Podemos definir aprender como o ato de "agarrar" o conhecimento com a mente. Esta metáfora sugere um envolvimento ativo com o material estudado, aplicando-o de forma significativa em nossas vidas. A maior parte do nosso aprendizado pode ocorrer fora dos ambientes formais de educação. Interagimos, experimentamos, questionamos e discutimos em uma variedade de espaços menos estruturados, desde conversas e jogos até discussões em grupos de WhatsApp. Reconhecer esses espaços como locais legítimos de aprendizado amplia nossa capacidade de captar e integrar novos conhecimentos de forma contínua.

Mas por que tantos cursos e treinamentos falham miseravelmente em resultar em mudanças de comportamento e melhoria real?

Em um mundo cada vez mais hiperconectado, muitas iniciativas de formação falham, tanto em provocar mudanças significativas como em não conseguir engajar ativamente os participantes pois não estão centradas em entender profundamente as necessidades e expectativas dos aprendizes, alinhando os objetivos do treinamento com indicadores claros de desempenho. Segundo Conrado Schlochauer, em qualquer ambiente, existem influenciadores de desempenho. No contexto escolar, os influenciadores podem incluir o próprio ambiente escolar, o contexto familiar do estudante, a ausência de feedback, os professores, os efeitos da pandemia de COVID-19, recursos disponíveis e o conhecimento.

No ambiente corporativo, os influenciadores estão relacionados a habilidades e competências em duas perspectivas, no contexto de quem aprende: upskilling (ter performance melhorada em algo que você já domina) e reskilling (aprendizado de algo novo para você performar partindo de uma nova perspectiva).

No entanto, muitas vezes, não é possível resolver um problema existente de desempenho por meio da aprendizagem, pois ela é solução apenas para discrepâncias de aprendizagem, preparação para novos desafios e novas respostas em situações complexas e velozes.

Por exemplo, quando os resultados de vendas estão abaixo do esperado, é essencial investigar as causas raízes, que podem incluir desde deficiências de habilidades até condições de mercado adversas.

Um artigo da Dra. Philippa Hardman sobre a análise de causa raiz (Root Cause Analysis - RCA) destaca que os designers instrucionais podem não ter formação formal ou conhecimento suficiente em técnicas de análise de causa raiz. Sem essa expertise, identificar problemas sistêmicos mais profundos pode ser desafiador. A análise de causa raiz pode ser demorada e intensiva em recursos, e os designers instrucionais que operam sob prazos apertados ou com recursos limitados muitas vezes são forçados a fazer suposições, em vez de realizar análises completas e profundas. Com a ajuda de ferramentas de IA, como o Bot de Análise de Causa Raiz (BACR), criado por Hardman, podemos realizar uma análise mais profunda e precisa, alinhadas com as necessidades específicas.

O objetivo do BACR desenvolvido é ajudar os designers instrucionais a transformar um pedido de treinamento vago como por exemplo: "Treinamento para aumentar as vendas em 6%", em uma declaração de problema bem formulada.

Este bot, te oferece ajuda para entender o seu desafio e  também sugere que tipo de dados você deve analisar e como deve analisá-los, gerando um conjunto de perguntas personalizadas para ajudá-lo a definir a causa raiz e a solução mais adequada para seu problema.

Este é um experimento e um trabalho em andamento, e a Dra. Philippa afirma precisar da nossa ajuda! Experimente o BACR você mesmo e conte para nós o que você pensa, respondendo ao pedido de feedback do bot no final do seu chat.