UCOPのAI Buddy Program、プライバシーリスクに対するピア学習を検証
カリフォルニア大学学長室（UCOP）は、プライバシー、正確性、職員の時間に関する未解決の課題を抱えながらも、任意参加のAI Buddy Programを導入した。
このプログラムでは、AIの利用経験が豊富な職員と、実践的な助言を求める同僚をペアにする。参加者は、直接的なピア支援を通じてChatGPT、Claude、Google Gemini、Microsoft Copilotなどのツールを試すことができる。
この設計により、この取り組みは単なる職場向けウェビナー以上の意味を持つ。UCOPは、信頼できる同僚が、安全でない実験を常態化させることなく、一般的なAI認知を責任ある日常的実践へと転換できるかを検証している。
ここには、もっともな二つのニーズの緊張関係がある。職員には、すでに管理業務を変えつつあるシステムを理解する機会が必要だ。一方で、彼らはあらゆるチャットボットに安全に入力できるわけではない組織情報も扱っている。
そのためUCOPは、大学や他の大規模雇用主にも共通する試験に直面している。アクセスと熱意は急速に広がり得るが、信頼できる判断力の形成にはより長い時間がかかる。
UCOPはAI研修をピア関係へと転換している
AI Buddy Programは、職場におけるAI教育を、予定された研修から任意参加の対人学習へと移行させる。
導入に関する元の報道によると、UCOPの広報担当者Stett Holbrookは、このプログラムを職員学習のための内部的かつ任意参加の取り組みと説明した。AIツールの経験が豊富な参加者が、経験の少ない同僚のバディを務める。
このマッチングモデルは、正式なテクノロジー研修にありがちな弱点を認識している。プレゼンテーションでは機能、ポリシー、プロンプトの例を説明できるが、困難なワークフローに直面する従業員にまで寄り添うことはめったにない。
ピアは、実際に作業を始めた後で生じる疑問に答えられる。その疑問は、分かりにくい出力、機密情報を含む文書、あるいはそもそもその作業にAIを使うべきかどうかに関するものかもしれない。
報道によれば、参加者は登録時に試してみたいツールやテーマを指定する。対象分野には、教育と学習におけるAI、出力の評価、ファクトチェックなどが含まれる可能性がある。
こうした選択は重要だ。「AIリテラシー」には複数の異なる能力が含まれる。効果的なプロンプトを書くことは、引用を評価すること、個人情報を保護すること、あるいは自動化が適切かを判断することとは異なる。
このプログラムは、複数の主要プラットフォームに対応するようにも設計されているようだ。このアプローチは、職員が大学アカウントと個人アカウントを通じて異なるシステムに接している現実を反映している。
ただし、プラットフォームの多様性は研修を複雑にする。各サービスには異なる契約、データ管理、保存慣行、統合機能、承認済みの利用範囲がある。
UCOP独自のソフトウェアカタログは、この違いを示している。同組織のChatGPT guidanceでは、大学業務には、UCのP3分類までの情報に対して承認されているChatGPT EDUを使用しなければならないとしている。
この承認は、すべてのプロンプトが適切であることを意味しない。従業員は依然として、扱うデータ、処理の目的、その業務を規定する大学のルールを理解する必要がある。
Microsoft製品は、さらに別の複雑さをもたらす。Copilot Chat、Microsoft 365 Copilot、Copilot Studioは、従業員が三つすべてを「Copilot」と呼ぶ場合があっても、異なる接続性と機能を提供する。
UCOPによると、Microsoft 365 Copilotの利用には管理職の承認が必要である。Copilot Studioでは、組織のシステムや文書に接続した専門的な会話エージェントを作成できる。
したがってバディは、巧みなプロンプトを実演するだけでは不十分だ。効果的な助言では、各ワークフローを適切なアカウント、承認済みプラットフォーム、情報分類に結び付ける必要がある。
この取り組みでは、参加に関心のある従業員に対し、参加前に上司へ相談することも求めている。この要件により、名目上は任意の学習活動が見えない労働になることを防げる。
AI学習が通常の責任範囲外で行われるなら、参加は柔軟な勤務スケジュールを持つ従業員に偏る。また、経験豊富なバディに認識されない支援負担を課す可能性もある。
