UCOP의 AI Buddy Program, 개인정보 위험 속 동료 학습 시험

University of California Office of the President는 개인정보 보호, 정확성, 직원 투입 시간에 관한 의문이 해소되지 않은 상황에서 자발적 AI Buddy Program을 도입했다.

이 프로그램은 AI 경험이 많은 사용자와 실무적 안내를 원하는 동료를 연결한다. 참가자들은 직접적인 동료 지원을 통해 ChatGPT, Claude, Google Gemini, Microsoft Copilot 등의 도구를 살펴볼 수 있다.

이 설계는 이 이니셔티브를 또 하나의 직장 내 웨비나보다 더 중요한 시도로 만든다. UCOP는 신뢰할 수 있는 동료들이 안전하지 않은 실험을 일상화하지 않으면서, 일반적인 AI 인식을 책임 있는 일상 업무 관행으로 전환할 수 있는지 시험하고 있다.

여기에는 타당한 두 가지 필요가 충돌한다. 직원들은 이미 행정 업무를 바꾸고 있는 시스템을 이해할 기회가 필요하다. 동시에 이들은 모든 챗봇에 안전하게 입력할 수 없는 기관 정보를 다룬다.

따라서 UCOP는 대학과 다른 대규모 고용주들이 함께 직면한 시험대에 섰다. 접근성과 열의는 빠르게 확산될 수 있지만, 신뢰할 수 있는 판단력은 더 천천히 형성된다.

UCOP는 AI 교육을 동료 관계로 전환하고 있다

AI Buddy Program은 직장 내 AI 교육을 정해진 수업에서 자발적인 일대일 학습으로 옮긴다.

도입 관련 최초 보도에 따르면, UCOP 대변인 Stett Holbrook은 이 프로그램을 직원 학습을 위한 내부 자발적 이니셔티브라고 설명했다. 더 경험 많은 참가자들이 AI 도구 경험이 적은 동료의 버디 역할을 맡는다.

이 매칭 모델은 정규 기술 교육의 흔한 약점을 인식한다. 프레젠테이션은 기능, 정책, 예시 프롬프트를 설명할 수 있지만, 직원이 복잡한 업무 흐름에 들어간 뒤까지 따라가지는 못한다.

동료는 누군가 실제 업무를 시작한 뒤 떠오르는 질문에 답할 수 있다. 그 질문은 혼란스러운 출력물, 민감한 정보가 포함된 문서, 또는 해당 업무에 AI를 사용해야 하는지에 관한 것일 수 있다.

보도에 따르면 참가자들은 등록 과정에서 탐색하고 싶은 도구와 주제를 선택한다. 가능한 분야에는 교육 및 학습을 위한 AI, 출력물 평가, 사실 확인 등이 포함된다.

이러한 선택은 “AI 리터러시”가 여러 가지 서로 다른 역량을 포괄하기 때문에 중요하다. 효과적인 프롬프트 작성은 인용 출처 평가, 개인정보 보호, 자동화의 적절성 판단과는 다르다.

이 프로그램은 여러 주요 플랫폼을 수용하도록 설계된 것으로 보인다. 이는 직원들이 대학 계정과 개인 계정을 통해 서로 다른 시스템을 접하는 현실을 반영한다.

하지만 플랫폼의 다양성은 교육을 복잡하게 만든다. 각 서비스에는 서로 다른 계약, 데이터 통제, 보존 관행, 통합 기능 및 승인된 사용 사례가 있다.

UCOP 자체 소프트웨어 카탈로그는 이 차이를 보여 준다. ChatGPT guidance에 따르면 대학 업무에는 UC의 P3 분류까지 정보 처리가 승인된 ChatGPT EDU를 사용해야 한다.

그 승인이 모든 프롬프트를 적절하게 만드는 것은 아니다. 직원들은 여전히 관련 데이터, 처리 목적, 그리고 해당 업무에 적용되는 대학 규정을 이해해야 한다.

