Pedang Bermata Dua di Ruang Kuliah
Dalam waktu singkat, Generative AI (GenAI) berubah dari teknologi yang dibicarakan segelintir peneliti menjadi alat sehari-hari mahasiswa dan dosen. Menyusun silabus, merangkum jurnal, membuat soal latihan, sampai menjadi tutor virtual kini bisa dikerjakan dalam hitungan detik.
Namun kemudahan itu punya sisi gelap. Esai yang ditulis mesin, referensi yang tampak meyakinkan tetapi fiktif, data pribadi yang bocor, dan bias yang tertanam dalam jawaban hanyalah sebagian contohnya. Pertanyaan pentingnya bukan lagi apakah GenAI akan digunakan di kampus, melainkan bagaimana ia digunakan secara bijak.
Buku Panduan Penggunaan GenAI pada Pembelajaran di Perguruan Tinggi, khususnya Bab V, mengajukan pertanyaan yang tepat: apakah bahaya GenAI dapat dihindari atau diminimalkan? Jawabannya, menurut panduan itu, bergantung pada pengetahuan pengguna tentang manfaat sekaligus risiko teknologi tersebut. Pembinaan dan pencegahan menjadi kunci. Artikel ini membahasnya secara runtut.
Delapan Kontroversi GenAI Menurut UNESCO
Panduan UNESCO tentang Generative AI in Education and Research mengidentifikasi delapan kontroversi utama. Setiap kontroversi menyimpan implikasi nyata bagi kampus.
- Memperburuk kemiskinan digital. GenAI membutuhkan data besar, daya komputasi tinggi, dan koneksi internet yang baik. Tidak semua orang memilikinya, sehingga kesenjangan digital bisa melebar.
- Kecepatan pengembangan yang melampaui regulasi. Teknologi berkembang lebih cepat daripada kemampuan aturan nasional beradaptasi. Akibatnya, penyalahgunaan, masalah keamanan data, dan bias sulit dikendalikan.
- Pelanggaran hak cipta. GenAI sering memakai konten tanpa izin eksplisit pemilik hak cipta, yang memicu persoalan hukum dan etika.
- Sifat “kotak hitam”. Banyak model sulit dijelaskan cara kerjanya, sehingga transparansi dan akuntabilitas menurun dan bias atau kesalahan sulit dideteksi.
- Penurunan kualitas informasi. Konten buatan GenAI yang menyebar luas di internet dapat menurunkan kepercayaan publik terhadap informasi digital.
- Pemahaman konteks yang kurang. GenAI tidak memahami dunia nyata seperti manusia, sehingga bisa memberi respons yang keliru dan menyesatkan pengguna.
- Pengurangan keragaman pendapat. Suara kelompok yang sudah terpinggirkan berisiko semakin tidak terwakili.
- Peningkatan deep fakes. Gambar dan media palsu makin canggih sehingga mengancam integritas informasi dan kepercayaan publik.
Selain delapan kontroversi itu, panduan ini menyoroti tiga persoalan etika dan legalitas yang paling dekat dengan praktik akademik.
Pertama, ketidakakuratan dan misinformasi. GenAI dapat menyajikan informasi keliru tanpa bisa menunjukkan dari mana informasi itu berasal.
Kedua, bias. Model belajar dari data dalam jumlah sangat besar. Jika data itu bias, keluaran model juga bias. Model tertutup seperti ChatGPT pun sulit diuji potensi biasnya dari luar.
Ketiga, privasi dan keamanan. Percakapan pengguna dapat dikumpulkan, dan data itu mungkin tetap tersimpan di penyedia layanan meskipun akun sudah dihapus.
Memahami peta risiko ini adalah langkah pertama pencegahan. UNESCO menekankan perluasan pedoman etika, transparansi, pendidikan pengguna, mekanisme pengawasan yang efektif, dan keterlibatan banyak pemangku kepentingan.
