El programa AI Buddy de UCOP pone a prueba el aprendizaje entre pares frente al riesgo para la privacidad
La Oficina del Presidente de la Universidad de California ha presentado un programa voluntario llamado AI Buddy, pese a que persisten dudas sobre la privacidad, la precisión y el tiempo del personal.
El programa empareja a usuarios experimentados de IA con compañeros que buscan orientación práctica. Los participantes pueden explorar herramientas como ChatGPT, Claude, Google Gemini y Microsoft Copilot mediante apoyo directo entre pares.
Este diseño convierte la iniciativa en algo más relevante que otro seminario web laboral. UCOP está probando si los compañeros de confianza pueden transformar la sensibilización general sobre IA en una práctica diaria responsable sin normalizar experimentos inseguros.
La tensión se sitúa entre dos necesidades legítimas. El personal necesita oportunidades para comprender sistemas que ya están transformando el trabajo administrativo. También maneja información institucional que no puede introducirse con seguridad en cualquier chatbot.
Por tanto, UCOP se enfrenta a una prueba que comparten las universidades y otros grandes empleadores. El acceso y el entusiasmo pueden extenderse rápidamente, pero el criterio fiable se desarrolla con mayor lentitud.
UCOP está convirtiendo la formación en IA en una relación entre pares
El programa AI Buddy desplaza la formación laboral en IA de la enseñanza programada hacia el aprendizaje voluntario, persona a persona.
El portavoz de UCOP, Stett Holbrook, describió el programa como una iniciativa interna y voluntaria para el aprendizaje del personal, según el informe original sobre su puesta en marcha. Los participantes con más experiencia actúan como buddies para compañeros con menor experiencia en herramientas de IA.
El modelo de emparejamiento reconoce una debilidad habitual de la formación tecnológica formal. Una presentación puede explicar funciones, políticas y ejemplos de prompts, pero rara vez acompaña a un empleado durante un flujo de trabajo complejo.
Un compañero puede responder a la pregunta que surge cuando alguien empieza a trabajar. Esa pregunta podría referirse a un resultado confuso, a un documento que contiene información sensible o a si la IA tiene cabida en la tarea.
Según se informa, los participantes indican durante la inscripción las herramientas y los temas que desean explorar. Entre las posibles áreas se incluyen la IA para la enseñanza y el aprendizaje, la evaluación de resultados y la verificación de datos.
Estas opciones son importantes porque la “alfabetización en IA” abarca varias capacidades distintas. Redactar un prompt eficaz no es lo mismo que evaluar una cita, proteger información personal o decidir si la automatización es apropiada.
El programa también parece diseñado para admitir varias plataformas principales. Este enfoque refleja la realidad de que los miembros del personal encuentran distintos sistemas a través de cuentas universitarias y personales.
Sin embargo, la variedad de plataformas complica la formación. Cada servicio tiene contratos, controles de datos, prácticas de retención, integraciones y usos aprobados diferentes.
El propio catálogo de software de UCOP ilustra esta distinción. Su guía sobre ChatGPT indica que las actividades universitarias deben usar ChatGPT EDU, aprobado para información conforme a la clasificación P3 de UC.
Esta aprobación no hace apropiado cualquier prompt. Los empleados aún deben comprender los datos implicados, la finalidad del procesamiento y las normas universitarias que rigen la tarea.
Los productos de Microsoft añaden otra capa de complejidad. Copilot Chat, Microsoft 365 Copilot y Copilot Studio ofrecen conexiones y capacidades diferentes, aunque los empleados puedan llamar “Copilot” a los tres.
UCOP afirma que Microsoft 365 Copilot requiere la aprobación del responsable. Copilot Studio puede crear agentes conversacionales especializados conectados a sistemas y documentos de la organización.
Por tanto, un buddy debe hacer más que demostrar un prompt ingenioso. Una orientación eficaz debe vincular cada flujo de trabajo con la cuenta adecuada, la plataforma aprobada y la clasificación de información correspondiente.
La iniciativa también pide a los empleados interesados que consulten con sus supervisores antes de participar. Este detalle evita que una actividad de aprendizaje nominalmente voluntaria se convierta en trabajo invisible.
Si el aprendizaje sobre IA ocurre fuera de las responsabilidades habituales, la participación favorecerá a los empleados con horarios flexibles. También puede imponer una carga de apoyo no reconocida a los buddies más experimentados.
La participación de los responsables puede proteger el tiempo destinado al aprendizaje. También puede ayudar a los equipos a elegir casos de uso vinculados al trabajo real, en lugar de experimentar sin un resultado definido.
