Az oktatási intézményeknek van egy olyan sajátosságuk, amelyet kevés más szektor osztja: az AI felhasználói nagyrészt azok az emberek, akiket az intézménynek formálnia kell, nem pedig ellenőriznie. A diákok és tanulók nyelvi modelleket használnak feladatok, összefoglalók és dolgozatok elkészítéséhez, gyakran gyorsabban és szélesebb körben, mint amit a tanárok és a döntéshozók követni tudnak. A tanárok ugyanezeket az eszközöket használják a javítási munka felgyorsítására, tananyag fejlesztésére vagy visszajelzések megfogalmazására. Közöttük áll egy vezetés, amely felelős az oktatás minőségéért, a vizsgáztatásért és a gyakran kiskorú tanulók személyes adatainak védelméért, anélkül hogy mindig áttekintéssel rendelkezne arról, mi történik a gyakorlatban.
Ez a viszony — a felhasználónál kezdődő, nem az organizációnál kezdődő használat — teszi az oktatásban az irányítást másmilyenné, mint egy vállalati környezetben, ahol az IT beszerez és bevezet egy eszközt. Itt a használat előbb keletkezik, ezernyi egyéni döntésre szétosztva, és az áttekintés iránti igény csak utólag jön elő.
Az oktatási szoftverek listája megmutatja, milyen digitális tanulási környezeteket, vizsgarendszereket és ügyviteli szoftvereket szereztek be. Ez a lista alig árul el arról, mit használnak a tanárok valójában a tananyag elkészítéséhez, és még kevesebbet arról, mit használnak a tanulók és diákok a feladatok elkészítéséhez. Egy chatbot, amely böngészőn keresztül ingyenesen hozzáférhető, nem kér jóváhagyást az IT-osztálytól, és semmilyen szerződés-áttekintésben nem jelenik meg.
Ez az árnyék-AI-t az oktatásban strukturális ténnyé teszi, nem kivétellé. A használat szétszórtan jelenik meg: tanárok között, akik egyénileg döntik el, hogyan alkalmaznak egy eszközt, diákok között, akik kísérleteznek anélkül, hogy bárki megkérdezné, és az organizáció olyan részei között — az órarendtervezéstől a tanulmányi tanácsadásig —, amelyek egymástól függetlenül keresnek segédeszközöket. A teljes kép így nem csak technikai felmérést igényel, hanem egy kérdést is azokhoz, akik naponta dolgoznak vele: mit használ, és mire.
Ez a kérdés csak akkor eredményez őszinte választ, ha nincs hozzá kapcsolva szankció. Egy tanár, aki beismeri, hogy a feladatokat AI-segítséggel javítja, vagy egy diák, aki elmondja, hogyan készült egy dolgozat, nem teszi ezt meg, ha fennáll a kockázat, hogy ezt a használatot szabálysértésként kezelik. Az intézmények, amelyek elsősorban azt akarják tudni, mi történik, ezért olyan megközelítésből profitálnak, amely előbb feltérképezi a használatot, és a kívánatosság és a szabályok kérdését külön, később teszi fel. Aki egyszerre teszi fel mindkét kérdést, az elsőre nem kap választ.
Nem minden AI-használat egy iskolában vagy intézményben egyenlő súlyú. Egy eszköz, amely a tanárokat segíti egy dolgozat visszajelzésének megfogalmazásában, más hatással jár, mint egy rendszer, amely beszámít egy vizsga értékelésébe, vagy egy eszköz, amelyet egy képzésre való hallgatók kiválasztásánál alkalmaznak. Ahol az AI beleszól egy egyéni tanulóra vagy diákra vonatkozó döntésbe — egy jegybe, egy tanácsba, egy felvételi döntésbe —, ott a kockázati szint magasabb, mint ahol az AI csak időt takarít meg az előkészítő munkánál.
Ez a szerep és kockázat szerinti besorolás szükséges a szűkös figyelem megfelelő elosztásához. Nem minden használat igényel egyforma felügyeletet, és egy governance-megközelítés, amely mindent egyformán kezel, éppen ott veszíti el az áttekintést, ahol a kockázat a legmagasabb.
Az oktatási intézményeknek gyakran már vannak felügyeleti formái: egy vizsgabizottság, egy diákönkormányzat vagy hasonló testület, egy adatvédelmi tisztviselő, egy minőségbiztosítási rendszer. Az AI-irányítás jobban működik, ha ezekhez a meglévő struktúrákhoz kapcsolódik, mint ha egy külön, új kört állítanak melléjük. A vizsgabizottság, amely már meghatározza, milyen segédeszközök engedélyezettek egy vizsgánál, a logikus hely arra is, hogy az AI-használatot megítélje. A governance-kérdés így nem csak az, milyen szabályok fognak érvényesülni, hanem az is, kire bízzák a meglévő organizáción belül a felügyeletet.
Az aktuális jogi keretek — mi kötelező, kinek, és milyen határidőn belül — máshol találhatók. Itt a mechanizmusról van szó: tudni, mit használnak, tudni, ki a felelős érte, és ezt igazolhatóan tudni bemutatni a vezetés, a felügyelő szerv vagy a szülők felé.
Az oktatási szektor más környezetekkel osztja azt, hogy az árnyék-AI a norma, nem a kivétel, de az ok más. Míg az AI-irányítás a pénzügyi szolgáltatásokban elsősorban az egyéni ügyfélszintű döntések feletti felügyelet által vezérelt, és az AI-irányítás az IKT-szektorban arról szól, hogy az AI maga is a leszállított termék részévé válik, az oktatásban egy nagy csoportról van szó, amely nem tölt be formális pozíciót az organizációban, mégis a tényleges használat legnagyobb részét képviseli. Ez más kihívás, mint az AI-irányítás a kiskereskedelemben, ahol a használat rendszerint egy funkciót betöltő munkavállalóknál van.
Az, hogy milyen AI-t használnak és ki, egy első lépés. Az ezt követő kérdés specifikusabb: a munkának mely része, amelyet a tanárok, oktatási támogatók vagy döntéshozók most végeznek, alkalmas arra, hogy AI vegye át, és melyik része nem. Ez egy feladatonkénti kérdés, nem funkció- vagy osztályszintű. Az FTE TO AI munkaszkennere feladatszinten számolja ezt ki, és megmutatja, a munka mely része valóban automatizálható, függetlenül attól, milyen eszközök már most is forgalomban vannak erre a célra.
Vraag maar. Governance begint bij weten wat er draait — ook wat niemand heeft goedgekeurd.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.