Hvordan skriver og implementerer vi en institutionel AI-policy?

Automatisk maskinoversættelse af denne engelske side, der endnu ikke er blevet gennemgået af en modersmålstalere.

Udkastet har cirkuleret siden foråret, og hver eneste operationelle sætning siger »må«. Eller en leverandør vil have en site-licens underskrevet inden kvartalets udgang, og ingen på mødet kan sige, hvad institutionen har accepteret om studerendes data. Eller et detektorflag er blevet til en klage, og den policy, der skulle afgøre den, viser sig ikke at sige noget om, hvilken evidens en anklage kan hvile på.

Det, en komité kan forsvare, er snævrere, end de fleste udkast forsøger, og offentliggørelse er den mindste del af arbejdet. Fire ting gør et dokument til en fungerende regel: en navngivet øverste ejer, en planlagt revision, en oversættelsesvej ind i kurserne med nogen, der er ansvarlig for den, og et gradueret vurderingsdesign, der belønner den adfærd, du beder om. Tilføj en afgrænsningssætning, der siger, hvilke forpligtelser dokumentet bærer, og hvilke der hører til en anden policy, for et dokument, der absorberer databeskyttelse, forskningsetik, klinisk regulering og akademisk adfærd, bliver langt, ulæst og uhåndhæveligt.

Den korte version

1. Erklær, hvad dokumentet regulerer. Hvis det er et risikostyringsinstrument, så sig det, og læg undervisningsdetaljen på institutniveau.

2. Tæl modalverberne. Hvert »må«, hvor du mener »skal«, er en bestemmelse, ingen kan håndhæve.

3. Navngiv en ejer, et stående udvalg og en revisionsdato før offentliggørelsen, ikke efter den første klage.

4. Skriv ned, hvor FERPA, GDPR, HIPAA, IRB og forskningsintegritetsforpligtelser ligger, og navngiv det kontor, der ejer hver af dem.

5. Finansier medarbejderuddannelse og studerendes adgang i samme budgetbeslutning. Hver for sig giver en regel, som nogle studerende ikke kan følge.

6. Spørg, hvor mange kurser der påviseligt oversætter policyen, og læs svaret som en støttemåling snarere end en compliance-måling.

Beslut, hvad dokumentet regulerer

Før formuleringen kommer afgrænsningen. Manikonda og Outlaw (2026) crawlede AI-policyer fra 149 R1- og R2-universiteter i USA og verificerede 130 policyer på universitetsniveau på tværs af 34 delstater. Registret er rådgivende snarere end dirigerende: 95 % af policyerne havde en negativ klarhedsstyrke-score, så svagt sprog (»må«, »kan«) dominerer over direktiver (»skal«, »forbudt«).

Hvad de dokumenter prioriterer, fortæller dig, hvad deres forfattere mente, dokumentet var til. Policyer på universitetsniveau dækker datasikkerhed, risikoreduktion, indkøb og juridisk compliance med lidt pædagogisk vejledning. De fakultetsniveau-policyer, der findes, koncentrerer sig om undervisning og AI-kompetence. Kun otte business schools havde deres egen policy, og de afveg fra deres værtramme i seks af otte tilfælde.

Den løsning, forfatterne foreslår, er en lagdelt struktur: et universitetsdækkende risikostyringslag, policyer på institutniveau og udvalg på tværs af institutter med undervisere og studerende. Vedtag det, og du får en afgrænsningssætning, du kan forsvare i senatet. Dette dokument styrer institutionel risiko; undervisningsbeslutningerne ligger hos det institut, der bedømmer arbejdet. Lagdelingen besvarer også vaghedsanklagen uden at producere 40 sider.

