本書基于績效改進思想的最佳實踐而來，所有內容都是圍繞如何提高有價值的產出、如何降低學員學習的代價而展開的。全書結合作者十多年教學實踐總結的HPTTT四大基本原則，系統地論述了一名高績效培訓師的“臺前”與“幕后”工作，指導培訓師把實用、關鍵的內容呈現給學員，讓他們可以快速上手，快速復制，最終達到“學以致用”的目的。
我們處在一個多變的時代，看一看圖1和圖2，你覺得哪一張圖的環境更接近我們當前所處的真實環境呢？
圖1 平靜而陽光明媚 圖2 激蕩而天氣多變
我相信你的回答跟我想的一樣。是的，第二張。多變是客觀的，而且是殘酷的。
更為殘酷的事情還在不斷發生。如果你是一名從事人力資源相關工作的人，或者想象一下你是從事這個領域相關工作的人，請回答下列問題：從人力資源的角度看，企業的終極目標是什么？填寫到下列的方框內。
請將書倒過來看答案。
你可能會對這個答案表示質疑。那么，我們來看看微軟公司創始人比爾·蓋茨近期對人力資源工作的看法：
從“人力資源部”到“機器資源部”
這個觀點是劃時代的，所有可被代替的崗位都是沒有價值的。因為人有人性，人有七情六欲，人會生氣也會抱怨，而機器不會；人需要時間休息，需要時間溝通，但機器不需要其他與工作無關的時間消耗，可以24小時工作；最重要的是，從長遠的利益來看，機器比人更便宜、更高效、更有執行力。一句話就是，機器比人更具性價比。
也許你會反駁我的觀點，認為機器是為人服務的。這一點沒有錯，機器恰恰解放了我們，讓我們從很多重復性的、危險性的、枯燥乏味的工作中解放出來。可是，現在的社會系統是講究按勞分配的，如果你從事的工作都可以被機器代替，那么你可以做什么來維持自己的生活，以及追求更好的物質和精神生活？
時代的變化越來越快，也越來越殘酷。
網絡上有這樣一句話：“這個時代的變化，往往與你無關。”打敗你的，往往不是無知，而是對未來的未知。
當我們還在討論男婚女嫁越來越難的時候，專門為戀愛而生的男女機器人已可以在世界范圍內接受預訂，他可以滿足一切戀愛中你希望對方做的事情；而支付寶帶來了金融行業的巨變，卻不曾想徹底顛覆了一個已經擁有2000多年的古老職業：小偷。這個無現金的時代，小偷已經沒有現金可偷。
不僅如此，未來的競爭不是人與人之間的競爭，而是人與機器人之間的競爭。這樣的案例比比皆是。
? 辦公室里機械性、重復性、程式化的工作將會被Betty（辦公機器人代號）技術取代。
? 斯坦福大學研究團隊開發了一個診斷皮膚癌的人工智能機器人，該機器人診斷的準確率達到91%以上。
? 韓國《金融新聞》編輯部啟用了一名人工智能機器人記者，只需0.3秒就可以寫出一篇股市行情的新聞報道。一半以上的讀者看后都表示分不清到底是人寫的還是機器人寫的。
? 2016年3月AlphaGo以4︰1的比分打敗了韓國選手李世石，后來，AlphaGo又以3︰0的成績戰勝了排名世界第一的中國圍棋職業九段棋士柯潔。
? 現代化的工廠，沒有人類。
說到這里，我想告訴你的是：未來的社會對個人的能力要求越來越高。未來不可知，學習永遠是現在時。因為越來越多的崗位可以被機器人代替，如果不持續地學習，就可能被這個時代拋棄。
在網絡上流傳著的一組數據（見表1），意思是你現在的崗位可能被代替的可能性。
表1 可能被淘汰的職業概率
職 業 被淘汰率 職 業 被淘汰率
電話銷售員 99.0% 打字員 98.5%
會計 97.6% 保險業務員 97.0%
銀行職員 96.8% 政府基層職能機構職員 96.8%
接線員 96.5% 前臺 95.6%
客服 91.0% 人事 89.7%
保安 89.3% 房地產經紀人 86.0%
工人相關 60%～80% 廚師 73.4%
IT工程師 58.3% 圖書管理員 51.9%
攝影師 50.3% 演員/藝人 37.4%
化妝師 36.9% 翻譯 32.7%
理發師 32.7% 運動員 28.3%
心理醫生 0.7% 教師 0.4%
資料來源：節選自今日頭條。
我們先不管這張表的可信性，我真誠地希望這張表中有關被代替的概率數字可以引起你的注意和反思。子曰：“人無遠慮，必有近憂。”我希望你能認真地思考，如何做那個無法被代替的人。
我曾經有個非常要好的朋友，他在百度做培訓管理工作。有一次，他在聽完我對未來思考的一些分享后，面色凝重地對我說：“我可能快失業了。”
我非常吃驚，趕緊問：“發生了什么？雖然可能我也幫不了什么，但我很想聽聽。”
他說：“你剛才提到的人工智能替代人類工作，在百度正在發生。百度對于人工智能的研究已經超過十年了，我們把最優秀員工的語言模式用數據統計的方式進行分析，然后找到最優的應答方式。我們已有大量的人工智能應答系統加入我們的客服團隊。”
我聽后說：“這是好事啊，為什么你會失業呢？”
