Mengapa AI yang Sama Menghasilkan Dampak yang Berbeda? Pelajaran tentang Kesiapan Dosen dan Kampus

Dalam dua tahun terakhir, Artificial Intelligence (AI) telah menjadi salah satu topik yang paling sering dibicarakan di lingkungan pendidikan tinggi.

Webinar tentang AI selalu ramai. Workshop AI terus bermunculan. Dosen mulai mencoba berbagai aplikasi generatif untuk membantu menyusun materi pembelajaran, menyiapkan asesmen, merangkum literatur, hingga mendukung aktivitas penelitian. Mahasiswa pun semakin akrab dengan berbagai platform AI yang mampu menjawab pertanyaan dalam hitungan detik.

Sekilas, perkembangan ini menunjukkan bahwa AI telah diterima dengan cukup cepat di dunia akademik.

Namun jika diamati lebih dekat, muncul fenomena yang menarik.

Pada institusi yang sama, dengan akses teknologi yang relatif sama, hasil yang diperoleh sering kali sangat berbeda.

Sebagian dosen mampu mengintegrasikan AI ke dalam aktivitas akademiknya dengan cepat. Mereka menemukan cara baru untuk meningkatkan produktivitas, mengurangi pekerjaan administratif, memperkaya pembelajaran, dan mempercepat berbagai aktivitas akademik.

Sebaliknya, sebagian dosen masih merasa kesulitan.

Ada yang mencoba beberapa kali tetapi tidak memperoleh hasil yang sesuai harapan. Ada yang menganggap AI terlalu rumit. Ada pula yang memilih menjauh karena merasa teknologi tersebut belum relevan dengan kebutuhan mereka.

Perbedaan ini menimbulkan pertanyaan yang lebih menarik daripada sekadar membahas kemampuan AI itu sendiri.

Jika teknologi yang digunakan relatif sama, mengapa dampak yang dihasilkan bisa sangat berbeda?

Ketika membahas AI, perhatian sering kali terlalu banyak diarahkan pada teknologi.

Diskusi biasanya berkisar pada pertanyaan yang sama.

Platform apa yang paling baik?

Model AI apa yang paling akurat?

Tools apa yang paling direkomendasikan?

Pertanyaan-pertanyaan tersebut memang penting. Namun fokus yang terlalu besar pada teknologi sering membuat kita mengabaikan faktor yang justru lebih menentukan keberhasilan implementasi.

Dalam banyak organisasi, terdapat asumsi bahwa keberhasilan transformasi AI terutama ditentukan oleh kualitas teknologi yang digunakan. Padahal teknologi terus berkembang dengan sangat cepat. Platform yang populer hari ini bisa saja tergantikan oleh platform yang lebih baik beberapa bulan kemudian.

Jika teknologi adalah faktor penentu utama, maka seharusnya semua orang yang menggunakan teknologi yang sama akan memperoleh hasil yang relatif serupa.

Faktanya tidak demikian.

Perbedaan terbesar sering kali tidak terletak pada teknologinya.

Perbedaannya terletak pada manusia dan organisasi yang menggunakannya.

Karena itu, pertanyaan yang lebih strategis bukan hanya:

"AI apa yang kita gunakan?"

Melainkan:

"Seberapa siap kita memanfaatkannya?"

Menariknya, berbagai penelitian mengenai transformasi digital menunjukkan pola yang konsisten.

Laporan EDUCAUSE mengenai lanskap AI di pendidikan tinggi berulang kali menempatkan kesiapan organisasi, tata kelola, dan pengembangan kapasitas sumber daya manusia sebagai faktor penting dalam keberhasilan implementasi AI.

Temuan ini penting karena menggeser fokus dari teknologi menuju kesiapan institusi.

Hal yang sama juga terlihat dalam berbagai studi mengenai perubahan organisasi.

Selama bertahun-tahun, Gartner menunjukkan bahwa kegagalan transformasi lebih sering disebabkan oleh faktor manusia, budaya kerja, dan resistensi terhadap perubahan dibandingkan oleh kualitas teknologi yang digunakan.

McKinsey juga menemukan pola yang serupa. Dalam berbagai studi transformasi organisasi, capability building atau pembangunan kapasitas manusia secara konsisten muncul sebagai salah satu prediktor utama keberhasilan perubahan.

Pesan yang muncul dari berbagai temuan tersebut cukup jelas.

Masalah utama sering kali bukan pada AI.

Masalahnya adalah kesiapan untuk memanfaatkan AI secara efektif.

Kesiapan pertama yang paling mudah terlihat adalah kompetensi.

Tidak semua dosen memiliki tingkat literasi AI yang sama.

Sebagian memahami bagaimana AI bekerja, mengetahui keterbatasannya, dan mampu menggunakannya untuk mendukung proses berpikir. Sebagian lainnya masih berada pada tahap eksplorasi awal dan belum memahami cara memperoleh manfaat yang optimal dari teknologi tersebut.

Akibatnya, pengalaman yang diperoleh menjadi sangat berbeda.

Dosen yang memiliki AI literacy yang baik biasanya tidak memandang AI sebagai mesin pencari jawaban. Mereka menggunakan AI sebagai alat untuk mengeksplorasi ide, mempercepat pekerjaan rutin, menguji alternatif solusi, atau membantu menyusun kerangka berpikir.