Skriv bestemmelser, der binder, eller tag dem ud

Se på, hvad programmer offentliggør, når intet tvinger spørgsmålet frem. Eldredge et al. (2026) scannede alle 48 CAHIIM-akkrediterede masterprogrammer i sundhedsinformatik og sundhedsinformationsstyring i USA. Fyrre (83 %) offentliggjorde mindst ét AI-relateret dokument. Af den analytiske stikprøve var 21 dokumenter (53 %) retningslinjer, 9 (23 %) informationelle og kun 7 (18 %) formelle policyer.

Emneområdet var snævrere, end mængden antyder. Akademisk integritet var det hyppigste nøgleord (n = 139), foran citat (59), vurdering (50) og plagiering (38). Åbenhed om AI og kontraktfusk optrådte hver én gang. HIPAA optrådte fem gange, FERPA elleve, og elektroniske patientjournaler slet ikke. Lighedsvokabularet var næsten fraværende: inklusion (n = 9), tilgængelighed (n = 9), ligelig adgang (n = 2).

Det er opmærksomhed uden en bindende forpligtelse bag, hvilket er den billigste defekt at rette. Tæl dine modalverber og skriv en konsekvens, hvor du mener en. Definer plagiering og forbudte anvendelser i ord, en førsteårsstuderende kan anvende. Bedøm derefter resultatet mod det instrument, Gutowski og Hurley (2025) byggede: fem dimensioner med eksplicitte rubrikker, der dækker forbudsgrad, tilladelighed, pædagogisk integration, gennemsigtighed og ansvarlighed samt dybde. De fleste institutioner i deres sektor indtog generelt prohibitive positioner, mens de forbeholdt skøn til den enkelte underviser. Ingen enkelt tilgang blev accepteret, og klarhed blev selv behandlet som forudsætningen for forsvarlig håndhævelse. Deres anbefalinger er proceduremæssige: omfattende retningslinjer uanset holdning, interessenter involveret i udarbejdelsen, proaktiv træning, styring designet til at kunne tilpasse sig og revisionscyklusser.

Beslut, hvem der ejer det, og hvem der sidder i udvalget

To reviews placerer svagheden i kapacitet snarere end i intention. Ashiq (2026) syntetiserede mere end halvfjerds britiske kilder og fandt, at kun et mindretal af institutioner har officielle AI-styringsplaner. Huller i strategisk planlægning giver policydrift og performativ compliance. National vejledning fra Office for Students og Jisc er blevet kritiseret for at mangle specificitet og håndhævelseskraft. Investeringer i medarbejdernes AI-træning og infrastruktur koncentreres på forskningstunge institutioner, mens undervisningsledede institutioner står med kapacitetsbegrænsninger, hvilket udvider et digitalt skel. Baroudi (2026) gennemgik 19 kilder og fandt, at 7 % af institutionerne havde oprettet senior AI-ledelsesroller mod 49 %, der behandlede AI som en strategisk prioritet. Svage policyrammer og begrænset digital infrastruktur driver det gab, især i det globale syd.

Ejerskab, ressourcer og revision er, hvor indsatsen skal ligge, så afklar formanden og medlemmerne, før udarbejdelsen begynder. Crompton et al. (2026) samlede et Delphi-panel fra 22 lande og steder på seks kontinenter og producerede en konsensusramme med otte kerneområder: akademisk integritet, etisk og ansvarlig brug, privatliv og beskyttelse, ligelig adgang, GenAI-kompetence, integrationsstrategi, menneskeligt tilsyn og ansvarlighed samt institutionel støtte og infrastruktur. Panelet producerede også en sekstdelt mekanisme til at holde policyen aktuel: et tværfagligt styringsudvalg (bakket op af mere end halvdelen af panelet), planlagte revisionscyklusser (halvdelen), faglig udvikling, kommunikation med alle interessenter, evaluering af effektivitet og overvågning af eksterne udviklinger.

Læs rammen som en dækningscheckliste og mekanismen som en driftsmodel. Panelets egen vægtning er advarslen. Etisk og ansvarlig brug blev refereret af to tredjedele af paneldeltagerne og privatliv af over halvdelen, mens ligelig adgang kun trak en tredjedel. En konsensusproces undervægter lighed først, og dit udvalg vil drive samme vej, medmindre nogen holder det punkt.