Tiga Pilar Strategi: Membina, Mengatur, Mentransformasi
Panduan ini merumuskan tiga cara membekali mahasiswa, dosen, dan tenaga kependidikan:
- Pembinaan dan reskilling, termasuk literasi GenAI.
- Peraturan yang konkret, mencakup ruang lingkup penggunaan dan sanksi.
- Transformasi proses pembelajaran agar adaptif terhadap kehadiran GenAI.
Ketiganya saling melengkapi. Pelatihan tanpa aturan tidak punya daya ikat, aturan tanpa pelatihan memicu kebingungan, dan keduanya akan sia-sia jika model penilaian tidak ikut berubah.
Pilar Pertama: Pembinaan dan Reskilling
Literasi AI sebagai fondasi
Peningkatan kapasitas civitas akademika perlu dilakukan berkala lewat workshop, seminar, pelatihan, dan sesi mentoring. Tujuannya ganda. Kegiatan ini membuka wawasan tentang potensi positif GenAI, seperti efisiensi riset dan pengajaran, dan sekaligus menyiapkan dosen serta mahasiswa mengenali dan menghindari penyalahgunaan.
Seminar yang membahas keluaran GenAI yang bias atau tidak akurat, lengkap dengan cara mendeteksi dan mengatasinya, sangat penting untuk menjaga mutu akademik. Dengan memahami potensi dan risiko sekaligus, komunitas kampus lebih siap memakai teknologi ini secara etis.
Rekayasa prompt: bertanya dengan benar
Kualitas jawaban GenAI sangat bergantung pada kualitas pertanyaan. Karena itu, teknik prompting perlu dikuasai. Panduan ini merujuk pada Prompt Engineering Guide dan memaparkan lima teknik dasar:
- Instruction clarity: instruksi jelas, spesifik, dan tidak ambigu.
- Context provision: konteks yang memadai agar model menafsirkan tugas dengan tepat.
- Role assignment: peran atau identitas tertentu bagi model agar responsnya lebih relevan.
- Constraints and conditions: batasan atau syarat tertentu agar jawaban sesuai kriteria.
- Iterative refinement: perbaikan prompt secara bertahap sampai hasilnya optimal.
Prompt yang baik bukan trik sulap. Ia adalah kebiasaan berpikir terstruktur, dan kebiasaan itulah yang ingin ditanamkan dunia pendidikan.
Retrieval-Augmented Generation (RAG): menekan halusinasi
Masalah ketelitian GenAI bisa dikurangi dengan RAG, yaitu metode yang menggabungkan model bahasa besar dengan pencarian informasi dari sumber eksternal. Prosesnya dua tahap:
- Retrieval: sistem mengambil informasi relevan dari basis data atau dokumen.
- Generation: informasi itu dipakai sebagai konteks untuk menyusun jawaban yang lebih akurat.
Sejumlah alat GenAI populer, seperti ChatGPT, Gemini, Claude, dan Perplexity, mendukung pola ini. Pengguna dapat mengunggah dokumen sebagai bahan rujukan prompt. Hasilnya, jawaban lebih terarah dan dapat ditelusuri ke sumbernya.
Ada satu peringatan penting. Pada model yang tertutup, bahkan yang berbayar, pengguna tidak disarankan mengunggah dokumen sensitif seperti data pribadi, dokumen perusahaan, atau dokumen terlindungi. Risiko kebocoran privasi tetap ada.
Pilar Kedua: Strategi Pencegahan Risiko
Melarang bukan solusi
Panduan ini menegaskan bahwa melarang penggunaan GenAI justru memperburuk kemiskinan digital dan menurunkan literasi GenAI. Yang diperlukan adalah kesepakatan eksplisit tentang penggunaan yang etis dan bertanggung jawab, di tingkat institusi, kurikulum, maupun kontrak pembelajaran.