管理職の関与は、学習のための時間を守り得る。また、明確な成果なしに実験するのではなく、実務に結び付いたユースケースをチームが選ぶ助けにもなる。
したがって最初の重要な変化は、技術的なものではなく組織的なものだ。UCOPは、エンタープライズAIへのアクセスと日常的な導入の間に、人による支援の層を設けている。
UCOPに必要なのはツールへのアクセスだけではない
UCOPの課題はもはやAIツールの調達ではなく、職員がそれらを一貫して、安全に、そして説明可能な目的で使えるようにすることだ。
UCはすでに、バディ施策を支える基盤の大部分を構築している。システム全体を対象とするOpenAI契約は2024年6月に発効し、ChatGPT EnterpriseとEDUを対象としている。
UC agreementには、データプライバシー条項、サプライヤーリスク評価、顧客のプロンプトと応答に関する機密保持措置が含まれる。また、参加キャンパス向けの共通調達枠組みも定めている。
UCOPはその後、職員のChatGPTおよびMicrosoft Copilotへのアクセスを拡大した。同組織の2025年テクノロジー報告書によると、700件のChatGPTライセンスと300件のCopilotライセンスを含む、1,000件超のライセンスが導入された。
同報告書には、2025年5月以降に23万件のプロンプトが送信されたことも記録されている。2025年6月から10月の間に、800人の職員がAIツールを使用したという。
これらの数値は活動を示しているが、活動は価値と同じではない。プロンプト数からは、出力が正しかったか、業務が改善したか、職員が不適切なデータの使用を避けたかは分からない。
UCOPの報告書によると、組織は基盤整備から導入と影響の段階へ移行している。AI Buddy Programは、この進展の難しい中心に位置する。
エンタープライズアカウントの導入は、いくつかの重要なリスクに対応する。個人向けコンシューマーアカウントよりも、契約上の管理、管理されたアクセス、明確なサポートを提供できる。
しかし、調達だけでは、従業員が草案内の機密情報を認識できるかどうかを判断できない。また、捏造された引用を検証したり、微妙な偏りに気付いたりすることも保証できない。
UCのAI Councilは、教育を任意の補足ではなく、ガバナンス上の要件として扱ってきた。同評議会のKnowledge, Skills, and Awareness Subcommitteeは、研修、エンゲージメント、ベストプラクティスを継続する責任を担っている。
2026年には、同評議会は教職員向けのAIリテラシー・ウェビナーシリーズも開始した。セッションでは、基本概念、実践的な利用、倫理的責任、組織内リソースを扱う。
ウェビナーは一貫性と規模を提供する。バディプログラムは、文脈、反復、そして不確実性を認めやすい低摩擦な場を提供する。
この組み合わせは、多層的なセキュリティ研修に似ている。中央のガイダンスがルールを定め、ローカルの支援が、正式な教材では予測できない状況への適用を助ける。
ピア学習は、文書化されたポリシーと実際の業務との違いも明らかにし得る。多くの職員が同じ質問をする場合、その問題にはより明確なガイダンスや、より適切な承認済みツールが必要かもしれない。
こうしたフィードバックは、複雑な組織内で特に価値が高い。UCOPは、調達、法務、学術方針、財務、広報、システム全体の管理などの機能を担っている。
単一の汎用プロンプトガイドで、これらすべての環境を同じように網羅することはできない。公開されるプレスリリースを巡るリスクは、人事、法務、健康、学生情報を巡るリスクとは異なる。
このプログラムは、繰り返し発生する質問を組織の知識へと変えられれば成功し得る。有用な事例は、承認済みテンプレート、研修ケース、AIリソースハブの更新となる可能性がある。
このフィードバックループがなければ、この取り組みは非公式なヘルプネットワークになるおそれがある。従業員は一貫しない回答を受け、中央チームは導入の障壁についてほとんど学べない。
同様のプログラムを検討する組織は、共有ガイダンスをより広範なAI workflowの一部として扱うべきだ。人々に必要なのは、孤立したプロンプトの小技ではなく、再利用可能なプロセスである。
UCOPへの圧力は、同組織自身の進展から生まれている。エンタープライズツールが数百人の従業員に届くと、ポリシーだけでは管理できない非公式な実験が業務上の現実になる。
ピア学習はAIを身近にする一方、誤りも広げる
