UCOPs AI-Buddy-Programm erprobt Peer-Learning gegen Datenschutzrisiken

Das Office of the President der University of California hat ein freiwilliges AI-Buddy-Programm eingeführt, obwohl Fragen zu Datenschutz, Genauigkeit und dem Zeitaufwand für Mitarbeitende weiterhin offen sind.

Das Programm bringt erfahrene KI-Nutzer mit Kolleginnen und Kollegen zusammen, die praktische Orientierung suchen. Die Teilnehmenden können mithilfe direkter Unterstützung durch Peers Tools wie ChatGPT, Claude, Google Gemini und Microsoft Copilot erkunden.

Dieses Konzept macht die Initiative bedeutsamer als ein weiteres Webinar am Arbeitsplatz. UCOP erprobt, ob vertrauenswürdige Kolleginnen und Kollegen allgemeines KI-Bewusstsein in verantwortungsvolle Alltagspraxis überführen können, ohne unsichere Experimente zu normalisieren.

Die Spannung liegt zwischen zwei berechtigten Bedürfnissen. Mitarbeitende benötigen Gelegenheiten, Systeme zu verstehen, die die Verwaltungsarbeit bereits verändern. Zugleich arbeiten sie mit institutionellen Informationen, die nicht bedenkenlos in jeden Chatbot eingegeben werden können.

UCOP steht damit vor einer Prüfung, die Universitäten und andere große Arbeitgeber teilen. Zugang und Begeisterung können sich rasch verbreiten, doch verlässliches Urteilsvermögen entwickelt sich langsamer.

UCOP Macht KI-Schulungen zu einer Peer-Beziehung

Das AI-Buddy-Programm verlagert die KI-Weiterbildung am Arbeitsplatz von geplanten Schulungen hin zu freiwilligem Lernen von Mensch zu Mensch.

Laut dem ursprünglichen Bericht über die Einführung beschrieb UCOP-Sprecher Stett Holbrook das Programm als interne, freiwillige Initiative für das Lernen von Mitarbeitenden. Erfahrenere Teilnehmende fungieren als Buddys für Kolleginnen und Kollegen mit weniger Erfahrung mit KI-Tools.

Das Matching-Modell berücksichtigt eine häufige Schwäche formaler Technologieschulungen. Eine Präsentation kann Funktionen, Richtlinien und Beispielprompts erklären, begleitet Mitarbeitende jedoch selten in einen anspruchsvollen Arbeitsablauf.

Ein Peer kann die Frage beantworten, die auftaucht, sobald jemand mit der Arbeit beginnt. Diese Frage kann eine verwirrende Ausgabe betreffen, ein Dokument mit sensiblen Informationen oder die Frage, ob KI für die Aufgabe überhaupt geeignet ist.

Berichten zufolge geben die Teilnehmenden bei der Anmeldung an, welche Tools und Themen sie erkunden möchten. Mögliche Bereiche umfassen KI für Lehre und Lernen, die Bewertung von Ausgaben und Faktenchecks.

Diese Entscheidungen sind wichtig, weil „KI-Kompetenz“ mehrere unterschiedliche Fähigkeiten umfasst. Einen wirksamen Prompt zu formulieren, unterscheidet sich davon, eine Quelle zu bewerten, personenbezogene Daten zu schützen oder zu entscheiden, ob Automatisierung angemessen ist.

Das Programm scheint zudem für mehrere wichtige Plattformen ausgelegt zu sein. Dieser Ansatz spiegelt die Realität wider, dass Mitarbeitende über universitäre und persönliche Konten auf unterschiedliche Systeme treffen.

Die Vielfalt der Plattformen verkompliziert jedoch die Schulung. Jeder Dienst verfügt über unterschiedliche Verträge, Datenkontrollen, Aufbewahrungspraktiken, Integrationen und zugelassene Nutzungen.

Der eigene Softwarekatalog von UCOP verdeutlicht diesen Unterschied. Seine ChatGPT guidance besagt, dass für Universitätsgeschäfte ChatGPT EDU verwendet werden muss, das für Informationen bis zur P3-Klassifizierung von UC zugelassen ist.

Diese Zulassung macht nicht jeden Prompt angemessen. Mitarbeitende müssen weiterhin die betroffenen Daten, den Zweck der Verarbeitung und die für die Aufgabe geltenden Universitätsregeln verstehen.

