本书基于绩效改进思想的最佳实践而来，所有内容都是围绕如何提高有价值的产出、如何降低学员学习的代价而展开的。全书结合作者十多年教学实践总结的HPTTT四大基本原则，系统地论述了一名高绩效培训师的“台前”与“幕后”工作，指导培训师把实用、关键的内容呈现给学员，让他们可以快速上手，快速复制，最终达到“学以致用”的目的。

我们处在一个多变的时代，看一看图1和图2，你觉得哪一张图的环境更接近我们当前所处的真实环境呢？
图1 平静而阳光明媚 图2 激荡而天气多变
我相信你的回答跟我想的一样。是的，第二张。多变是客观的，而且是残酷的。
更为残酷的事情还在不断发生。如果你是一名从事人力资源相关工作的人，或者想象一下你是从事这个领域相关工作的人，请回答下列问题：从人力资源的角度看，企业的终极目标是什么？填写到下列的方框内。


请将书倒过来看答案。
你可能会对这个答案表示质疑。那么，我们来看看微软公司创始人比尔·盖茨近期对人力资源工作的看法：
从“人力资源部”到“机器资源部”
这个观点是划时代的，所有可被代替的岗位都是没有价值的。因为人有人性，人有七情六欲，人会生气也会抱怨，而机器不会；人需要时间休息，需要时间沟通，但机器不需要其他与工作无关的时间消耗，可以24小时工作；最重要的是，从长远的利益来看，机器比人更便宜、更高效、更有执行力。一句话就是，机器比人更具性价比。
也许你会反驳我的观点，认为机器是为人服务的。这一点没有错，机器恰恰解放了我们，让我们从很多重复性的、危险性的、枯燥乏味的工作中解放出来。可是，现在的社会系统是讲究按劳分配的，如果你从事的工作都可以被机器代替，那么你可以做什么来维持自己的生活，以及追求更好的物质和精神生活？
时代的变化越来越快，也越来越残酷。
网络上有这样一句话：“这个时代的变化，往往与你无关。”打败你的，往往不是无知，而是对未来的未知。
当我们还在讨论男婚女嫁越来越难的时候，专门为恋爱而生的男女机器人已可以在世界范围内接受预订，他可以满足一切恋爱中你希望对方做的事情；而支付宝带来了金融行业的巨变，却不曾想彻底颠覆了一个已经拥有2000多年的古老职业：小偷。这个无现金的时代，小偷已经没有现金可偷。
不仅如此，未来的竞争不是人与人之间的竞争，而是人与机器人之间的竞争。这样的案例比比皆是。
? 办公室里机械性、重复性、程式化的工作将会被Betty（办公机器人代号）技术取代。
? 斯坦福大学研究团队开发了一个诊断皮肤癌的人工智能机器人，该机器人诊断的准确率达到91%以上。
? 韩国《金融新闻》编辑部启用了一名人工智能机器人记者，只需0.3秒就可以写出一篇股市行情的新闻报道。一半以上的读者看后都表示分不清到底是人写的还是机器人写的。
? 2016年3月AlphaGo以4︰1的比分打败了韩国选手李世石，后来，AlphaGo又以3︰0的成绩战胜了排名世界第一的中国围棋职业九段棋士柯洁。
? 现代化的工厂，没有人类。
说到这里，我想告诉你的是：未来的社会对个人的能力要求越来越高。未来不可知，学习永远是现在时。因为越来越多的岗位可以被机器人代替，如果不持续地学习，就可能被这个时代抛弃。
在网络上流传着的一组数据（见表1），意思是你现在的岗位可能被代替的可能性。
表1 可能被淘汰的职业概率
职 业 被淘汰率 职 业 被淘汰率
电话销售员 99.0% 打字员 98.5%
会计 97.6% 保险业务员 97.0%
银行职员 96.8% 政府基层职能机构职员 96.8%
接线员 96.5% 前台 95.6%
客服 91.0% 人事 89.7%
保安 89.3% 房地产经纪人 86.0%
工人相关 60%～80% 厨师 73.4%
IT工程师 58.3% 图书管理员 51.9%
摄影师 50.3% 演员/艺人 37.4%
化妆师 36.9% 翻译 32.7%
理发师 32.7% 运动员 28.3%
心理医生 0.7% 教师 0.4%
资料来源：节选自今日头条。
我们先不管这张表的可信性，我真诚地希望这张表中有关被代替的概率数字可以引起你的注意和反思。子曰：“人无远虑，必有近忧。”我希望你能认真地思考，如何做那个无法被代替的人。
我曾经有个非常要好的朋友，他在百度做培训管理工作。有一次，他在听完我对未来思考的一些分享后，面色凝重地对我说：“我可能快失业了。”
我非常吃惊，赶紧问：“发生了什么？虽然可能我也帮不了什么，但我很想听听。”
他说：“你刚才提到的人工智能替代人类工作，在百度正在发生。百度对于人工智能的研究已经超过十年了，我们把最优秀员工的语言模式用数据统计的方式进行分析，然后找到最优的应答方式。我们已有大量的人工智能应答系统加入我们的客服团队。”
我听后说：“这是好事啊，为什么你会失业呢？”
他忧心忡忡地说：“你想啊，以后都是人工智能在应答，而且大多数人分辨不清是人在应答还是人工智能在应答，我们的员工会越来越少，我是培训他们的人，他们都不存在了，我也就没有存在的必要了。而且关键的是，人工智能没有情感，不会抱怨，可以24小时全天候加班，更加关键的是，人工智能只会付出，不会索取，也没有加班费一说。你说，这不可怕吗？”
我非常理解他的心情，于是跟他说：“是啊，未来的世界，要么出众，要么出局。”
他深深地点点头，表示非常认同。
我们再从知识本身的角度来看待学习这件事。《增广贤文》里有一句话：“学如逆水行舟，不进则退。”而《终身学习》的作者丹·苏利文也提出了十个观点，来劝告那些想拒绝成长的人，该如何避免自己停止学习。因为知识会不断贬值。
? 如果你在1970年左右上的高中，当时的元素周期表里只有106个元素，而如今则有118个。
? 2017年，新发现的植物和动物为85个，令人惊讶的是，科学家估计90%的物种还没有被发现，特别是在微生物物种领域。
? 当我们还在为人的“酸碱体质”争辩的时候，2018年11月2日，美国的“人体酸碱体质理论”之父罗伯特·欧·杨当庭承认“酸碱体质理论”是个骗局。
有无数的例子告诉我们，知识不仅会过时，还有可能加速过时。
摩尔定律是由英特尔创始人之一戈登·摩尔提出来的。其主要内容是：当价格不变时，集成电路上可容纳的元器件的数目，每隔18～24个月便会增加一倍，性能也将提升一倍。这一定律揭示了信息技术进步的速度。
无独有偶，奇点大学校长雷·库兹韦尔提出了库兹韦尔定律，即我们熟知的“加速循环规则”，大意是，技术的力量正以指数级的速度迅速向外扩充。人类正处于加速变化的浪尖上，这超过了历史上的任何时刻。未来，甚至一个刚出生的小孩就具有相当于现在一个大学毕业生的能力。这是非常可怕的。
另外，假设我们成为一个专业领域的大师需要10000小时，如果10年以后，该领域50%的知识将过时（对于当今变化的速度，这应该是一个比较保守的数字），那么我们的学习时间意味着什么？如表2所示。
表2 学习时间演算
未来的年份（年） 知识过时的比例 你想要保持知识不过时需要学习的小时数
（小时）
1 5% 500（10000×5%）
5 25% 2500（10000×25%）
10 50% 5000（10000×50%）
按照表2的计算方式，你至少每周学习10小时，一年至少120小时，这仅仅是为了跟上时代的步伐。而作者迈克尔·西蒙斯在其文章“The Math Behind The 5-Hour Rule: Why You Need To Learn 1 Hour Per Day Just To Stay Relevant”中阐述了两个学习趋势：
? 你的知识每天都变得越来越过时。本文也列举了大量的案例来说明这一点。
? 你在和那些知识越来越多的人竞争。根据Our World In Data的数据，在过去的两个世纪里，发达国家的普通人在正式场合学习的时间越来越多。
以上数据还不包括非正式的学习领域的数据。如果包含这些数据，可能时间会更多。
亲爱的读者，从这个时代唯一不变的法则——变化，到我们的知识一直在过时，这一切都意味着什么？
我一直坚定地认为，学习永远是现在时，永远都不会过时。

