Il programma AI Buddy di UCOP mette alla prova l’apprendimento tra pari contro i rischi per la privacy

L’Office of the President dell’Università della California ha introdotto un programma volontario AI Buddy, nonostante restino aperte questioni su privacy, accuratezza e tempo del personale.

Il programma abbina utenti esperti di AI a colleghi che desiderano una guida pratica. I partecipanti possono esplorare strumenti tra cui ChatGPT, Claude, Google Gemini e Microsoft Copilot attraverso il supporto diretto di altri colleghi.

Questa impostazione rende l’iniziativa più significativa dell’ennesimo webinar aziendale. UCOP sta verificando se colleghi fidati possano trasformare una generica consapevolezza dell’AI in pratiche quotidiane responsabili, senza normalizzare sperimentazioni non sicure.

La tensione è tra due esigenze entrambe legittime. Il personale ha bisogno di opportunità per comprendere sistemi che stanno già cambiando il lavoro amministrativo. Ma gestisce anche informazioni istituzionali che non possono essere inserite in sicurezza in ogni chatbot.

UCOP si trova quindi davanti a una prova condivisa da università e altri grandi datori di lavoro. Accesso ed entusiasmo possono diffondersi rapidamente, mentre un giudizio affidabile si sviluppa più lentamente.

UCOP trasforma la formazione sull’AI in una relazione tra pari

Il programma AI Buddy sposta la formazione aziendale sull’AI dall’istruzione programmata a un apprendimento volontario, da persona a persona.

Secondo il rapporto originale sul suo lancio, il portavoce di UCOP Stett Holbrook ha descritto il programma come un’iniziativa interna e volontaria dedicata all’apprendimento del personale. I partecipanti più esperti svolgono il ruolo di buddy per colleghi con minore esperienza negli strumenti di AI.

Il modello di abbinamento riconosce una debolezza comune della formazione tecnologica formale. Una presentazione può illustrare funzionalità, policy e prompt di esempio, ma raramente accompagna un dipendente durante un flusso di lavoro complesso.

Un collega può rispondere alla domanda che emerge quando una persona inizia davvero a lavorare. Può riguardare un output confuso, un documento contenente informazioni sensibili o il fatto che l’AI sia o meno appropriata per quel compito.

Secondo quanto riportato, i partecipanti indicano in fase di registrazione gli strumenti e gli argomenti che desiderano esplorare. Le possibili aree includono l’AI per insegnamento e apprendimento, la valutazione degli output e il fact-checking.

Queste scelte sono importanti perché l’“alfabetizzazione AI” comprende diverse capacità distinte. Scrivere un prompt efficace è diverso dal valutare una citazione, proteggere informazioni personali o decidere se l’automazione sia appropriata.

Il programma sembra inoltre progettato per accogliere diverse piattaforme principali. Questo approccio riflette la realtà in cui i membri del personale incontrano sistemi differenti attraverso account universitari e personali.

Tuttavia, la varietà delle piattaforme complica la formazione. Ogni servizio presenta contratti, controlli sui dati, pratiche di conservazione, integrazioni e utilizzi approvati differenti.

Il catalogo software di UCOP evidenzia questa distinzione. La sua guida a ChatGPT afferma che le attività universitarie devono usare ChatGPT EDU, approvato per informazioni fino alla classificazione P3 di UC.

Questa approvazione non rende appropriato ogni prompt. I dipendenti devono comunque comprendere i dati coinvolti, lo scopo del trattamento e le regole universitarie che disciplinano il compito.

I prodotti Microsoft aggiungono un ulteriore livello di complessità. Copilot Chat, Microsoft 365 Copilot e Copilot Studio offrono connessioni e capacità diverse, anche se i dipendenti possono chiamarli tutti e tre semplicemente “Copilot”.

UCOP afferma che Microsoft 365 Copilot richiede l’approvazione del responsabile. Copilot Studio può creare agenti conversazionali specializzati collegati a sistemi e documenti organizzativi.

Un buddy deve quindi fare più che mostrare un prompt ingegnoso. Una guida efficace deve collegare ogni flusso di lavoro all’account corretto, alla piattaforma approvata e alla classificazione delle informazioni appropriata.