Die Produkte von Microsoft schaffen eine weitere Ebene der Komplexität. Copilot Chat, Microsoft 365 Copilot und Copilot Studio bieten unterschiedliche Verbindungen und Funktionen, auch wenn Mitarbeitende alle drei möglicherweise schlicht „Copilot“ nennen.

UCOP erklärt, dass Microsoft 365 Copilot die Genehmigung durch Führungskräfte erfordert. Copilot Studio kann spezialisierte dialogorientierte Agenten erstellen, die mit Organisationssystemen und Dokumenten verbunden sind.

Ein Buddy muss daher mehr leisten, als einen cleveren Prompt vorzuführen. Wirksame Orientierung muss jeden Arbeitsablauf mit dem richtigen Konto, der zugelassenen Plattform und der passenden Informationsklassifizierung verbinden.

Die Initiative bittet interessierte Mitarbeitende zudem, vor der Teilnahme ihre Vorgesetzten zu konsultieren. Dieses Detail verhindert, dass eine nominell freiwillige Lernaktivität zu unsichtbarer Arbeit wird.

Wenn KI-Lernen außerhalb der regulären Aufgaben stattfindet, wird die Teilnahme Mitarbeitende mit flexiblen Zeitplänen begünstigen. Außerdem kann es erfahrenen Buddys eine nicht anerkannte Unterstützungsbelastung auferlegen.

Die Einbindung von Führungskräften kann Zeit für das Lernen schützen. Sie kann Teams auch helfen, Anwendungsfälle mit Bezug zur tatsächlichen Arbeit auszuwählen, statt ohne klar definiertes Ergebnis zu experimentieren.

Die erste wichtige Veränderung ist daher organisatorisch, nicht technisch. UCOP schafft eine menschliche Unterstützungsebene zwischen dem Zugang zu Enterprise-KI und der alltäglichen Einführung.

Warum UCOP Mehr als Tool-Zugang Braucht

Die Herausforderung von UCOP besteht nicht länger darin, KI-Tools zu beschaffen; vielmehr muss die Organisation Mitarbeitenden helfen, sie konsistent, sicher und für vertretbare Zwecke einzusetzen.

UC hat bereits einen Großteil des Fundaments unter der Buddy-Initiative geschaffen. Eine systemweite OpenAI-Vereinbarung trat im Juni 2024 in Kraft und umfasst ChatGPT Enterprise und EDU.

Die UC agreement enthält Datenschutzbestimmungen, eine Lieferantenrisikobewertung und Vertraulichkeitsschutz für Kundenprompts und -antworten. Außerdem schafft sie einen gemeinsamen Beschaffungsrahmen für teilnehmende Campusse.

UCOP weitete anschließend den Zugang der Mitarbeitenden zu ChatGPT und Microsoft Copilot aus. Laut seinem Technologiebericht für 2025 wurden mehr als 1.000 Lizenzen bereitgestellt, darunter 700 ChatGPT-Lizenzen und 300 Copilot-Lizenzen.

Der Bericht verzeichnet zudem 230.000 seit Mai 2025 eingereichte Prompts. Demnach nutzten zwischen Juni und Oktober 2025 800 Mitarbeitende KI-Tools.

Diese Zahlen zeigen Aktivität, doch Aktivität ist nicht gleichbedeutend mit Wert. Prompt-Zahlen können nicht erkennen lassen, ob eine Ausgabe korrekt war, ob sich eine Aufgabe verbessert hat oder ob Mitarbeitende ungeeignete Daten vermieden haben.

Laut dem Bericht von UCOP bewegt sich die Organisation von der Grundlagenarbeit hin zu Einführung und Wirkung. Das AI-Buddy-Programm gehört in den schwierigen Mittelpunkt dieses Fortschritts.

Der Kauf von Enterprise-Konten adressiert mehrere wichtige Risiken. Er kann vertragliche Kontrollen, verwalteten Zugang und klarere Unterstützung bieten als persönliche Verbraucherkonten.

Die Beschaffung kann jedoch nicht bestimmen, ob eine Mitarbeiterin oder ein Mitarbeiter sensibles Material in einem Entwurf erkennt. Sie kann auch nicht sicherstellen, dass jemand eine erfundene Quelle überprüft oder subtile Verzerrungen bemerkt.

