O Programa AI Buddy da UCOP Testa a Aprendizagem entre Pares diante de Riscos à Privacidade

O Escritório do Presidente da Universidade da Califórnia introduziu um Programa AI Buddy voluntário, apesar de questões ainda não resolvidas sobre privacidade, precisão e tempo dos funcionários.

O programa reúne usuários experientes de IA a colegas que desejam orientação prática. Os participantes podem explorar ferramentas como ChatGPT, Claude, Google Gemini e Microsoft Copilot por meio de apoio direto entre pares.

Esse desenho torna a iniciativa mais relevante do que outro webinar corporativo. A UCOP está testando se colegas de confiança podem transformar a conscientização geral sobre IA em práticas diárias responsáveis sem normalizar experimentações inseguras.

A tensão está entre duas necessidades legítimas. Os funcionários precisam de oportunidades para compreender sistemas que já estão mudando o trabalho administrativo. Eles também lidam com informações institucionais que não podem ser inseridas com segurança em qualquer chatbot.

A UCOP, portanto, enfrenta um teste compartilhado por universidades e outros grandes empregadores. Acesso e entusiasmo podem se disseminar rapidamente, mas o discernimento confiável se desenvolve mais lentamente.

A UCOP Está Transformando o Treinamento em IA em uma Relação entre Pares

O Programa AI Buddy desloca a educação sobre IA no trabalho da instrução programada para o aprendizado voluntário, pessoa a pessoa.

O porta-voz da UCOP, Stett Holbrook, descreveu o programa como uma iniciativa interna e voluntária de aprendizado para funcionários, segundo a reportagem original sobre seu lançamento. Participantes mais experientes atuam como buddies de colegas com menos experiência em ferramentas de IA.

O modelo de pareamento reconhece uma fraqueza comum do treinamento formal em tecnologia. Uma apresentação pode explicar recursos, políticas e exemplos de prompts, mas raramente acompanha um funcionário em um fluxo de trabalho difícil.

Um colega pode responder à pergunta que surge quando alguém começa a trabalhar. Essa pergunta pode envolver uma resposta confusa, um documento que contém informações sensíveis ou se a IA deveria ser usada naquela tarefa.

Segundo relatos, os participantes identificam, durante a inscrição, as ferramentas e os temas que desejam explorar. As áreas possíveis incluem IA para ensino e aprendizagem, avaliação de resultados e verificação de fatos.

Essas escolhas importam porque a “alfabetização em IA” abrange diversas habilidades distintas. Escrever um prompt eficaz é diferente de avaliar uma citação, proteger informações pessoais ou decidir se a automação é apropriada.

O programa também parece projetado para acomodar várias plataformas importantes. Essa abordagem reflete a realidade de que os funcionários encontram sistemas diferentes por meio de contas da universidade e contas pessoais.

No entanto, a variedade de plataformas complica o treinamento. Cada serviço tem contratos, controles de dados, práticas de retenção, integrações e usos aprovados diferentes.

O próprio catálogo de software da UCOP ilustra essa distinção. Sua orientação sobre ChatGPT afirma que atividades da universidade devem usar o ChatGPT EDU, aprovado para informações até a classificação P3 da UC.

Essa aprovação não torna todo prompt apropriado. Os funcionários ainda precisam compreender os dados envolvidos, a finalidade do processamento e as regras da universidade que regem a tarefa.

Os produtos da Microsoft criam outra camada de complexidade. Copilot Chat, Microsoft 365 Copilot e Copilot Studio oferecem conexões e recursos diferentes, embora os funcionários possam chamar os três simplesmente de “Copilot”.

A UCOP afirma que o Microsoft 365 Copilot exige aprovação do gestor. O Copilot Studio pode criar agentes conversacionais especializados conectados a sistemas e documentos organizacionais.

Portanto, um buddy precisa fazer mais do que demonstrar um prompt inteligente. Uma orientação eficaz deve conectar cada fluxo de trabalho à conta correta, à plataforma aprovada e à classificação apropriada da informação.

A iniciativa também pede que funcionários interessados consultem seus supervisores antes de participar. Esse detalhe evita que uma atividade de aprendizado nominalmente voluntária se torne trabalho invisível.

Se o aprendizado de IA ocorrer fora das responsabilidades normais, a participação favorecerá funcionários com agendas flexíveis. Também pode impor uma carga de apoio não reconhecida aos buddies mais experientes.

O envolvimento dos gestores pode proteger tempo para o aprendizado. Também pode ajudar as equipes a escolher casos de uso ligados ao trabalho real, em vez de experimentar sem um resultado definido.