Sebaliknya, pengguna yang belum memahami karakteristik AI sering kali mengharapkan hasil yang instan. Ketika output yang diperoleh tidak sesuai harapan, mereka cenderung menyimpulkan bahwa teknologi tersebut tidak cukup bermanfaat.

Padahal masalahnya bukan selalu pada teknologi.

Masalahnya sering kali terletak pada cara teknologi digunakan.

Lebih jauh lagi, kompetensi AI tidak hanya berkaitan dengan kemampuan teknis menggunakan platform tertentu.

Kompetensi juga mencakup kemampuan mengevaluasi kualitas output, memverifikasi informasi, memahami implikasi etis penggunaan AI, serta mengintegrasikan AI ke dalam pembelajaran dan penelitian secara bertanggung jawab.

Dalam konteks pendidikan tinggi, AI literacy mulai berkembang menjadi salah satu kompetensi akademik yang penting.

Namun kompetensi individu hanyalah sebagian dari cerita.

Banyak institusi berinvestasi pada pelatihan, tetapi tingkat adopsinya tetap berbeda.

Di sinilah budaya organisasi mulai memainkan peran yang sering kali tidak terlihat.

Pada beberapa kampus, eksplorasi teknologi baru dianggap sebagai bagian dari inovasi akademik. Dosen didorong untuk bereksperimen, berbagi praktik baik, dan belajar dari pengalaman.

Di lingkungan seperti ini, penggunaan AI berkembang secara lebih alami.

Sebaliknya, terdapat organisasi yang masih melihat perubahan sebagai tambahan pekerjaan. Eksperimen dianggap berisiko. Kesalahan dipandang sebagai kegagalan yang harus dihindari.

Dalam budaya seperti itu, adopsi teknologi baru biasanya berjalan jauh lebih lambat.

Padahal transformasi AI pada dasarnya bukan hanya persoalan teknologi.

Transformasi AI adalah proses belajar organisasi.

Semakin kuat budaya belajar yang dimiliki sebuah institusi, semakin besar pula peluang keberhasilan adopsi AI.

Faktor berikutnya yang sering menjadi pembeda adalah tata kelola.

Banyak dosen sebenarnya tertarik menggunakan AI. Namun ketertarikan tersebut sering diikuti berbagai pertanyaan yang belum terjawab.

Apakah AI boleh digunakan untuk menyusun materi pembelajaran?

Bagaimana aturan penggunaan AI dalam penelitian?

Apakah mahasiswa diperbolehkan menggunakan AI dalam tugas akademik?

Bagaimana perlindungan data ketika menggunakan platform AI publik?

Ketika pertanyaan-pertanyaan tersebut tidak memiliki jawaban yang jelas, ketidakpastian mulai muncul.

Sebagian dosen menjadi terlalu berhati-hati.

Sebagian lainnya menggunakan AI tanpa memahami risiko yang mungkin timbul.

Dalam situasi seperti ini, tata kelola bukan lagi sekadar alat pengendalian risiko.

Tata kelola justru menjadi enabler yang memungkinkan inovasi berkembang secara lebih aman dan bertanggung jawab.

Institusi yang memiliki pedoman dan kebijakan yang jelas biasanya lebih siap memperluas adopsi AI dibandingkan institusi yang masih membiarkan setiap individu menentukan aturannya sendiri.

Jika berbagai faktor tersebut dirangkai, muncul satu kesimpulan yang cukup menarik.

Keberhasilan adopsi AI tidak dimulai dari teknologi.

Keberhasilan adopsi AI dimulai dari kesiapan.

Kesiapan kompetensi menentukan apakah individu mampu memanfaatkan AI secara efektif.

Kesiapan budaya menentukan apakah organisasi mampu menerima perubahan.

Kesiapan tata kelola menentukan apakah penggunaan AI dapat berlangsung secara aman dan bertanggung jawab.

Ketiga elemen tersebut membentuk apa yang kini semakin sering disebut sebagai AI Readiness.

Tanpa AI Readiness, investasi teknologi yang besar belum tentu menghasilkan dampak yang berarti.

Sebaliknya, organisasi yang memiliki tingkat kesiapan yang baik sering kali mampu memperoleh manfaat yang signifikan bahkan dengan teknologi yang relatif sederhana.

Dalam banyak diskusi tentang AI, pertanyaan yang paling sering muncul adalah:

"Platform AI apa yang sebaiknya digunakan?"

Padahal bagi pimpinan perguruan tinggi, pertanyaan yang lebih strategis mungkin adalah:

"Apakah kampus kita sudah siap mengadopsi AI?"

Karena teknologi akan terus berubah.

Model AI akan semakin canggih.

Biaya penggunaan kemungkinan akan semakin terjangkau.

Fitur-fitur baru akan terus bermunculan.

Namun satu hal yang akan tetap menjadi pembeda adalah kesiapan manusia dan organisasi yang menggunakannya.

Perguruan tinggi yang berhasil di era AI kemungkinan bukan institusi yang pertama mencoba teknologi baru.

Perguruan tinggi yang berhasil adalah institusi yang mampu membangun kompetensi, budaya belajar, dan tata kelola yang memungkinkan teknologi tersebut menghasilkan dampak yang nyata.

AI mungkin menjadi katalis perubahan.

Tetapi pada akhirnya, kesiapan manusialah yang menentukan apakah perubahan tersebut akan berhasil atau tidak.