Duke University · DukeGPT + ChatGPT-4o pilot

Кейс DukeGPT + ChatGPT-4o оформлен как кампусный пилот с устойчивой институциональной организацией предоставления AI как сервиса с управляемым доступом. Это не разовый эксперимент, а прототип с явным фокусом на системное внедрение и контролируемое масштабирование, то есть prototyping moving toward rollout. Статус — прототип, но с признаками институциональной политики и инфраструктурного закрепления доступа, что выводит кейс за рамки простых пилотов и смещает его в сторону policy/prototype transition.

Duke предоставляет пакет «Duke-managed AI services»: ChatGPT-4o доступ для всех undergraduates бесплатно и собственная платформа DukeGPT для сравнения моделей и интеграции с университетскими данными. Provost-level инициатива.

До внедрения DukeGPT AI в университете Duke University доступ к современным языковым моделям, таким как ChatGPT-4o, был личным, непредсказуемым и ограниченным инструментом. Отсутствовали унифицированные механизмы управления доступом, безопасности и контроля, что создавало риски для защиты данных и институциональных стандартов, а также приводило к неоптимальному использованию ресурсов. Кроме того, отсутствовала институциональная поддержка и интеграция AI в учебные и административные процессы, что ограничивало продуктивность и обучение студентов бакалавриата.

Предполагалось, что внедрение Duke-managed AI services с использованием ChatGPT-4o обеспечит безопасный, управляемый, институционально поддерживаемый доступ к современным AI-инструментам для всей бакалаврской аудитории и подразделений университета. Ожидалось повышение продуктивности и поддержки учебной деятельности, снижение стоимости доступа через предлицензирование, а также переход AI из «личного инструмента» в универсальный ресурс кампуса с расширяемой архитектурой предоставления сервиса. Масштабируемый контролируемый доступ должен повысить качество образовательной среды и сделать AI инструментом поддержки учебных и исследовательских задач.

Архитектура DukeGPT предусматривает управляемый университеский доступ к «secure, Duke-managed» AI-сервисам, объединяющим (1) фронтир-модель ChatGPT-4o как ключевой AI-источник, (2) собственную платформу DukeGPT для безопасного сравнения моделей и интеграции с локальными данными и практиками. Оркестрация строится вокруг ролей студентов, преподавателей, подразделений и IT-контуров безопасности. Весь стек технически обеспечивает ограниченный, но масштабируемый доступ с инфраструктурой безопасности и управления, что соответствует паттерну оркестрации MOD с агентностью 2/6 — функциональный ролевая AI-услуга без полного автономного контура. Построена концепция pre-licensed AI, с упором на внутренний governance и снижение стоимости.

В структуре ролей кейса выделяются: (1) студенты (особенно all undergraduate students в пилоте) как ключевые пользователи AI-сервисов, (2) преподаватели и школы/подразделения, получающие расширенный доступ и влияющие на использование AI в учебном процессе, (3) IT-отдел университета и служба governance, обеспечивающие безопасность, структуру доступа и нормативную поддержку, (4) внешний AI-провайдер (OpenAI с моделью ChatGPT-4o) как поставщик основной модели. Роли распределены по институту и организованы в инфраструктуру с подконтрольным доступом, что соответствует институционально контролируемой модели оркестрации.

AI выступает в функциональной роли ассистента и универсального инструмента продуктивности и поддержки учебных и рабочих процессов в университете. Роль AI — ассистент с управляемым и безопасным доступом под aegis институционального контура, что ограничивает автономность агента до уровня 2/6 по шкале Wave2. AI — не самостоятельный исполнитель, а интегрированный компонент комплексного поддерживающего инструментария внутри кампусной платформы, который помогает студентам и преподавателям выполнять образовательные и административные задачи.

Практика использования DukeGPT начинается с предоставления бесплатного доступа к ChatGPT-4o всем undergraduate студентам в рамках пилота. Пользователи входят через управляемые университетские каналы, которые обеспечивают доступ по ролям (студенты, школы/департаменты). В университете действует единый контур безопасности и governance, который отслеживает и регулирует использование AI-сервисов. Университетская инфраструктура обеспечивает интеграцию DukeGPT с рабочими процессами и учебными программами, при этом персонал и преподаватели могут расширять доступ по подразделениям. Пользователи взаимодействуют с AI-ассистентом через платформу, обращаясь за помощью в учебе и работе, AI отвечает в рамках ограниченных ролей, без полной автономии.

Университет Duke построил формальный организационный контур, обеспечивающий governance и безопасность использования AI-сервисов. Включены договорные обязательства, контроль доступа (pre-licensed access), внутренние правила конфиденциальности и защиты данных. Управление доступом выстроено централизованно IT-отделом в координации с руководством университета, что обеспечивает снижение рисков и соответствие institutional policies. Использование AI как инфраструктурного институционального ресурса отражено в управляемом режиме и aligns с концепцией университета как «secure AI provider». Нормативка пока не регламентирует метрики образовательных результатов, но контролирует эксплуатацию и распределение доступа.