Microsoft 제품은 또 다른 복잡성을 만든다. Copilot Chat, Microsoft 365 Copilot, Copilot Studio는 직원들이 세 가지 모두를 “Copilot”이라고 부를 수 있음에도 서로 다른 연결 방식과 기능을 제공한다.

UCOP는 Microsoft 365 Copilot 사용에 관리자 승인이 필요하다고 밝힌다. Copilot Studio는 조직 시스템 및 문서에 연결된 특화 대화형 에이전트를 만들 수 있다.

따라서 버디는 영리한 프롬프트를 보여 주는 데 그쳐서는 안 된다. 효과적인 안내는 각 업무 흐름을 올바른 계정, 승인된 플랫폼, 정보 분류와 연결해야 한다.

이 이니셔티브는 관심 있는 직원들에게 참가 전에 관리자와 상의하도록 요청한다. 이 세부 사항은 명목상 자발적인 학습 활동이 보이지 않는 노동이 되는 것을 막는다.

AI 학습이 통상적인 업무 책임 밖에서 이뤄진다면, 참여는 일정이 유연한 직원에게 유리해질 것이다. 또한 경험 많은 버디에게 인식되지 않는 지원 부담을 지울 수 있다.

관리자의 참여는 학습 시간을 보호할 수 있다. 또한 팀이 명확한 성과 없이 실험하는 대신 실제 업무와 연결된 사용 사례를 선택하도록 도울 수 있다.

따라서 첫 번째 중요한 변화는 기술적 변화가 아니라 조직적 변화다. UCOP는 엔터프라이즈 AI 접근성과 일상적인 도입 사이에 인간 중심의 지원 계층을 만들고 있다.

UCOP에 도구 접근성만으로는 충분하지 않은 이유

UCOP의 과제는 더 이상 AI 도구를 확보하는 것이 아니라, 직원들이 이를 일관되고 안전하며 정당화 가능한 목적에 맞게 사용하도록 돕는 데 있다.

UC는 이미 버디 이니셔티브의 기반 대부분을 구축했다. 전사적 OpenAI 계약은 2024년 6월 발효됐으며 ChatGPT Enterprise와 EDU를 포괄한다.

UC agreement에는 데이터 프라이버시 조항, 공급업체 위험 평가, 고객 프롬프트 및 응답에 대한 기밀성 보호가 포함돼 있다. 또한 참여 캠퍼스를 위한 공동 조달 체계도 마련한다.

이후 UCOP는 직원의 ChatGPT 및 Microsoft Copilot 접근성을 확대했다. 2025년 기술 보고서에 따르면 ChatGPT 라이선스 700개와 Copilot 라이선스 300개를 포함해 1,000개 이상의 라이선스가 배포됐다.

보고서는 또한 2025년 5월 이후 230,000개의 프롬프트가 제출됐다고 기록한다. 2025년 6월부터 10월까지 800명의 직원이 AI 도구를 사용했다고도 밝힌다.

이 수치는 활동을 보여 주지만, 활동이 곧 가치인 것은 아니다. 프롬프트 수만으로는 출력물이 정확했는지, 업무가 개선됐는지, 직원들이 부적절한 데이터 사용을 피했는지 알 수 없다.

UCOP 보고서는 조직이 기반 구축 단계에서 도입과 영향 단계로 이동하고 있다고 말한다. AI Buddy Program은 이 진전의 어려운 중심부에 속한다.

엔터프라이즈 계정을 구매하면 몇 가지 중요한 위험에 대응할 수 있다. 이는 개인용 소비자 계정보다 계약상 통제, 관리형 접근성, 더 명확한 지원을 제공할 수 있다.

그러나 조달만으로는 직원이 초안에 포함된 민감한 자료를 식별하는지 판단할 수 없다. 또한 누군가가 만들어진 인용 출처를 검증하거나 미묘한 편향을 알아차리도록 보장할 수도 없다.

