2025年，全球第二大医疗健康公司CVS Health用AI coaching助手Ollie将领导力发展的成本压到传统高管教练的1/50，被视为一个令人瞩目的效率突破。但仅仅一年之后，这个案例的解读方式已经发生了根本性的变化。2026年HR技术大会将主题定为“从变革到转型”，明确指向一个更深的追问：当AI coaching的效率优势已经被验证，为什么大多数组织的L&D实践仍然停留在孤立试点？当学习技术成为HR技术支出中唯一逆势增长的品类，为什么独立学习平台在HR技术生态中的“在场感”却在持续弱化？
答案不在于技术是否足够好，而在于L&D对自身角色的想象是否跟上了技术已经打开的可能性。2026年的核心命题不再是“AI能不能做教练、做内容、做推荐”，而是“当AI已经能够承担这些职能时，L&D是该选择追问为什么做和为谁做，还是考虑怎么执行”。
AI coaching：规模化的表象与信任的暗面
2026年的AI coaching实践在数量上已经跨越了一个临界点。Prudential Financial部署的AI coaching工具Nadia在试点阶段实现了90%的自主参与率，三个月内支持了超过38,000次教练对话。Regal Rexnord的Kriste Goldsmith正在为近4,000名全球领导者构建嵌入工作流的AI coaching系统，她的核心判断是：“AI的突破不在于创建更多内容，而在于创建更个性化的成长路径。”
但规模化本身并不能代表什么，真正值得L&D关注的，是这些实践揭示了一个结构性的转变，AI coaching的价值不再是替代人类教练，而是重新分配教练资源的供给结构。在传统模式中，教练是一个稀缺且昂贵的资源，只能分配给极少数人。Regal Rexnord的Goldsmith指出了一个被长期忽视的事实——“最需要教练和发展的前线领导者，往往最没有机会获得个性化学习”。AI coaching打开的可能性，是将原本只为少数人保留的发展对话，扩展到组织内大多数管理者的日常实践。
Mento的联合创始人Alex Marcus和Jamie Albers在SHRM 2026 WorkplaceTech Accelerator中提出了一个更具操作性的框架——“80/20 coaching philosophy”，即认证教练与AI-powered insights的配对使用，将AI定位为“增强人类连接而非替代它”。这个框架的核心逻辑是，AI承担日常的反思引导、行为实验设计和即时反馈，人类教练则专注于学习架构的设计、群体动力的催化，以及关键节点的深度对话。
但这个方向存在一个被系统性低估的风险变量，那就是组织信任水平。AI coaching的规模化部署在不同组织文化中的效果差异巨大。在高信任环境中，管理者将AI coaching视为一种“口袋里的教练”，愿意在对话中暴露真实的困惑和弱点；在低信任环境中，AI coaching可能被感知为一种监控工具，或者被抵制为“不真诚的替代品”。L&D在推进AI coaching时，不能只做一个技术选型决策，而必须同步评估和经营组织内的教练文化——谁有资格获得教练、教练对话的成果如何被使用、管理者和下属之间的信任基础是否足以支撑更频繁的反馈对话。
学习平台的战略重构：从“内容仓库”到“能力基础设施”
如果说 AI coaching 代表了 L&D 在交付方式上的转变，那么学习平台在 2026 年经历的战略重构，则指向更根本的层面。2026年7月，Workday Learning powered by Sana正式全面可用，将Workday的可信人才与技能数据与Sana的AI原生学习体验深度整合。这不是一次简单的产品升级，而是一个战略信号的落地，表明学习正在从HCM中的一个独立模块，变成嵌入工作流的能力基础设施。
Cornerstone在2026年发布的学习工作流愿景中给出了更清晰的定义：AI agents、实时数据和集成工作流将把学习直接嵌入日常任务，使技能发展变得持续且绩效驱动。Degreed则在2026年10月推出了连接的AI agents系统，让领导者和L&D团队能够自动化个性化学习路径和技能构建，agents可以根据组织的技能数据和内容目录自动构建路径，并审计现有内容中的失效链接和过时材料。