Der AI Council von UC hat Bildung als Governance-Anforderung und nicht als optionalen Zusatz behandelt. Sein Knowledge, Skills, and Awareness Subcommittee ist dafür verantwortlich, Schulungen, Engagement und Best Practices dauerhaft zu fördern.

Im Jahr 2026 startete der Rat zudem eine Webinarreihe zur KI-Kompetenz für Lehrende und Mitarbeitende. Die Sitzungen behandeln Grundkonzepte, praktische Nutzung, ethische Verantwortung und organisatorische Ressourcen.

Webinare bieten Konsistenz und Skalierung. Ein Buddy-Programm bietet Kontext, Wiederholung und einen niedrigschwelligen Ort, um Unsicherheit einzugestehen.

Diese Kombination ähnelt einem mehrschichtigen Sicherheitstraining. Zentrale Leitlinien legen die Regeln fest, während lokale Unterstützung Menschen hilft, sie auf Situationen anzuwenden, die formale Materialien nicht vorhersehen können.

Peer-Learning kann auch Unterschiede zwischen schriftlichen Richtlinien und der tatsächlichen Arbeit sichtbar machen. Wenn viele Mitarbeitende dieselbe Frage stellen, benötigt das Problem möglicherweise klarere Leitlinien oder ein besseres zugelassenes Tool.

Dieses Feedback ist innerhalb einer komplexen Institution besonders wertvoll. UCOP erfüllt Funktionen in Bereichen wie Beschaffung, Rechtsangelegenheiten, Hochschulpolitik, Finanzen, Kommunikation und systemweiter Verwaltung.

Ein universeller Prompt-Leitfaden kann diese Umgebungen nicht gleichermaßen abdecken. Die Risiken einer öffentlichen Pressemitteilung unterscheiden sich von denen bei Personal-, Rechts-, Gesundheits- oder Studierendeninformationen.

Das Programm kann erfolgreich sein, wenn es wiederkehrende Fragen in institutionelles Wissen überführt. Nützliche Beispiele könnten zu zugelassenen Vorlagen, Schulungsfällen oder Aktualisierungen des KI-Ressourcen-Hubs werden.

Ohne diese Rückkopplungsschleife droht die Initiative zu einem informellen Hilfsnetzwerk zu werden. Mitarbeitende würden uneinheitliche Antworten erhalten, während zentrale Teams wenig über Hürden bei der Einführung erfahren würden.

Organisationen, die ähnliche Programme prüfen, sollten gemeinsame Leitlinien als Teil eines umfassenderen AI workflow behandeln. Menschen benötigen wiederverwendbare Prozesse, nicht isolierte Prompt-Tricks.

Der Druck auf UCOP resultiert aus dem eigenen Fortschritt. Sobald Enterprise-Tools Hunderte Mitarbeitende erreichen, wird informelles Experimentieren zu einer betrieblichen Realität, die durch Richtlinien allein nicht gesteuert werden kann.

Peer-Learning Macht KI Zugänglich, Verbreitet Aber Auch Fehler

Die größte Stärke des Programms und seine zentrale Schwäche entspringen derselben Quelle: Mitarbeitende lernen von Menschen, denen sie bereits vertrauen.

Eine Kollegin oder ein Kollege versteht lokale Sprache, Einschränkungen und wiederkehrende Aufgaben oft besser als externe Lehrkräfte. Diese Vertrautheit kann Orientierung unmittelbar nützlich machen.

Eine erfahrene Mitarbeiterin oder ein erfahrener Mitarbeiter kann zeigen, wie sich ein öffentliches Dokument zusammenfassen, ein Entwurf umstrukturieren, Fragen für Besprechungen generieren oder nicht vertrauliche Alternativen vergleichen lassen. Die lernende Person kann die Methode anschließend an relevanter Arbeit erproben.

Dieser Ansatz verringert auch die Verlegenheit rund um grundlegende Fragen. Mitarbeitende zögern möglicherweise, eine große Schulungsgruppe zu fragen, warum ein Chatbot widersprüchliche Antworten erzeugt hat oder wie Prompts gespeichert werden.

Eine Buddy-Beziehung schafft Raum für solche Fragen. Sie kann Teilnehmenden vermitteln, dass Unsicherheit normal ist und Überprüfung zur verantwortungsvollen Nutzung gehört.