Por tanto, el primer cambio importante es organizativo, no técnico. UCOP está creando una capa de apoyo humano entre el acceso empresarial a la IA y la adopción cotidiana.
Por qué UCOP necesita más que acceso a herramientas
El desafío de UCOP ya no consiste en adquirir herramientas de IA, sino en ayudar al personal a utilizarlas de forma consistente, segura y con fines defendibles.
UC ya ha construido buena parte de la base sobre la que se apoya la iniciativa de buddies. Un acuerdo de OpenAI para todo el sistema entró en vigor en junio de 2024 y cubre ChatGPT Enterprise y EDU.
El acuerdo de UC incluye condiciones de privacidad de datos, una evaluación de riesgos del proveedor y protecciones de confidencialidad para los prompts y las respuestas de los clientes. También establece un marco compartido de contratación para los campus participantes.
Posteriormente, UCOP amplió el acceso de los empleados a ChatGPT y Microsoft Copilot. Su informe tecnológico de 2025 indica que se habían desplegado más de 1.000 licencias, incluidas 700 licencias de ChatGPT y 300 de Copilot.
El informe también registra 230.000 prompts enviados desde mayo de 2025. Señala que 800 miembros del personal utilizaron herramientas de IA entre junio y octubre de 2025.
Estas cifras muestran actividad, pero la actividad no equivale a valor. El recuento de prompts no puede revelar si un resultado era correcto, si una tarea mejoró o si el personal evitó datos inapropiados.
El informe de UCOP afirma que la organización está pasando de los cimientos a la adopción y el impacto. El programa AI Buddy se sitúa en el difícil centro de esa progresión.
La adquisición de cuentas empresariales aborda varios riesgos importantes. Puede proporcionar controles contractuales, acceso gestionado y un soporte más claro que las cuentas personales de consumo.
Sin embargo, la contratación no puede determinar si un empleado reconoce material sensible dentro de un borrador. Tampoco puede garantizar que alguien verifique una cita inventada o detecte un sesgo sutil.
El Consejo de IA de UC ha tratado la educación como un requisito de gobernanza, no como un complemento opcional. Su Subcomité de Conocimientos, Habilidades y Concienciación es responsable de mantener la formación, la participación y las mejores prácticas.
En 2026, el consejo también lanzó una serie de seminarios web sobre alfabetización en IA para profesorado y personal. Las sesiones abarcan conceptos básicos, uso práctico, responsabilidades éticas y recursos organizativos.
Los seminarios web ofrecen consistencia y escala. Un programa de buddies ofrece contexto, repetición y un espacio de menor fricción para admitir incertidumbre.
Esta combinación se asemeja a la formación en seguridad por capas. La orientación central establece las reglas, mientras que el apoyo local ayuda a las personas a aplicarlas a situaciones que los materiales formales no pueden anticipar.
El aprendizaje entre pares también puede revelar diferencias entre la política escrita y el trabajo real. Si muchos miembros del personal hacen la misma pregunta, el problema podría requerir una orientación más clara o una herramienta aprobada mejor.
Esta retroalimentación es especialmente valiosa dentro de una institución compleja. UCOP presta servicios en áreas que incluyen contratación, asuntos jurídicos, política académica, finanzas, comunicaciones y administración de todo el sistema.
Una única guía universal de prompts no puede cubrir estos entornos con la misma eficacia. Los riesgos de un comunicado de prensa público difieren de los relacionados con información de personal, jurídica, sanitaria o estudiantil.
El programa puede tener éxito si convierte las preguntas recurrentes en conocimiento institucional. Los ejemplos útiles podrían convertirse en plantillas aprobadas, casos de formación o actualizaciones del centro de recursos de IA.
Sin este ciclo de retroalimentación, la iniciativa corre el riesgo de convertirse en una red informal de ayuda. Los empleados recibirían respuestas inconsistentes, mientras que los equipos centrales aprenderían poco sobre las barreras para la adopción.
Las organizaciones que exploran programas similares deberían tratar la orientación compartida como parte de un flujo de trabajo de IA más amplio. Las personas necesitan procesos reutilizables, no trucos aislados de prompts.
La presión de UCOP procede de su propio avance. Una vez que las herramientas empresariales llegan a cientos de empleados, la experimentación informal se convierte en una realidad operativa que la política por sí sola no puede gestionar.
El aprendizaje entre pares hace que la IA sea accesible, pero también propaga errores
La mayor fortaleza del programa y su debilidad central proceden de la misma fuente: los empleados aprenden de personas en quienes ya confían.
Un compañero suele comprender mejor que un instructor externo el lenguaje local, las limitaciones y las tareas recurrentes. Esa familiaridad puede hacer que la orientación sea inmediatamente útil.
