MR/MSL/マネージャーの対話力を可視化して育成するAI評価サービス

MRのディテーリング力を育成

“成果を生む”ための
戦略的スキル学習プラットフォーム

こんな課題はありませんか？

学習評価などのデータに基づいたトレーニングを設計したい
トレーニング・OJT指導の効果や成果との関係性を検証したい
上司の視点が揃わず、社内評価や指導にばらつきがある
MRのスキルを測る評価指標がなく、課題のコンセンサスが取れない
スキル学習・ロープレ研修、上司からの指導などが統一感なく学習が効果的でない

MRのディティーリング動画を
Palette AIがデータ分析＆スキルをルーブリック評価
合理的・論理的な“成果を生む”学習の場をクラウドで提供します

実効性のある学習には、学習目標「あるべき姿」の明示とその到達度の評価、そこから導き出される学習者の課題分析が必須です。
Skill Palette®︎（スキルパレット）で使用しているルーブリックは、MRのスキル学習のために熊本大学大学院での研究※1により独自開発したスキル評価指標「ルブリカ®︎」を使用しています※2。医師との面談で発揮されている問題解決型のディテーリングスキルについて、顧客（医師）視点での客観的な評価やそのスコアから業界内での比較を可能にするだけでなく、ディテーリングスキル向上のための育成ツール「スキルマップ」としても活用する事ができます。

※1 荒木恵（2016）「MR の医薬情報提供スキルにおける医師視点の評価指標」
※2 特許出願中特願 2021-1451号

最先端の教育工学
「エビデンスベースド・インストラクショナルデザイン（EBID）」で
会社の目標達成に向けた、戦略的なMR教育を支援します

EBID（Evidence Based Instructional Design）とは、従来の経験に基づく感覚的な判断や因果不明のパラメーターを頼りに教育介入策を実施するのではなく、適切な学習評価を行い、評価結果や各種データ分析から「学習目標」や「学習課題」を抽出し、教育介入策を効果・効率・魅力的に実施する取り組みです。

ディテーリングスキルを評価・分析し、
情報提供の品質向上をマネジメント

Skill Palette®（スキルパレット）には、組織や個人の評価・分析結果をフィードバックする評価／ダッシュボード機能とトレーニング動画視聴や事例共有など相互学習を促進する学習／シェア機能があり、成果につながるスキル学習をワンストップで提供します。
対話の論証力（対話×思考）を分析する“KOTORI®”のデータを、スキル・コンピテンシーなどの評価データをもとに“Palette AI”が解析。MRの成長予測、成果予測までも算定が可能で、個々人の属性・組織に合わせた学習課題・学習方略の提案を行います。

ディテーリング中の話題や
文脈、論証力を評価

話しているトピックの順序や論理性を評価します。
問題解決を目指す
ディテーリングスキルを評価

課題形成に必要な「ニーズの顕在化」「問題提起」などの15項目を、６段階の尺度で評価します。
ディテーリングに必要な
コンピテンシーを評価

ディテーリングに必要な「質問力」「仮説力」「患者志向」などの発揮能力を７項目で評価します。

独自AIが、組織やMRの
ビジネスパフォーマンスを可視化
”成果を出すため”に最適な
フィードバックや学習体験を提供

機能一覧

評価/ダッシュボード機能: ディテーリングスキル・コンピの評価; ディテーリングスタイルの分析; 評価結果のダッシュボード表示; 学習目標&学習課題の明示; KOTORI®︎による論証構造・トピック分析; 顧客難易度を考慮したスコア補正; 評価スコアから算出される成果予測; グローススコアから算出される成長予測

各種学習動画の視聴: 学習動画のレコメンド; ロールプレイ動画の管理・共有; 動画再生速度変更; 資料の添付・ダウンロード; コメント・いいね; マルチデバイス対応; 貴社に合わせた営業所・支店設定

学習/シェア機能: “バーチャルチューター”による音声フィードバック; ルーブリックのカスタマイズ、評価の実装; 各種スキルトレーニングとの自由な組合せ; ロゴスメソッド®︎用文字起こしデータの作成; 貴社に合わせた専用研修コンテンツの開発; 貴社で作成した研修コンテンツのアップロード; 組織分析・マーケティング分析と、レポート作成; プレゼンスキル/コーチングスキル育成にも対応

*印の分析等は、現在SkillPaletteシステム外で別途提供させていただきます。順次システムにも実装予定です。

情報提供やプレゼンテーション、
コーチング、インタビューなど
社員パフォーマンスの可視化を助ける人工知能

これまで客観的な評価が難しかった「対話」を、自然言語処理の技術を応用して動画や音声データから自動で解析し、
十人十色と言われた対話の分類を容易にして、具体的な指導を可能にします。
話題の変遷やトピックのバランス・話題の品質のスコア化・重点トピックのハイライトや論証構造を抽出し、可視化します。
複雑な対話を人工知能技術で整理することにより、人では判断しにくいコミュニケーションの良し悪しや真の課題を導き出し、
客観的で偏りのない指導を実現します。