Das Modell erkennt zudem an, dass die Einführung von KI sozial geprägt ist. Menschen beobachten, wie respektierte Kolleginnen und Kollegen ein Tool einsetzen, bevor sie entscheiden, ob es in die eigene Arbeit gehört.

Dieser Mechanismus kann vorsichtige Gewohnheiten fördern, wenn Buddys Zurückhaltung vorleben. Sie können erklären, warum sie sensible Details entfernt, ein zugelassenes Konto gewählt oder eine Antwort verworfen haben.

Derselbe Mechanismus kann schlechte Praktiken genauso effizient verbreiten. Eine selbstsichere Mitarbeiterin oder ein selbstsicherer Mitarbeiter kann Datenregeln missverstehen, eine unzuverlässige Technik wiederholen oder anekdotischen Erfolg als gesicherte Evidenz darstellen.

Erfahrung mit einem KI-Produkt qualifiziert jemanden nicht automatisch dazu, andere zu beraten. Häufige Nutzer können darin versiert sein, Ausgaben zu erzeugen, und zugleich bei Quellenprüfung oder Datenschutzanalyse Schwächen aufweisen.

UCOP benötigt daher eine klare Definition der Buddy-Rolle. Buddys sollten Kolleginnen und Kollegen beim Lernen unterstützen, aber nicht zu inoffiziellen Datenschutzbeauftragten, Juristen oder Sicherheitsprüfern werden.

Sie benötigen außerdem einen Eskalationsweg. Fragen zu geschützten Daten, Beschaffung, Barrierefreiheit, Rechtsauslegung oder automatisierten Entscheidungen sollten an die zuständige Stelle weitergeleitet werden.

Ein nützliches Modell würde drei Kategorien von Aktivitäten unterscheiden.

Erstens kann risikoarme Erkundung öffentliche Informationen, erfundene Beispiele und Entwürfe ohne vertrauliche Details umfassen. Buddys können diese Aktivitäten unmittelbar begleiten.

Zweitens kann kontrollierte Arbeit zugelassene Enterprise-Tools und Informationen betreffen, die nach bestimmten Universitätsbedingungen erlaubt sind. Die Teilnehmenden benötigen weiterhin dokumentierte Regeln und menschliche Überprüfung.

Drittens sollte risikoreiche Arbeit die Genehmigung durch Fachleute erfordern oder außerhalb des Programms bleiben. Diese Kategorie umfasst folgenreiche Entscheidungen und Informationen, deren Offenlegung erheblichen Schaden verursachen würde.

Die bestehenden Governance-Materialien von UC stützen diese Struktur. Die Universität warnt vor versehentlicher Offenlegung, Diskriminierung, ordnungsgemäßen Verfahren, geistigem Eigentum und Richtlinienverstößen.

Das UC governance framework besagt, dass KI-Anwendungen dieselbe Sorgfalt und Compliance-Analyse erhalten sollten wie andere Nutzungen institutioneller Daten.

Dieses Prinzip verhindert einen häufigen Fehler. Eine dialogorientierte Oberfläche kann weniger formell wirken als eine Enterprise-Datenbank, selbst wenn beide sensible Informationen verarbeiten.

Das soziale Umfeld bringt ein weiteres Risiko mit sich: unbeabsichtigte Offenlegungen zwischen Kolleginnen und Kollegen. Eine lernende Person könnte einen Prompt, ein Quelldokument oder eine Ausgabe weitergeben, die der Buddy nicht sehen durfte.

Die Programmleitlinien sollten daher Offenlegungen unter Kolleginnen und Kollegen abdecken, nicht nur Daten, die an einen Anbieter übermittelt werden. Wenn sich Zugriffsrechte unterscheiden, benötigen Teilnehmende bereinigte Beispiele.

Auch die Buddy-Beziehung muss in der Praxis freiwillig bleiben. Beschäftigte sollten sich nicht unter Druck gesetzt fühlen, Unsicherheiten, Leistungsbedenken oder die Nutzung von Tools gegenüber Kolleginnen oder Kollegen offenzulegen.

Das Matching kann subtile Machtverhältnisse erzeugen, wenn Teilnehmende unterschiedliche Dienstalter, Beschäftigungsstatus oder Berichtslinien haben. Ein sicheres Programm braucht eine vertrauliche Möglichkeit, eine Neuzuordnung zu beantragen.

