AI променя университетите. Истинското предизвикателство е институционалната трансформация.
| Podcast | Подкаст |
Yesterday, we discussed why AI governance matters more than buying the latest or most powerful AI model. The main argument was simple. Organizations often begin their AI journey by comparing ChatGPT, Claude, Gemini, Copilot, or another platform, while the point is the readiness of the institution to use any of these tools effectively.Several articles published this month take the conversation further. Nils Gilman’s The University After AI asks whether artificial intelligence is forcing universities to rethink their purpose. James Yoonil Auh’s What University Leaders Must Learn in the Age of AI focuses on the leadership decisions required for institutional transformation. The University of Chicago Law School has also attracted attention with its decision to restrict not only AI but also phones and laptops for first-year students in many classroom settings. Although these articles approach AI from different perspectives, together they point toward an important conclusion. The challenge facing universities evolved beyond choosing an AI system. It is redesigning the institution itself. The first article in this conversation, Why AI Governance Matters More Than Buying the Latest AI Model, is about AI being able to create value only when supported by governance, quality assurance, security, ethical oversight, staff development, and continuous monitoring. A language model is only one component of a much larger institutional system. Without this supporting infrastructure, even the most capable AI model cannot deliver sustainable value. Gilman’s article begins from a different starting point. Rather than focusing on governance, he questions whether the traditional model of the university can survive the arrival of generative AI. Universities, according to him, have long combined several different missions. They teach students, produce research, award credentials, prepare professionals, and contribute to society. These activities remained connected because they shared common methods of knowledge transmission such as lectures, textbooks, essays, examinations, and laboratories. Generative AI challenges many of these assumptions. If students can generate well-written essays within minutes, universities need to reconsider what written assignments measure. If AI tutors can explain difficult concepts with patience and personalization, lectures can no longer rely solely on information delivery. If AI systems increasingly perform tasks once graduates demonstrated through examinations, universities need to rethink credentials. Gilman does not argue against AI. Instead, he sees universities’ focus on developing capabilities that AI cannot replace easily. These include judgment, ethical reasoning, critical discussion, collaboration, goal setting, and the ability to deal with uncertainty. In his view, faculty become less like lecturers and more like mentors, coaches, and intellectual partners. James Yoonil Auh extends this discussion from the perspective of institutional leadership. His central argument urges university leaders to stop treating AI as another technology project managed by the IT department. AI affects every part of the institution, including teaching, research, administration, student services, governance, and strategic planning. Leaders therefore need to develop institutional capabilities rather than simply approve new software purchases. This requires long-term thinking about workforce development, policy, organizational culture, ethical use, and institutional resilience. AI becomes part of university strategy rather than another digital initiative. The University of Chicago Law School provides a practical example of this strategic thinking. Its recent decision to restrict AI alongside phones and laptops during a number of first-year classes surprised observers. At first glance, the decision appears to oppose technological innovation. In reality, the policy reflects a different educational priority. The law school insists on future lawyers first developing close reading, careful reasoning, sustained attention, and direct engagement with legal arguments before relying extensively on digital tools. The restrictions are therefore not anti-AI. They are designed to protect the development of foundational cognitive skills for technology later support rather than replace. This illustrates an important principle. Institutional AI strategies are not defined by whether universities allow or prohibit AI. They are defined by whether their policies align with educational objectives. Across all four articles, several common themes emerge. AI represents institutional transformation rather than technological adoption. Each author argues universities need to rethink structures, processes, and educational practices instead of simply selecting better software. Leadership becomes the central capability. Decisions about governance, curriculum, assessment, research, faculty development, and institutional priorities cannot be delegated to technology specialists alone. Senior leadership must actively shape institutional direction. Úniversities are moving away from information delivery toward capability development. Since AI increasingly performs routine knowledge tasks, universities need to concentrate on developing human capabilities which are uniquely valuable, including judgment, creativity, ethical reasoning, collaboration, communication, and problem framing. Institutional design matters more than individual tools. Governance frameworks, assessment policies, curriculum redesign, professional development, and organizational culture will likely determine institutional success more than the choice between competing AI models. Despite their strengths, these articles also leave several important questions unanswered. One significant