0 cumulative citations
View corpus contextAn AI-driven corporate learning model produced a 62% rise in knowledge retention and 88% module completion in a small pilot, and company-level ROI projections are extremely large — but the results rest on a non-randomized 48-person trial and assumption-heavy financial modeling.
Redisseny de l'aprenentatge corporatiu mitjançant les TIC i l'experiència de l'usuari: una avaluació exploratòria amb mètodes mixtos del CLEM centrat a l'usuari com a eina estratègica
openalex
quasi_experimental
low evidence
7/10 relevance
Full text
usable extracted full text
Source
PDF
An AI-enabled corporate learning model (CLEM) combining personalization, microlearning, gamification, workflow-based learning and predictive analytics produced large short-term gains in a small quasi-experimental pilot (62% higher knowledge retention; 88% completion) and implies very high ROI under optimistic assumptions, but evidence is exploratory and context-dependent.
Citation observations
Cumulative provider counts captured on specific dates; providers are never combined.
La transformació digital ha redefinit la formació corporativa mitjançant la integració de les tecnologies de la informació i la comunicació (TIC) i lexperiència de lusuari (UX), amb la intel·ligència artificial (IA) funcionant com una tecnologia facilitadora sofisticada en lloc dun enfocament pedagògic independent. Tot i així, persisteixen desafiaments estructurals relacionats amb la bretxa digital, la resistència cultural i la gestió ètica de les dades dins d'aquests ecosistemes d'aprenentatge digital. Aquest estudi cerca avaluar críticament les metodologies digitals predominants (com el microaprenentatge, la gamificació i l'aprenentatge adaptatiu) per formular un Model d'Experiència d'Aprenentatge Corporatiu (CLEM) estratègicament integrat. L'objectiu és avaluar l'efectivitat preliminar del model mitjançant un estudi pilot exploratori i establir projeccions realistes de tornada de la inversió (ROI). Aquest estudi, que utilitza un disseny de recerca exploratori de mètodes mixtos, integra una revisió sistemàtica de la literatura, seguint la declaració PRISMA 2020, amb validació empírica. Després d'examinar 312 registres, es van incloure 45 estudis revisats per parells, publicats principalment entre el 2010 i el 2025, per a una metaanàlisi temàtica. Aquesta síntesi teòrica es va triangular amb quatre estudis de cas empresarials i una validació pilot quasiexperimental amb 48 empleats de consultora digital. L'anàlisi va identificar cinc pilars estratègics clau: personalització impulsada per IA, microaprenentatge, gamificació, aprenentatge basat en fluxos de treball i anàlisi predictiva. Els resultats preliminars de lestudi pilot van indicar un augment del 62% en la retenció del coneixement i una taxa de finalització del mòdul del 88%. En base a aquestes troballes exploratòries, el model financer projectat suggereix un retorn de la inversió (ROI) acumulat potencial a tres anys d'aproximadament el 4943%, si bé aquests resultats depenen en gran mesura de la maduresa organitzacional i d'una implementació inclusiva. La integració de les TIC i la UX mitjançant un marc centrat en l‟usuari, com CLEM, millora l‟eficiència il‟impacte de la capacitació organitzacional. Tot i això, la seva adopció sostenible requereix un disseny ètic i mètriques d'impacte operatiu que equilibrin la innovació tecnològica amb la justícia digital i el benestar dels empleats. És fonamental que la tecnologia complementi els principis daprenentatge centrats en lésser humà sense reemplaçar els marcs pedagògics fonamentals.
Summary
Main Finding
A user-centred Corporate Learning Experience Model (CLEM) that integrates ICT, UX and AI as an enabling technology (not a pedagogical replacement) improves short-term training outcomes (pilot: +62% knowledge retention; 88% module completion) and can produce large projected financial returns (exploratory three-year cumulative ROI ≈ 4,943%). Sustainable benefits depend critically on organisational maturity, inclusive implementation, ethical safeguards, and instructional/UX design.
Key Points
- CLEM synthesises five strategic pillars:
1) AI-powered personalisation, 2) Microlearning, 3) Gamification, 4) Workflow-based learning (performance support), and 5) Predictive analytics. - AI is framed as a high-end enabler for personalisation and analytics, not as a substitute for core pedagogical principles (cognitive development, formative feedback).
- UX matters: pragmatic (usability, task effectiveness) and hedonic (motivation, emotional engagement) aspects both drive completion, retention and autonomy. Theoretical framing draws on Norman and Hassenzahl.
- Ethical and structural risks identified: digital divide, datafication and biased metrics, perceived surveillance/anxiety, cultural resistance, and risk of technocratic/efficiency-only approaches without equity or human oversight.
