Kampus Anda Ada di Level Berapa? Memahami AI Maturity Model untuk Perguruan Tinggi

Dalam dua tahun terakhir, Artificial Intelligence (AI) berkembang dari sekadar topik diskusi menjadi bagian dari realitas sehari-hari di banyak perguruan tinggi.

Mahasiswa menggunakannya untuk memahami materi kuliah, mencari ide penelitian, atau membantu menyusun draft tugas. Dosen mulai memanfaatkannya untuk mengembangkan bahan ajar, melakukan eksplorasi literatur, hingga mendukung berbagai aktivitas administratif. Di tingkat institusi, semakin banyak kampus yang mulai mendiskusikan strategi AI, kebijakan penggunaan AI, dan peluang transformasi yang ditawarkan teknologi ini.

Namun di tengah antusiasme tersebut, ada satu hal yang sering terlewatkan.

Tidak semua perguruan tinggi berada pada tahap yang sama dalam perjalanan adopsi AI.

Sebagian kampus masih berada pada fase eksplorasi awal. Sebagian lainnya telah mulai mengintegrasikan AI ke dalam proses pembelajaran. Ada pula institusi yang telah memiliki kebijakan resmi dan menjadikan AI sebagai bagian dari strategi organisasi.

Karena itu, ketika membahas transformasi AI, pertanyaan yang paling penting mungkin bukan:

“AI tools apa yang sebaiknya digunakan?”

Melainkan:

“Seberapa matang institusi kita dalam mengadopsi AI?”

Pertanyaan ini menjadi semakin relevan karena keberhasilan transformasi AI tidak ditentukan oleh banyaknya teknologi yang digunakan. Yang lebih menentukan adalah kesiapan organisasi untuk mengelola perubahan yang dibawa oleh teknologi tersebut.

Di sinilah konsep AI Maturity Model menjadi penting.

Dalam berbagai kajian transformasi digital, organisasi umumnya tidak berubah secara instan dari kondisi tradisional menjadi organisasi yang sepenuhnya terdigitalisasi.

Perubahan hampir selalu berlangsung secara bertahap.

Organisasi belajar memahami teknologi baru, melakukan eksperimen, mengembangkan praktik yang lebih terstruktur, membangun tata kelola, dan pada akhirnya mengintegrasikan teknologi ke dalam strategi organisasi secara menyeluruh.

Konsep inilah yang melahirkan berbagai Digital Maturity Models yang banyak digunakan untuk membantu organisasi memahami posisi mereka saat ini sekaligus merencanakan langkah pengembangan berikutnya.

Perguruan tinggi tidak berbeda.

Meskipun banyak kampus menghadapi tantangan yang serupa, tingkat kesiapan mereka dalam mengadopsi AI dapat sangat beragam. Karena itu, AI Maturity Model sebaiknya tidak dipahami sebagai alat untuk memberi label kampus “maju” atau “tertinggal”.

Lebih dari itu, maturity model merupakan alat refleksi.

Tujuannya bukan untuk membandingkan institusi, tetapi untuk membantu memahami kondisi aktual dan menentukan arah pengembangan yang paling sesuai dengan kebutuhan masing-masing.

Pada tahap pertama, AI biasanya hadir dalam bentuk kesadaran awal.

Diskusi tentang AI mulai muncul dalam seminar, workshop, webinar, dan berbagai forum akademik. Dosen dan mahasiswa mulai mencoba berbagai aplikasi AI secara mandiri. Topik AI menjadi semakin sering dibicarakan, tetapi masih berada pada level individu.

Pada fase ini, AI sudah dikenal, tetapi belum menjadi agenda institusional.

Belum ada strategi yang jelas. Belum ada kebijakan. Belum ada arah pengembangan yang terkoordinasi.

AI dipandang sebagai sesuatu yang menarik untuk dipelajari, tetapi belum menjadi bagian dari transformasi organisasi.

Tahap ini dapat disebut sebagai fase awareness.

Banyak perguruan tinggi saat ini masih berada pada titik ini.

Seiring waktu, kesadaran mulai berubah menjadi eksperimen.

Dosen mulai menggunakan AI untuk menyusun bahan ajar atau membantu aktivitas penelitian. Mahasiswa memanfaatkan AI dalam berbagai tugas akademik. Unit-unit tertentu mencoba mengintegrasikan AI untuk meningkatkan efisiensi pekerjaan mereka.

Inovasi mulai tumbuh dari bawah.

Namun implementasinya masih sporadis.

Setiap individu atau unit kerja mengembangkan pendekatannya sendiri. Belum ada koordinasi yang kuat. Belum ada standar yang disepakati bersama.

Pada satu sisi, kondisi ini menunjukkan kreativitas dan keterbukaan terhadap inovasi.

Namun pada sisi lain, muncul berbagai pertanyaan yang belum memiliki jawaban yang sama di seluruh institusi.

Apakah mahasiswa boleh menggunakan AI untuk tugas?

Apakah dosen memiliki standar yang sama dalam menilai penggunaan AI?

Bagaimana perlindungan data dikelola?

Pada tahap ini, inovasi sering kali berkembang lebih cepat dibandingkan tata kelola.

Inilah fase experimentation.

Tahap berikutnya mulai terlihat ketika AI tidak lagi berada di luar proses pembelajaran, tetapi masuk ke dalam ruang kelas.

Mahasiswa mulai diberikan tugas yang melibatkan penggunaan AI. Dosen mulai mengajarkan literasi AI dan mengajak mahasiswa mendiskusikan implikasi etis dari teknologi tersebut. Asesmen mulai dirancang dengan mempertimbangkan realitas bahwa mahasiswa memiliki akses terhadap AI.

