Masuknya artificial intelligence ke ruang pendidikan bukan sekadar menghadirkan alat baru bagi guru dan mahasiswa. Ia mengubah cara pengetahuan diproduksi, tugas dirancang, kemampuan dinilai, dan bahkan cara manusia memahami proses belajar itu sendiri. Buku Teaching with AI karya José Antonio Bowen dan C. Edward Watson menawarkan satu posisi penting: persoalannya bukan memilih antara menerima atau menolak AI, melainkan merancang hubungan yang membuat teknologi memperkuat kualitas belajar manusia.
“AI mungkin dapat membantu manusia menghasilkan jawaban lebih cepat, tetapi pendidikan tetap bertugas membuat manusia mampu menilai apakah jawaban itu layak dipercaya.”
— Wicarita
Ruang kelas telah berubah sebelum kurikulumnya siap
Ada perubahan dalam pendidikan yang sering kali datang tanpa menunggu izin institusi.
Seorang mahasiswa kini dapat bertanya kepada AI tentang teori yang belum dipahami, meminta contoh, menguji argumen, menyusun kerangka tulisan, menerjemahkan konsep, bahkan meminta penjelasan ulang dengan tingkat kesulitan yang berbeda. Bagi mahasiswa, AI dapat hadir seperti tutor yang tersedia kapan saja. Dalam review buku Bowen dan Watson, mahasiswa bahkan digambarkan menggunakan AI sebagai “second brain” atau “second teacher”.
Persoalannya kemudian bukan lagi apakah mahasiswa menggunakan AI.
Pertanyaan yang jauh lebih penting adalah: apa yang sebenarnya sedang dipelajari mahasiswa ketika AI ikut berada di dalam proses belajar?
Pertanyaan itu menggeser pusat perhatian dari teknologi menuju pedagogi.
Sebab AI tidak sekadar mempercepat pekerjaan yang sebelumnya dilakukan manusia. Kehadirannya membuat sebagian aktivitas intelektual menjadi lebih murah, lebih cepat, dan lebih mudah dilakukan. Jika sebuah tugas dapat diselesaikan AI dalam beberapa detik, maka nilai pendidikan dari tugas tersebut perlu dipertanyakan kembali.
Bukan karena tugas itu menjadi tidak berguna, tetapi karena alasan mengapa tugas tersebut diberikan mungkin sudah berubah.
Tiga aktor dalam proses belajar
Bowen dan Watson menawarkan cara pandang yang menarik: pendidikan tidak lagi cukup dipahami sebagai hubungan dua arah antara guru dan mahasiswa. AI menjadi aktor ketiga yang ikut membentuk proses tersebut.
Relasinya dapat dibayangkan seperti ini:
Guru → Mahasiswa → AI
Tetapi bukan hubungan linear.
Guru dapat menggunakan AI untuk menyiapkan bahan pembelajaran. Mahasiswa menggunakan AI untuk memahami materi. Guru kemudian mengevaluasi hasil yang muncul dari interaksi mahasiswa dengan AI. Mahasiswa dapat kembali menguji jawaban AI melalui pengetahuan yang diberikan guru.
Terjadi sebuah hubungan yang bersifat triadik.
Di sinilah persoalan pendidikan menjadi lebih menarik. AI tidak ditempatkan sebagai pengganti guru ataupun sebagai musuh mahasiswa. AI diperlakukan sebagai alat kolaboratif yang kemampuannya harus dipahami sekaligus dibatasi.
Sebab kemampuan menghasilkan jawaban tidak sama dengan kemampuan memahami kebenaran.
AI dapat menghasilkan respons yang tampak masuk akal, tetapi tetap memiliki keterbatasan, termasuk hallucination dan bias algoritmik. Karena itu, kemampuan menggunakan AI tidak cukup berhenti pada kemampuan membuat prompt. Pengguna harus memahami bagaimana memilih alat, mengevaluasi hasil, memecahkan masalah, dan menyadari keterbatasan teknologi tersebut.
Inilah yang oleh Bowen dan Watson ditempatkan sebagai AI literacy.
Literasi AI bukan kursus menggunakan chatbot
Ada kecenderungan untuk memahami literasi AI secara terlalu sederhana.
Seseorang dianggap melek AI karena mampu membuat prompt. Padahal prompt engineering hanyalah salah satu bagian dari kompetensi yang jauh lebih besar.
Menurut pembahasan dalam review tersebut, AI literacy mencakup:
pemahaman terhadap teknologi;
kemampuan memecahkan masalah;
pemilihan alat yang sesuai;
evaluasi kritis terhadap keluaran AI;
kesadaran terhadap keterbatasan diri dan teknologi;
pertimbangan etis dalam penggunaannya.
