体反馈，AI同样无法替代。

因此，生成式AI主要作用于认知领域，无法解决情感与动作技能领域的迁移难题。 其在认知领域的价值体现在：学员可随时将现实问题输入系统，获取结构化知识并与之探讨深化理解。但需注意：学员运用AI的效率高度依赖其提问能力及解读反馈的元认知水平。这一转变要求培训重心从教授具体知识“套路”，转向培养学员驾驭AI工具的元能力——即提升其元认知、元学习及学习策略水平，从而赋能学员自主、高效地运用AI技术。

另一方面，情感领域（Affective Domain）与动作技能领域（Psychomotor Domain）目前仍是AI无法触及的范畴。情感领域的关键在于个体接受意念、调整认知结构及理解他人时产生的内在情绪反应。这些生理与心理反应是洞察学员实时理解度与接受度的关键窗口，使讲师能动态调整教学。此过程绝非人机对话可替代，而需依赖人体传感数据反馈给讲师——虽然此类传感数据未来或可通过AI整合为讲师提供更精准的学员状态分析，但目前技术尚未成熟。需明确的是：当前热议的“AI对培训的影响”，实质是“生成式对话系统”的影响。

更深层看，情感反应本身是驱动认知结构做顺应性改变的引擎。例如，使学员切身感知其语言表达对他人如同伴参与度、顾客感受的即时影响——此过程可借助具身化刺激实现。

我们说“身体是万物的尺度”，当个体通过“具身化”刺激接收到特定意念或情绪的强烈信号时，其认知结构顺应的进程将被加快。以“良言一句三冬暖，恶语伤人六月寒”为例：当这句符号化的格言转化为个体可感受的生理变化，如血压升高、心跳加速、体感压力，其在情感层面（Affective Domain） 的认同与内化便会更为快速而真切，从而提升了认知重构与培训的有效性。

因此，未来AI技术的深化发展，必将指向更强烈的个性化与具身化赋能——通过创造穿透性的场景，从而实质性改变个体的认知结构顺应过程。

总结而言，当我们在说AI对培训的影响，实际上是指生成式对话系统对培训的影响。而广义AI技术的潜力远不止于此——其未来对培训的变革性影响，最重要的是个性化深化（精准响应高度个体化的“why not”应用卡点，其重要性远超基础知识的“what”与“why”）与具身化赋能（通过多感官通道刺激创造沉浸式体验，使知识内化更高效，从而大幅提升培训效能）。

反观当前的生成式对话系统，其核心价值在于优化认知领域的知识传递效率，尤其在提供个性化知识及解决符号化认知问题方面比较有作用。然而，这也对学员提出了更高要求：驾驭此类工具的效率与效果，极度依赖其元认知、元学习及学习策略的能力水平。

综上所述，生成式对话系统在认知领域的应用，不仅将催化个性化学习内容的需求增长，更将深刻倒逼培训内容重心向学员元能力的系统性培养转移。