Un miembro experimentado del personal puede mostrar cómo resumir un documento público, reestructurar un borrador, generar preguntas para una reunión o comparar alternativas no confidenciales. Después, quien aprende puede probar el método en trabajo relevante.
Este enfoque también reduce la vergüenza asociada a las preguntas básicas. Los empleados pueden dudar en preguntar a un gran grupo de formación por qué un chatbot produjo respuestas inconsistentes o cómo se almacenan los prompts.
Una relación de buddy crea espacio para esas preguntas. Puede ayudar a los participantes a aprender que la incertidumbre es normal y que la verificación forma parte de un uso responsable.
El modelo también reconoce que la adopción de IA es social. Las personas observan cómo los compañeros respetados utilizan una herramienta antes de decidir si tiene cabida en su propio trabajo.
Este mecanismo puede promover hábitos prudentes cuando los buddies dan ejemplo de moderación. Pueden explicar por qué eliminaron detalles sensibles, eligieron una cuenta aprobada o rechazaron una respuesta.
El mismo mecanismo puede propagar malas prácticas con la misma eficacia. Un empleado seguro de sí mismo puede malinterpretar las normas sobre datos, repetir una técnica poco fiable o presentar un éxito anecdótico como evidencia consolidada.
La experiencia con un producto de IA no convierte automáticamente a alguien en una persona cualificada para asesorar a otros. Los usuarios frecuentes pueden ser hábiles al generar resultados y, al mismo tiempo, tener deficiencias en la verificación de fuentes o el análisis de privacidad.
Por tanto, UCOP necesita una definición clara del papel del buddy. Los buddies deben ayudar a sus compañeros a aprender, pero no deberían convertirse en responsables oficiosos de privacidad, abogados o revisores de seguridad.
También necesitan una vía de escalamiento. Las preguntas relacionadas con datos protegidos, contratación, accesibilidad, interpretación jurídica o decisiones automatizadas deben remitirse a la oficina responsable.
Un modelo útil distinguiría tres categorías de actividad.
En primer lugar, la exploración de bajo riesgo puede incluir información pública, ejemplos inventados y borradores sin detalles confidenciales. Los buddies pueden orientar estas actividades directamente.
En segundo lugar, el trabajo controlado puede implicar herramientas empresariales aprobadas e información permitida conforme a condiciones universitarias específicas. Los participantes siguen necesitando normas documentadas y revisión humana.
En tercer lugar, el trabajo de alto riesgo debe requerir la aprobación de especialistas o permanecer fuera del programa. Esta categoría incluye decisiones de consecuencias relevantes e información cuya exposición generaría daños significativos.
Los materiales de gobernanza existentes de UC respaldan esta estructura. La universidad advierte sobre la divulgación accidental, la discriminación, el debido proceso, la propiedad intelectual y las infracciones de políticas.
El marco de gobernanza de UC afirma que las aplicaciones de IA deben recibir la misma cautela y análisis de cumplimiento que otros usos de datos institucionales.
Este principio evita un error común. Una interfaz conversacional puede parecer menos formal que una base de datos empresarial, incluso cuando ambas procesan información sensible.
El contexto social introduce otro riesgo: la divulgación accidental entre colegas. Un participante podría compartir un prompt, un documento fuente o un resultado que su compañero no estaba autorizado a ver.
Por tanto, la orientación del programa debe abordar la divulgación entre pares, no solo los datos enviados a un proveedor. Los participantes necesitan ejemplos desinfectados siempre que difieran los derechos de acceso.
La relación entre compañeros también debe seguir siendo voluntaria en la práctica. Un empleado no debería sentirse presionado a revelar incertidumbres, inquietudes sobre su desempeño o el uso de herramientas a un colega.
La asignación de parejas puede crear dinámicas de poder sutiles cuando los participantes tienen distinta antigüedad, clasificaciones laborales o relaciones de supervisión. Un programa seguro necesita una vía confidencial para solicitar una reasignación.
La accesibilidad requiere un cuidado similar. Algunos empleados pueden beneficiarse de la redacción, la síntesis o las herramientas de voz asistidas por IA, mientras que otros pueden encontrarse con interfaces inaccesibles o resultados poco fiables.
Un compañero puede ayudar a alguien a explorar opciones, pero las decisiones de accesibilidad no deben depender de la buena voluntad informal. Las adaptaciones aprobadas y el apoyo especializado deben seguir estando disponibles.
Estos controles no socavan el aprendizaje entre pares. Definen dónde es útil el aprendizaje entre pares y dónde debe asumir la responsabilidad institucional.