Barrierefreiheit erfordert ähnliche Sorgfalt. Einige Beschäftigte können von KI-gestütztem Entwerfen, Zusammenfassen oder Sprachtools profitieren, während andere auf unzugängliche Oberflächen oder unzuverlässige Ausgaben stoßen.

Ein Buddy kann jemandem helfen, Optionen zu erkunden, doch Entscheidungen zur Barrierefreiheit dürfen nicht von informeller Hilfsbereitschaft abhängen. Genehmigte Anpassungen und fachliche Unterstützung müssen weiterhin verfügbar sein.

Diese Kontrollen untergraben das Lernen unter Gleichgestellten nicht. Sie definieren, wo Peer Learning sinnvoll ist und wo institutionelle Verantwortung übernehmen muss.

Datenschutz hängt vom Prompt, dem Konto und den Daten ab

Eine Enterprise-Lizenz reduziert das Anbieterrisiko, doch der Datenschutz hängt weiterhin davon ab, was Beschäftigte eingeben und wie sie die Antwort verwenden.

UC arbeitet mit mehreren Stufen der Informationssensibilität. Öffentliche Materialien stehen an einem Ende, während stark eingeschränkte Gesundheits-, Finanz-, Rechts- und Identitätsinformationen am anderen stehen.

Eine Mitarbeiterin oder ein Mitarbeiter kann mehrere Stufen kombinieren, ohne es zu bemerken. Ein gewöhnliches Dokument kann eine Studierendenkennung, eine interne Strategie oder Kommentare zur Leistung von Beschäftigten enthalten.

Das macht Datenklassifizierung zu einer praktischen Kompetenz. Teilnehmende müssen lernen, eine Aufgabe zu prüfen, bevor sie ein Tool auswählen oder einen Prompt formulieren.

Die systemweiten Leitlinien von UC haben wiederholt kontrollierte Umgebungen betont. Lizenzierte Dienste bieten in der Regel stärkere institutionelle Schutzmaßnahmen als offene Verbraucherkonten.

„Enterprise“ ist jedoch keine allgemeingültige Freigabekennzeichnung. Jedes Produkt verfügt über genehmigte Einsatzbereiche, Vertragsbedingungen, technische Konfigurationen und Datengrenzen.

UCOP sagt, dass seine genehmigte ChatGPT EDU-Umgebung Informationen bis einschließlich P3 verarbeiten kann. Diese Aussage setzt weiterhin voraus, dass Beschäftigte wissen, ob ihr Material unter P3 fällt.

Die detaillierten Leitlinien für Assistenten von UC San Diego zeigen, wie komplex die tatsächliche Nutzung werden kann. Sie behandeln Einwilligung, Meeting-Aufzeichnung, genehmigte Speicherung, sensible Gespräche und Pflichten nach dem Öffentlichkeitsrecht.

Die Leitlinien untersagen KI-Aufzeichnungen in bestimmten administrativen Besprechungen mit P4-Daten. Beispiele sind Gesundheits-, Finanz-, Darlehens- und Informationen zu Studierenden ohne dokumentierten Aufenthaltsstatus.

Sie beschränken außerdem einige P3-Gespräche, darunter die Kommunikation zwischen Anwalt und Mandant, Leistungsberatungen sowie Informationen zu reproduktiver oder geschlechtsangleichender Versorgung.

Diese Beispiele zeigen, warum allgemeine Warnungen nicht ausreichen. „Keine vertraulichen Daten eingeben“ überlässt es Beschäftigten, sowohl Vertraulichkeit als auch die Grenzen eines Gesprächs zu interpretieren.

Meeting-Assistenten schaffen besondere Probleme, weil sie die Beiträge aller Sprechenden erfassen können. Teilnehmende wissen möglicherweise nicht, welcher Dienst aufzeichnet, wohin das Transkript gelangt oder wie lange es verfügbar bleibt.

Ein Buddy sollte diese Unsicherheit niemals intuitiv auflösen. Die sichere Reaktion besteht darin, vor der Aktivierung der Aufzeichnung die Leitlinien von Campus-Datenschutz, Sicherheit, Aktenwesen oder Rechtsabteilung zu konsultieren.