このプログラムの最大の強みと中心的な弱点は、同じ源泉から生じる。従業員がすでに信頼する人々から学ぶことだ。
同僚は、外部講師よりも、地域固有の言葉遣い、制約、繰り返される業務をよく理解していることが多い。この親しみやすさにより、助言はすぐに役立つものになり得る。
経験豊富な職員は、公開文書の要約、草案の再構成、会議用質問の生成、非機密の代替案の比較といった方法を示せる。学習者はその後、関連する業務でその手法を試せる。
このアプローチは、基本的な質問に伴う恥ずかしさも軽減する。従業員は、なぜチャットボットが一貫しない回答を出したのか、あるいはプロンプトがどのように保存されるのかを、大規模な研修グループに尋ねることをためらうかもしれない。
バディ関係は、そうした質問の余地を作る。不確実性は正常であり、検証は責任ある利用の一部だと参加者が学ぶ助けになり得る。
このモデルはまた、AI導入が社会的なものであることも認識している。人々は、尊敬する同僚がツールをどう使うかを見てから、それが自分の業務に属するものかを判断する。
バディが慎重な習慣を示せば、この仕組みは慎重な行動を促進できる。機密の詳細を削除した理由、承認済みアカウントを選んだ理由、回答を採用しなかった理由を説明できる。
同じ仕組みは、悪い実践も同じように効率よく広げ得る。自信のある従業員がデータルールを誤解し、信頼できない手法を繰り返し、逸話的な成功を確立された証拠として示す可能性がある。
AI製品の利用経験があっても、自動的に他者へ助言する資格を得るわけではない。頻繁な利用者は出力の生成に長けていても、情報源の検証やプライバシー分析には弱い可能性がある。
したがってUCOPには、バディの役割を明確に定義する必要がある。バディは同僚の学習を支援すべきだが、非公式なプライバシー担当者、弁護士、セキュリティ審査者になるべきではない。
また、エスカレーション経路も必要だ。保護対象データ、調達、アクセシビリティ、法的解釈、自動化された意思決定に関わる質問は、担当部署へ移すべきである。
有用なモデルでは、活動を三つのカテゴリーに分けることができる。
第一に、低リスクの探索には、公開情報、架空の例、機密の詳細を含まない草案を含められる。バディはこれらの活動を直接支援できる。
第二に、管理された業務では、承認済みのエンタープライズツールと、特定の大学規約の下で許可された情報を扱うことがある。参加者には、文書化されたルールと人によるレビューが依然として必要だ。
第三に、高リスクの業務には専門家の承認を求めるか、プログラムの対象外とすべきである。このカテゴリーには、重大な結果をもたらす意思決定や、漏えいすれば重大な被害を生む情報が含まれる。
UCの既存のガバナンス資料は、この構造を支持している。同大学は、偶発的な開示、差別、適正手続、知的財産、ポリシー違反について警告している。
UC governance frameworkでは、AIアプリケーションは、組織データの他の利用と同じ慎重さとコンプライアンス分析を受けるべきだとしている。
この原則は、よくある誤りを防ぐ。会話型インターフェースは、どちらも機密情報を処理している場合でも、エンタープライズデータベースより形式的でないように感じられることがある。
同僚間の偶発的な情報開示という、別のリスクも生じる。学習者が、バディに閲覧権限のないプロンプト、元文書、出力結果を共有してしまう可能性がある。
したがって、プログラムのガイダンスでは、ベンダーに送信するデータだけでなく、参加者同士の情報開示も扱う必要がある。アクセス権が異なる場合、参加者には匿名化・無害化された例が必要だ。
バディ関係は、実務上も自発的なものでなければならない。従業員が、不確実性や業務上の懸念、ツールの利用状況を同僚に明かすよう圧力を感じるべきではない。
参加者の勤続年数、雇用区分、報告関係が異なる場合、マッチングは微妙な力関係を生み出す可能性がある。安全なプログラムには、再割り当てを秘密裏に申し出られる手段が必要だ。
アクセシビリティにも同様の配慮が求められる。AI支援による下書き作成、要約、音声ツールの恩恵を受ける従業員がいる一方で、利用しにくいインターフェースや信頼性の低い出力に直面する人もいる。
バディは選択肢の検討を支援できるが、アクセシビリティに関する判断を非公式な善意に委ねるべきではない。承認済みの合理的配慮と専門家による支援は、引き続き利用可能でなければならない。
こうした統制はピア学習を損なうものではない。ピア学習が有効な領域と、組織としての責任が引き継ぐべき領域を定めるものだ。
プライバシーはプロンプト、アカウント、データに左右される