Regulasi berlapis: dari kampus hingga silabus
Tingkat kurikulum dan mata kuliah. Perguruan tinggi dapat mendorong setiap program studi memasukkan Literasi GenAI sebagai mata kuliah khusus. Silabus juga menjadi alat komunikasi yang efektif, dan dosen dapat menetapkan aturan yang berbeda untuk tiap tugas. Beberapa contohnya:
- GenAI diizinkan untuk brainstorming atau memeriksa tata bahasa.
- GenAI diizinkan dengan pengakuan (acknowledgement), yaitu mencantumkan prompt yang digunakan dan mengikuti gaya sitasi yang berlaku.
- GenAI diizinkan tanpa pengakuan untuk tugas eksplorasi, dengan anjuran menyimpan catatan prompt dan jawaban sebagai bahan refleksi.
- GenAI dilarang pada tugas tertentu demi mengasah berpikir kritis dan analitis.
Dosen juga perlu menjelaskan keterbatasan GenAI, seperti bias dan informasi tidak akurat, serta menjaga privasi mahasiswa.
Tingkat institusi. Peraturan harus jelas mendefinisikan penggunaan yang diperbolehkan dan yang tidak. Pedoman tertulis, lengkap dengan contoh kasus etis dan tidak etis, perlu disosialisasikan agar mahasiswa memahami batasannya.
Sanksi yang jelas dan transparan
Aturan tanpa konsekuensi mudah diabaikan. Panduan ini menyarankan sanksi yang sebanding dengan tingkat pelanggaran. Mahasiswa yang menyontek memakai GenAI saat ujian bisa menerima peringatan tertulis atau pembatalan ujian. Untuk kasus yang lebih berat, misalnya mengunggah data rahasia atau melakukan tindakan melanggar hukum, sanksi dapat berupa skorsing, pemecatan bagi staf, hingga pelaporan kepada pihak berwenang.
Sama pentingnya, sanksi harus dikomunikasikan terbuka. Contohnya, sebuah universitas dapat menggelar seminar terbuka yang memaparkan kasus pelanggaran, sanksi yang dijatuhkan, dan dampaknya. Pendekatan ini menekankan pendidikan, tidak semata hukuman.
Teknologi pendeteksi: berguna, tetapi jangan dijadikan hakim tunggal
Alat seperti ZeroGPT atau Quillbot AI detector dapat membantu mendeteksi teks buatan GenAI. Namun panduan ini jujur menyebut bahwa teknologi tersebut belum akurat dan andal, apalagi GenAI terus berkembang. Karena itu, hasil deteksi sebaiknya hanya menjadi titik awal. Pemangku kepentingan perlu memastikan dan berkomunikasi langsung dengan pihak yang diduga melanggar.
Sikap hati-hati ini sejalan dengan kebijakan beberapa universitas terkemuka dunia. Dalam survei yang dimuat panduan, ada kampus yang menilai alat deteksi tidak dapat diandalkan, tampak bias, dan tidak direkomendasikan untuk dipakai fakultas. Menuduh mahasiswa berdasarkan skor detektor saja berisiko melahirkan ketidakadilan.
Pilar Ketiga: Transformasi Proses Pembelajaran dan Penilaian
Inilah bagian yang paling mendasar. Jika tugas hanya menuntut mahasiswa mengingat dan merangkum, GenAI dapat mengerjakannya hampir secara instan. Maka yang perlu diubah adalah cara kita menilai.
Survei kebijakan universitas ternama dalam panduan ini memetakan sejumlah masalah:
- Pelanggaran akademik: karya mahasiswa tidak lagi asli.
- Kebijakan dan panduan: dosen belum menyampaikan harapan yang jelas dan konsisten soal penggunaan GenAI.
- Desain penilaian: tugas lama perlu dirancang ulang agar menguji keterampilan berpikir tingkat tinggi.
- Keterbatasan teknologi: informasi yang salah dan bias, alat deteksi yang tidak andal, serta risiko keamanan data.
- Pelatihan dan dukungan: dosen dan mahasiswa perlu dilatih tentang fitur dan keterbatasan alat.