To medlemsbeslutninger er værd at træffe med vilje. Hingle og Johri (2026) lod studerende samdesigne en GenAI-kurspolicy gennem guidet undersøgelse. De prioriteter, der kom frem, var træning for studerende og undervisere, standardiserede procedurer for åbenhed, stærkere institutionel støtte frem for afhængighed af den enkelte underviser og en rolle i beslutninger om de regler, der styrer deres egen læring. Det taler for studentermedlemskab frem for en høringsrunde. Baroudi fandt bemyndigende og distribuerende ledelsesstile forbundet med højere underviserengagement og åbenhed over for forandring og dokumenterede forandringsledelse som støtten til adoption, med Valentes smittemodel og Rieber og Willivers femtrinsramme.

Tan et al. (2026) tilbyder en seksdimensionel organisatorisk ramme, hvis påstande forfatterne udtrykkeligt overlader til fremtidig empirisk validering. Brug den til at strukturere, hvad dokumentet dækker, og hold den ude af den sætning, hvor du påstår, at noget virker.

Anbring de juridiske forpligtelser, hvor de kan håndhæves

Overholdelse af grundlæggende lovgivning er ikke etisk datastyring. Varadaraju og Vijayakumar (2026) argumenterer for, at styring af læringsanalytik i videregående uddannelse er forblevet compliance-først, centreret om at opfylde FERPA og GDPR, og foreslår LEAGUE-rammen: lovlighed, lighed, handlekraft, styring, nytte og etik by design, demonstreret mod en case om tidlig varsling. Delphi-panelet rangerede uafhængigt privatliv og databeskyttelse som kritisk for over halvdelen af sine medlemmer. OECD's Digital Education Outlook (2026) gør et muliggørende miljø for troværdig GenAI til sin tredje politiske søjle, der dækker privatliv, sikkerhed, bias-test og gennemsigtighed.

Sundhedsinformatikkorpusset viser, hvordan afgrænsningsdisciplin ser ud, når den virker. De programmer nævnte næsten ikke HIPAA, FERPA eller IRB-vejledning og nævnte aldrig elektroniske patientjournaler, fordi de forpligtelser ligger i bredere compliance-policy, der allerede har en ejer, en procedure og en sanktion. Navngiv, hvor hver forpligtelse ligger, navngiv det kontor, der holder den, og kræv, at studerende opfylder den i kursusarbejdet snarere end i en fodnote.

Det afsnit afgør også et indkøbsspørgsmål. Hvis bias-test og gennemsigtighed er søjlebetingelser snarere end aspirationer, hører de i købsvilkårene, og policyen er stedet at sige det.

Luk gabet mellem policyen og kurserne

Det er den beslutning, de fleste policyer fejler på, og den er målbar fra begge ender.

Først fakultetsundersøgelsen. AAC&U/Elon-undersøgelsen af 1.057 amerikanske undervisere (Watson og Rainie, 2026) fandt, at 87 % havde skrevet deres egne policyer for studerende om generativ AI-brug, mens 48 % sagde, at deres institution havde skrevet retningslinjer, og 35 % sagde det samme om deres institut. Om strukturen rapporterede 55 % en task force eller overvågningsgruppe, 37 % nye AI-fokuserede kurser, 17 % en AI-hovedfag eller -bifag, 16 % nye akademiske ledelseskontorer, og 13 % havde vedtaget AI-kompetence som læringsmål i grunduddannelsen. Stikprøven er ikke videnskabelig, og forfatterne siger, at den ikke kan generaliseres. Asymmetrien står alligevel: de regler, studerende faktisk møder, er skrevet af den underviser, der står foran dem.