A primeira mudança importante é, portanto, organizacional, e não técnica. A UCOP está criando uma camada de apoio humano entre o acesso corporativo à IA e a adoção cotidiana.

Por Que a UCOP Precisa de Mais do que Acesso a Ferramentas

O desafio da UCOP já não é adquirir ferramentas de IA; é ajudar os funcionários a usá-las de forma consistente, segura e para finalidades justificáveis.

A UC já construiu grande parte da base que sustenta a iniciativa de buddies. Um acordo da OpenAI para todo o sistema entrou em vigor em junho de 2024 e cobre ChatGPT Enterprise e EDU.

O acordo da UC inclui termos de privacidade de dados, uma avaliação de risco do fornecedor e proteções de confidencialidade para prompts e respostas dos clientes. Ele também estabelece uma estrutura compartilhada de compras para os campi participantes.

Posteriormente, a UCOP expandiu o acesso dos funcionários ao ChatGPT e ao Microsoft Copilot. Seu relatório de tecnologia de 2025 afirma que mais de 1.000 licenças foram implementadas, incluindo 700 licenças do ChatGPT e 300 do Copilot.

O relatório também registra 230.000 prompts enviados desde maio de 2025. Segundo o documento, 800 funcionários usaram ferramentas de IA entre junho e outubro de 2025.

Esses números mostram atividade, mas atividade não é o mesmo que valor. A contagem de prompts não revela se uma resposta estava correta, se uma tarefa melhorou ou se os funcionários evitaram dados inadequados.

O relatório da UCOP afirma que a organização está passando da fundação para a adoção e o impacto. O Programa AI Buddy ocupa o difícil centro dessa progressão.

A compra de contas corporativas aborda diversos riscos importantes. Ela pode fornecer controles contratuais, acesso gerenciado e suporte mais claro do que contas pessoais de consumidores.

Ainda assim, a aquisição não pode determinar se um funcionário reconhece material sensível em um rascunho. Tampouco pode garantir que alguém verifique uma citação inventada ou perceba um viés sutil.

O Conselho de IA da UC tratou a educação como um requisito de governança, e não como um complemento opcional. Seu Subcomitê de Conhecimento, Habilidades e Conscientização é responsável por manter treinamentos, engajamento e boas práticas.

Em 2026, o conselho também lançou uma série de webinars sobre alfabetização em IA para docentes e funcionários. As sessões abordam conceitos fundamentais, uso prático, responsabilidades éticas e recursos organizacionais.

Webinars oferecem consistência e escala. Um programa de buddies oferece contexto, repetição e um espaço de menor atrito para admitir incertezas.

Essa combinação se assemelha a um treinamento de segurança em camadas. A orientação central estabelece as regras, enquanto o apoio local ajuda as pessoas a aplicá-las a situações que os materiais formais não conseguem antecipar.

A aprendizagem entre pares também pode revelar diferenças entre a política escrita e o trabalho real. Se muitos funcionários fazem a mesma pergunta, o problema pode exigir orientações mais claras ou uma ferramenta aprovada melhor.

Esse retorno é especialmente valioso em uma instituição complexa. A UCOP atende funções que incluem compras, assuntos jurídicos, política acadêmica, finanças, comunicações e administração de todo o sistema.

Um guia universal de prompts não pode abranger esses ambientes igualmente bem. Os riscos relacionados a um comunicado público à imprensa diferem daqueles relacionados a informações de pessoal, jurídicas, de saúde ou de estudantes.

O programa pode ter êxito se transformar perguntas recorrentes em conhecimento institucional. Exemplos úteis podem se tornar modelos aprovados, casos de treinamento ou atualizações do hub de recursos de IA.

Sem esse ciclo de feedback, a iniciativa corre o risco de se tornar uma rede informal de ajuda. Os funcionários receberiam respostas inconsistentes, enquanto as equipes centrais aprenderiam pouco sobre as barreiras à adoção.

Organizações que exploram programas semelhantes devem tratar a orientação compartilhada como parte de um fluxo de trabalho de IA mais amplo. As pessoas precisam de processos reutilizáveis, não de truques isolados com prompts.

A pressão sobre a UCOP decorre de seu próprio progresso. Quando ferramentas corporativas chegam a centenas de funcionários, a experimentação informal torna-se uma realidade operacional que a política, por si só, não consegue administrar.

A Aprendizagem entre Pares Torna a IA Mais Acessível, mas Também Dissemina Erros

A maior força do programa e sua principal fraqueza vêm da mesma fonte: os funcionários estão aprendendo com pessoas em quem já confiam.