- Empirical signals: pilot with 48 employees showed large short-term gains (62% retention increase; 88% completion). Business cases and literature suggest measurable ROI from microlearning, gamification and adaptive learning but results vary by context and maturity.
- Caveat: projected ROI is exploratory and highly sensitive to assumptions (scale, baseline productivity, adoption, measurement choices).
Data & Methods
-
Mixed-methods, exploratory design combining:
- Systematic literature review following PRISMA (search period mainly 2010–2025). Initial n=312 records screened; 87 full texts reviewed; 45 studies met inclusion criteria and were meta-thematically analysed. Sources included Scopus, Web of Science, ScienceDirect, ERIC, IEEE Xplore, Google Scholar.
- Weight-of-Evidence inclusion: emphasis on methodological transparency and ROI-related metrics. Inclusion criteria focused on empirical studies measuring ICT impacts on workplace training, indexed journals (Q1–Q3), ROI/retention/participation metrics, and organisational case studies. Exclusions: purely theoretical studies and non‑workplace (formal education) studies.
- Data extraction matrix: author/year, methodology, technology, effectiveness indicators (ROI, retention, participation), risks/limitations. Inductive coding (Braun & Clarke) used for thematic synthesis.
- Triangulation with four business case studies.
- Quasi-experimental pilot: 48 employees at a digital consulting firm; outcomes measured included knowledge retention, module completion, satisfaction/UX metrics, and preliminary ROI projections. (Study reports +62% retention, 88% completion; three-year cumulative ROI ≈ 4,943% under the study’s financial model.)
-
Limitations of methods noted by author: small pilot sample, quasi‑experimental design (non-randomised), dependence on selected ROI assumptions, potential publication/selection bias in literature base.
Implications for AI Economics
- Investment signals and valuation: The model suggests very high potential returns from targeted investments in AI-enabled, UX-centred learning systems (microlearning, gamification, adaptive content). However, these ROI estimates are sensitive to scale, organisational readiness, measurement choices, and adoption rates—making rigorous sensitivity analysis and scenario planning essential for investor decisions.
- Human capital accounting: If validated at scale, CLEM-style programs can materially increase measured worker productivity and knowledge retention, affecting firm-level human capital valuations. Economists should distinguish short-term training gains from persistent productivity effects and incorporate decay rates and maintenance costs in models.
- Risk-adjusted returns & externalities: Data collection and predictive analytics create value (personalisation, targeting), but also liabilities (privacy compliance costs, reputational risk, potential bias in allocation of learning opportunities). AI economics analyses must subtract expected compliance and ethical-mitigation costs and include potential adverse distributional effects (amplification of the digital divide).
- Labour-market impacts: Faster reskilling/upskilling can compress adjustment costs in technology transitions and reduce vacancy duration for skilled roles; but uneven access could widen within-firm inequalities. Policy models should consider both aggregate productivity gains and distributional consequences.
- Measurement & evaluation recommendations for economists and practitioners:
- Prefer randomized controlled trials or well-specified quasi-experimental designs for causal estimates before large-scale rollout.
- Publish and stress-test ROI models under different adoption, retention-decay and productivity-translation assumptions.
- Include non-efficiency outcomes in benefit streams: worker well-being, retention effects, and equity metrics—these affect long-run costs and returns.
- Incorporate regulatory and privacy compliance scenarios into cost forecasts.
- Research gaps for AI economics: durable estimates of long-term productivity effects from AI-enabled corporate learning; distributional impacts across job types and demographic groups; optimal contracting/incentive structures to align firm investment and worker welfare; valuation methodologies that integrate UX and ethical compliance costs.
Practical takeaways for decision-makers: CLEM-like investments are promising but treat reported ROI as illustrative; run pilot RCTs, build UX and ethics safeguards from the start, model multiple maturity/scaling scenarios, and measure both productivity and equity outcomes before committing to full deployment.
Assessment
Paper Typequasi_experimental
Evidence Strengthlow — Although the paper combines a systematic review and case studies, the primary empirical causal claim relies on a small (n=48) non-randomized pilot with limited detail on controls, potential selection and measurement biases, short follow-up, and an ROI projection that is highly sensitive to optimistic assumptions — all of which limit confidence in causal effects and external validity.
Methods Rigormedium — Strengths include a PRISMA-compliant systematic review and mixed-methods triangulation; weaknesses are the limited reporting and design of the pilot (non-randomized, small convenience sample), unclear outcome measurement protocols, and speculative financial modeling, which reduce overall methodological rigor.
SampleSystematic review: 45 peer-reviewed studies (2010–2025); Qualitative component: four corporate case studies; Empirical pilot: quasi-experimental implementation of the CLEM model with 48 employees from a single digital consultancy (convenience/non-random sample); outcomes reported: knowledge retention (+62% vs baseline) and module completion rate (88%); three-year ROI projected at ~4943% based on pilot-derived productivity/engagement inputs and firm-level assumptions.