他憂心忡忡地說：“你想啊，以后都是人工智能在應答，而且大多數人分辨不清是人在應答還是人工智能在應答，我們的員工會越來越少，我是培訓他們的人，他們都不存在了，我也就沒有存在的必要了。而且關鍵的是，人工智能沒有情感，不會抱怨，可以24小時全天候加班，更加關鍵的是，人工智能只會付出，不會索取，也沒有加班費一說。你說，這不可怕嗎？”
我非常理解他的心情，于是跟他說：“是啊，未來的世界，要么出眾，要么出局。”
他深深地點點頭，表示非常認同。
我們再從知識本身的角度來看待學習這件事。《增廣賢文》里有一句話：“學如逆水行舟，不進則退。”而《終身學習》的作者丹·蘇利文也提出了十個觀點，來勸告那些想拒絕成長的人，該如何避免自己停止學習。因為知識會不斷貶值。
? 如果你在1970年左右上的高中，當時的元素周期表里只有106個元素，而如今則有118個。
? 2017年，新發現的植物和動物為85個，令人驚訝的是，科學家估計90%的物種還沒有被發現，特別是在微生物物種領域。
? 當我們還在為人的“酸堿體質”爭辯的時候，2018年11月2日，美國的“人體酸堿體質理論”之父羅伯特·歐·楊當庭承認“酸堿體質理論”是個騙局。
有無數的例子告訴我們，知識不僅會過時，還有可能加速過時。
摩爾定律是由英特爾創始人之一戈登·摩爾提出來的。其主要內容是：當價格不變時，集成電路上可容納的元器件的數目，每隔18～24個月便會增加一倍，性能也將提升一倍。這一定律揭示了信息技術進步的速度。
無獨有偶，奇點大學校長雷·庫茲韋爾提出了庫茲韋爾定律，即我們熟知的“加速循環規則”，大意是，技術的力量正以指數級的速度迅速向外擴充。人類正處于加速變化的浪尖上，這超過了歷史上的任何時刻。未來，甚至一個剛出生的小孩就具有相當于現在一個大學畢業生的能力。這是非常可怕的。
另外，假設我們成為一個專業領域的大師需要10000小時，如果10年以后，該領域50%的知識將過時（對于當今變化的速度，這應該是一個比較保守的數字），那么我們的學習時間意味著什么？如表2所示。
表2 學習時間演算
未來的年份（年） 知識過時的比例 你想要保持知識不過時需要學習的小時數
（小時）
1 5% 500（10000×5%）
5 25% 2500（10000×25%）
10 50% 5000（10000×50%）
按照表2的計算方式，你至少每周學習10小時，一年至少120小時，這僅僅是為了跟上時代的步伐。而作者邁克爾·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”中闡述了兩個學習趨勢：
? 你的知識每天都變得越來越過時。本文也列舉了大量的案例來說明這一點。
? 你在和那些知識越來越多的人競爭。根據Our World In Data的數據，在過去的兩個世紀里，發達國家的普通人在正式場合學習的時間越來越多。
以上數據還不包括非正式的學習領域的數據。如果包含這些數據，可能時間會更多。
親愛的讀者，從這個時代唯一不變的法則——變化，到我們的知識一直在過時，這一切都意味著什么？
我一直堅定地認為，學習永遠是現在時，永遠都不會過時。
王志剛
國際注冊績效改進顧問（CPT），國際績效改進協會（ISPI）國際注冊會員，中國培訓經理人俱樂部華東總會首席專家，團隊協作的五個障礙（FDT）官方認證導師，敏捷學習地圖教練， “換種教法（HPTTT）”版權課程擁有者，《學習的商業邏輯》譯者。曾在上海對外經貿大學工作5年，擁有18年的管理實務經驗，在組織績效、組織健康和企業咨詢方面積累了豐富的理論知識和實戰經驗。
第一章 學習并不簡單 / 1
本章要點 / 3
挑戰1 / 4
挑戰2 / 6
必要的撥亂反正 / 9
回顧本章 / 16
第二章 HPTTT四大原則 / 19
本章要點 / 21
為什么原則這么重要 / 22
HPTTT的四大核心原則 / 27
回顧本章 / 35
第三章 應知應會的人腦機制 / 37
本章要點 / 39
人腦有個看門人 / 41
掌握用得到的人腦機制 / 43
回顧本章 / 55
第四章 成人教學設計八段錦 / 57
本章要點 / 59
為什么成人教學設計八段錦有用 / 60
成人教學設計八段錦的具體步驟 / 66
回顧本章 / 71
第五章 激發興趣 / 73
本章要點 / 75
激發興趣需要技巧 / 76
激發興趣的四個步驟 / 78
回顧本章 / 95
第六章 教學循環圈 / 97
本章要點 / 99
根據二八定律，結構化關鍵知識點 / 100
用教學循環圈設計結構化的關鍵知識點 / 103
回顧本章 / 118
第七章 課程設計四步驟 / 123
本章要點 / 124
課程設計的底層邏輯 / 125
計劃課程四步驟 / 131
回顧本章 / 150
第八章 建立培訓師可信度 / 153
本章要點 / 155
培訓師建立可信度的過程 / 156
培訓師建立可信度的3V結構 / 159
回顧本章 / 172
尾聲 最后的話 / 175
要點回顧 / 176
學習的底線 / 179
參考文獻 / 181
新書資訊