Кейс находится на стадии пилота с активным масштабированием доступа для всех бакалавров и расширением возможности для школ и подразделений. После стартового этапа с предлицензированием и управляемым доступом университета планируется внедрение пакета сервисов как campus-wide платформы. Переход в повседневную жизнь сопровождается интеграцией с существующими учебными и административными процессами, а также с расширением доступа и мониторингом воздействия. Коррекции на этапах rollout связаны скорее с оптимизацией governance и доступности, чем с технической реконструкцией архитектуры.

Публично доступны организационные метрики: бесплатный доступ к AI-сервисам предоставлен для всех undergraduate студентов в пилоте, охватывая широкий спектр пользователей (~всех бакалавров кампуса). Однако явные образовательные метрики эффективности (улучшение успеваемости, прирост навыков) не раскрываются в первичных источниках. Акцент поставлен на расширение доступа и институциональную интеграцию как косвенные признаки успеха внедрения. Отсутствуют данные о learning gains, несмотря на широту использования.

Среди рисков выделяется возможность goal-substitution, когда акцент может сместиться с эффективного педагогического использования AI на простое предоставление доступа без анализа влияния на learning outcomes. Также возможен lowered bar из-за ограниченной автономности AI и недостаточного эмпирического контроля образовательных эффектов. Vendor lock-in существует в связи с внешним поставщиком модели ChatGPT-4o, что создаёт зависимость от платформы OpenAI. Audit trail и прозрачность использования AI в учебном процессе публично не раскрыты, что может усложнить мониторинг и управление.

Несмотря на заявленную институционализацию и широкое распространение доступа, отсутствуют публичные метрики эффективности обучения и skill gains, что является обратным сигналом к утверждениям о позитивном образовательном эффекте. Это указывает на то, что внедрение носит больше инфраструктурный и сервисный характер, чем целевое изменение учебного процесса через AI. Также клиентская роль AI ограничена — без самостоятельной автономии, что может ограничивать инновационность и адаптивность использования модели.

Комбинация «массовая раздача коммерческого доступа + собственная sandbox для сравнения» позволяет проверять качество и оценивать стоимость без лок-ина на одного вендора с самого начала.

Кейс DukeGPT является примером паттерна оркестрации MOD с агентностью 2/6 по Wave2, где AI является функциональной инфраструктурной ролью в закрытом институциональном контуре [[Wave2]], [[agentivity-2/6]], [[orchestration-MOD]]. В рамке educational AI он соответствует модели secure, governed access, что сближает его с другими кампусными проектами типа TritonGPT и U-M GPT [[A-governed-access]], [[autonomy-vs-control]]. Отсутствие полной автономии подтверждает классификацию как managed assistant, а не autonomous agent [[H4-orchestration-strata]]. При этом кейс иллюстрирует переход от частного инструмента к публичному институциональному ресурсу, что актуально для теории «institutional embedding AI» [[autonomy-vs-control]], [[acceleration]]. Будущие волны требуют проверки образовательных эффектов (learning gains), что связано с концепциями evidence-centered design и adaptive scaffolding [[evidence-centered-design]], [[adaptive-scaffolding]].

Остаются неясными конкретные метрики образовательного эффекта DukeGPT: каковы реальные learning gains, изменения в успеваемости или навыках студентов? Не раскрыта подробная схема взаимодействия пользователей с AI на практике: насколько активно и как именно студенты и преподаватели вовлечены в использование сервиса? Также неясна глубина интеграции DukeGPT с учебными программами и административными процессами, а также детали технической реализации контроля доступа и безопасности. Есть вопрос о планах расширения функционала AI-агентства выше уровня 2/6.

Обязательно нужно перепроверить образовательные метрики эффективности DukeGPT, включая data on student performance, skill gains и qualitative feedback от пользователей. Также стоит проанализировать реальные сценарии взаимодействия студентов и преподавателей с AI, оценить нагрузку на инфраструктуру безопасности и governance, а также проверку рисков vendor lock-in и audit trail. Важно проследить развитие агентности AI и возможное расширение ролей с функционального ассистента к более автономным педагогическим агентам [[next_wave_focus]].

Информация подтверждена официальными источниками Duke University и открытыми релизами по DukeGPT и пилоту ChatGPT-4o с кампусным доступом. Основные данные по масштабированию доступа, организационной модели и архитектуре платформы имеют высокую степень верификации. Однако отсутствуют публичные результаты по образовательному эффекту и внутренние оценки, что требует дальнейшей проверки и сбора эмпирических данных внутри университета.