エンタープライズライセンスはベンダーに関するリスクを低減するが、プライバシーは依然として従業員が何を入力し、応答をどう扱うかに左右される。
UCには複数の情報機密性レベルがある。一方の端には公開情報があり、もう一方には厳格に制限される健康、財務、法務、本人確認に関する情報がある。
職員は気づかないうちに複数のレベルの情報を組み合わせることがある。通常の文書にも、学生識別子、社内戦略、従業員の業績に関するコメントが含まれる場合がある。
そのため、データ分類は実践的なスキルとなる。参加者は、ツールを選択したりプロンプトを作成したりする前に、作業内容を確認する方法を学ばなければならない。
UCのシステム全体にわたるガイダンスは、管理された環境の重要性を繰り返し強調してきた。ライセンス済みサービスは一般に、公開された消費者向けアカウントよりも強固な組織的保護を提供する。
ただし、「エンタープライズ」は万能の許可ラベルではない。各製品には、承認済みの利用方法、契約条件、技術的設定、データ境界がある。
UCOPは、承認済みのChatGPT EDU環境でP3までの情報を扱えるとしている。それでもこの説明には、従業員が自らの資料がP3の範囲内にあるかを把握していることが求められる。
UC San Diegoの詳細なアシスタントガイドラインは、実務での利用がいかに複雑になるかを示している。そこでは、同意、会議の記録、承認済みストレージ、機微な議論、公文書に関する義務を扱っている。
これらのガイドラインは、P4データが関係する特定の管理会議でAIによる記録を禁じている。例として、健康、財務、融資、在留資格のない学生に関する情報が挙げられる。
また、弁護士・依頼者間の通信、業績に関する審議、生殖医療またはジェンダー肯定医療に関する情報を含む、一部のP3の議論も制限している。
こうした例は、一般的な警告だけでは不十分な理由を示している。「機密データを入力しない」という指示では、機密性そのものと会話の境界の両方を従業員に解釈させることになる。
会議アシスタントは、発言者全員の発言を収集し得るため、特有の問題を生む。参加者は、どのサービスが録音しているのか、文字起こしデータがどこへ送られるのか、どれほど長く利用可能な状態で保管されるのかを把握していない場合がある。
バディが直感でその不確実性を解消すべきではない。安全な対応は、記録を有効にする前に、キャンパスのプライバシー、セキュリティ、記録管理、法務のガイダンスを確認することだ。
正確性も関連するガバナンス上の懸念である。チャットボットは、捏造された事実、引用、政策解釈を含む流暢な文章を生成する可能性がある。
ファクトチェックには、最初の回答が正しいかを尋ねる別のプロンプトではなく、外部の証拠を用いる必要がある。レビュー担当者には、原文書または権威ある情報源が必要だ。
職員は、ブレインストーミングと意思決定も分けるべきである。AIは選択肢を生成できるが、適切な責任を持つ人が、それらの選択肢を方針と証拠に照らして評価しなければならない。
出力がアクセス、雇用、学業上の地位、調達、リソース配分に影響する場合、この区別は決定的に重要になる。洗練された提案であっても、弱い前提を覆い隠すことがある。
UCの以前のAIワーキンググループは、公平性、透明性、説明責任、プライバシー、安全性をシステム全体の懸念として特定していた。職員が一般的なチャットボットを利用する場合でも、これらの原則は当てはまる。
バディプログラムは、短いシナリオを通じてそれらを具体化できる。あるシナリオでは、公開レポートをChatGPT EDUで要約できるかを問うことができる。
別のシナリオでは、従業員情報を含むスプレッドシートを扱うこともできる。参加者は、作業を進める前に、データクラス、承認済み環境、アクセス権、必要な人による確認を特定する。
シナリオベースの学習は、AIがほとんど価値を加えない場面も明らかにできる。機微な詳細を取り除く作業に、元のタスクを完了するより長い時間がかかる場合もある。
それは正当な結論である。責任ある導入には、AIシステムを使わないべき場面を見極めることも含まれる。
プログラムの信頼性は、そのような自制を評価できるかにかかっている。すべてのペアに新たなAIワークフローの創出が期待されるなら、参加者は不適切なタスクを無理にテクノロジーへ当てはめるかもしれない。
UCOPはその代わり、チームが利用範囲を狭めたり、別のシステムを選んだり、AIを完全に避けたりした事例を含め、適切な判断を評価すべきである。
プログラムの有効性を示す3つのシグナル