Auch die Genauigkeit stellt eine verwandte Governance-Frage dar. Ein Chatbot kann flüssige Texte erzeugen, die erfundene Fakten, Quellenangaben oder Richtlinienauslegungen enthalten.

Die Faktenprüfung muss externe Belege einbeziehen, nicht einen weiteren Prompt, der fragt, ob die erste Antwort korrekt war. Die prüfende Person benötigt das Originaldokument oder eine maßgebliche Quelle.

Beschäftigte sollten außerdem Brainstorming und Entscheidungsfindung trennen. KI kann Optionen generieren, doch eine Person mit entsprechender Verantwortung muss diese Optionen anhand von Richtlinien und Belegen bewerten.

Diese Unterscheidung wird entscheidend, wenn eine Ausgabe den Zugang, die Beschäftigung, den akademischen Status, die Beschaffung oder die Ressourcenverteilung beeinflusst. Eine überzeugend formulierte Empfehlung kann schwache Annahmen verbergen.

Die frühere KI-Arbeitsgruppe von UC identifizierte Fairness, Transparenz, Rechenschaftspflicht, Datenschutz und Sicherheit als systemweite Anliegen. Diese Grundsätze gelten auch dann, wenn Beschäftigte einen allgemeinen Chatbot verwenden.

Das Buddy-Programm kann sie durch kurze Szenarien konkret machen. Ein Szenario könnte fragen, ob ein öffentlicher Bericht in ChatGPT EDU zusammengefasst werden darf.

Ein anderes könnte eine Tabelle mit Beschäftigteninformationen betreffen. Teilnehmende würden vor dem Fortfahren die Datenklasse, die genehmigte Umgebung, Zugriffsrechte und erforderliche menschliche Prüfungen bestimmen.

Szenariobasiertes Lernen kann auch zeigen, wann KI nur wenig Mehrwert bietet. Manchmal dauert das Entfernen sensibler Details länger als die Erledigung der ursprünglichen Aufgabe.

Das ist ein legitimes Ergebnis. Verantwortungsvolle Einführung umfasst auch die Erkenntnis, wann ein KI-System nicht genutzt werden sollte.

Die Glaubwürdigkeit des Programms wird davon abhängen, ob es diese Zurückhaltung belohnt. Wenn von jeder Paarung erwartet wird, einen neuen KI-Workflow zu erzeugen, könnten Teilnehmende ungeeignete Aufgaben in die Technologie zwängen.

UCOP sollte stattdessen fundierte Entscheidungen anerkennen, einschließlich Fällen, in denen Teams einen Einsatzbereich eingrenzen, ein anderes System wählen oder KI ganz vermeiden.

Drei Signale werden zeigen, ob das Programm funktioniert

Der nächste Test besteht darin, ob UCOP besseres Urteilsvermögen und nützliche Arbeit messen kann, ohne freiwilliges Lernen in Mitarbeiterüberwachung zu verwandeln.

Das erste Signal ist die Qualität der Teilnahme. Einschreibezahlen sind weniger wichtig als die Frage, ob die Paarungen aktiv bleiben und Beschäftigte mit unterschiedlichen Rollen und Ausgangskompetenzen unterstützen.

UCOP sollte prüfen, ob Teilnehmende sich treffen, vereinbarte Lernziele erreichen und bei bestimmten Aufgaben mehr Sicherheit berichten. Es sollte außerdem verfolgen, ob Buddies geschützte Zeit erhalten.

Eine hohe Zahl an Anmeldungen mit anschließend inaktiven Paarungen würde darauf hindeuten, dass Beschäftigten Zeit, geeignete Matches oder Unterstützung durch Führungskräfte fehlten. Dieses Ergebnis würde das Peer-Learning-Modell schwächen.

Nachhaltige Teilnahme würde eine andere Schlussfolgerung stützen. Sie würde zeigen, dass Beschäftigte über formale Kurse und Dokumentation hinaus einen Nutzen in kontextbezogener Anleitung sehen.

Das zweite Signal ist die Qualität der erarbeiteten Anwendungsfälle. Starke Beispiele sollten die Aufgabe, das genehmigte Tool, zulässige Daten, die Verifizierungsmethode, die verantwortliche Person und das gemessene Ergebnis benennen.