Um colega frequentemente compreende melhor a linguagem local, as restrições e as tarefas recorrentes do que um instrutor externo. Essa familiaridade pode tornar a orientação imediatamente útil.

Um funcionário experiente pode mostrar como resumir um documento público, reestruturar um rascunho, gerar perguntas para reuniões ou comparar alternativas não confidenciais. O aprendiz pode então testar o método em trabalho relevante.

Essa abordagem também reduz o constrangimento em torno de perguntas básicas. Os funcionários podem hesitar em perguntar a um grande grupo de treinamento por que um chatbot produziu respostas inconsistentes ou como os prompts são armazenados.

Uma relação de buddy cria espaço para essas perguntas. Ela pode ajudar os participantes a aprender que a incerteza é normal e que a verificação faz parte do uso responsável.

O modelo também reconhece que a adoção de IA é social. As pessoas observam como colegas respeitados usam uma ferramenta antes de decidir se ela pertence ao próprio trabalho.

Esse mecanismo pode promover hábitos cautelosos quando os buddies dão exemplo de moderação. Eles podem explicar por que removeram detalhes sensíveis, escolheram uma conta aprovada ou rejeitaram uma resposta.

O mesmo mecanismo pode disseminar más práticas com a mesma eficiência. Um funcionário confiante pode interpretar mal regras de dados, repetir uma técnica não confiável ou apresentar sucesso anedótico como evidência estabelecida.

A experiência com um produto de IA não torna alguém automaticamente qualificado para orientar outras pessoas. Usuários frequentes podem ser habilidosos em gerar respostas, mas ainda fracos na verificação de fontes ou na análise de privacidade.

A UCOP, portanto, precisa de uma definição clara do papel do buddy. Buddies devem ajudar colegas a aprender, mas não devem se tornar responsáveis não oficiais por privacidade, advogados ou revisores de segurança.

Eles também precisam de um caminho de escalonamento. Questões que envolvam dados protegidos, compras, acessibilidade, interpretação jurídica ou decisões automatizadas devem ser encaminhadas ao escritório responsável.

Um modelo útil distinguiria três categorias de atividade.

Primeiro, a exploração de baixo risco pode incluir informações públicas, exemplos inventados e rascunhos sem detalhes confidenciais. Buddies podem orientar essas atividades diretamente.

Segundo, o trabalho controlado pode envolver ferramentas corporativas aprovadas e informações permitidas sob termos específicos da universidade. Os participantes ainda precisam de regras documentadas e revisão humana.

Terceiro, trabalhos de alto risco devem exigir aprovação de especialistas ou permanecer fora do programa. Essa categoria inclui decisões consequentes e informações cuja exposição criaria danos significativos.

Os materiais de governança já existentes da UC apoiam essa estrutura. A universidade alerta sobre divulgação acidental, discriminação, devido processo, propriedade intelectual e violações de políticas.

A estrutura de governança da UC afirma que aplicações de IA devem receber a mesma cautela e análise de conformidade que outros usos de dados institucionais.

Esse princípio evita um erro comum. Uma interface conversacional pode parecer menos formal do que um banco de dados corporativo, mesmo quando ambos processam informações sensíveis.

O contexto social introduz outro risco: a divulgação acidental entre colegas. Um participante pode compartilhar um prompt, documento-fonte ou resultado que o colega não estava autorizado a ver.

Portanto, as orientações do programa devem abranger a divulgação entre pares, não apenas os dados enviados a um fornecedor. Os participantes precisam de exemplos sanitizados sempre que os direitos de acesso forem diferentes.

Na prática, a relação entre colegas também deve permanecer voluntária. Um funcionário não deve se sentir pressionado a revelar incertezas, preocupações de desempenho ou uso de ferramentas a um colega.

A formação de pares pode criar dinâmicas de poder sutis quando os participantes têm diferentes níveis de senioridade, classificações de emprego ou relações de subordinação. Um programa seguro precisa de uma forma confidencial de solicitar uma nova designação.

A acessibilidade exige cuidado semelhante. Alguns funcionários podem se beneficiar de recursos de IA para redação, resumo ou fala, enquanto outros podem encontrar interfaces inacessíveis ou resultados pouco confiáveis.

Um colega pode ajudar alguém a explorar opções, mas as decisões de acessibilidade não devem depender de boa vontade informal. Adaptações aprovadas e apoio especializado devem continuar disponíveis.