UC의 AI Council은 교육을 선택적 보완책이 아니라 거버넌스 요건으로 다뤄 왔다. Knowledge, Skills, and Awareness Subcommittee는 교육, 참여, 모범 사례를 지속하는 역할을 맡는다.

2026년 이 위원회는 교직원과 직원들을 위한 AI 리터러시 웨비나 시리즈도 시작했다. 세션은 핵심 개념, 실무적 활용, 윤리적 책임, 조직 자원을 다룬다.

웨비나는 일관성과 확장성을 제공한다. 버디 프로그램은 맥락, 반복, 그리고 불확실성을 인정하기 쉬운 환경을 제공한다.

이 조합은 계층형 보안 교육과 닮았다. 중앙 지침이 규칙을 정립하는 반면, 현장 지원은 정식 자료가 예상하지 못하는 상황에 규칙을 적용하도록 돕는다.

동료 학습은 서면 정책과 실제 업무의 차이도 드러낼 수 있다. 많은 직원이 같은 질문을 한다면, 문제는 더 명확한 지침이나 더 나은 승인 도구를 필요로 할 수 있다.

이러한 피드백은 복잡한 기관에서 특히 가치가 있다. UCOP는 조달, 법무, 학사 정책, 재무, 커뮤니케이션, 전사 행정을 포함한 기능을 수행한다.

하나의 범용 프롬프트 가이드가 이러한 환경을 모두 똑같이 잘 다룰 수는 없다. 공개 보도자료를 둘러싼 위험은 인사, 법률, 건강 또는 학생 정보와 관련된 위험과 다르다.

이 프로그램은 반복되는 질문을 기관 지식으로 전환한다면 성공할 수 있다. 유용한 사례는 승인된 템플릿, 교육 사례 또는 AI 리소스 허브 업데이트로 발전할 수 있다.

이 피드백 순환이 없다면, 이 이니셔티브는 비공식적인 지원 네트워크가 될 위험이 있다. 직원들은 일관되지 않은 답변을 받게 되고, 중앙 팀은 도입 장벽에 대해 거의 배우지 못할 것이다.

유사한 프로그램을 검토하는 조직은 공유 지침을 더 넓은 AI workflow의 일부로 다뤄야 한다. 사람들에게는 고립된 프롬프트 요령이 아니라 재사용 가능한 프로세스가 필요하다.

UCOP의 압박은 자체적인 진전에서 비롯된다. 엔터프라이즈 도구가 수백 명의 직원에게 도달하면, 비공식 실험은 정책만으로 관리할 수 없는 운영 현실이 된다.

동료 학습은 AI를 친숙하게 만들지만, 실수도 확산시킨다

이 프로그램의 가장 큰 강점과 핵심 약점은 같은 원천에서 나온다. 직원들이 이미 신뢰하는 사람에게서 배우기 때문이다.

동료는 외부 강사보다 현지 용어, 제약 조건, 반복되는 업무를 더 잘 이해하는 경우가 많다. 이러한 친숙함은 안내를 즉시 유용하게 만들 수 있다.

경험 많은 직원은 공개 문서를 요약하고, 초안을 재구성하고, 회의 질문을 생성하거나, 기밀이 아닌 대안을 비교하는 방법을 보여 줄 수 있다. 학습자는 이후 이 방법을 관련 업무에 적용해 볼 수 있다.

이 접근법은 기본적인 질문을 둘러싼 당혹감도 줄인다. 직원들은 챗봇이 왜 일관되지 않은 답변을 냈는지, 또는 프롬프트가 어떻게 저장되는지 대규모 교육 그룹에 묻기를 주저할 수 있다.

버디 관계는 그러한 질문을 위한 여지를 만든다. 이는 참가자들이 불확실성이 정상이며 검증은 책임 있는 사용의 일부라는 점을 배우도록 도울 수 있다.