- Kesetaraan: akses yang adil harus dijamin jika GenAI diizinkan dalam penilaian.
Sebagai jawaban, panduan ini menawarkan beberapa pendekatan.
1. Penilaian autentik
Penilaian autentik berangkat dari masalah dunia nyata yang kompleks, sehingga menuntut proses kognitif yang berkualitas. Masalah yang sangat spesifik, lokal, dan konkret membuat GenAI sulit menghasilkan jawaban yang tepat. Bentuknya antara lain:
- Project-based learning: projek jangka panjang dengan refleksi dan umpan balik berkala.
- Video assessment: mahasiswa membuat presentasi, demonstrasi, atau diskusi dalam bentuk video.
- Published assessment: karya diterbitkan secara daring atau cetak. Mahasiswa cenderung lebih teliti karena audiensnya lebih luas.
2. Penilaian yang lebih personal
Pendekatan portofolio, refleksi singkat tentang alasan di balik suatu pendekatan, dan pengumpulan draf bertahap membuat dosen melihat perkembangan tiap mahasiswa. Format seperti podcast atau rekaman presentasi bernarasi juga dapat meningkatkan kepercayaan terhadap keaslian karya. Dua bentuk lain yang disebut panduan ini adalah self reflection, yang melatih metakognisi, dan penilaian langsung seperti sidang atau presentasi lisan.
3. Fokus pada proses belajar
Esai atau presentasi akhir bukan bukti seluruh proses belajar. Penilaian sebaiknya mengumpulkan bukti sepanjang proses: perencanaan belajar, riwayat, dan refleksi di setiap tahap. Menghubungkan tahapan penilaian satu sama lain, misalnya dengan meminta mahasiswa menjelaskan bagaimana mereka memanfaatkan umpan balik sebelumnya, mengurangi risiko pelanggaran integritas dan membuat penilaian lebih personal.
4. Proctoring
Pengawasan ujian daring, baik langsung maupun lewat perangkat lunak, membantu menjaga integritas penilaian dan memberi gambaran akurat tentang kemampuan mahasiswa.
Mendampingi, Bukan Sekadar Mengawasi
Dari seluruh pembahasan, ada satu benang merah: pencegahan penyalahgunaan GenAI tidak cukup lewat larangan dan pengawasan. Kita perlu membangun ekosistem yang mencakup:
- Manusia yang melek AI, lewat literasi, pelatihan, dan kemampuan prompting.
- Aturan yang jelas dan adil, dari tingkat institusi sampai silabus.
- Penilaian yang menuntut kemampuan manusia, seperti kreativitas, penalaran etis, dan berpikir kritis.
Prinsip dasarnya sederhana: GenAI hanyalah perangkat bantu buatan manusia, dan apa yang dimasukkan menentukan apa yang didapatkan. Karena itu tanggung jawab etis tetap ada pada pengguna.
Menuju Kampus yang Cerdas dan Berintegritas
Kehadiran GenAI di perguruan tinggi adalah keniscayaan. Menolaknya hanya memperlebar kesenjangan, sedangkan menerimanya tanpa kendali membuka pintu bagi plagiarisme, misinformasi, dan pelanggaran privasi. Jalan tengahnya adalah pembinaan yang berkelanjutan, regulasi yang tegas tetapi mendidik, dan transformasi penilaian yang menghargai proses.
Bagi dosen, ini saatnya merancang ulang tugas dan menjelaskan aturan main sejak hari pertama kuliah. Bagi mahasiswa, ini saatnya memakai GenAI sebagai mitra berpikir dan tidak menyerahkan pikiran sepenuhnya kepadanya. Bagi pimpinan kampus, ini saatnya menetapkan kebijakan yang jelas, menyediakan pelatihan, dan menjamin akses yang adil.
Dengan langkah-langkah itu, GenAI bisa menjadi pengungkit mutu pendidikan tinggi dan tidak menjadi ancaman bagi integritas akademik.