L’iniziativa chiede inoltre ai dipendenti interessati di consultare i propri supervisori prima di partecipare. Questo dettaglio evita che un’attività di apprendimento nominalmente volontaria diventi lavoro invisibile.

Se l’apprendimento dell’AI avviene al di fuori delle normali responsabilità, la partecipazione favorirà i dipendenti con orari flessibili. Può inoltre imporre un onere di supporto non riconosciuto ai buddy più esperti.

Il coinvolgimento dei responsabili può proteggere il tempo dedicato all’apprendimento. Può anche aiutare i team a selezionare casi d’uso legati al lavoro reale anziché sperimentare senza un risultato definito.

Il primo cambiamento importante è dunque organizzativo, non tecnico. UCOP sta creando uno strato di supporto umano tra l’accesso all’AI aziendale e l’adozione quotidiana.

Perché UCOP ha bisogno di più del semplice accesso agli strumenti

La sfida di UCOP non è più acquisire strumenti di AI; è aiutare il personale a usarli in modo coerente, sicuro e per finalità difendibili.

UC ha già costruito gran parte delle fondamenta su cui poggia l’iniziativa buddy. Un accordo OpenAI a livello di sistema è entrato in vigore nel giugno 2024 e copre ChatGPT Enterprise ed EDU.

L’accordo UC include condizioni sulla privacy dei dati, una valutazione del rischio del fornitore e tutele di riservatezza per prompt e risposte dei clienti. Stabilisce inoltre un quadro di approvvigionamento condiviso per i campus partecipanti.

Successivamente, UCOP ha ampliato l’accesso dei dipendenti a ChatGPT e Microsoft Copilot. Il suo rapporto tecnologico del 2025 afferma che sono state distribuite oltre 1.000 licenze, comprese 700 licenze ChatGPT e 300 licenze Copilot.

Il rapporto registra inoltre 230.000 prompt inviati da maggio 2025. Afferma che 800 membri del personale hanno utilizzato strumenti di AI tra giugno e ottobre 2025.

Questi dati mostrano attività, ma l’attività non equivale al valore. Il numero di prompt non può rivelare se un output fosse corretto, se un compito sia migliorato o se il personale abbia evitato dati inappropriati.

Il rapporto di UCOP afferma che l’organizzazione sta passando dalle fondamenta all’adozione e all’impatto. Il programma AI Buddy si colloca nel difficile centro di questa progressione.

L’acquisto di account aziendali affronta diversi rischi importanti. Può fornire controlli contrattuali, accesso gestito e supporto più chiaro rispetto agli account consumer personali.

Tuttavia, l’approvvigionamento non può stabilire se un dipendente riconosca materiale sensibile in una bozza. Né può garantire che qualcuno verifichi una citazione inventata o rilevi un bias sottile.

L’AI Council di UC ha trattato l’istruzione come un requisito di governance, non come un’integrazione facoltativa. Il suo Knowledge, Skills, and Awareness Subcommittee è responsabile del mantenimento della formazione, del coinvolgimento e delle migliori pratiche.

Nel 2026, il consiglio ha inoltre lanciato una serie di webinar sull’alfabetizzazione AI per docenti e personale. Le sessioni trattano concetti fondamentali, uso pratico, responsabilità etiche e risorse organizzative.

I webinar offrono coerenza e scalabilità. Un programma buddy offre contesto, ripetizione e uno spazio a minore attrito per ammettere l’incertezza.

Questa combinazione ricorda una formazione sulla sicurezza a più livelli. Le linee guida centrali stabiliscono le regole, mentre il supporto locale aiuta le persone ad applicarle a situazioni che i materiali formali non possono prevedere.

L’apprendimento tra pari può anche mettere in luce le differenze tra policy scritte e lavoro effettivo. Se molti membri del personale pongono la stessa domanda, il problema potrebbe richiedere indicazioni più chiare o uno strumento approvato migliore.