Esses controles não prejudicam a aprendizagem entre pares. Eles definem onde ela é útil e onde a responsabilidade institucional precisa assumir.

A privacidade depende do prompt, da conta e dos dados

Uma licença empresarial reduz o risco do fornecedor, mas a privacidade ainda depende do que os funcionários enviam e do que fazem com a resposta.

A UC opera com vários níveis de sensibilidade da informação. Em uma ponta estão os materiais públicos; na outra, informações altamente restritas de saúde, finanças, área jurídica e identidade.

Um membro da equipe pode combinar vários níveis sem perceber. Um documento comum pode incluir um identificador de estudante, uma estratégia interna ou comentários sobre o desempenho de funcionários.

Isso torna a classificação de dados uma habilidade prática. Os participantes precisam aprender a inspecionar uma tarefa antes de escolher uma ferramenta ou elaborar um prompt.

As orientações sistêmicas da UC têm enfatizado repetidamente ambientes controlados. Em geral, serviços licenciados oferecem proteções institucionais mais robustas do que contas abertas de consumidores.

No entanto, “empresarial” não é um rótulo de permissão universal. Cada produto tem usos aprovados, condições contratuais, configurações técnicas e limites de dados.

A UCOP afirma que seu ambiente aprovado ChatGPT EDU pode processar informações até P3. Essa afirmação ainda exige que os funcionários saibam se seu material se enquadra em P3.

As detalhadas diretrizes para assistentes da UC San Diego demonstram como o uso no mundo real se torna complexo. Elas abordam consentimento, captura de reuniões, armazenamento aprovado, discussões sensíveis e obrigações de registros públicos.

As diretrizes proíbem a captura por IA em determinadas reuniões administrativas que envolvem dados P4. Entre os exemplos estão informações de saúde, financeiras, de empréstimos e de estudantes sem documentação migratória.

Elas também restringem algumas discussões P3, incluindo comunicações entre advogado e cliente, deliberações de desempenho e informações relacionadas a cuidados reprodutivos ou de afirmação de gênero.

Esses exemplos mostram por que alertas gerais são insuficientes. “Não insira dados confidenciais” deixa os funcionários responsáveis por interpretar tanto a confidencialidade quanto os limites de uma conversa.

Assistentes de reunião criam problemas específicos porque podem coletar a contribuição de todos os participantes. Os participantes podem não saber qual serviço está gravando, para onde vai a transcrição ou por quanto tempo ela permanece disponível.

Um colega nunca deve resolver essa incerteza pela intuição. A resposta segura é consultar orientações do campus sobre privacidade, segurança, registros ou questões jurídicas antes de habilitar a captura.

A precisão apresenta uma preocupação de governança relacionada. Um chatbot pode produzir texto fluente que inclui fatos, citações ou interpretações de políticas fabricados.

A verificação de fatos deve envolver evidências externas, não outro prompt perguntando se a primeira resposta estava correta. O revisor precisa do documento original ou de uma fonte oficial.

A equipe também deve separar o brainstorming da tomada de decisão. A IA pode gerar opções, mas uma pessoa com a responsabilidade adequada deve avaliá-las à luz das políticas e das evidências.

Essa distinção se torna crítica quando um resultado afeta acesso, emprego, situação acadêmica, compras ou alocação de recursos. Uma recomendação bem apresentada pode ocultar premissas frágeis.

O grupo de trabalho anterior da UC sobre IA identificou justiça, transparência, responsabilização, privacidade e segurança como preocupações sistêmicas. Esses princípios se aplicam mesmo quando a equipe usa um chatbot de uso geral.

O programa de colegas pode torná-los concretos por meio de cenários curtos. Um cenário pode perguntar se um relatório público pode ser resumido no ChatGPT EDU.

Outro poderia envolver uma planilha contendo informações de funcionários. Os participantes identificariam a classe de dados, o ambiente aprovado, os direitos de acesso e as verificações humanas necessárias antes de prosseguir.

A aprendizagem baseada em cenários também pode revelar quando a IA agrega pouco valor. Às vezes, remover detalhes sensíveis leva mais tempo do que concluir a tarefa original.

Esse é um resultado legítimo. A adoção responsável inclui reconhecer quando não usar um sistema de IA.

A credibilidade do programa dependerá de ele recompensar essa contenção. Se cada pareamento for esperado para produzir um novo fluxo de trabalho com IA, os participantes poderão forçar tarefas inadequadas à tecnologia.

Em vez disso, a UCOP deve reconhecer decisões bem fundamentadas, incluindo casos em que as equipes restringem um uso, escolhem outro sistema ou evitam a IA por completo.