王志刚
国际注册绩效改进顾问（CPT），国际绩效改进协会（ISPI）国际注册会员，中国培训经理人俱乐部华东总会首席专家，团队协作的五个障碍（FDT）官方认证导师，敏捷学习地图教练， “换种教法（HPTTT）”版权课程拥有者，《学习的商业逻辑》译者。曾在上海对外经贸大学工作5年，拥有18年的管理实务经验，在组织绩效、组织健康和企业咨询方面积累了丰富的理论知识和实战经验。

第一章 学习并不简单 / 1
本章要点 / 3
挑战1 / 4
挑战2 / 6
必要的拨乱反正 / 9
回顾本章 / 16
第二章 HPTTT四大原则 / 19
本章要点 / 21
为什么原则这么重要 / 22
HPTTT的四大核心原则 / 27
回顾本章 / 35
第三章 应知应会的人脑机制 / 37
本章要点 / 39
人脑有个看门人 / 41
掌握用得到的人脑机制 / 43
回顾本章 / 55
第四章 成人教学设计八段锦 / 57
本章要点 / 59
为什么成人教学设计八段锦有用 / 60
成人教学设计八段锦的具体步骤 / 66
回顾本章 / 71
第五章 激发兴趣 / 73
本章要点 / 75
激发兴趣需要技巧 / 76
激发兴趣的四个步骤 / 78
回顾本章 / 95
第六章 教学循环圈 / 97
本章要点 / 99
根据二八定律，结构化关键知识点 / 100
用教学循环圈设计结构化的关键知识点 / 103
回顾本章 / 118
第七章 课程设计四步骤 / 123
本章要点 / 124
课程设计的底层逻辑 / 125
计划课程四步骤 / 131
回顾本章 / 150
第八章 建立培训师可信度 / 153
本章要点 / 155
培训师建立可信度的过程 / 156
培训师建立可信度的3V结构 / 159
回顾本章 / 172
尾声 最后的话 / 175
要点回顾 / 176
学习的底线 / 179
参考文献 / 181