AI di Kampus: Menjaga Akal Sehat di Tengah Ledakan Teknologi
Pendidikan tinggi hari ini dipaksa berdiri di persimpangan jalan. Kehadiran kecerdasan buatan (AI) bukan lagi sekadar tren, melainkan gelombang yang mendisrupsi cara kita mengajar, meneliti, dan menempa karakter mahasiswa. Mesin kini bisa menyusun esai, membedah data, hingga merancang simulasi eksperimen dalam hitungan detik. Namun, di balik segala kepraktisan ini, ada kecemasan etis yang mulai menggerogoti esensi pendidikan.
Tantangan paling nyata ada pada runtuhnya batas integritas akademik. Ketika tugas akhir bisa selesai lewat sekali klik, garis antara memanfaatkan bantuan dan berbuat curang menjadi sangat buram. Menghadapi ini, kampus tidak bisa hanya mengambil jalan pintas dengan melarang total. Solusi terbaik justru memperkuat literasi digital—mengajari mahasiswa memahami konsekuensi moral, bukan sekadar cara memakai alatnya.
Di sisi lain, ada isu keadilan sosial yang kerap terlupakan. Realitasnya, tidak semua mahasiswa punya kemewahan untuk mengakses perangkat canggih atau melanggan AI versi premium. Jika dibiarkan, teknologi yang digadang-gadang sebagai penyetara ini justru akan memperlebar jurang kesenjangan. Kampus harus tetap menjadi ruang inklusif, bukan arena kompetisi yang timpang sejak awal.
Bagi dunia penelitian, AI memang mempercepat analisis, namun ia juga membawa bom waktu berupa bias algoritma yang tidak transparan. Peneliti tidak boleh malas dan menyerahkan keputusan sepenuhnya pada mesin. Bagaimanapun, validasi, keterbukaan, dan akuntabilitas tetaplah tanggung jawab mutlak manusia.
Pada akhirnya, AI hanyalah alat. Ia baru membawa maslahat jika dikendalikan oleh kompas moral yang kokoh. Tugas terbesar universitas hari ini adalah memastikan bahwa generasi masa depan tidak hanya cerdas secara teknologi, tetapi juga bijaksana secara etis.
Dosen yang Bisa Baca Data: Kemewahan atau Keharusan?
Ada momen tertentu yang selalu saya ingat dari pertama kali saya serius berkutat dengan data. Saya sedang mengerjakan sebuah proyek survei kecil — bukan penelitian besar, hanya pengumpulan data persepsi mahasiswa tentang pembelajaran daring. Data mentahnya ada di spreadsheet, ratusan baris, dan saya duduk cukup lama hanya menatapnya tanpa tahu harus mulai dari mana.
Saat itu saya sadar: punya data saja tidak cukup. Saya harus bisa membaca data.
Ini barangkali adalah gap yang semakin terasa di dunia akademik di Indonesia. Riset dari berbagai universitas menunjukkan kecenderungan tingkat literasi data mahasiswa kita secara umum masih berada di kategori "berkembang" — dan kalau mahasiswanya begitu, bagaimana dengan dosennya? Pertanyaan ini tidak pernah nyaman untuk dijawab jujur.
Saya tidak berbicara tentang menjadi data scientist, atau mengajak Anda menjadi seperti itu. Saya berbicara tentang kemampuan dasar yang makin ke sini saya rasa semakin tidak bisa dihindari: memahami distribusi data, membaca tabel frekuensi, menafsirkan grafik dengan benar, dan —yang paling penting— tidak menggeneralisasi sesuatu secara berlebihan dari data yang terbatas.
Dalam praktik penelitian sehari-hari, ini mungkin berarti bisa membedakan antara korelasi dan kausalitas. Antara sampel yang representatif dan yang tidak. Antara temuan yang signifikan secara statistik dan yang bermakna secara praktis. Ketiganya berbeda, dan ketiganya sering dicampuradukkan — bahkan dalam artikel yang sudah dipublikasikan sekalipun.
Yang menarik juga adalah bahwa tools untuk analisis data sekarang jauh lebih aksesibel dari sebelumnya. Excel masih relevan untuk analisis dasar. Python dan R tersedia gratis. Bahkan ada tools berbasis AI yang bisa membantu interpretasi data tanpa perlu koding. Cara menggunakannya? Mencari tutorial online; dengan kata kunci ang tepat saya nyaris bersumpah hasil pencariannya akan selalu ada. Nah. Hambatannya bukan lagi akses — hambatannya adalah kebiasaan dan mindset.
Kita sepertinya perlu menormalisasi sesuatu di kalangan akademisi: bahwa tidak tahu sesuatu bukanlah aib, asalkan diikuti dengan kemauan untuk belajar. Dunia hari ini berkembang terlalu pesat. Ia berlari. Kewalahan untuk menjaga ritme yang sama bukan cuma masalah anda atau saya. Ini memang masalah generasi kita. Dan mengakui bahwa "saya perlu belajar lebih banyak tentang analisis data" adalah langkah pertama yang jauh lebih produktif daripada berpura-pura sudah paham, lalu menghasilkan penelitian yang interpretasinya lemah.
Saya masih terus belajar dalam hal ini. Dan justru karena itu, saya merasa ini layak untuk ditulis. Saya menyemangati diri saya sendiri.
Antara Mengajar, Meneliti, dan Ngopi: Tetap Waras di Tengah Tenggat Waktu
Salah satu pertanyaan yang paling sering saya terima dari mahasiswa tingkat akhir yang mulai melirik karier akademik adalah beragam versi dari pertanyaan ini: "Kak, gimana caranya bisa mengerjakan banyak hal sekaligus?"