Dengan demikian, orang yang mampu menghasilkan prompt yang sangat panjang belum tentu memiliki literasi AI yang baik.
Kemampuan yang lebih penting justru muncul setelah jawaban AI diberikan.
Apa yang dilakukan pengguna terhadap jawaban tersebut?
Apakah langsung dipercaya?
Apakah dibandingkan dengan sumber lain?
Apakah diperiksa logikanya?
Apakah konteksnya sesuai?
Apakah terdapat bias?
Apakah kesimpulannya benar-benar mengikuti data yang tersedia?
Di titik ini, literasi AI ternyata beririsan kuat dengan literasi akademik. Teknologi baru hanya mengubah medan tempat kemampuan berpikir kritis itu digunakan.
Efisiensi bukan ukuran terakhir pendidikan
AI memang menawarkan keuntungan praktis.
Bowen dan Watson menunjukkan berbagai penggunaan AI untuk menyiapkan bahan ajar, merancang pertanyaan diskusi, serta membuat asesmen pengetahuan yang lebih personal. Review tersebut juga mencatat penelitian yang dirujuk buku mengenai potensi peningkatan produktivitas staf akademik hingga 40%.
Namun efisiensi memiliki jebakan yang sering luput diperhatikan.
Jika guru dapat membuat bahan ajar lebih cepat, pertanyaan berikutnya bukan sekadar “berapa banyak waktu yang berhasil dihemat?”
Pertanyaan yang lebih penting adalah:
“Waktu yang dihemat itu kemudian digunakan untuk apa?”
Jika waktu yang diperoleh dari AI justru dipakai untuk memperbanyak pekerjaan administratif, pendidikan tidak mengalami transformasi. Ia hanya menjadi lebih cepat dalam melakukan pekerjaan lama.
Sebaliknya, jika waktu tersebut digunakan untuk membaca pekerjaan mahasiswa lebih mendalam, memberikan umpan balik, berdiskusi, membimbing proses berpikir, atau merancang pengalaman belajar yang lebih bermakna, maka AI mulai menjalankan fungsi yang lebih substantif.
Teknologi menjadi bernilai bukan karena membuat manusia bekerja lebih cepat, tetapi karena memungkinkan manusia melakukan pekerjaan yang sebelumnya tidak sempat dilakukan.
Masalah terbesar bukan mahasiswa memakai AI
Perdebatan tentang AI dalam pendidikan sering berakhir pada satu kata: kecurangan.
Mahasiswa menggunakan AI untuk mengerjakan tugas. Maka tugas tersebut dianggap tidak autentik. Solusinya kemudian adalah mendeteksi AI, melarang AI, atau mencari perangkat yang dapat menentukan apakah sebuah tulisan dibuat oleh mesin.
Bowen dan Watson menawarkan arah yang berbeda.
Daripada terus berusaha membuat tugas yang tidak dapat disentuh AI, pendidikan perlu merancang tugas yang tidak kehilangan nilai pendidikannya meskipun AI digunakan.
Perubahan ini cukup mendasar.
Jika mahasiswa diminta membuat definisi sederhana tentang suatu konsep, AI mungkin dapat mengerjakannya dengan mudah.
Tetapi jika mahasiswa diminta:
membandingkan beberapa jawaban AI;
menemukan kelemahannya;
menguji argumentasinya;
memperbaiki respons tersebut;
memberikan alasan atas setiap perbaikan;
menghubungkannya dengan pengalaman atau konteks tertentu;
maka AI tidak lagi otomatis menjadi jalan pintas.
Justru AI menjadi objek pembelajaran.
Membalik posisi AI: dari mesin jawaban menjadi objek kritik
Salah satu gagasan yang menarik dalam buku tersebut adalah reverse engineering.
Mahasiswa tidak hanya menggunakan AI untuk mendapatkan jawaban. Mereka menganalisis jawaban AI, menemukan kekurangannya, kemudian mencari cara untuk memperbaikinya. Review tersebut menyebut penelitian pendidikan yang menunjukkan pendekatan seperti ini dapat meningkatkan student engagement sebesar 25% dibandingkan pendekatan tradisional.
Di sini terjadi perubahan sederhana tetapi penting.
Biasanya proses belajar berbentuk:
Pertanyaan → AI → Jawaban
Pendekatan reverse engineering mengubahnya menjadi:
Pertanyaan → AI → Jawaban → Kritik → Verifikasi → Perbaikan → Pemahaman
Tahapan tambahan itulah yang memiliki nilai pedagogis.
Mahasiswa dipaksa berhadapan dengan pertanyaan yang lebih sulit daripada sekadar “apa jawabannya?”