omission is AI literacy and AI fluency. The discussion focuses heavily on institutional transformation but gives limited attention to the way students, faculty, administrators, and leaders gradually develop the competencies needed to work effectively with AI. Recent frameworks from UNESCO, the European Commission, and the OECD suggest that this progression deserves much greater attention. Another missing element is the role of AI in research. While teaching dominates the discussion, universities also need strategies for AI-supported literature reviews, reproducible research, data analysis, research integrity, and scientific collaboration. New research environments such as Claude Science demonstrate that AI is transforming research workflows alongside teaching. The articles also pay relatively little attention to institutional collaboration. Successful AI adoption requires cooperation among academic departments, libraries, teaching and learning centres, IT services, legal offices, ethics committees, research support units, and senior leadership. AI governance cannot succeed within organizational silos. Taken together, these articles point toward a broader conclusion. The conversation about AI in higher education is maturing. One year ago, discussions focused on which chatbot produced the best answers. Today, the more important questions concern institutional purpose, leadership, governance, curriculum, assessment, faculty roles, and the future identity of the university itself. Perhaps the most important lesson is that AI should no longer be viewed as an educational technology initiative. It is becoming an institutional design challenge. Universities after purchasing the best AI model may improve individual tasks. Universities after redesign governance, leadership, teaching, research, and organizational capability around AI are far more likely to shape their own future instead of reacting to it. | Вчера разгледахме защо управлението на изкуствения интелект е по-важно от закупуването на най-новия или най-мощния AI модел. Основният аргумент беше прост. Много организации започват своя AI път, като сравняват ChatGPT, Claude, Gemini, Copilot или друга платформа, вместо да си зададат по-важния въпрос дали институцията е готова да използва ефективно който и да е от тези инструменти. Няколко статии, публикувани този месец, продължават тази дискусия. Статията на Нилс Гилман The University After AI поставя въпроса дали изкуственият интелект принуждава университетите да преосмислят своето предназначение. James Yoonil Auh в What University Leaders Must Learn in the Age of AI разглежда лидерските решения, необходими за институционалната трансформация. Междувременно Юридическият факултет на Чикагския университет привлече внимание с решението си да ограничи не само използването на AI, но и на мобилни телефони и лаптопи в редица занятия за студентите от първи курс. Макар тези публикации да разглеждат AI от различни гледни точки, всички те водят до един важен извод. Предизвикателството пред университетите вече не се свежда до избора на AI система. То е свързано с преосмислянето и трансформирането на самата институция. Първата публикация в тази поредица, Why AI Governance Matters More Than Buying the Latest AI Model, показва, че AI създава стойност само когато е подкрепен от ефективно управление, осигуряване на качеството, сигурност, етичен контрол, развитие на персонала и непрекъснато наблюдение. Големият езиков модел е само един елемент от много по-широка институционална система. Без тази инфраструктура дори най-добрият AI модел не може да създаде устойчива стойност. Статията на Гилман започва от различна отправна точка. Вместо да се фокусира върху управлението, той поставя въпроса дали традиционният модел на университета може да оцелее в ерата на генеративния AI. Според него университетите отдавна изпълняват няколко различни мисии едновременно. Те обучават студенти, създават научни изследвания, издават дипломи, подготвят професионалисти и служат на обществото. Тези дейности са били свързани чрез общи механизми за предаване на знание, като лекции, учебници, есета, изпити и лаборатории. Генеративният AI поставя под въпрос много от тези предпоставки. Ако студентите могат да създадат добре написано есе за няколко минути, университетите трябва да преосмислят какво всъщност измерват писмените задания. Ако AI преподавател може търпеливо и персонализирано да обяснява сложни концепции, лекцията вече не може да се основава единствено на предаване на информация. Ако AI системите все по-често изпълняват задачи, които досега демонстрираха завършилите чрез изпити, университетите трябва да преосмислят какво удостоверяват дипломите. Гилман не се обявява срещу AI. Напротив, той смята, че университетите трябва да се концентрират върху развиването на способности, които AI трудно може да замени. Сред тях са преценката, етичното разсъждение, критичният диалог, сътрудничеството, поставянето на цели и способността за работа в условия на несигурност. В тази нова среда преподавателят постепенно се превръща по-малко в лектор и повече в ментор, наставник и интелектуален партньор. James Yoonil Auh продължава разговора от гледната точка на институционалното лидерство. Основният му аргумент е, че университетските ръководители трябва да престанат да разглеждат AI като поредния технологичен проект, управляван от IT отдела. Изкуственият интелект засяга всяка част от институцията, включително обучението, научните изследвания, администрацията, студентските услуги, управлението и стратегическото планиране. Затова лидерите трябва да изграждат институционални способности, вместо просто да одобряват закупуването на нов софтуер. Това изисква дългосрочно мислене за развитието на персонала, политиките, организационната култура, етичната употреба и устойчивостта на институцията. AI се превръща в част от университетската стратегия, а не просто в поредната дигитална