“对于 UMU， AI 是技术领导力，学习科学是思想领导力，只有同时具备这两种领导力，才可以帮助 UMU 走向世界。”—— 李东朔（2020，高瓴资本 Htalks ）

早在2014年，还未创立 UMU 的李东朔就意识到，全球学习发展行业的新课程在减少，交付方式也在发生显著变化：线下面授时间缩短，互联网被引入传统教室。从不让带手机到课堂到提醒学员务必带手机来上课，整个行业发生了大变革。基于以上洞察，李东朔认为，在互联网技术推动下，学习发展会更加回归到本来价值。

与此同时，每个企业都会面临着一个共同课题：如何有效果地开展组织内学习？长期以来，UMU 创始人李东朔都试图从思想领导力与技术领导力这两方面给出答案。

1.思想领导力

效果学习

学习效果可以分为四个层次：了解、理解、记忆和应用。李东朔认为，有效果的学习就是能“学以致用”。

第一个层次是了解，学员是否有印象、概念、认知，是被动学习过程。

第二个层次是理解，理解是可以用自己话表达，用自己的认知体系复述。

第三个层次是记忆，学习科学中的记忆是指“长时记忆”（ long-term memory ），即在不同的时间和地点，相关信息会不走样地、不被干扰地提取出来。这是典型“记忆”层面学习效果。

最后一层是应用，学员学习是否应用到了工作场景，是否转化成了绩效、能力，转化成了肌肉记忆，是否能在需要用的时候能够自信、准确无误地呈现。

在李东朔看来，学以致用是企业培训和学习关键点。企业中的培训与学习，应该以应用为导向来设计学习项目。

学习科学

学习科学是建立在脑科学和认知学基础上发展出的一门实证科学，研究学习行为如何发生，什么样的学习行为真正有效果。互联网高速发展，渗入学习领域，手机、平板在日常中使用为学习带来了新学习场景。新学习场景如何利用，以及新学习技术是否有效都是学习科学关注的范畴。

在教与学过程中，李东朔提出，如果想做到学以致用，就需要”教、学、练、用”。“在“教学练用”这条价值链上，企业学习中的练习场景一直是缺失与不足的。如果练得不足，持续灌输就形成了知道、但不能做到的局面。”

一对多教学容易通过演讲或者在线直播视频实现。但到了练习环节，需要一对一辅导反馈时，要么培训师与教练不够用，要么就需要付出很高的代价才能帮助学习者开展有效练习，并获得辅导与即时反馈。

结合对学习科学的研究、应用和自身对传统教学与企业培训中的需求洞察，李东朔提取出了效果学习的四个关键因素：

优质内容与授课：无论面对面还是线上课，讲得要好，内容质量要高。

刻意练习：讲授是讲师能力，如何将讲师能力迁移到学员？学习科学发现，大量、重复、刻意的练习能让学习者获得能力，形成肌肉记忆。

辅导反馈：练习不一定对，大量练习的同时需要有人告诉学员练习的对错，所以需要辅导和反馈。其中实时反馈非常重要。看视频只是被动学习，没有练习与实时反馈。练习后，实时、高质量反馈决定了教学是否有效。

用工作场景评估：在教学与练习之后，最重要是给学员一个评估。在相应工作场景中评估学员达到了教学目的。这在学习科学中叫做 mirror the job ，指的是能否把技能和方法应用到真实工作场景中。如果能在相应的工作场景中评估，学员可以做得好。那么在真实场景中，大概率是可以做得不错。

以上四个关键因素决定了学习项目的设计和交付是否有效。

UMU 借助脑科学和认知科学发展，将学习科学产品化，让任何培训师、教师、达人都可以使用 UMU 很容易地设计并交付一门有效果的课程，让学员们都能通过 UMU 学以致用，做到有效果的学习。

2.技术领导力—— AI

在李东朔及 UMU 创业团队努力下，UMU 通过AI把所有教学元素产品化、模块化。根据不同教学主题，设计不同的学习项目，形成符合这个主题的最佳学习路径，让学习者学以致用。