Så oversættelsestallet. Ganguly et al. (2026) analyserede 116 institutionelle GenAI-policyer fra 131 R1-universiteter sammen med 98 datalogiske kursusbeskrivelser fra 54 af disse institutioner. Institutionerne opmuntrede for det meste til GenAI-brug (73, 63 %), mens 31 (27 %) frarådede det. På kursusniveau gav 90 kursusbeskrivelser (92 %) eksplicitte retningslinjer, men 49 (50 %) forbød GenAI rent ud, 40 (41 %) tillod delvis brug til angivne aktiviteter, og 7 (7 %) kommunikerede opmuntring. Kun 47 af de 131 institutioner havde både en institutionel policy og en påviselig oversættelse på kursusniveau.

Stil dit udvalg det spørgsmål i de vendinger: hvor mange af vores kurser oversætter dette dokument påviseligt? Et lavt tal er en støttefejl, og løsningen er gennemarbejdede eksempler, underviserudvikling og vurderingsstøtte offentliggjort sammen med reglen. Det støtteøkosystem er, hvordan Qian (2026) skelner institutioner fra hinanden, og det er forskellen på en policy, studerende modtager, og en policy, deres underviser improviserer sig omkring.

Coates, Croucher og Calderon (2025) leverer instrumentet til ansvarlighedsenden: en indikatorramme for akademisk integritet bygget til institutionelle bestyrelser gennem forskningsreviews, case-studier på tværs af institutioner, prototyper og ekspertbekræftelse, sammen med reformer af styringsarkitekturer, mennesker og teknologier. Indikatorer lader et udvalg rapportere opad uden at bestille endnu et litteraturreview.

Skriv evidensstandarden, før du får brug for den

Hvor håndhævelse fejler, er fejlen som regel bevismæssig, og det er her, institutionel eksponering ligger.

Munoz et al. (2026) analyserede faktiske sagsakter om påstande om generativ AI-misbrug. Det bevismæssige grundlag var tyndere, end policyen antyder. Systemregistrerede adfærdsspor findes kun i superviseret vurdering. Svagere procesbeviser, det vil sige kladder, supervisionsmøder og præsentationer, findes kun, hvor disse praksisser allerede var rutine. Retfærdig sagsbehandling kræver, at den studerende får oplyst anklagen og en chance for at svare, før der træffes afgørelse, som regel i et undersøgelsesmøde eller panelinterview, og det, de siger, indgår i det bevismæssige grundlag.

Detektoroutput kan ikke bære den last. Hadra et al. (2026) målte nøjagtighed på 0,69 og 0,61 for to udbredte kommercielle værktøjer, som begge fejlede på hybrid tekst skrevet af menneske og AI, og begge havde en grænsetilfældig risiko for fejlklassificering af EFL-studerendes skrivning. Bassett et al. viser, at ingen tærskel løser afvejningen mellem at flagge ærligt arbejde og at overse skjult brug. En afgørelse, der hviler på en score, ingen kan afhøre, er netop den sag, der skaber klagen, reklamationen og lejlighedsvis retssagen.

Tre sætninger hører i dokumentet selv: hvilken evidens en afgørelse kan hvile på, at en detektorscore alene ikke er den evidens, og hvem der beslutter, hvornår en sag går videre. Sæt proceduren ved siden af de forpligtelser, der er samlet i juridiske forhold og risici.

Sig, hvad du vil måle, før du offentliggør

Ingen undersøgelse i dette korpus måler, om en institutions AI-policy ændrede studerendes adfærd, medarbejdernes praksis eller læringsudfald. Det, der findes, er beskrivende. Manikonda og Outlaw finder policysproget svagt og fejljusteret. Ashiq dokumenterer drift. Baroudi navngiver fraværet af longitudinel og kausal evidens som et gab. Eldredge et al. advarer om, at analyse af offentlige dokumenter skaber en synlighedsbias, så manglende sprog om privatliv eller lighed er et fund om offentliggjort vejledning snarere end om praksis.