La privacidad depende del prompt, la cuenta y los datos
Una licencia empresarial reduce el riesgo del proveedor, pero la privacidad sigue dependiendo de lo que los empleados envían y de lo que hacen con la respuesta.
UC opera con varios niveles de sensibilidad de la información. El material público se encuentra en un extremo, mientras que la información sanitaria, financiera, legal y de identidad altamente restringida se sitúa en el otro.
Un miembro del personal puede combinar varios niveles sin darse cuenta. Un documento ordinario puede incluir un identificador de estudiante, una estrategia interna o comentarios sobre el desempeño de empleados.
Eso convierte la clasificación de datos en una habilidad práctica. Los participantes deben aprender a examinar una tarea antes de seleccionar una herramienta o redactar un prompt.
La orientación de UC a nivel de todo el sistema ha hecho hincapié repetidamente en los entornos controlados. Los servicios con licencia suelen ofrecer protecciones institucionales más sólidas que las cuentas abiertas de consumo.
Sin embargo, «empresarial» no es una etiqueta de permiso universal. Cada producto tiene usos aprobados, condiciones contractuales, configuraciones técnicas y límites de datos.
UCOP afirma que su entorno aprobado de ChatGPT EDU puede manejar información hasta P3. Esa afirmación sigue exigiendo que los empleados sepan si su material se encuentra dentro de P3.
Las detalladas directrices para asistentes de UC San Diego demuestran lo complejo que se vuelve el uso en el mundo real. Abordan el consentimiento, la captura de reuniones, el almacenamiento aprobado, las conversaciones sensibles y las obligaciones de registros públicos.
Las directrices prohíben la captura mediante IA en determinadas reuniones administrativas que involucran datos P4. Los ejemplos incluyen información sanitaria, financiera, de préstamos y de estudiantes indocumentados.
También restringen algunas conversaciones P3, incluidas las comunicaciones entre abogado y cliente, las deliberaciones sobre desempeño y la información relacionada con la atención reproductiva o de afirmación de género.
Estos ejemplos muestran por qué las advertencias generales son insuficientes. «No introduzca datos confidenciales» deja a los empleados la tarea de interpretar tanto la confidencialidad como los límites de una conversación.
Los asistentes para reuniones plantean problemas particulares porque pueden recopilar la contribución de cada interlocutor. Los participantes pueden no saber qué servicio está grabando, adónde va la transcripción o cuánto tiempo permanece disponible.
Un compañero nunca debería resolver esa incertidumbre por intuición. La respuesta segura es consultar la orientación del campus en materia de privacidad, seguridad, registros o asuntos legales antes de habilitar la captura.
La precisión plantea una preocupación de gobernanza relacionada. Un chatbot puede producir texto fluido que incluya hechos, citas o interpretaciones de políticas inventados.
La verificación de hechos debe implicar evidencia externa, no otro prompt que pregunte si la primera respuesta era correcta. El revisor necesita el documento original o una fuente autorizada.
El personal también debería separar la lluvia de ideas de la toma de decisiones. La IA puede generar opciones, pero una persona con la responsabilidad adecuada debe evaluar esas opciones frente a las políticas y la evidencia.
Esta distinción se vuelve crítica cuando un resultado afecta el acceso, el empleo, la situación académica, las adquisiciones o la asignación de recursos. Una recomendación pulida puede ocultar supuestos débiles.
El anterior grupo de trabajo sobre IA de UC identificó la equidad, la transparencia, la rendición de cuentas, la privacidad y la seguridad como preocupaciones a nivel de todo el sistema. Estos principios se aplican incluso cuando el personal utiliza un chatbot general.
El programa de compañeros puede hacerlos concretos mediante escenarios breves. Un escenario podría preguntar si un informe público puede resumirse en ChatGPT EDU.
Otro podría involucrar una hoja de cálculo con información de empleados. Los participantes identificarían la clase de datos, el entorno aprobado, los derechos de acceso y las verificaciones humanas necesarias antes de proceder.
El aprendizaje basado en escenarios también puede revelar cuándo la IA aporta poco valor. A veces, eliminar los detalles sensibles lleva más tiempo que completar la tarea original.
Ese es un resultado legítimo. La adopción responsable incluye reconocer cuándo no utilizar un sistema de IA.
La credibilidad del programa dependerá de si recompensa esa prudencia. Si se espera que cada pareja produzca un nuevo flujo de trabajo de IA, los participantes pueden forzar tareas inadecuadas a entrar en la tecnología.
En su lugar, UCOP debería reconocer las decisiones acertadas, incluidos los casos en que los equipos acotan un uso, eligen un sistema diferente o evitan la IA por completo.
