Risiko AI di Kampus Bukan Sekadar Plagiarisme: Tantangan yang Sering Tidak Terlihat

Ketika Artificial Intelligence (AI) mulai digunakan secara luas di lingkungan pendidikan tinggi, satu kekhawatiran hampir selalu muncul lebih dahulu dibandingkan yang lain.

“Apakah mahasiswa akan menggunakan AI untuk mengerjakan tugas?”

Kekhawatiran tersebut dapat dipahami. Dalam waktu singkat, Generative AI menunjukkan kemampuan yang sebelumnya sulit dibayangkan. Teknologi ini dapat menghasilkan esai, laporan, ringkasan, kode program, hingga presentasi hanya dalam hitungan detik. Tidak mengherankan jika banyak dosen mulai mempertanyakan implikasinya terhadap integritas akademik.

Di berbagai kampus, respons yang muncul pun relatif serupa. Diskusi tentang AI sering kali berpusat pada plagiarisme, deteksi penggunaan AI, dan bagaimana mencegah mahasiswa menyerahkan tugas yang sepenuhnya dihasilkan oleh mesin.

Namun ada satu risiko yang justru lebih besar.

Ketika seluruh perhatian hanya tertuju pada plagiarisme, perguruan tinggi berpotensi mengabaikan berbagai tantangan lain yang dampaknya jauh lebih luas.

Literatur mengenai AI Ethics, tata kelola AI, dan berbagai panduan yang diterbitkan UNESCO menunjukkan bahwa risiko AI tidak berhenti pada ruang kelas. Risiko tersebut juga menyentuh kualitas pengambilan keputusan, perlindungan data, keandalan informasi, kesiapan sumber daya manusia, hingga tata kelola institusi secara keseluruhan.

Dengan kata lain, plagiarisme mungkin merupakan risiko yang paling terlihat.

Tetapi belum tentu merupakan risiko yang paling penting.

Tidak dapat dipungkiri bahwa integritas akademik tetap menjadi salah satu isu utama dalam era AI.

Universitas dibangun di atas kepercayaan. Ketika mahasiswa mengumpulkan tugas, dosen mengasumsikan bahwa karya tersebut merepresentasikan proses berpikir dan pembelajaran yang dilakukan mahasiswa. Ketika asumsi tersebut mulai dipertanyakan, fondasi akademik ikut terdampak.

Namun persoalannya sebenarnya lebih kompleks daripada sekadar menentukan apakah sebuah tugas ditulis oleh manusia atau AI.

Pertanyaan yang lebih relevan adalah bagaimana AI digunakan dalam proses pembelajaran.

Apakah AI digunakan untuk membantu eksplorasi ide?

Apakah AI digunakan untuk memperbaiki struktur tulisan?

Ataukah AI digunakan untuk menggantikan seluruh proses berpikir akademik?

Perbedaan ini sangat penting.

Dalam banyak situasi, AI dapat berfungsi sebagai alat bantu yang sah dan bahkan produktif. Sebaliknya, ketika AI menggantikan proses refleksi, analisis, dan argumentasi yang seharusnya dilakukan mahasiswa, maka tujuan pembelajaran menjadi terancam.

Karena itu, tantangan terbesar perguruan tinggi bukan sekadar mendeteksi penggunaan AI.

Tantangannya adalah mendefinisikan ulang integritas akademik di era AI.

Namun risiko AI tidak berhenti pada ruang kelas.

Ketika AI mulai digunakan untuk mendukung pengambilan keputusan, muncul tantangan lain yang sering kali lebih sulit dikenali: bias.

Banyak orang berasumsi bahwa sistem berbasis data akan selalu lebih objektif dibandingkan manusia. Sayangnya, asumsi tersebut tidak selalu benar.

AI belajar dari data yang tersedia. Jika data historis yang digunakan mengandung ketimpangan atau bias tertentu, maka sistem AI dapat mereproduksi bahkan memperkuat bias tersebut.

Fenomena ini dikenal sebagai algorithmic bias.

Dalam konteks pendidikan tinggi, risikonya menjadi sangat nyata ketika AI mulai digunakan untuk mendukung keputusan yang memengaruhi kehidupan mahasiswa.

Bayangkan jika suatu saat AI digunakan untuk membantu identifikasi mahasiswa yang berisiko putus studi, menentukan prioritas penerima bantuan pendidikan, atau memberikan rekomendasi terkait berbagai layanan akademik.

Jika model tersebut dibangun dari data yang tidak sepenuhnya netral, maka keputusan yang dihasilkan dapat terlihat objektif sekaligus menghasilkan ketidakadilan yang tidak disadari.

Di sinilah paradoks AI muncul.

Semakin kompleks sebuah sistem, semakin sulit pula memahami bagaimana keputusan dihasilkan.

Karena itu, transparansi dan auditabilitas menjadi elemen yang semakin penting dalam tata kelola AI yang bertanggung jawab.

Risiko berikutnya justru sering muncul tanpa disadari oleh penggunanya sendiri.

Setiap hari, dosen, mahasiswa, dan tenaga kependidikan mulai memasukkan berbagai informasi ke dalam platform AI.

Ada yang mengunggah dokumen akademik untuk diringkas.

Ada yang menggunakan AI untuk membantu analisis data penelitian.

Ada pula yang memanfaatkan AI untuk mengolah berbagai dokumen administratif.

Sekilas, aktivitas tersebut tampak biasa.

Namun di balik kemudahannya, terdapat pertanyaan yang sering kali tidak pernah diajukan:

“Data yang kita masukkan sebenarnya diproses ke mana?”

Tidak semua pengguna memahami bagaimana data diproses, disimpan, atau digunakan oleh platform AI yang mereka gunakan.