To vaner følger. Vedhæft en evalueringsplan til policyen: hvad du vil måle, hvornår, og hvem der ejer fundet. Og når en kollega citerer en anden institutions policy som bevis for, at en foranstaltning virker, så tjek, om påstanden handler om et dokument eller om et udfald. Tran, Liu og Nguyen (2026) gennemgik 65 fagfællebedømte artikler om AI og social-emotionel læring og fandt, at næsten tre fjerdedele slet ikke nævnte policyimplikationer. Af det mindretal, der gjorde, manglede de fleste den aktørspecifikke detalje, som reel policyudformning kræver: hvem der bør handle, på hvad, hvorfor, hvornår og hvordan.

Hvad institutioner får galt i byen med dette

Offentliggørelse er målstregen. Det landskab, Manikonda og Outlaw kortlagde, er bredt og lavt, rådgivende i tonen og tyndt på de problemer, der afgør, om AI-brug går godt. Et dokument uden ejer og uden revisionsdato er en pressemeddelelse med et policynummer.

Vagt sprog er det sikre sprog. Det er sikrere for den, der underskriver det, og det svageste at forsvare i en klage. Gutowski og Hurley behandler klarhed som forudsætningen for forsvarlig håndhævelse, og 95 % af policyerne i R1-registret scorer negativt på klarhed.

Akademisk integritet er det svære, så dæk det, og resten kan vente. Integritet er den nemmeste bestemmelse at skrive, og derfor dominerer den nøgleordsopgørelser, mens lighedsvokabular, adgang og dataforpligtelser er næsten fraværende. De bestemmelser, en integritetskodeks ikke kan nå, omfatter indkøb, procedure for åbenhed, tilgængelighed, medarbejderuddannelse og de vurderingsbetingelser, hvorunder integritet er opnåelig.

Et dokument kan rumme enhver forpligtelse. Det kan rumme dem og håndhæve ingen af dem. HIPAA optrådte fem gange på tværs af 48 programmers AI-dokumenter og elektroniske patientjournaler aldrig, fordi de forpligtelser allerede hører til compliance-policy.

Underviserne følger efter, når det er offentliggjort. 87 % af underviserne havde skrevet deres egne regler, før deres institution offentliggjorde en. Modforanstaltningen er faglig udvikling, gennemarbejdede eksempler og distribuerende ledelse. En påmindelsesmail flytter intet.

Studerende ignorerer policy, så klarhed er spildt på dem. Braun og Khafizov (2026) spurgte 1.809 studerende, 250 undervisere og 62 administrativt ansatte på ét læreruddannelsesuniversitet. Studerende rapporterede højere AI-brugsintensitet og nytte, mens undervisere og ansatte rapporterede stærkere integritetsbekymringer, og studerende rapporterede højere opfattet policyklarhed end underviserne. Det, der flytter dem, er, om værktøjet er nyttigt nok til at være en regel værd at følge.

Hvad der vil komme imod dig

»Vi har allerede en policy for akademisk integritet.« Den er nødvendig og ikke tilstrækkelig. Det, evidensen støtter, er arbejdsdeling: adfærdsregler bliver, hvor integritetsprocessen kan håndhæve dem, og AI-policyen bærer indkøb og datasikkerhed, procedure for åbenhed, tilgængelighed og adgang, medarbejderuddannelse og de vurderingsbetingelser, hvorunder integritet er opnåelig. Delphi-panelets insisteren på, at væsentlige GenAI-output skal gennemgås af et menneske, og dets præference for procesfokuserede og mundtlige vurderingsformer har ingen plads i et integritetskodeks.

»Underviserne ignorerer den.« Nogle gør, og grunden er sjældent vilje. Ashiqs evidens er kapacitet. Baroudis er struktur: 7 % af institutionerne havde oprettet senior AI-ledelsesroller mod 49 %, der behandlede AI som en strategisk prioritet. Ganguly et al.s er oversættelse: 47 af 131 institutioner havde både en policy og en påviselig implementering på kursusniveau. Underviserne efterlades alene med dokumentet.