Mereka harus bertanya:
“Mengapa jawaban ini bisa salah?”
Dan pertanyaan tersebut membawa pendidikan kembali kepada fungsi dasarnya: melatih kemampuan menilai.
Tugas yang terlalu mudah akan kehilangan maknanya
Di sinilah gagasan “C-level work prohibition” menjadi menarik.
Bowen dan Watson mengajukan premis provokatif bahwa pekerjaan mahasiswa seharusnya memiliki kualitas yang melampaui kemampuan rata-rata AI saat ini. Review tersebut menjelaskan bahwa gagasan ini berangkat dari pengamatan bahwa AI saat ini mampu menghasilkan pekerjaan rata-rata pada level C dalam sistem penilaian Amerika Serikat.
Jika demikian, tugas pendidikan tidak cukup lagi hanya meminta mahasiswa menghasilkan pekerjaan yang “benar”.
Sebab benar belum tentu menunjukkan belajar.
Sebuah esai yang tersusun rapi dapat dibuat AI.
Ringkasan yang sistematis dapat dibuat AI.
Definisi yang cukup baik dapat dibuat AI.
Bahkan jawaban ujian yang masuk akal pun dapat dihasilkan AI.
Maka pendidikan perlu bergerak menuju sesuatu yang lebih sulit direplikasi: penalaran, refleksi, kreativitas, penilaian, pengalaman, dan kemampuan menghubungkan pengetahuan dengan situasi nyata.
Inilah alasan mengapa kehadiran AI seharusnya mendorong perubahan desain asesmen, bukan sekadar memperketat pengawasan.
Yang harus dinilai mungkin bukan lagi hasil akhirnya
Perubahan teknologi akhirnya memaksa pendidikan mempertanyakan sesuatu yang selama ini dianggap biasa: apa yang sebenarnya kita nilai?
Selama ini, banyak asesmen berfokus pada produk akhir.
Makalah dikumpulkan.
Jawaban diperiksa.
Nilai diberikan.
Namun ketika mesin dapat menghasilkan produk akhir dengan sangat mudah, proses menjadi jauh lebih penting.
Bagaimana mahasiswa sampai pada kesimpulan?
Bagaimana mahasiswa memilih sumber?
Bagaimana mahasiswa menguji jawaban AI?
Apa yang diubah dari respons awal?
Mengapa perubahan tersebut dilakukan?
Bagaimana mahasiswa mempertanggungjawabkan keputusan intelektualnya?
Pertanyaan semacam ini membawa metakognisi ke pusat pembelajaran. Review Bowen dan Watson memang menekankan pentingnya refleksi dan proses metakognitif untuk membangun kemandirian mahasiswa.
Dengan kata lain, AI justru dapat membuat pendidikan semakin sadar bahwa belajar bukan sekadar menghasilkan jawaban.
Teknologi juga dapat memperlebar ketimpangan
Namun optimisme terhadap AI tidak boleh membuat kita lupa pada persoalan distribusi.
AI berpotensi membantu mahasiswa yang memiliki keterbatasan akses terhadap mentor, tutor, atau dukungan akademik karena dapat memberikan umpan balik yang lebih personal. Dalam perspektif ini, AI memiliki peluang untuk mengurangi sebagian ketimpangan pendidikan.
Tetapi terdapat paradoks.
Akses terhadap AI berkualitas juga tidak sepenuhnya merata.
Sistem AI yang lebih canggih membutuhkan sumber daya yang lebih besar. Perbedaan kualitas antara layanan gratis dan layanan yang lebih maju dapat menciptakan perbedaan baru antara mereka yang mampu mengakses teknologi berkualitas tinggi dan mereka yang tidak. Review tersebut bahkan mengusulkan perlunya program nasional untuk memastikan akses yang lebih setara terhadap teknologi AI berkualitas dalam pendidikan.
Jadi, AI dapat sekaligus menjadi alat pemerataan dan sumber ketimpangan.
Keduanya bukan kontradiksi.
Keduanya bergantung pada bagaimana teknologi didistribusikan, siapa yang mampu menggunakannya, dan bagaimana institusi pendidikan membangun ekosistem pendukungnya.
Empat prinsip sebelum teknologi diberi ruang
Persoalan etika kemudian tidak bisa ditempatkan sebagai catatan kaki.
Review tersebut mencatat empat prinsip utama yang digunakan dalam pendekatan etis Bowen dan Watson:
Transparency — penggunaan AI perlu dapat dipahami dan dijelaskan.
Learner autonomy — peserta didik tetap memiliki kendali atas proses belajarnya.
Fairness — penggunaan AI tidak boleh memperkuat ketidakadilan.
Accountability — harus jelas siapa yang bertanggung jawab atas keputusan dan penggunaan AI.