李东朔在2020年高瓴技术领袖峰会上介绍到，UMU AI 可以在两个层面上为学习者提供即时反馈与结构化的辅导。

一个是在呈现性（ Presentable ）层面上通过可以配置六个维度来反馈。在学员面对镜头做视频作业时，AI会识别人脸。

第一，如果有视线交流，AI会捕捉到。以保证学员没有看其他地方，帮助学员呈现出坚毅、自信的眼神；

第二， AI 会捕捉学员表情自动匹配微笑曲线，衡量学员是否有亲和力；第三，学员语音可以99.6%识别，这意味着培训师或企业培训负责人可把关键词提前录入，通过语音转文字，和他们期望的关键词的百分比的重合程度，同时辨别员工是否有常用口头禅和常用词，以期改正；

第四，AI有手势和肢体语言识别，来衡量学员感染力；

在最后两个维度，AI会衡量学员声音是否清晰以及语言是否流畅。

另外一个层面是在关键信息上是否匹配（Allign key message）。如何衡量学员讲述内容与我们期望的核心要点是否一致。

在这个层面上，UMU 的 AI 反馈通过语音转文字，并进行关键词云匹配的方式，在视频练习后立刻告诉学习者，学员讲述的内容是不是讲师所期望的。当学员提交了视频作业，就可以看到他讲述的内容能否和期待的、预先设置好的关键词匹配。

UMU 的视频作业、 AI 反馈、过程反馈这一系列的功能，就是为了帮助学员真正能够“从知道到做到”。这个过程高度依赖于学习科学，也依赖于学习技术。UMU 专为有效果的学习和练习而设计，使用基于 AI 的 UMU 视频作业和反馈，帮助设计和实施一个能看到真实效果的学习项目。

3. 学习科学与 AI 助力组织发展、个人提升

李东朔认为，在组织发展中，仅仅有教和学这两个步骤远远不够，企业培训都需要转化为绩效，都需要由一个组织生产力提升的方式呈现出来。真正企业培训聚焦于是否将培训本身转化成实际组织能力。

如果只做“教”这一步，企业培训的 KPI 就变成了组织员工一年学习了多少分钟。不管是“整年都在学习、一年都没有工作”，还是“一分钟都没有学习”，都不是企业的目的。学习时间多寡并不重要，因为学是手段，而用是目的。重要的是学以致用。如果只重视传统的“教”与“学”，不管是学习完成率，还是数字学习时长，这两个指标不足以来证明企业在培训上花的钱能够帮助组织发展。

在培训师进行授课过程中，培训师费用是按天支付的。一部分培训师认为只要将培训课程教授完毕即可。对于企业来说，目的是“学以致用”。所以这就出现了一些断层。UMU 希望能够把断层连接起来，既能帮助培训师进行高质量、更高频次的交付，也能帮助企业员工做到“学以致用”。

所以，李东朔认为有三个关键因素制约着企业培训：

第一个因素是学习效果。企业无论花了多少钱，用什么样的形式：不管是在线上还是线下，又或是体验式的、沉浸式的，亦或是社群的。企业最需要看到学习效果，手段不能大于目的。

第二个因素是组织中的学习成本。企业在开展培训、员工开展学习过程中不可能不考虑成本。

第三个因素是讲师的产能瓶颈。无论是内部分享、经理人分享，还是请专家分享，这些培训者一年时间的是固定的，他们没办法在有限的时间内服务更多的人。如果是单纯空间上扩大，无法解决从教到学再到用的过程。传统教室教学法，是有瓶颈与最大产能的。

在李东朔看来，他亲手培育的 UMU，正在用学习领导力与技术领导力，着力解决企业培训发展行业这三大瓶颈。企业借助 UMU，通过“教学练用”导向效果学习，实现组织发展。个人通过 UMU，做到学以致用，提升绩效，获得个人成就。

正如 UMU 愿景一般：通过连接人与知识，加速知识流动，让每个人都可以融入、分享、收获。

“UMU 过去的成绩和未来的长期发展，都离不开众多优秀用户的支持和认可，用户也始终是 UMU 最重要的资产。未来，UMU 将继续通过科技的力量，持续优化产品服务、提升用户体验，为用户提供长期价值。” ——李东朔