이 모델은 또한 AI 도입이 사회적 과정임을 인식한다. 사람들은 존경하는 동료가 도구를 어떻게 사용하는지 지켜본 뒤 그것이 자신의 업무에 필요한지 결정한다.

버디가 절제된 사용 습관을 보인다면 이 메커니즘은 신중한 관행을 촉진할 수 있다. 이들은 왜 민감한 세부 정보를 제거했는지, 승인된 계정을 선택했는지, 또는 답변을 거부했는지를 설명할 수 있다.

같은 메커니즘은 잘못된 관행도 그만큼 효율적으로 확산시킬 수 있다. 자신감 있는 직원은 데이터 규정을 오해하거나, 신뢰할 수 없는 기법을 반복하거나, 일화적 성공을 확립된 근거처럼 제시할 수 있다.

AI 제품 사용 경험이 있다고 해서 자동으로 타인에게 조언할 자격이 생기는 것은 아니다. 빈번한 사용자는 출력 생성에는 능숙할 수 있지만, 출처 검증이나 개인정보 보호 분석에는 여전히 취약할 수 있다.

따라서 UCOP에는 버디 역할에 대한 명확한 정의가 필요하다. 버디는 동료의 학습을 도와야 하지만, 비공식적인 개인정보 보호 담당자, 변호사 또는 보안 검토자가 되어서는 안 된다.

이들에게는 에스컬레이션 경로도 필요하다. 보호 대상 데이터, 조달, 접근성, 법률 해석 또는 자동화된 의사결정과 관련된 질문은 담당 부서로 넘어가야 한다.

유용한 모델은 활동을 세 가지 범주로 구분할 수 있다.

첫째, 저위험 탐색에는 공개 정보, 가상의 사례, 기밀 세부 정보가 없는 초안이 포함될 수 있다. 버디는 이러한 활동을 직접 안내할 수 있다.

둘째, 통제된 업무에는 승인된 엔터프라이즈 도구와 특정 대학 약관상 허용된 정보가 포함될 수 있다. 참가자들에게는 여전히 문서화된 규칙과 사람의 검토가 필요하다.

셋째, 고위험 업무는 전문가 승인을 요구하거나 프로그램 범위 밖에 남아야 한다. 이 범주에는 중대한 의사결정과 노출될 경우 상당한 피해를 초래할 정보가 포함된다.

UC의 기존 거버넌스 자료는 이러한 구조를 뒷받침한다. 대학은 우발적 공개, 차별, 적법 절차, 지식재산권 및 정책 위반에 대해 경고한다.

UC governance framework는 AI 애플리케이션이 기관 데이터의 다른 사용 사례와 동일한 수준의 주의와 규정 준수 분석을 받아야 한다고 명시한다.

이 원칙은 흔한 실수를 막는다. 대화형 인터페이스는 민감한 정보를 처리하더라도 엔터프라이즈 데이터베이스보다 덜 공식적으로 느껴질 수 있다.

동료 간의 사회적 환경은 또 다른 위험을 낳는다. 학습자가 버디에게 열람 권한이 없는 프롬프트, 원본 문서 또는 결과물을 공유할 수 있다.

따라서 프로그램 지침은 벤더로 전송되는 데이터뿐 아니라 동료 간 정보 공개도 다뤄야 한다. 접근 권한이 다를 때 참여자에게는 정제된 사례가 필요하다.

버디 관계 역시 실제로 자발적이어야 한다. 직원이 불확실성, 업무 성과 우려 또는 도구 사용 사실을 동료에게 공개하도록 압박을 받아서는 안 된다.

참여자 간 직급, 고용 분류 또는 보고 관계가 다르면 매칭 과정에서 미묘한 권력 역학이 생길 수 있다. 안전한 프로그램이라면 비밀리에 재배정을 요청할 수 있는 방법이 필요하다.