Der Bericht von UCOP aus dem Jahr 2025 liefert bereits eine Ausgangsbasis für die Einführung. Er erfasst Lizenzen, Nutzende, Prompts und Veranstaltungen, doch das Buddy-Programm benötigt Evidenz, die näher an den Ergebnissen liegt.

Nützliche Messgrößen könnten eine verkürzte Bearbeitungszeit, weniger Überarbeitungen, verbesserte Prüfungen der Barrierefreiheit oder einen schnelleren Abruf genehmigter öffentlicher Informationen umfassen. Jede Behauptung erfordert einen klar definierten Vergleich.

UC Tech News hat ein vielversprechendes Modell beschrieben. Ein campusübergreifendes Team konfigurierte ein GPT für eine erste Prüfung anhand von WCAG 2.1 und den UC-Markenrichtlinien.

Der Barrierefreiheitsprüfer übernimmt einen mühsamen ersten Durchgang und schlägt Änderungen vor. Menschliche Verantwortliche müssen seine Ergebnisse weiterhin validieren und die Arbeit abschließen.

Ein solcher klar abgegrenzter Workflow ist aussagekräftiger als eine allgemeine Behauptung über Produktivität. Er legt fest, was das System prüft, welche Standards gelten und wo menschliches Urteilsvermögen erhalten bleibt.

Das dritte Signal ist das Sicherheitsfeedback des Programms. UCOP sollte wiederkehrende Fragen, Beinahe-Vorfälle, Eskalationsanfragen und unklare Richtlinienbereiche beobachten, ohne unnötige Prompt-Inhalte zu erfassen.

Ein Anstieg der Fragen würde nicht automatisch bedeuten, dass das Programm mehr Risiko geschaffen hat. Er könnte zeigen, dass Beschäftigte Probleme erkennen, die ihnen zuvor entgangen sind.

Die wichtige Messgröße ist, ob diese Fragen die richtigen Fachleute erreichen. Programmverantwortliche sollten außerdem dokumentieren, wie Antworten zu aktualisierten Leitlinien für zukünftige Teilnehmende werden.

Datenschutzfreundliche Messung wird Zurückhaltung erfordern. UCOP benötigt kein vollständiges Archiv von Mitarbeiter-Prompts, um zu verstehen, welche Themen Unsicherheit erzeugen.

Aggregierte Kategorien können zeigen, ob Beschäftigte Schwierigkeiten mit Datenklassifizierung, Halluzinationen, Meeting-Aufzeichnung, Urheberrecht, Barrierefreiheit oder der Kontoauswahl haben.

Die nächsten ein bis drei Monate sollten zeigen, ob Peer Learning Teil der umfassenderen KI-Governance-Struktur von UCOP wird. Drei Entwicklungen verdienen Aufmerksamkeit.

Erstens sollte UCOP klarere Buddy-Standards veröffentlichen oder intern verbreiten. Diese sollten Rollengrenzen, Eskalationswege, sichere Übungen und Erwartungen an Vorgesetzte definieren.

Zweitens sollte die Organisation wiederverwendbare Workflows mit dokumentierter menschlicher Prüfung identifizieren. Das würde eine Bewegung von beiläufigem Experimentieren hin zu verantwortlicher operativer Praxis belegen.

Drittens sollte Programmfeedback zu sichtbaren Aktualisierungen von Richtlinien oder Schulungen führen. Dieses Ergebnis würde beweisen, dass Lernen in beide Richtungen verläuft: von zentralen Fachleuten zu Beschäftigten und zurück.

Andere Arbeitgeber sollten dem Namen nicht folgen, ohne auch die Kontrollen zu übernehmen. Ein Buddy-Programm ist erfolgreich, wenn es Vertrauen, praktische Arbeit, geschützte Zeit und klare institutionelle Rechenschaftspflicht verbindet.

Beschäftigte, die eine ähnliche Initiative erwägen, sollten mit einer Frage beginnen: Kann jede teilnehmende Person erklären, welche Daten, welches Konto, welche Belege und welche menschliche prüfende Person ein vorgeschlagener Workflow erfordert?

Wenn die Antwort dauerhaft klar wird, hat UCOP mehr geschaffen als eine weitere Einführungskampagne. Es wird einen wiederholbaren Weg aufgebaut haben, auf dem Beschäftigte gemeinsam lernen und zugleich erkennen, wo KI aufhören sollte.