Questo feedback è particolarmente prezioso all’interno di un’istituzione complessa. UCOP svolge funzioni che includono approvvigionamento, affari legali, policy accademiche, finanza, comunicazioni e amministrazione a livello di sistema.

Un’unica guida universale ai prompt non può coprire questi contesti con la stessa efficacia. I rischi connessi a un comunicato stampa pubblico differiscono da quelli relativi a informazioni sul personale, legali, sanitarie o sugli studenti.

Il programma può avere successo se trasforma le domande ricorrenti in conoscenza istituzionale. Esempi utili potrebbero diventare modelli approvati, casi di formazione o aggiornamenti dell’hub di risorse sull’AI.

Senza questo ciclo di feedback, l’iniziativa rischia di diventare una rete di assistenza informale. I dipendenti riceverebbero risposte incoerenti, mentre i team centrali imparerebbero poco sulle barriere all’adozione.

Le organizzazioni che esplorano programmi simili dovrebbero considerare le linee guida condivise come parte di un più ampio workflow AI. Le persone hanno bisogno di processi riutilizzabili, non di trucchi isolati per i prompt.

La pressione su UCOP deriva dai suoi stessi progressi. Una volta che gli strumenti aziendali raggiungono centinaia di dipendenti, la sperimentazione informale diventa una realtà operativa che la sola policy non può gestire.

L’apprendimento tra pari rende l’AI accessibile, ma diffonde anche gli errori

Il più grande punto di forza del programma e la sua debolezza centrale derivano dalla stessa fonte: i dipendenti imparano da persone di cui si fidano già.

Un collega spesso comprende il linguaggio locale, i vincoli e le attività ricorrenti meglio di un formatore esterno. Questa familiarità può rendere le indicazioni immediatamente utili.

Un membro esperto del personale può mostrare come riassumere un documento pubblico, ristrutturare una bozza, generare domande per una riunione o confrontare alternative non riservate. Chi apprende può quindi testare il metodo su un lavoro pertinente.

Questo approccio riduce anche l’imbarazzo legato alle domande più basilari. I dipendenti potrebbero esitare a chiedere a un grande gruppo di formazione perché un chatbot abbia prodotto risposte incoerenti o come vengano archiviati i prompt.

Una relazione buddy crea spazio per queste domande. Può aiutare i partecipanti a capire che l’incertezza è normale e che la verifica fa parte di un uso responsabile.

Il modello riconosce inoltre che l’adozione dell’AI è sociale. Le persone osservano come colleghi rispettati utilizzano uno strumento prima di decidere se appartenga al proprio lavoro.

Questo meccanismo può promuovere abitudini prudenti quando i buddy danno l’esempio della moderazione. Possono spiegare perché hanno rimosso dettagli sensibili, scelto un account approvato o scartato una risposta.

Lo stesso meccanismo può diffondere cattive pratiche con la stessa efficienza. Un dipendente sicuro di sé può fraintendere le regole sui dati, ripetere una tecnica inaffidabile o presentare un successo aneddotico come prova consolidata.

L’esperienza con un prodotto AI non rende automaticamente una persona qualificata a consigliare altri. Gli utenti frequenti possono essere abili nel generare output pur rimanendo deboli nella verifica delle fonti o nell’analisi della privacy.

UCOP ha quindi bisogno di una definizione chiara del ruolo del buddy. I buddy dovrebbero aiutare i colleghi a imparare, ma non dovrebbero diventare responsabili non ufficiali della privacy, avvocati o revisori della sicurezza.

Hanno inoltre bisogno di un percorso di escalation. Le domande che riguardano dati protetti, approvvigionamento, accessibilità, interpretazione legale o decisioni automatizzate dovrebbero essere indirizzate all’ufficio responsabile.

Un modello utile distinguerebbe tre categorie di attività.

In primo luogo, l’esplorazione a basso rischio può includere informazioni pubbliche, esempi inventati e bozze prive di dettagli riservati. I buddy possono guidare direttamente queste attività.

In secondo luogo, il lavoro controllato può coinvolgere strumenti aziendali approvati e informazioni consentite da specifiche condizioni universitarie. I partecipanti necessitano comunque di regole documentate e revisione umana.