Pada titik ini, AI menjadi bagian dari pengalaman belajar.

Perubahan tersebut penting karena menunjukkan pergeseran cara pandang. AI tidak lagi dianggap sekadar alat tambahan, tetapi mulai diintegrasikan ke dalam proses pendidikan itu sendiri.

Namun semakin dalam AI masuk ke ruang kelas, semakin besar pula kebutuhan akan kejelasan.

Apakah seluruh dosen memiliki pemahaman yang sama?

Apakah mahasiswa memahami batas penggunaan AI yang diperbolehkan?

Apakah institusi memiliki panduan yang konsisten mengenai asesmen di era AI?

Tanpa jawaban yang jelas, integrasi AI dalam pembelajaran berpotensi menciptakan ketidakkonsistenan akademik.

Tahap ini sering disebut sebagai fase classroom integration.

Pada fase berikutnya, institusi mulai menyadari bahwa AI tidak lagi dapat dikelola hanya melalui inisiatif individu.

AI mulai dipandang sebagai isu tata kelola.

Di sinilah berbagai rekomendasi dari UNESCO, OECD, EDUCAUSE, dan berbagai organisasi internasional menjadi semakin relevan. Mereka secara konsisten menekankan bahwa adopsi AI yang bertanggung jawab memerlukan governance yang jelas.

Perguruan tinggi mulai menyusun AI Policy.

Panduan penggunaan AI bagi dosen dan mahasiswa mulai dikembangkan.

Perlindungan data mulai menjadi perhatian yang lebih serius.

Penggunaan AI dalam penelitian mulai diatur secara lebih sistematis.

Perubahan terpenting pada tahap ini sebenarnya bukan terletak pada teknologinya.

Perubahan terpenting adalah munculnya kesadaran bahwa AI harus menjadi agenda institusional, bukan sekadar eksperimen individu.

Inilah fase institutional policy.

Namun terdapat satu kesalahpahaman yang cukup umum ketika membahas kematangan AI.

Banyak orang beranggapan bahwa semakin banyak AI digunakan, semakin matang pula organisasinya.

Padahal tidak selalu demikian.

Kematangan bukan tentang jumlah teknologi yang digunakan.

Kematangan adalah tentang kemampuan menggunakan teknologi secara strategis, etis, dan terkelola.

Pada tahap yang paling maju, AI menjadi bagian dari strategi institusi secara menyeluruh.

AI digunakan untuk mendukung pembelajaran, meningkatkan layanan mahasiswa, memperkuat administrasi akademik, mendukung analitik institusional, hingga membantu pengambilan keputusan berbasis data.

Yang membedakan tahap ini bukan banyaknya aplikasi AI yang digunakan.

Yang membedakan adalah adanya keselarasan antara teknologi, kebijakan, tata kelola, kompetensi sumber daya manusia, dan tujuan strategis institusi.

Di sinilah konsep AI-Enabled University mulai terbentuk.

Lalu bagaimana cara mengetahui posisi kampus saat ini?

Mungkin jawabannya tidak sesederhana memberikan skor atau label tertentu.

Namun terdapat beberapa pertanyaan reflektif yang dapat menjadi titik awal.

• Apakah kampus sudah memiliki AI Policy?

• Apakah terdapat panduan penggunaan AI bagi dosen dan mahasiswa?

• Apakah penggunaan AI dalam penelitian telah diatur secara jelas?

• Apakah terdapat program pengembangan kompetensi AI yang terstruktur?

• Apakah AI sudah masuk ke dalam perencanaan strategis institusi?

Jawaban atas pertanyaan-pertanyaan tersebut tidak secara otomatis menentukan tingkat kematangan AI sebuah perguruan tinggi.

Namun pertanyaan tersebut dapat membantu institusi melihat area mana yang sudah berkembang dan area mana yang masih perlu diperkuat.

Yang juga perlu dipahami adalah bahwa AI maturity bukanlah kompetisi.

Perguruan tinggi riset berskala besar memiliki kebutuhan yang berbeda dengan perguruan tinggi vokasi. Universitas yang memiliki sumber daya besar menghadapi tantangan yang berbeda dengan institusi yang lebih kecil.

Karena itu, tidak ada satu target kematangan yang harus dicapai oleh semua kampus.

Tujuan utama maturity model bukan untuk mengetahui siapa yang paling maju.

Tujuannya adalah membantu institusi memahami posisi saat ini dan merencanakan langkah berikutnya secara realistis.

Transformasi yang berhasil hampir selalu dimulai dari pemahaman yang jujur mengenai kondisi organisasi.

Ketika membahas AI, banyak institusi masih terlalu fokus pada teknologi.

Padahal pengalaman berbagai program transformasi digital menunjukkan bahwa kegagalan implementasi sering kali tidak disebabkan oleh teknologi yang buruk.

Penyebab yang lebih umum justru berasal dari kesiapan organisasi yang belum memadai.

Kebijakan belum tersedia.

Kompetensi belum berkembang.

Tata kelola belum matang.

Strategi belum jelas.

Karena itu, transformasi AI yang berhasil tidak dimulai dari membeli teknologi baru.

Transformasi AI dimulai dari kesiapan institusi.

Kesiapan sumber daya manusia.

Kesiapan tata kelola.

Kesiapan kebijakan.

Dan kesiapan untuk menjadikan AI sebagai bagian dari strategi jangka panjang, bukan sekadar tren teknologi sesaat.

Pada akhirnya, pertanyaan yang perlu dijawab oleh setiap perguruan tinggi bukan lagi apakah AI akan digunakan.

Pertanyaan yang jauh lebih penting adalah:

Seberapa siap institusi kita mengadopsi AI secara strategis, etis, dan bertanggung jawab?