Themesskills_training human_ai_collab
IdentificationMixed-methods triangulation: PRISMA-guided systematic review (45 studies) + four corporate case studies, with causal inference for effectiveness coming from a small quasi-experimental pilot (n=48) using pre-post measures and/or non-randomized assignment to the CLEM intervention; no randomized control, no instrumental variables, and ROI estimated from pilot outcomes combined with strong modeling assumptions.
GeneralizabilityPilot is a small, single-company sample (digital consultancy) so sector- and firm-specific effects may not generalize, Non-randomized convenience sample (n=48) increases selection bias risk, Short-term outcome measures (knowledge retention, completion) may not translate into sustained productivity or firm-level economic impacts, ROI projection is highly sensitive to modeling assumptions and organizational maturity, limiting external validity, Systematic review synthesizes heterogeneous studies (methods, contexts) which may limit the coherence of pooled lessons
Claims (10)
| Claim | Direction | Outcome | Confidence & Evidence | Details |
|---|---|---|---|---|
| La transformació digital ha redefinit la formació corporativa mitjançant la integració de les tecnologies de la informació i la comunicació (TIC) i l'experiència de l'usuari (UX), amb la intel·ligència artificial (IA) funcionant com una tecnologia facilitadora sofisticada en lloc d'un enfocament pedagògic independent. Training Effectiveness | positive | disseny i efectivitat de la formació corporativa |
Reading fidelity
high
Study strength
medium
|
not reported
|
| Persistixen desafiaments estructurals en els ecosistemes d'aprenentatge digital, incloent la bretxa digital, la resistència cultural i la gestió ètica de les dades. Adoption Rate | negative | factors que impedeixen l'adopció i l'efectivitat dels sistemes d'aprenentatge digital |
Reading fidelity
high
Study strength
medium
|
not reported
|
| L'estudi va examinar 312 registres i va incloure 45 estudis revisats per parells publicats principalment entre 2010 i 2025 per a una metaanàlisi temàtica. Research Productivity | null_result | volum i selecció d'evidència per a la síntesi teòrica |
Reading fidelity
high
Study strength
high
|
n=45
|
| La síntesi teòrica es va triangular amb quatre estudis de cas empresarials i una validació pilot quasiexperimental amb 48 empleats de consultora digital. Training Effectiveness | null_result | validació empírica del model CLEM mitjançant estudis de cas i pilot |
Reading fidelity
high
Study strength
medium
|
n=48
|
| L'anàlisi va identificar cinc pilars estratègics clau: personalització impulsada per IA, microaprenentatge, gamificació, aprenentatge basat en fluxos de treball i anàlisi predictiva. Training Effectiveness | positive | components estratègics per a disseny de formació corporativa |
Reading fidelity
high
Study strength
medium
|
not reported
|
| Els resultats preliminars de l'estudi pilot van indicar un augment del 62% en la retenció del coneixement. Training Effectiveness | positive | retenció del coneixement |
Reading fidelity
high
Study strength
medium
|
n=48
62% increase in knowledge retention
|
| Els resultats preliminars de l'estudi pilot van mostrar una taxa de finalització del mòdul del 88%. Task Completion Time | positive | taxa de finalització dels mòduls de formació |
Reading fidelity
high
Study strength
medium
|
n=48
88% module completion rate
|
| El model financer projectat suggereix un retorn de la inversió (ROI) acumulat potencial a tres anys d'aproximadament el 4943%, tot i que aquests resultats depenen en gran mesura de la maduresa organitzacional i d'una implementació inclusiva. Firm Revenue | positive | retorn de la inversió (ROI) a 3 anys |
Reading fidelity
high
Study strength
speculative
|
approximately 4943% ROI over three years
|
| La integració de les TIC i la UX mitjançant un marc centrat en l'usuari, com CLEM, millora l'eficiència i l'impacte de la capacitació organitzacional. Organizational Efficiency | positive | eficiència i impacte de la capacitació organitzacional |
Reading fidelity
medium
Study strength
medium
|
n=48
|
| L'adopció sostenible del model requereix un disseny ètic i mètriques d'impacte operatiu que equilibrin la innovació tecnològica amb la justícia digital i el benestar dels empleats; la tecnologia ha de complementar els principis d'aprenentatge centrats en l'ésser humà sense reemplaçar els marcs pedagògics fonamentals. Governance And Regulation | mixed | requisits d'adopció sostenible (ètica i benestar) |
Reading fidelity
high
Study strength
speculative
|
not reported
|