In terzo luogo, il lavoro ad alto rischio dovrebbe richiedere l’approvazione di specialisti o rimanere al di fuori del programma. Questa categoria include decisioni rilevanti e informazioni la cui esposizione creerebbe danni significativi.

I materiali di governance esistenti di UC supportano questa struttura. L’università mette in guardia dalla divulgazione accidentale, dalla discriminazione, dal giusto processo, dalla proprietà intellettuale e dalle violazioni delle policy.

Il quadro di governance UC afferma che le applicazioni di AI dovrebbero ricevere la stessa cautela e analisi di conformità riservate ad altri usi dei dati istituzionali.

Questo principio evita un errore comune. Un’interfaccia conversazionale può sembrare meno formale di un database aziendale, anche quando entrambi trattano informazioni sensibili.

Il contesto sociale introduce un ulteriore rischio: la divulgazione accidentale tra colleghi. Un partecipante potrebbe condividere un prompt, un documento sorgente o un output che il collega tutor non era autorizzato a vedere.

Le linee guida del programma dovrebbero quindi coprire la divulgazione tra pari, non soltanto i dati inviati a un fornitore. I partecipanti necessitano di esempi anonimizzati ogni volta che i diritti di accesso differiscono.

Anche nella pratica, il rapporto con il buddy deve restare volontario. Un dipendente non dovrebbe sentirsi spinto a rivelare a un collega incertezze, preoccupazioni relative alle prestazioni o l’uso di strumenti.

L’abbinamento può creare sottili dinamiche di potere quando i partecipanti hanno livelli di anzianità, tipologie contrattuali o rapporti gerarchici diversi. Un programma sicuro deve prevedere un modo riservato per richiedere una riassegnazione.

L’accessibilità richiede la stessa attenzione. Alcuni dipendenti possono beneficiare della redazione assistita dall’AI, della sintesi o di strumenti vocali, mentre altri possono incontrare interfacce inaccessibili o output inaffidabili.

Un buddy può aiutare qualcuno a esplorare le opzioni, ma le decisioni sull’accessibilità non dovrebbero dipendere dalla buona volontà informale. Devono restare disponibili accomodamenti approvati e supporto specialistico.

Questi controlli non indeboliscono l’apprendimento tra pari. Definiscono dove tale apprendimento è utile e dove deve subentrare la responsabilità istituzionale.

La privacy dipende dal prompt, dall’account e dai dati

Una licenza aziendale riduce il rischio legato al fornitore, ma la privacy dipende comunque da ciò che i dipendenti inviano e da come utilizzano la risposta.

UC opera con più livelli di sensibilità delle informazioni. Da un lato si trovano i materiali pubblici, dall’altro informazioni altamente riservate relative a salute, finanze, questioni legali e identità.

Un membro del personale può combinare diversi livelli senza rendersene conto. Un documento ordinario può includere un identificativo studentesco, una strategia interna o commenti sulle prestazioni di un dipendente.

Questo rende la classificazione dei dati una competenza pratica. I partecipanti devono imparare a esaminare un’attività prima di scegliere uno strumento o formulare un prompt.

Le linee guida di sistema di UC hanno ripetutamente sottolineato l’importanza di ambienti controllati. I servizi con licenza offrono in genere protezioni istituzionali più solide rispetto agli account consumer aperti.

Tuttavia, “enterprise” non è un’autorizzazione universale. Ogni prodotto ha usi approvati, termini contrattuali, configurazioni tecniche e limiti sui dati.

UCOP afferma che il proprio ambiente ChatGPT EDU approvato può gestire informazioni fino al livello P3. Questa indicazione richiede comunque che i dipendenti sappiano se il proprio materiale rientra nel livello P3.

Le dettagliate linee guida sugli assistenti di UC San Diego mostrano quanto possa diventare complesso l’uso nel mondo reale. Affrontano consenso, acquisizione delle riunioni, archiviazione approvata, discussioni sensibili e obblighi relativi ai registri pubblici.