与此同时，Coursera与Udemy在合并后的首次全球FWD客户活动中预览了Project Helix，定位为AI原生技能平台，连接技能发现、个性化学习与已验证的能力和业务成果，预计2027年上半年向企业客户全面开放。Cognizant推出的Skillspring则定位为“多模态、AI原生的对话式学习平台”，旨在帮助企业在AI时代重新定义学习。
这些动作共同指向一个判断，学习平台的竞争壁垒不再是课程库的规模或交付效率，而是技能数据的颗粒度和AI对技能缺口的预测能力。但一个值得L&D深思的反差是，学习技术是HR技术支出中唯一逆势增长的品类，然而独立学习平台在HR技术生态中的“在场感”却在持续弱化。当学习被整合进更大的HCM或人才管理平台，L&D在技术选型和战略决策中的话语权将发生什么变化？
L&D 职能的结构性焦虑：从“内容交付”到“条件设计”
Training Industry 2026年的L&D职业与薪酬报告揭示了一个关键转折，超过半数的学习专业人士报告在核心职责中使用AI，且使用AI的L&D专业人士报告了更强的绩效表现和更高的薪酬中位数。但报告同时也给出了一个极具警示性的发现，AI使用在多个领域改善了绩效，但似乎并未改善战略对齐，这仍然是一项人类特有的责任！
这意味着L&D面临的不是会不会被AI替代，而是会被替代成什么？Training Industry的分析明确指出，一些传统角色，特别是基于课程的内容开发角色，很可能萎缩；与此同时，新的工作正在涌现，需要“更强的判断力、系统思维和学习专业能力”，而且因为这些工作影响绩效、信任和团队流程，越来越成为领导工作。
多位行业观察者提出了相似的判断。L&D的价值必须从内容交付转向到设计出让持续学习自然发生在工作流中的环境。这意味着L&D需要放下一系列长期持有的假设，不再假设L&D控制学习发生的时间、地点和方式，不再围绕固定需求和正式更新周期设计学习，不再将学习视为发生在工作流程之外的事情，不再将AI视为一个部署的工具而非需要塑造的系统。
与此同时，L&D需要主动拥抱新的核心能力：
● 设计让AI支持的学习有效发生的条件；
● 影响AI如何解释、强化和排序知识；
● 设定边界以确保AI支持学习而非捷径化学习；
● 在嵌入工作的学习中检测技能信号。
这些能力的关键词是判断力和系统思维，恰恰是AI目前最不擅长、也最需要人类专业判断来校准的领域。
L&D 从业者需要回答的三个问题
趋势分析的价值最终在于行动指引，对于正在经历这一转型的 L&D 从业者，以下三个问题或许可以作为自我诊断的起点：
第一， 在你的组织中，谁在定义“好的学习体验”？ 如果答案仍然是 L&D 团队闭门设计课程大纲和评估体系，那么 AI coaching 和学习平台的个性化能力，就只是在优化一个可能已经过时的范式。L&D 需要和业务线、员工体验团队、数据分析团队共同定义什么算"好"，这个"好"的标准应该包括业务指标的变化，而不仅仅是学习完成率和满意度评分。
第二， 你的技能框架是档案柜还是活地图？ 许多组织在过去三年中建立了技能模型，但大多数停留在静态的岗位能力矩阵层面。真正的技能优先，意味着技能数据能够实时反映员工的真实能力状态，能够预测未来的能力缺口，能够驱动个性化的学习推荐和内部流动机会。如果 L&D 没有参与到技能数据的供给和校准中，这些数据的使用权很可能被 HCM 平台和人才分析团队吸收。
第三，当AI承担了教练对话、内容生成和路径推荐，L&D的专业判断力体现在哪里？ 这是2026年最紧迫的问题。答案不在于L&D是否使用了AI工具，而在于L&D是否能够定义“什么是好的教练反馈”“什么样的学习路径对一个处于转型期的员工是合适的”“AI生成的内容在什么条件下应该被拒绝”——这些判断需要将成人学习理论、组织行为学知识和业务上下文相结合，恰恰是AI无法替代的专业权威。Training Industry的报告用一句话概括了这个方向，L&D需要“刻意地在一个活跃的L&D倡议中，从需求分析到设计、交付和评估的全生命周期中使用AI，并密切关注AI在哪里改善速度或质量、在哪里表现不足，以厘清人类判断在何处增加值最多”。
2026年，AI 的成本优势已经从令人瞩目的效率突破变成了基础性的供给结构重组，学习平台的战略重构已经从趋势预测变成了产品落地。L&D职能的结构性焦虑已经从会不会被AI替代变成了被替代成什么。在这个新的语境下，效率工具与能力伙伴之间的选择，不再是L&D是否采用AI的问题，而是当AI已经深度嵌入学习和发展的每一个环节时，L&D选择站在哪一侧的问题。
来源：CSTD人才发展平台