次の検証課題は、UCOPが自発的な学習を従業員監視に変えることなく、より良い判断と有用な成果を測定できるかどうかだ。
第1のシグナルは、参加の質である。登録者数の合計よりも、ペアリングが継続して活動しているか、異なる職務や異なる初期スキルレベルの従業員に役立っているかの方が重要だ。
UCOPは、参加者が面会し、合意した学習目標を完了し、特定のタスクに対する自信が高まったと報告しているかを確認すべきである。また、バディに保護された時間が与えられているかも追跡する必要がある。
登録数が多いにもかかわらずペアリングが活動しなくなれば、職員に時間、有用なマッチング、または管理職の支援が不足していたことを示唆する。その結果は、ピア学習モデルを弱めることになる。
継続的な参加は、異なる結論を裏付ける。正式な研修や文書を超える文脈に即したガイダンスに、従業員が価値を見いだしていることを示すだろう。
第2のシグナルは、作成されたユースケースの質である。優れた例では、タスク、承認済みツール、許可されたデータ、検証方法、人間の責任者、測定結果を特定すべきだ。
UCOPの2025年報告書はすでに導入のベースラインを提供している。ライセンス、ユーザー、プロンプト、イベントを記録しているが、バディプログラムには成果により近い証拠が必要だ。
有用な指標としては、処理時間の短縮、修正回数の減少、アクセシビリティ確認の改善、承認済み公開情報のより迅速な取得などが考えられる。それぞれの主張には、明確に定義された比較が必要である。
UC Tech Newsは、有望なモデルを1つ紹介している。キャンパス横断チームは、WCAG 2.1とUCのブランドガイダンスに照らして初期レビューを実施するGPTを設定した。
アクセシビリティレビューアーは、煩雑な初期確認を担い、変更案を提示する。人間の責任者は引き続き、その所見を検証し、作業を完了させる必要がある。
この種の範囲が限定されたワークフローは、生産性に関する広範な主張よりも多くの情報を提供する。システムが何をレビューするのか、どの基準が適用されるのか、人間の判断がどこに残るのかを明示するためだ。
第3のシグナルは、プログラムの安全性に関するフィードバックである。UCOPは、不必要なプロンプト内容を収集せずに、繰り返される質問、ニアミス、エスカレーション要請、分かりにくい方針領域を監視すべきだ。
質問が増加したからといって、プログラムがより多くのリスクを生んだことには自動的にはならない。従業員が以前は見落としていた問題を認識するようになったことを示している可能性がある。
重要なのは、それらの質問が適切な専門家に届くかどうかだ。プログラムのリーダーは、回答が将来の参加者向けの更新済みガイダンスにどのように反映されるかも文書化すべきである。
プライバシーを保護した測定には自制が必要となる。UCOPは、どのテーマが不確実性を生むかを理解するために、従業員のプロンプトを完全にアーカイブする必要はない。
集計されたカテゴリであれば、職員がデータ分類、ハルシネーション、会議の記録、著作権、アクセシビリティ、アカウント選択のどこで苦戦しているかを明らかにできる。
今後1〜3か月で、ピア学習がUCOPのより広範なAIガバナンス構造の一部となるかが分かるはずだ。注目すべき展開は3つある。
第1に、UCOPはより明確なバディ基準を公表または社内周知すべきである。そこでは、役割の境界、エスカレーション経路、安全な演習、上司に求められる対応を定義すべきだ。
第2に、組織は人間によるレビューが文書化された再利用可能なワークフローを特定すべきである。これは、気軽な実験から説明責任ある業務慣行への移行を示すことになる。
第3に、プログラムからのフィードバックは、目に見える方針または研修の更新につながるべきだ。その結果は、中央の専門家から職員へ、そして職員から専門家へと、学習が双方向に進むことを証明する。
他の雇用主は、統制を模倣せずに名称だけを模倣することは避けるべきだ。バディプログラムは、信頼、実践的な作業、保護された時間、明確な組織的説明責任を組み合わせることで成功する。
同様の取り組みを検討する従業員は、まず1つの問いから始めるべきである。提案されたワークフローに必要なデータ、アカウント、証拠、人間のレビュー担当者を、すべての参加者が説明できるだろうか。
その答えが一貫して明確になるなら、UCOPは単なる導入促進キャンペーン以上のものを作り出したことになる。AIが止まるべき地点を認識しながら、職員が共に学ぶための再現可能な方法を築いたことになる。