Le linee guida vietano l’acquisizione tramite AI in alcune riunioni amministrative che coinvolgono dati P4. Gli esempi includono informazioni sanitarie, finanziarie, sui prestiti e sugli studenti privi di documenti.

Limitano inoltre alcune discussioni P3, comprese le comunicazioni tra avvocato e cliente, le deliberazioni sulle prestazioni e le informazioni relative a cure riproduttive o di affermazione di genere.

Questi esempi mostrano perché gli avvisi generali non sono sufficienti. “Non inserire dati riservati” lascia ai dipendenti il compito di interpretare sia la riservatezza sia i confini di una conversazione.

Gli assistenti per riunioni creano problemi specifici perché possono raccogliere il contributo di ogni interlocutore. I partecipanti potrebbero non sapere quale servizio stia registrando, dove finisca la trascrizione o per quanto tempo rimanga disponibile.

Un buddy non dovrebbe mai risolvere questa incertezza basandosi sull’intuizione. La risposta sicura consiste nel consultare le linee guida del campus in materia di privacy, sicurezza, archivi o aspetti legali prima di attivare l’acquisizione.

L’accuratezza presenta una preoccupazione di governance correlata. Un chatbot può produrre testo scorrevole che include fatti, citazioni o interpretazioni delle policy inventati.

La verifica dei fatti deve coinvolgere prove esterne, non un altro prompt che chieda se la prima risposta fosse corretta. Il revisore necessita del documento originale o di una fonte autorevole.

Il personale dovrebbe inoltre separare il brainstorming dal processo decisionale. L’AI può generare opzioni, ma una persona con responsabilità adeguata deve valutarle alla luce di policy e prove.

Questa distinzione diventa critica quando un output incide su accesso, occupazione, posizione accademica, approvvigionamenti o allocazione delle risorse. Una raccomandazione ben rifinita può nascondere assunzioni deboli.

Il precedente gruppo di lavoro sull’AI di UC ha identificato equità, trasparenza, responsabilità, privacy e sicurezza come questioni di rilevanza sistemica. Questi principi si applicano anche quando il personale utilizza un chatbot generico.

Il programma buddy può renderli concreti attraverso brevi scenari. Uno scenario potrebbe chiedere se un rapporto pubblico possa essere riassunto in ChatGPT EDU.

Un altro potrebbe riguardare un foglio di calcolo contenente informazioni sui dipendenti. Prima di procedere, i partecipanti identificherebbero la classe di dati, l’ambiente approvato, i diritti di accesso e i necessari controlli umani.

L’apprendimento basato su scenari può anche rivelare quando l’AI aggiunge poco valore. A volte rimuovere i dettagli sensibili richiede più tempo che completare l’attività originale.

È un risultato legittimo. Un’adozione responsabile include il riconoscimento dei casi in cui non utilizzare un sistema di AI.

La credibilità del programma dipenderà dal fatto che premi questa prudenza. Se ci si aspetta che ogni abbinamento produca un nuovo flusso di lavoro basato sull’AI, i partecipanti potrebbero forzare attività inadatte dentro la tecnologia.

UCOP dovrebbe invece riconoscere decisioni solide, compresi i casi in cui i team restringono un utilizzo, scelgono un sistema diverso o evitano del tutto l’AI.

Tre segnali mostreranno se il programma funziona

Il prossimo test consiste nel verificare se UCOP riesce a misurare un giudizio migliore e un lavoro utile senza trasformare l’apprendimento volontario in sorveglianza dei dipendenti.

Il primo segnale è la qualità della partecipazione. I totali delle iscrizioni contano meno del fatto che gli abbinamenti restino attivi e servano dipendenti con ruoli e livelli iniziali di competenza diversi.

UCOP dovrebbe verificare se i partecipanti si incontrano, completano gli obiettivi di apprendimento concordati e riferiscono maggiore fiducia nello svolgimento di attività specifiche. Dovrebbe inoltre monitorare se ai buddy viene concesso tempo protetto.

Un alto numero di iscrizioni seguito da abbinamenti inattivi suggerirebbe che il personale non disponeva di tempo, corrispondenze utili o supporto manageriale. Tale esito indebolirebbe il modello di apprendimento tra pari.