»Vi kan ikke føre tilsyn med det, så policyen er dekoration.« Du kan ikke føre tilsyn med det, og evidensen siger, at du ikke behøver. Ogbo et al. (2026) modellerer studerendes AI-brug som et koordinationsproblem, hvor kohortens normer styrer adfærden, med tærskelfekter. Reflekterende vurdering skal belønnes over et kritisk niveau, før ansvarlig brug fortrænger opportunistisk praksis, belønningen skal stå i forhold til den indsats, refleksionen kræver, og jævnaldrendes følsomhed bestemmer, hvor hurtigt en norm kaskaderer. Studerende reagerer på vurderingsstrukturer snarere end på proklamationer. På Braun og Khafizovs tværsnitsdata med selvrapportering er opfattet nytte den stærkeste standardiserede sammenhæng med tillid (β = 0,402) mod institutionel policyklarhed (β = 0,223). OECD tilføjer, at alment anvendelige chatbots forbedrer outputkvaliteten, at fordelen forsvinder og nogle gange vendes i eksamener, når AI-adgang fjernes, og at metakognitiv engagement falder, efterhånden som arbejdet udliciteres. Læg kravet ind i den karaktergivende vurdering.

»Studerende læser den ikke.« De reagerer på den alligevel, og reaktionen formes af, hvad deres underviser siger i uge ét. En policy, som kun et udvalg har læst, har én læser.

»Vi kan ikke finansiere den støtte, rammen beder om.« Så skær rammen til, hvad du kan finansiere, og sig det i dokumentet. Panelet placerede institutionel støtte og infrastruktur som den grundlæggende muliggører, og Adarkwah et al. (2026) analyserede 159 dokumenter fra 30 højt rangerede universiteter i de ti lande, der står bedst på IMF's AI Preparedness Index, hvoraf fire blev udelukket for ikke at have offentligt tilgængelige policyer, så 26 tilbage, og fandt mange bestemmelser deklarative snarere end operationelt sikrede. Et påbud om at bruge AI uden enheder, forbindelse, tilpasninger eller træning er en forpligtelse, institutionen har pålagt sig og ikke kan understøtte.

Hvad du kan gøre i denne uge

1. Søg i udkastet efter »må« og »kan«, omskriv hvert tilfælde, hvor du mener »skal« eller »forbudt«, og definer plagiering og forbudte anvendelser i ord, en førsteårsstuderende kan anvende.

2. Navngiv én øverste ejer, ét stående udvalg med undervisere og studerende som medlemmer og én revisionsdato. Giv overvågningen af eksterne udviklinger til en navngivet rolle.

3. Beslut lagdelingen: hvilke bestemmelser er universitetsdækkende, hvilke skriver instituttet, og hvilke forpligtelser hører til FERPA, GDPR, HIPAA, IRB og forskningsintegritetspolicy.

4. Skriv evidensstandarden og detektorsætningen, og læs derefter din egen klageprocedure op imod dem.

5. Spørg efter oversættelsestallet, og par enhver ny begrænsning med et gennemarbejdet eksempel og en træningsdato.

Hvor du kan gå videre

Kursus-AI-policy er klasseværelsets modstykke, hvor dokumentet bliver til et opgaveark og en talt sætning. Forskningsgrundlaget ligger i forskning i institutionel styring, den globale Delphi-ramme og policyrevisioner på programniveau. Administrator og forandringsledelse dækker ledelses- og implementeringsdimensionerne, uddannelsespolitik og AI samler den sektordækkende litteratur, og styring dækker, hvordan autoritet og ansvarlighed fordeles. På håndhævelsessiden bærer juridiske forhold og risici de forpligtelser, en detektorafgørelse skal opfylde.