접근성도 마찬가지로 세심한 고려가 필요하다. 일부 직원은 AI 지원 초안 작성, 요약 또는 음성 도구의 도움을 받을 수 있지만, 다른 직원은 접근하기 어려운 인터페이스나 신뢰할 수 없는 결과물을 마주할 수 있다.

버디는 누군가가 선택지를 살펴보도록 도울 수 있지만, 접근성 관련 결정이 비공식적인 호의에 의존해서는 안 된다. 승인된 편의 제공과 전문 지원은 계속 이용 가능해야 한다.

이러한 통제 장치는 동료 학습을 약화하지 않는다. 오히려 동료 학습이 유용한 지점과 기관의 책임이 이어받아야 하는 지점을 구분한다.

개인정보 보호는 프롬프트, 계정, 데이터에 달려 있다

엔터프라이즈 라이선스는 벤더 위험을 낮추지만, 개인정보 보호는 여전히 직원이 무엇을 제출하고 응답을 어떻게 활용하는지에 달려 있다.

UC는 여러 정보 민감도 수준으로 운영된다. 한쪽 끝에는 공개 자료가 있고, 다른 쪽 끝에는 엄격히 제한되는 건강, 금융, 법률 및 신원 정보가 있다.

직원은 이를 인지하지 못한 채 여러 수준의 정보를 결합할 수 있다. 평범한 문서에도 학생 식별자, 내부 전략 또는 직원 성과에 관한 의견이 포함될 수 있다.

따라서 데이터 분류는 실무 역량이 된다. 참여자는 도구를 선택하거나 프롬프트를 작성하기 전에 업무를 점검하는 법을 익혀야 한다.

UC의 시스템 전반 지침은 반복해서 통제된 환경을 강조해 왔다. 라이선스가 부여된 서비스는 일반적으로 개방형 소비자 계정보다 더 강력한 기관 차원의 보호를 제공한다.

그러나 “엔터프라이즈”는 범용적인 허가 표지가 아니다. 각 제품에는 승인된 사용 방식, 계약 조건, 기술 구성 및 데이터 경계가 있다.

UCOP는 승인된 ChatGPT EDU 환경이 P3 수준까지의 정보를 처리할 수 있다고 말한다. 그렇더라도 직원은 자신의 자료가 P3 범위에 속하는지 알아야 한다.

UC San Diego의 상세한 assistant guidelines는 실제 사용이 얼마나 복잡해지는지를 보여준다. 이 지침은 동의, 회의 기록, 승인된 저장소, 민감한 논의 및 공공기록 의무를 다룬다.

지침은 P4 데이터가 포함된 특정 행정 회의에서 AI 기록을 금지한다. 예로는 건강, 금융, 대출 및 미등록 학생 관련 정보가 있다.

또한 변호사-의뢰인 간 의사소통, 성과 심의, 생식 또는 성별확정 치료와 관련된 정보를 포함한 일부 P3 논의도 제한한다.

이 사례들은 일반적인 경고만으로는 충분하지 않은 이유를 보여준다. “기밀 데이터를 입력하지 마십시오”라는 말은 직원에게 기밀성의 의미와 대화의 경계를 모두 해석하도록 맡긴다.

회의 보조 도구는 모든 발언자의 기여를 수집할 수 있기 때문에 특히 문제가 된다. 참여자는 어떤 서비스가 녹음하는지, 기록이 어디로 가는지, 얼마나 오래 이용 가능한지 알지 못할 수 있다.

버디는 직관으로 그러한 불확실성을 해결해서는 안 된다. 안전한 대응은 기록 기능을 활성화하기 전에 캠퍼스의 개인정보 보호, 보안, 기록관리 또는 법률 지침을 확인하는 것이다.

정확성 역시 관련된 거버넌스 우려를 제기한다. 챗봇은 조작된 사실, 인용 또는 정책 해석이 포함된 유창한 문장을 만들어낼 수 있다.