Una partecipazione costante sosterrebbe una conclusione diversa. Mostrerebbe che i dipendenti trovano valore in una guida contestuale che va oltre i corsi formali e la documentazione.

Il secondo segnale è la qualità dei casi d’uso prodotti. Gli esempi efficaci dovrebbero identificare l’attività, lo strumento approvato, i dati consentiti, il metodo di verifica, il responsabile umano e il risultato misurato.

Il rapporto 2025 di UCOP fornisce già una base di riferimento sull’adozione. Registra licenze, utenti, prompt ed eventi, ma il programma buddy necessita di prove più vicine ai risultati.

Le misure utili potrebbero includere tempi di elaborazione ridotti, meno revisioni, controlli di accessibilità migliori o un reperimento più rapido di informazioni pubbliche approvate. Ogni affermazione richiede un confronto definito.

UC Tech News ha descritto un modello promettente. Un team inter-campus ha configurato un GPT per effettuare una revisione iniziale rispetto a WCAG 2.1 e alle linee guida del brand UC.

Il revisore di accessibilità svolge un primo passaggio tedioso e propone modifiche suggerite. I responsabili umani devono comunque convalidarne i risultati e completare il lavoro.

Questo tipo di flusso di lavoro circoscritto è più informativo di un’affermazione generica sulla produttività. Specifica cosa esamina il sistema, quali standard si applicano e dove resta il giudizio umano.

Il terzo segnale è il feedback sulla sicurezza del programma. UCOP dovrebbe monitorare domande ricorrenti, quasi incidenti, richieste di escalation e aree di policy poco chiare senza raccogliere contenuti non necessari dei prompt.

Un aumento delle domande non significherebbe automaticamente che il programma ha creato più rischi. Potrebbe mostrare che i dipendenti stanno riconoscendo problemi che prima non notavano.

La misura importante è se tali domande raggiungono gli esperti giusti. I responsabili del programma dovrebbero inoltre documentare come le risposte diventino linee guida aggiornate per i futuri partecipanti.

Una misurazione rispettosa della privacy richiederà moderazione. UCOP non necessita di un archivio completo dei prompt dei dipendenti per comprendere quali argomenti generino incertezza.

Categorie aggregate possono rivelare se il personale ha difficoltà con la classificazione dei dati, le allucinazioni, l’acquisizione delle riunioni, il copyright, l’accessibilità o la scelta dell’account.

I prossimi uno-tre mesi dovrebbero mostrare se l’apprendimento tra pari diventerà parte della più ampia struttura di governance dell’AI di UCOP. Tre sviluppi meritano attenzione.

In primo luogo, UCOP dovrebbe pubblicare o diffondere internamente standard più chiari per i buddy. Dovrebbero definire i confini dei ruoli, i percorsi di escalation, gli esercizi sicuri e le aspettative nei confronti dei supervisori.

In secondo luogo, l’organizzazione dovrebbe identificare flussi di lavoro riutilizzabili con revisione umana documentata. Ciò dimostrerebbe il passaggio dalla sperimentazione informale a una pratica operativa responsabile.

In terzo luogo, il feedback sul programma dovrebbe produrre aggiornamenti visibili delle policy o della formazione. Questo risultato dimostrerebbe che l’apprendimento si muove in entrambe le direzioni: dagli esperti centrali al personale e viceversa.

Gli altri datori di lavoro dovrebbero evitare di copiare il nome senza copiarne i controlli. Un programma buddy ha successo quando combina fiducia, lavoro pratico, tempo protetto e chiara responsabilità istituzionale.

I dipendenti che valutano un’iniziativa analoga dovrebbero iniziare con una domanda: ogni partecipante può spiegare quali dati, account, prove e revisore umano richieda un flusso di lavoro proposto?

Se la risposta diventa costantemente chiara, UCOP avrà creato più di un’altra campagna di adozione. Avrà costruito un modo ripetibile per consentire al personale di imparare insieme, riconoscendo al contempo dove l’AI debba fermarsi.