川海智库

报告概述

本报告基于对421名学习与发展专业人员的调查，系统研究AI在L&D领域的应用现状与未来方向。报告覆盖全球多个地区和企业规模，重点分析AI采用率、使用场景、价值变现、预算分配、内部障碍及生态系统演变。通过ADDIE模型和成熟度框架，评估AI在内容创作、个性化学习、评估模拟等环节的当前与预期影响，为L&D团队提供战略参考。

报告的核心结论

AI已从实验阶段进入L&D日常工作

87%的受访者已在工作中使用AI，仅2%无任何采用计划。多数团队已完成初步试验，36%在特定工作流中使用AI，9%开始规模化推广。这表明AI已成为L&D工具包的核心组成部分。

当前AI价值主要体现在速度提升

84%的受访者将速度列为使用AI的首要动机。当前最常用的AI功能包括语音生成（63%）、内容与题库起草（60%）、视频创作（52%）和翻译（38%），集中在设计与开发阶段。

未来AI价值将聚焦于学习影响

未来两年，L&D团队最期待AI在个性化学习（72%）、扩大内部覆盖（65%）和提升学习者参与度（56%）方面产生价值。评估与模拟（36%）、自适应路径（33%）、技能映射（32%）和AI导师（29%）的采用计划正在增长。

学习管理系统（LMS）角色趋于不确定

仅47%的受访者认为LMS将在三年内保持生态系统核心地位。未来AI能力分布预期分散：嵌入LMS（19%）、嵌入生产力工具（17%）、独立平台（17%）或作为跨系统代理层（19%），另有27%不确定。

AI预算仍低且碎片化

39%的团队将不超过5%的L&D预算用于AI，30%不清楚具体支出。未来12-18个月，零预算团队将从13%降至5%，但专用资金仍在发展。安全（58%）、准确性（52%）和法律限制（41%）是主要障碍。

报告回答的关键问题

L&D领域AI采用现状如何？

报告显示，87%的L&D专业人员已使用AI，其中57%积极应用于学习项目，30%处于早期试点阶段。仅13%未使用，较去年的20%有所下降。通用AI工具如ChatGPT（74%）、Copilot（54%）和Gemini（39%）被广泛采用。

AI如何提升L&D工作流程效率？

AI主要加速内容生产，84%的受访者称速度提升是最大收益。当前使用集中于语音生成（63%）、内容起草（60%）和视频创建（52%）。团队利用AI进行构思、脚本编写、故事板和翻译，配合人工审核保证质量。

L&D团队面临哪些AI采用障碍？

主要障碍包括安全（58%）、准确性担忧（52%）、缺乏内部专长（46%）、集成挑战（46%）和预算审批（44%）。尽管74%的组织鼓励试验，但仅45%的IT团队积极支持AI采用。数据治理仍不成熟，59%的团队避免使用个人敏感数据。

AI对L&D预算分配有何影响？

当前AI支出低且分散：26%分配1-5%预算，15%分配6-10%，30%不知花费。未来12-18个月，零支出团队减少，更多团队预期投入双位数比例。专用资金正在发展，但预算增长滞后于采用速度。

未来L&D生态系统将如何演变？

报告预计LMS角色弱化，生态系统向分布式演变。AI能力将嵌入多种平台，包括LMS、生产力工具、独立AI平台或跨系统代理层。代理AI（Agentic AI）兴趣高但谨慎，27%积极探索，39%保持谨慎。重点探索AI导师（49%）、辅导（43%）和个性化指导（43%）。

报告中的代表性数据

87%

AI使用率

2025年10-11月调查时点，87%的受访者已在L&D工作中使用AI，表明AI已成为行业常态。

84%

速度提升作为首要动机的比例

2025年调查，84%的受访者认为速度提升是使用AI的最大激励，反映AI在内容生产中的核心价值。

63%

使用语音生成的比例

2025年，63%的L&D团队使用AI进行文本转语音，是最常见的应用场景之一。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • 执行摘要：概述AI在L&D中的关键发现，包括采用率、价值、预算及未来趋势。
  • 专家观点：来自Dr Philippa Hardman、Kevin Alster和Kristen Budd的深度洞察，分析AI对L&D的影响与战略方向。
  • 调查方法：详细说明421份样本的地域、行业、企业规模分布，以及统计显著性和早期采用者偏差。
  • AI采用现状：按成熟度、使用场景、工具类型分解，展示从试验到规模化推广的分布图景。
  • 当前价值与未来价值对比：通过图表对比时间节省、个性化、业务影响等维度在现在和未来两年的预期差异。
  • 预算、准备度与障碍：分析AI预算分配、内部支持程度及安全、法律、集成等主要障碍的普遍性。
  • 未来生态系统与代理AI：探讨LMS角色变迁、AI能力部署模式，以及代理AI的探索领域与态度。
  • L&D团队下一步：列出团队最需要的培训支持（AI技能、工作流指导、影响衡量等），以及战略整合建议。
  • Dr Philippa Hardman的洞察：提出AI成熟度、工作流集成、内容策略数据化和治理滞后等六个关键趋势。
  • 完整调查图表：包括所有问卷结果的可视化图表，如角色分布、地域分布、ADDIE阶段应用等。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告