Tres señales mostrarán si el programa funciona
La siguiente prueba es si UCOP puede medir un mejor criterio y un trabajo útil sin convertir el aprendizaje voluntario en vigilancia de empleados.
La primera señal es la calidad de la participación. Los totales de inscripción importan menos que si las parejas se mantienen activas y atienden a empleados con distintas funciones y niveles iniciales de habilidad.
UCOP debería examinar si los participantes se reúnen, completan los objetivos de aprendizaje acordados e informan de una mayor confianza en tareas específicas. También debería hacer seguimiento de si los compañeros reciben tiempo protegido.
Un alto número de inscripciones seguido de parejas inactivas sugeriría que el personal carecía de tiempo, de asignaciones útiles o de apoyo directivo. Ese resultado debilitaría el modelo de aprendizaje entre pares.
La participación sostenida respaldaría una conclusión diferente. Mostraría que los empleados encuentran valor en una orientación contextual que va más allá de los cursos formales y la documentación.
La segunda señal es la calidad de los casos de uso producidos. Los ejemplos sólidos deberían identificar la tarea, la herramienta aprobada, los datos permitidos, el método de verificación, el responsable humano y el resultado medido.
El informe de UCOP de 2025 ya proporciona una referencia de adopción. Registra licencias, usuarios, prompts y eventos, pero el programa de compañeros necesita evidencia más cercana a los resultados.
Las medidas útiles podrían incluir una reducción del tiempo de procesamiento, menos revisiones, mejores comprobaciones de accesibilidad o una recuperación más rápida de información pública aprobada. Cada afirmación requiere una comparación definida.
UC Tech News ha descrito un modelo prometedor. Un equipo intercampus configuró un GPT para realizar una revisión inicial conforme a WCAG 2.1 y a las directrices de marca de UC.
El revisor de accesibilidad realiza una primera pasada tediosa y ofrece cambios sugeridos. Los responsables humanos aún deben validar sus hallazgos y completar el trabajo.
Este tipo de flujo de trabajo delimitado es más informativo que una afirmación general sobre productividad. Especifica qué revisa el sistema, qué estándares se aplican y dónde se mantiene el juicio humano.
La tercera señal es la retroalimentación sobre seguridad del programa. UCOP debería supervisar preguntas recurrentes, incidentes evitados por poco, solicitudes de escalamiento y áreas de políticas confusas sin recopilar contenido innecesario de prompts.
Un aumento de las preguntas no significaría automáticamente que el programa creó más riesgo. Podría mostrar que los empleados están reconociendo problemas que antes pasaban por alto.
La medida importante es si esas preguntas llegan a los expertos adecuados. Los líderes del programa también deberían documentar cómo las respuestas se convierten en orientación actualizada para futuros participantes.
La medición que preserve la privacidad requerirá moderación. UCOP no necesita un archivo completo de los prompts de los empleados para comprender qué temas generan incertidumbre.
Las categorías agregadas pueden revelar si el personal tiene dificultades con la clasificación de datos, las alucinaciones, la captura de reuniones, los derechos de autor, la accesibilidad o la selección de cuentas.
Los próximos uno a tres meses deberían mostrar si el aprendizaje entre pares se convierte en parte de la estructura más amplia de gobernanza de IA de UCOP. Tres avances merecen atención.
En primer lugar, UCOP debería publicar o distribuir internamente estándares más claros para los compañeros. Estos deberían definir los límites de los roles, las vías de escalamiento, los ejercicios seguros y las expectativas de los supervisores.
En segundo lugar, la organización debería identificar flujos de trabajo reutilizables con revisión humana documentada. Esto demostraría un avance desde la experimentación casual hacia una práctica operativa responsable.
En tercer lugar, la retroalimentación del programa debería producir actualizaciones visibles de políticas o formación. Ese resultado demostraría que el aprendizaje se mueve en ambas direcciones, desde los expertos centrales hacia el personal y de vuelta.
Otros empleadores deberían resistirse a copiar el nombre sin copiar los controles. Un programa de compañeros tiene éxito cuando combina confianza, trabajo práctico, tiempo protegido y una clara rendición de cuentas institucional.
Los empleados que consideren una iniciativa similar deberían comenzar con una pregunta: ¿Puede cada participante explicar qué datos, cuenta, evidencia y revisor humano requiere un flujo de trabajo propuesto?
Si la respuesta se vuelve sistemáticamente clara, UCOP habrá creado más que otra campaña de adopción. Habrá construido una forma repetible para que el personal aprenda en conjunto y, al mismo tiempo, reconozca dónde debe detenerse la IA.
