AI并不神秘，甚至可以说无处不在——来自购物、娱乐平台的“猜你喜欢”，来自社交平台、新闻媒体的“为你推荐”等等无一不在使用AI技术来解决每个人的个性化消费。
在消费互联网，AI技术已经运用得越来越成熟，在企业学习领域用来解决员工的个性化学习需求也是AI及企业学习发展的必然趋势。
其中，数据是实现个性化学习的基础，这里的数据包括精准的员工画像数据及足够量级的内容数据；机器学习是决定推荐内容准确度及影响员工学习体验的关键，这里的机器学习主要指建立员工与数据之间循环往复不断修正完善的关系。
要解决员工的个性化学习需求，必须从数据和机器学习两个方面入手，这两个方面又是你中有我我中有你的关系，那么他们如何协同作战解决员工的个性化学习需求呢？
建立立体的员工画像
对于员工画像来说，采集数据的维度越多，画像越精准。
为了更好地规划员工个性化学习路径，精准把握员工学习需求，推送符合企业和员工学习需求的知识内容，最终提升企业学习的学习效果，立体多维的员工画像是基础。
现在大部分学习平台所谓精准的员工画像更多的是基于企业内部员工基本的岗位信息而建立，采集数据的维度非常有限。
深度应用AI技术的企业智能学习系统，在企业内部数据的基础上，可以从全网数千万个数据中精准理解每个岗位的知识结构，绘制高精度岗位地图，精准定位员工角色和技能水平，并通过同行同事的学习数据、行业动态、员工在社交、购物等消费互联网上的行为数据等等维度了解员工兴趣爱好、生活学习规律，精准描摹员工画像，为员工建立从工作、生活、娱乐休闲三位一体的立体画像。
为了更好地为员工建立多维的立体画像，Filtered的产品Magpie在确保引擎了解员工角色、兴趣、学习需求和技能概况时，会不时向员工提出很多问题，以期对员工有更加全面的认识；
国内的布本知鱼从公司特点、团队需求、岗位地图、个人情况等9大类30多个维度精准刻画员工画像；
建立知识单元尽可能小的微知识系统
在知识内容的数据上，包含两个方面：企业内外已有的知识数据和正在或未来可能创建的知识数据。
企业在内容数据方面的难题大概有两个：一是原有的大课数据、厚重的知识材料长期沉寂，造成知识数据资产的浪费；二是内容单一，数据量不足。
解决员工个性化学习需求，从知识内容的角度可以分两步：
第二步，在正确的时间提供精确的知识内容，正确的时间是指员工发生需求的时间，精确的内容是刚刚好解决需求的知识单元或知识点，而不是长篇大论的课程或材料。
要完成第一步，在将企业内部知识数字化的同时，还应当开放第三方数据，从第三方数据中获取对员工有价值的与时俱进的知识数据。
要完成第二步，首先需要的就是拆解知识内容，包括对内容进行知识单元的识别、标记和分类等，帮助企业建立知识单元尽可能小的内容数据，方便在员工需要的时候精准提取相应的解决方案；
机器学习，不断校准、完善推送内容的精准度
机器学习通过员工对内容数据的相关行为反馈，逐步校准内容的精准度。
有一种机器学习叫强化学习，它专注于系统性能，会根据用户或积极或消极的反馈，以及自身的大量重复学习来执行任务，调整自己的系统行为。
比如，AI系统为员工推送的某一主题内容，并未引起员工的点击、关注，系统就会判断这一主题的内容并不符合员工的当下需求，那么系统将不再推送这类内容；在某天员工对该主题的内容进行了主动搜索，机器就会判断员工在这一阶段可能需要这一主题的相关内容了，后续将会再增加这一主题的相关推送。
强化学习这种通过越来越多的系统使用数据或经验来做出决策的学习方式或能力，与人类根据积极或消极后果来改进自身学习极为相似，但它的这种学习是不间断的，不受时间、地点的约束。
智能机器人让学习融入员工的日常工作
员工在遇到难题的时候，不可能正好有一场培训等着他，通常情况下，他们会首先向同事、领导等相关业务专家寻求帮助，保证问题处理的高效快捷，但这样的业务专家也同样不太可能随时出现在身边。
基于AI技术的智能机器人就是可以随时随地帮助员工高效解决问题的专家，是每个人身边的导师，员工遇到问题的时候，只需要唤醒智能机器人说出相关的问题，就可以第一时间得到相关的解决方案。
为什么能够成为员工身边的导师呢？因为它能够在员工发出需求后，快速理解员工问题，并在尽可能小的知识单元存在的微知识系统中精准定位到员工需要的解决方案。这不但为员工的即时性难题找到了答案，还可以盘活企业历史知识的价值。
同时智能机器人还有一套自己的运营逻辑，即判断企业知识库有没有答案、找到能够解答业务问题的专家或业务骨干：有答案，直接提取答案推送给员工；没有答案，自动邀请专家或同事作答，并触发奖励机制，对问答人给出相应奖励，得出的答案也会沉淀下来，丰富企业知识库，推送给问答人或可能有这个问题的人。这也直接促进了组织经验的萃取、优化。