Jawaban jujur saya sering kali: "Tidak bisa." Dan itu tidak apa-apa.
Ada narasi yang sedikit berbahaya tentang kehidupan akademik —bahwa dosen yang baik adalah orang yang selalu menulis, selalu meneliti, selalu mengajar dengan penuh semangat, dan masih sempat hadir di seminar internasional sambil tetap bugar dan bahagia. Narasi ini sebagian terinspirasi dari CV orang-orang yang kita kagumi, yang —perlu diingat— dibangun selama puluhan tahun, bukan dalam satu semester.
Tagline saya adalah "Bersenang-senang di Kelas, Kantor, dan Kafe" — dan ini bukan sekadar kata-kata pemasaran. Ini adalah strategi hidup yang saya pilih secara sadar: bahwa produktivitas tidak harus terasa seperti perjuangan. Bahwa kafe bisa menjadi kantor kedua. Bahwa jeda bukan pemborosan waktu — ia adalah bagian dari proses berpikir.
Riset tentang produktivitas konsisten menunjukkan satu hal: manusia bekerja paling baik dalam siklus, bukan dalam maraton tanpa henti. Otak butuh pemulihan. Kreativitas butuh jeda dan ruang kosong. Tulisan terbaik sering lahir bukan saat kita memaksakan diri duduk di depan layar, tapi sesaat setelah kita berjalan-jalan, ngobrol dengan teman, atau —ya— minum kopi sambil melamun. Sering kali setelah buang air besar, saya segera mencuci tangan dan meraih handphone. Istri saya lama kelamaan menyadari pola ini. "What's so important?" tanya istri saya suatu ketika. "Saya ada ide," jawab saya. Kalau tidak saya tuliskan saat itu juga, saya akan melupakannya.
Dalam praktisnya, saya belajar untuk memisahkan jenis pekerjaan berdasarkan energi yang dibutuhkan. Mengajar butuh energi sosial yang tinggi — ini pagi hari. Menulis dan menganalisis data butuh fokus dalam — ini siang yang tenang. Membaca dan browsing referensi bisa dilakukan di mana saja, termasuk di kafe dengan sedikit kebisingan latar yang justru membantu konsentrasi bagi sebagian orang (ada penelitian tentang ini, dan saya termasuk yang percaya).
Yang lebih penting dari teknik apapun adalah kejujuran pada diri sendiri tentang kapasitas. Tidak semua hari adalah hari yang produktif. Dan memaksa diri di hari yang salah sering menghasilkan pekerjaan yang harus diulang keesokan harinya.
Jadi kalau kamu melihat saya duduk di kafe dengan laptop terbuka dan tampak tidak melakukan apa-apa — percayalah, kadang itu adalah bagian terpenting dari hari kerja saya.
Gallery
Tentang Menulis di Era Semua Orang Bisa Menulis
Kita sedang hidup di era yang paradoks: teknologi membuat semua orang bisa menulis, tapi pada saat yang sama membuat semakin sedikit orang yang mau menulis dengan sungguh-sungguh.
AI bisa menghasilkan ribuan kata dalam hitungan detik. Platform media sosial memberi setiap orang panggung. Template tersedia untuk segala jenis dokumen. Lalu apa yang tersisa yang membuat tulisanmu — tulisanku — punya nilai lebih?
Saya percaya jawabannya adalah: sudut pandang yang spesifik dan pengalaman yang tidak bisa diduplikasi.
AI bisa menulis artikel tentang "tren pendidikan di 2026" yang terdengar kompeten dan informatif. Tapi AI tidak bisa menulis tentang perasaan membaca esai mahasiswa yang jelas-jelas dibuat oleh AI, sambil memikirkan apa yang sebenarnya harus diajarkan hari ini. AI tidak punya kebingungan itu. AI tidak punya kedekatan emosional dengan situasi itu. Dan justru di situlah nilai tulisan yang manusiawi.
Menulis bukan hanya tentang menyampaikan informasi. Ia adalah tentang menawarkan perspektif — cara tertentu dalam melihat sesuatu — yang bisa memancing orang lain untuk melihat lebih dekat, atau melihat dari sudut yang berbeda. Ini adalah sesuatu yang tidak bisa di-*prompt*.
Dalam konteks akademik, ini berarti kita perlu kembali menghargai tulisan yang reflektif, yang jujur tentang keterbatasan, yang tidak berpura-pura lebih tahu dari yang sebenarnya. Tulisan yang mengatakan "saya tidak yakin, tapi ini yang saya amati" sering jauh lebih berharga daripada tulisan yang terdengar sangat meyakinkan tapi kosong di dalamnya.
Saya menulis karena saya perlu berpikir dengan keras. Bagi saya, menulis adalah cara untuk menemukan apa yang sebenarnya saya pikirkan — bukan cara untuk mengumumkan kesimpulan yang sudah ada. Proses itu tidak bisa dialihdayakan.
Dan kalau ada satu hal yang ingin saya sampaikan kepada siapapun yang berpikir bahwa menulis itu bukan untuk mereka — coba mulai dengan menulis sesuatu yang kamu tahu lebih baik dari siapapun. Itu bisa jadi pengalamanmu di kelas tadi pagi. Itu bisa jadi frustrasi kecil yang kamu rasakan saat membaca sebuah kebijakan. Itu bisa jadi pertanyaan yang belum terjawab yang terus mengganggumu.
Mulai dari sana. AI tidak punya akses ke tempat itu.