Akibatnya, risiko kebocoran data menjadi semakin relevan.

Perguruan tinggi mengelola berbagai informasi yang bersifat sensitif, mulai dari data mahasiswa, data penelitian, hingga dokumen institusional yang tidak ditujukan untuk konsumsi publik.

Ketika penggunaan AI berkembang lebih cepat dibandingkan pemahaman mengenai tata kelola data, risiko yang muncul bukan lagi bersifat akademik semata, melainkan juga risiko organisasi.

Karena itu, adopsi AI tidak dapat dipisahkan dari kebijakan perlindungan data yang jelas.

Jika ada satu karakteristik AI yang paling sering menyesatkan pengguna, mungkin itu adalah kemampuannya terdengar sangat meyakinkan.

AI dapat menghasilkan jawaban yang tampak logis, sistematis, dan ditulis dengan bahasa yang profesional.

Masalahnya, tidak semua jawaban tersebut benar.

Fenomena yang dikenal sebagai hallucination menunjukkan bahwa AI dapat menghasilkan informasi yang keliru, referensi yang tidak pernah ada, atau interpretasi yang tidak sesuai dengan fakta.

Dalam lingkungan akademik, dampaknya bisa sangat serius.

Mahasiswa dapat mengutip referensi fiktif.

Peneliti dapat menerima informasi yang tidak tervalidasi.

Dosen dapat memperoleh ringkasan yang mengandung kesalahan konseptual.

Yang membuat situasi ini semakin rumit adalah bahwa kesalahan tersebut sering kali tidak terlihat secara kasat mata.

AI tidak selalu mengatakan, “Saya tidak tahu.”

Sebaliknya, AI sering memberikan jawaban yang terdengar sangat percaya diri.

Karena itu, literasi informasi menjadi semakin penting di era AI. Kemampuan menggunakan AI tidak dapat dipisahkan dari kemampuan memverifikasi informasi yang dihasilkannya.

Terdapat pula risiko yang lebih halus, tetapi tidak kalah penting.

Semakin baik AI dalam membantu manusia, semakin besar godaan untuk menyerahkan proses berpikir kepada teknologi.

Inilah paradoks produktivitas yang mulai banyak dibahas dalam berbagai literatur pendidikan.

AI dapat merangkum bacaan.

AI dapat menjawab pertanyaan.

AI dapat menghasilkan draft tulisan.

AI dapat menyusun kode program.

Semua itu meningkatkan efisiensi.

Namun efisiensi tidak selalu identik dengan pembelajaran.

Jika mahasiswa terbiasa menerima jawaban tanpa melalui proses berpikir yang mendalam, maka kemampuan analitis, reflektif, dan kritis yang menjadi tujuan utama pendidikan tinggi berpotensi mengalami erosi secara perlahan.

Universitas pada dasarnya tidak dibangun untuk menghasilkan jawaban.

Universitas dibangun untuk membentuk cara berpikir.

Karena itu, pertanyaan yang perlu diajukan bukan apakah AI meningkatkan produktivitas, melainkan apakah penggunaan AI masih mendukung tujuan pembelajaran yang ingin dicapai.

Di balik seluruh risiko tersebut terdapat satu akar masalah yang sering kali luput dari perhatian: kesenjangan literasi AI.

Tidak semua orang memahami AI dengan tingkat yang sama.

Sebagian dosen mampu mengevaluasi kualitas output AI secara kritis. Sebagian lainnya masih berada pada tahap awal memahami cara kerja teknologi tersebut.

Hal yang sama juga terjadi pada mahasiswa dan tenaga kependidikan.

Akibatnya, muncul kesenjangan baru.

Mereka yang memiliki kemampuan menggunakan AI secara efektif memperoleh keuntungan yang lebih besar. Sementara mereka yang tidak memiliki kompetensi yang sama berisiko tertinggal.

Dalam jangka panjang, kesenjangan ini dapat memengaruhi kualitas pembelajaran, produktivitas akademik, bahkan akses terhadap peluang yang tersedia.

Karena itu, transformasi AI tidak dapat hanya berfokus pada penyediaan teknologi.

Transformasi AI juga harus mencakup pengembangan kompetensi manusia yang menggunakannya.

Membahas risiko AI bukan berarti menolak AI.

Sebaliknya, pemahaman terhadap risiko merupakan syarat untuk memanfaatkan AI secara bertanggung jawab.

Setiap teknologi besar dalam sejarah selalu membawa peluang sekaligus konsekuensi. Internet, media sosial, komputasi awan, dan perangkat mobile pernah mengalami fase yang sama. AI tidak berbeda.

Yang membedakan institusi yang berhasil dengan yang gagal bukanlah kemampuan menghilangkan seluruh risiko.

Yang membedakan adalah kemampuan memahami dan mengelola risiko tersebut secara sistematis.

Karena itu, diskusi di perguruan tinggi perlu mulai bergeser.

Bukan lagi bertanya:

“Apakah AI berbahaya?”

Melainkan:

“Bagaimana kampus membangun tata kelola AI yang mampu memaksimalkan manfaat sekaligus meminimalkan risikonya?”

Pertanyaan tersebut jauh lebih penting.

Sebab masa depan pendidikan tinggi kemungkinan besar tidak ditentukan oleh apakah AI digunakan atau tidak.

Masa depan pendidikan tinggi akan lebih banyak ditentukan oleh seberapa baik institusi mengelola perubahan yang dibawa oleh AI.

Dan mungkin, risiko terbesar bukanlah plagiarisme, bias, atau halusinasi.

Risiko terbesar justru muncul ketika perguruan tinggi mengadopsi AI tanpa memahami konsekuensi yang menyertainya.