사실 확인에는 첫 응답이 맞는지 다시 묻는 프롬프트가 아니라 외부 증거가 포함되어야 한다. 검토자는 원문 문서나 권위 있는 출처를 확인해야 한다.

직원은 브레인스토밍과 의사결정도 구분해야 한다. AI는 선택지를 생성할 수 있지만, 적절한 책임을 가진 사람이 정책과 증거에 비추어 그 선택지를 평가해야 한다.

결과물이 접근권, 고용, 학업 상태, 조달 또는 자원 배분에 영향을 미칠 때 이 구분은 매우 중요해진다. 매끄럽게 다듬어진 권고안은 취약한 가정을 감출 수 있다.

UC의 이전 AI 워킹그룹은 공정성, 투명성, 책임성, 개인정보 보호 및 안전을 시스템 전반의 우려 사항으로 지목했다. 이러한 원칙은 직원이 일반 챗봇을 사용할 때에도 적용된다.

버디 프로그램은 짧은 시나리오를 통해 이를 구체화할 수 있다. 한 시나리오에서는 공개 보고서를 ChatGPT EDU에서 요약해도 되는지 물을 수 있다.

또 다른 시나리오는 직원 정보가 담긴 스프레드시트를 다룰 수 있다. 참여자는 진행 전에 데이터 등급, 승인된 환경, 접근 권한 및 필요한 인간 검토를 식별하게 된다.

시나리오 기반 학습은 AI가 거의 가치를 더하지 못하는 경우도 드러낼 수 있다. 민감한 세부 정보를 제거하는 데 원래 업무를 수행하는 것보다 더 오래 걸릴 때도 있다.

이는 정당한 결과다. 책임 있는 도입에는 AI 시스템을 사용하지 않아야 할 때를 인식하는 일도 포함된다.

프로그램의 신뢰성은 이러한 자제를 보상하는지에 달려 있다. 모든 매칭이 새로운 AI 워크플로를 만들어야 한다고 기대하면, 참여자들은 부적합한 업무를 억지로 기술에 끼워 맞출 수 있다.

대신 UCOP는 팀이 사용 범위를 좁히거나, 다른 시스템을 선택하거나, AI를 전혀 사용하지 않는 사례를 포함해 건전한 결정을 인정해야 한다.

프로그램의 성과를 보여줄 세 가지 신호

다음 시험대는 UCOP가 자발적 학습을 직원 감시로 바꾸지 않으면서 더 나은 판단과 유용한 업무를 측정할 수 있는지다.

첫 번째 신호는 참여의 질이다. 등록자 수보다 중요한 것은 매칭이 계속 활성 상태를 유지하고 서로 다른 역할과 출발 역량을 가진 직원에게 도움이 되는지다.

UCOP는 참여자들이 만남을 갖고, 합의한 학습 목표를 완료하며, 특정 업무에 대한 자신감이 높아졌다고 보고하는지 살펴봐야 한다. 버디에게 보호된 시간이 제공되는지도 추적해야 한다.

높은 등록 수 뒤에 비활성 매칭이 이어진다면, 직원에게 시간이나 유용한 매칭 또는 관리자의 지원이 부족했다는 뜻일 수 있다. 이는 동료 학습 모델을 약화할 것이다.

지속적인 참여는 다른 결론을 뒷받침한다. 공식 교육과 문서화만으로는 얻기 어려운 맥락 있는 지침에서 직원들이 가치를 찾고 있음을 보여줄 것이다.

두 번째 신호는 만들어진 사용 사례의 질이다. 강력한 사례는 업무, 승인된 도구, 허용된 데이터, 검증 방법, 인간 책임자 및 측정된 결과를 식별해야 한다.

UCOP의 2025년 보고서는 이미 도입 기준선을 제공한다. 이 보고서는 라이선스, 사용자, 프롬프트 및 이벤트를 기록하지만, 버디 프로그램에는 결과에 더 가까운 증거가 필요하다.