Keempat prinsip ini menarik karena mengembalikan AI ke wilayah yang sering dilupakan oleh pembicaraan teknologi: tanggung jawab manusia.
Algoritma dapat menghasilkan rekomendasi.
Tetapi algoritma tidak otomatis memikul tanggung jawab moral atas rekomendasi tersebut.
Guru tetap harus menilai.
Mahasiswa tetap harus berpikir.
Institusi tetap harus menetapkan batas.
AI tidak otomatis membuat pendidikan menjadi lebih baik
Di titik ini, review terhadap buku Bowen dan Watson juga memberikan kritik yang penting.
Para penulis buku dinilai mungkin terlalu optimistis mengenai kesediaan guru untuk mengubah praktik pembelajaran secara mendasar. Implementasi pendekatan baru membutuhkan investasi dalam pelatihan guru dan infrastruktur teknologi. Selain itu, penerimaan teknologi berbeda antarbudaya, sementara aspek perbedaan budaya tersebut dinilai belum dibahas secara mendalam.
Ada persoalan lain yang bahkan lebih mendasar.
Guru dapat terlalu bergantung pada solusi teknologi.
Ketergantungan tersebut berisiko membuat prinsip pedagogis dan hubungan manusia dalam pendidikan justru tersisih. Review juga mengingatkan bahwa penggunaan teknologi secara berlebihan dapat berdampak negatif terhadap perkembangan berpikir kritis dan kreativitas.
Maka ukuran keberhasilan AI dalam pendidikan bukanlah seberapa banyak AI digunakan.
Ukuran yang lebih masuk akal adalah:
apakah setelah menggunakan AI, manusia menjadi lebih mampu berpikir?
Jika jawabannya tidak, maka penggunaan teknologi tersebut perlu dipertanyakan kembali.
Pendidikan perlu menaikkan standar kemanusiaannya
Bowen dan Watson, sebagaimana direview oleh Žerovnik, pada akhirnya membawa persoalan AI keluar dari wilayah teknologi.
Buku tersebut membahas lebih dari 200 studi yang terbit pada 2022–2024 dan membedakan antara generative AI yang menghasilkan konten baru dan predictive AI yang menganalisis pola untuk memprediksi hasil. Keduanya membawa persoalan yang berbeda, mulai dari kepengarangan, bias, misinformasi hingga potensi reproduksi ketimpangan. devetakiz,+pp_323-328
Namun semakin banyak teknologi masuk ke pendidikan, semakin jelas pula batas yang harus dijaga.
Empati tetap manusiawi.
Kreativitas tetap membutuhkan manusia.
Penilaian etis tetap membutuhkan manusia.
AI dapat membantu proses tersebut, tetapi tidak otomatis mengambil alih maknanya.
Maka mungkin persoalan terbesar AI dalam pendidikan bukanlah bagaimana membuat manusia tetap relevan di tengah mesin.
Persoalannya justru lebih menarik:
bagaimana pendidikan menggunakan mesin untuk memaksa manusia menjadi lebih manusiawi?
Belajar setelah AI
AI membuat banyak pekerjaan intelektual menjadi mudah.
Justru karena itu, pendidikan harus menjadi lebih sulit pada tempat yang tepat.
Menghasilkan teks menjadi lebih mudah. Maka kemampuan mempertanggungjawabkan gagasan menjadi lebih penting.
Mendapatkan jawaban menjadi lebih mudah. Maka kemampuan menguji jawaban menjadi lebih penting.
Menyusun informasi menjadi lebih mudah. Maka kemampuan menentukan mana yang bermakna menjadi lebih penting.
Dan ketika mesin semakin mampu menghasilkan pekerjaan yang tampak baik, pendidikan tidak perlu berlomba menghasilkan pekerjaan yang sama.
Pendidikan harus membawa manusia melampaui apa yang dapat dilakukan mesin.
Itulah barangkali inti paling penting dari Teaching with AI: integrasi AI bukan proyek memasukkan teknologi ke dalam kelas. Ia adalah proyek pedagogis, etis, dan sosial yang menuntut pendidikan mendefinisikan ulang apa yang layak disebut belajar. Review tersebut sendiri menekankan bahwa penerapan gagasan buku perlu dibaca secara kritis dan disesuaikan dengan konteks lokal, terutama karena kesiapan infrastruktur, literasi digital, dan budaya teknologi berbeda-beda.
Pada akhirnya, pertanyaan pendidikan bukan lagi apakah AI akan masuk ke kelas.
AI sudah berada di sana.
Pertanyaan yang masih terbuka adalah: setelah AI masuk, manusia ingin menjadikan pendidikan sebagai apa?