инициатива. Юридическият факултет на Чикагския университет предлага практически пример за подобно стратегическо мислене. Неотдавнашното решение да ограничи използването на AI заедно с мобилните телефони и лаптопите в редица занятия за първокурсници изненада много наблюдатели. На пръв поглед решението изглежда като противопоставяне на технологичните иновации. В действителност политиката преследва различен образователен приоритет. Факултетът настоява бъдещите юристи първо да развият умения за задълбочено четене, внимателно аргументиране, продължителна концентрация и пряко взаимодействие с правните текстове, преди да започнат активно да разчитат на дигитални инструменти. Ограниченията не са насочени срещу AI. Те са предназначени да защитят развитието на основни когнитивни способности, които технологиите по-късно трябва да подпомагат, а не да заменят. Това илюстрира един важен принцип. Институционалните AI стратегии не се определят от това дали университетите позволяват или забраняват използването на AI. Те се определят от това доколко политиките им са съобразени с образователните цели. Във всичките четири публикации се открояват няколко общи теми. Първо, AI представлява институционална трансформация, а не просто технологично внедряване. Всеки от авторите твърди, че университетите трябва да преосмислят своите структури, процеси и образователни практики, вместо просто да избират по-добър софтуер. Второ, лидерството се превръща в ключовата способност. Решенията, свързани с управлението, учебните програми, оценяването, научните изследвания, развитието на преподавателите и институционалните приоритети, не могат да бъдат оставени единствено на технологичните специалисти. Академичното ръководство трябва активно да определя посоката на развитие. Трето, университетите постепенно преминават от предаване на информация към развитие на способности. След като AI все по-често изпълнява рутинни задачи, свързани със знанията, университетите трябва да се съсредоточат върху развитието на човешки качества като преценка, творчество, етично мислене, сътрудничество, комуникация и формулиране на проблеми. Четвърто, институционалният дизайн има по-голямо значение от отделните инструменти. Именно рамките за управление, политиките за оценяване, обновяването на учебните програми, професионалното развитие и организационната култура ще определят успеха на институцията много повече от избора между различните AI модели. Въпреки силните си страни тези публикации оставят без отговор няколко важни въпроса. Един от най-съществените пропуски е AI грамотността и AI компетентността. Дискусията поставя силен акцент върху институционалната трансформация, но отделя сравнително малко внимание на начина, по който студенти, преподаватели, администрация и университетски лидери постепенно развиват необходимите компетентности за ефективна работа с AI. Последните рамки на UNESCO, Европейската комисия и ОИСР показват, че този процес заслужава много по-голямо внимание. Друг пропуск е ролята на AI в научните изследвания. Макар обучението да доминира в дискусията, университетите се нуждаят и от стратегии за AI-подпомогнати литературни обзори, възпроизводими научни изследвания, анализ на данни, научна добросъвестност и научно сътрудничество. Нови изследователски среди като Claude Science показват, че AI променя не само преподаването, но и целия научноизследователски процес. Статиите обръщат сравнително малко внимание и на институционалното сътрудничество. Успешното внедряване на AI изисква координация между академичните катедри, библиотеките, центровете за преподаване и учене, IT службите, юридическите отдели, етичните комисии, звената за подкрепа на научните изследвания и академичното ръководство. Управлението на AI не може да бъде успешно, ако всяко звено работи самостоятелно. Разгледани заедно, тези публикации показват, че разговорът за AI във висшето образование навлиза в нов етап. Преди година дискусиите бяха насочени основно към това кой чатбот дава най-добри отговори. Днес много по-важните въпроси са свързани с предназначението на университета, лидерството, управлението, учебните програми, оценяването, ролята на преподавателя и бъдещата идентичност на висшето образование. Може би най-важният извод е, че AI вече не трябва да се разглежда като поредната образователна технология. Той се превръща в предизвикателство, свързано с институционалния дизайн. Университетите, които се ограничат до закупуването на най-добрия AI модел, вероятно ще подобрят отделни дейности. Университетите, които преосмислят своето управление, лидерство, преподаване, научни изследвания и организационни способности около AI, имат много по-голям шанс сами да оформят своето бъдеще, вместо просто да реагират на него. |
Miltenoff, P. (2026, July 27). Why AI governance matters more than buying the latest AI model. Science & Research at UEV. (https://scienceandresearch.ue-varna.bg/2026/07/27/why-ai-governance-matters-more-than-buying-the-latest-ai-model/)
Gilman, N. (2026, July). The university after AI. The Chronicle of Higher Education. [https://www.chronicle.com/article/the-university-after-ai](https://www.chronicle.com/article/the-university-after-ai)
Auh, J. Y. (2026, July 8). What university leaders must learn in the age of AI. University World News. [https://www.universityworldnews.com/post.php?story=20260708085002202](https://www.universityworldnews.com/post.php?story=20260708085002202)
Tenenbaum, S. (2026, July 9). University of Chicago Law School AI strategy bans phones, laptops in class for first year students. CBS Chicago. [https://www.cbsnews.com/chicago/news/university-chicago-law-school-bans-phones-laptops-ai-strategy/](https://www.cbsnews.com/chicago/news/university-chicago-law-school-bans-phones-laptops-ai-strategy/)
Baumann, E. (2026, July). I want to be mad at Nils Gilman… [LinkedIn post]. LinkedIn. https://www.linkedin.com/feed/update/urn:li:groupPost:8943584-7486615172783083520/