Três sinais mostrarão se o programa funciona

O próximo teste é saber se a UCOP consegue medir melhor julgamento e trabalho útil sem transformar a aprendizagem voluntária em vigilância de funcionários.

O primeiro sinal é a qualidade da participação. Os totais de inscrições importam menos do que saber se os pares permanecem ativos e atendem funcionários com funções e níveis iniciais de habilidade diferentes.

A UCOP deve examinar se os participantes se reúnem, concluem os objetivos de aprendizagem acordados e relatam maior confiança em tarefas específicas. Também deve acompanhar se os colegas recebem tempo protegido.

Um alto número de inscrições seguido por pareamentos inativos sugeriria que a equipe não teve tempo, correspondências úteis ou apoio gerencial. Esse resultado enfraqueceria o modelo de aprendizagem entre pares.

A participação sustentada apoiaria uma conclusão diferente. Mostraria que os funcionários encontram valor em orientações contextualizadas além de cursos formais e documentação.

O segundo sinal é a qualidade dos casos de uso produzidos. Exemplos sólidos devem identificar a tarefa, a ferramenta aprovada, os dados permitidos, o método de verificação, o responsável humano e o resultado medido.

O relatório de 2025 da UCOP já fornece uma linha de base para a adoção. Ele registra licenças, usuários, prompts e eventos, mas o programa de colegas precisa de evidências mais próximas dos resultados.

Medidas úteis podem incluir redução do tempo de processamento, menos revisões, melhores verificações de acessibilidade ou recuperação mais rápida de informações públicas aprovadas. Cada alegação exige uma comparação definida.

A UC Tech News descreveu um modelo promissor. Uma equipe intercampi configurou um GPT para realizar uma revisão inicial em relação à WCAG 2.1 e às diretrizes de marca da UC.

O revisor de acessibilidade realiza uma primeira análise tediosa e oferece alterações sugeridas. Os responsáveis humanos ainda precisam validar suas conclusões e concluir o trabalho.

Esse tipo de fluxo de trabalho delimitado é mais informativo do que uma alegação ampla sobre produtividade. Ele especifica o que o sistema revisa, quais padrões se aplicam e onde o julgamento humano permanece.

O terceiro sinal é o feedback de segurança do programa. A UCOP deve monitorar perguntas recorrentes, quase-incidentes, solicitações de escalonamento e áreas confusas de políticas, sem coletar conteúdo desnecessário de prompts.

Um aumento nas perguntas não significaria automaticamente que o programa criou mais risco. Pode mostrar que os funcionários estão reconhecendo problemas que antes não percebiam.

A medida importante é saber se essas perguntas chegam aos especialistas certos. Os líderes do programa também devem documentar como as respostas se transformam em orientações atualizadas para futuros participantes.

A medição que preserva a privacidade exigirá contenção. A UCOP não precisa de um arquivo completo dos prompts dos funcionários para entender quais temas geram incerteza.

Categorias agregadas podem revelar se a equipe tem dificuldades com classificação de dados, alucinações, captura de reuniões, direitos autorais, acessibilidade ou seleção de contas.

Os próximos um a três meses devem mostrar se a aprendizagem entre pares se torna parte da estrutura mais ampla de governança de IA da UCOP. Três desenvolvimentos merecem atenção.

Primeiro, a UCOP deve publicar ou circular internamente padrões mais claros para os colegas. Eles devem definir limites de função, rotas de escalonamento, exercícios seguros e expectativas dos supervisores.

Segundo, a organização deve identificar fluxos de trabalho reutilizáveis com revisão humana documentada. Isso demonstraria uma transição da experimentação casual para uma prática operacional responsável.

Terceiro, o feedback do programa deve produzir atualizações visíveis de políticas ou treinamentos. Esse resultado provaria que a aprendizagem ocorre nas duas direções: dos especialistas centrais para a equipe e de volta.

Outros empregadores devem resistir a copiar o nome sem copiar os controles. Um programa de colegas tem sucesso quando combina confiança, trabalho prático, tempo protegido e responsabilização institucional clara.

Funcionários que consideram uma iniciativa semelhante devem começar com uma pergunta: cada participante consegue explicar quais dados, conta, evidências e revisor humano um fluxo de trabalho proposto exige?

Se a resposta se tornar consistentemente clara, a UCOP terá criado mais do que outra campanha de adoção. Terá construído uma forma repetível de a equipe aprender em conjunto, reconhecendo ao mesmo tempo onde a IA deve parar.