유용한 측정 지표로는 처리 시간 단축, 수정 횟수 감소, 접근성 점검 개선 또는 승인된 공개 정보의 더 빠른 검색이 있을 수 있다. 각각의 주장은 정의된 비교 기준을 필요로 한다.

UC Tech News는 유망한 모델 하나를 소개했다. 여러 캠퍼스의 팀이 WCAG 2.1 및 UC 브랜드 지침에 따라 초기 검토를 수행하도록 GPT를 구성했다.

accessibility reviewer는 번거로운 1차 검토를 처리하고 수정 제안을 제공한다. 하지만 인간 책임자는 여전히 그 결과를 검증하고 업무를 완료해야 한다.

이처럼 범위가 제한된 워크플로는 생산성에 대한 광범위한 주장보다 더 많은 정보를 제공한다. 시스템이 무엇을 검토하는지, 어떤 표준이 적용되는지, 인간의 판단이 어디에 남는지를 명확히 한다.

세 번째 신호는 프로그램의 안전 관련 피드백이다. UCOP는 불필요한 프롬프트 내용을 수집하지 않으면서 반복되는 질문, 아차 사고, 에스컬레이션 요청 및 혼란스러운 정책 영역을 모니터링해야 한다.

질문이 늘어난다고 해서 프로그램이 자동으로 더 많은 위험을 만들었다는 뜻은 아니다. 직원들이 이전에는 놓쳤던 문제를 인식하고 있음을 보여줄 수도 있다.

중요한 척도는 그러한 질문이 적절한 전문가에게 전달되는지다. 프로그램 리더는 답변이 향후 참여자를 위한 업데이트된 지침으로 어떻게 반영되는지도 문서화해야 한다.

개인정보를 보존하는 측정에는 절제가 필요하다. UCOP는 어떤 주제가 불확실성을 유발하는지 이해하기 위해 직원 프롬프트 전체 아카이브가 필요하지 않다.

집계된 범주는 직원들이 데이터 분류, 환각, 회의 기록, 저작권, 접근성 또는 계정 선택에서 어려움을 겪는지 보여줄 수 있다.

향후 1~3개월은 동료 학습이 UCOP의 더 광범위한 AI 거버넌스 구조의 일부가 되는지를 보여줄 것이다. 세 가지 발전에 주목할 필요가 있다.

첫째, UCOP는 더 명확한 버디 기준을 공개하거나 내부적으로 배포해야 한다. 여기에는 역할 경계, 에스컬레이션 경로, 안전한 실습 및 관리자 기대사항이 정의되어야 한다.

둘째, 조직은 문서화된 인간 검토가 포함된 재사용 가능한 워크플로를 식별해야 한다. 이는 가벼운 실험에서 책임 있는 운영 관행으로 나아가고 있음을 보여줄 것이다.

셋째, 프로그램 피드백은 눈에 보이는 정책 또는 교육 업데이트로 이어져야 한다. 이 결과는 학습이 중앙 전문가에서 직원으로, 다시 그 반대 방향으로도 움직인다는 점을 증명할 것이다.

다른 고용주는 통제 장치를 복제하지 않은 채 이름만 따라 해서는 안 된다. 버디 프로그램은 신뢰, 실무 작업, 보호된 시간 및 명확한 기관 책임성을 결합할 때 성공한다.

유사한 이니셔티브를 고려하는 직원은 한 가지 질문에서 시작해야 한다. 모든 참여자가 제안된 워크플로에 필요한 데이터, 계정, 증거 및 인간 검토자가 무엇인지 설명할 수 있는가?

그 답이 일관되게 명확해진다면, UCOP는 또 하나의 도입 캠페인 이상을 만든 것이 된다. 직원들이 AI가 멈춰야 할 지점을 인식하면서 함께 학습할 수 있는 반복 가능한 방식을 구축하게 될 것이다.