Lelahnya Jadi Mahasiswa Sekarang: Menulis demi Lolos Mesin, Bukan Ilmu

Bayangkan seorang mahasiswa begadang semalaman. Bukan untuk membaca jurnal tambahan atau memperdalam argumen, tetapi untuk memastikan tulisannya tidak “terdeteksi sebagai AI”. Ia menghapus frasa, mengganti sinonim, memecah paragraf—bukan demi kualitas gagasan, melainkan demi lolos dari sistem yang bahkan sering keliru menilai. Inilah ironi pendidikan tinggi hari ini: kita lebih sibuk mengelabui mesin daripada memperbaiki cara belajar.

Padahal, penggunaan AI di kalangan mahasiswa bukan lagi isu pinggiran. Survei 2024 dari Intelligent.com menunjukkan sekitar 37% mahasiswa di Amerika Serikat menggunakan ChatGPT untuk membantu mengerjakan tugas akademik, dan sebagian besar menggunakannya untuk menulis esai atau menyusun jawaban. Angkanya mungkin berbeda di Indonesia, tetapi arahnya sama: AI sudah masuk kelas. Dan ia tidak akan keluar.

Masalah utamanya bukan terletak pada teknologinya, melainkan pada kurikulum yang mungkin perlu disesuaikan dengan zaman. Jika evaluasi hanya berfokus pada hafalan atau penjelasan teori dasar, mesin dengan miliaran parameter akan selalu menang. Di era ini, peran dosen diharapkan bertransformasi dari sekadar penyampai informasi menjadi fasilitator nalar yang membimbing mahasiswa melampaui kemampuan algoritma.

Mari kita jujur: jika penugasan hanya sebatas “jelaskan teori X”, mahasiswa cukup sekali klik dan selesai. Dalam adu hafalan, manusia memang tidak punya peluang melawan mesin dengan memori miliaran parameter.

Masalahnya, kita masih bermain di arena yang salah. Alih-alih melihat AI sebagai ancaman, kita perlu memahaminya sebagai “kalkulator pikiran”. Dulu, kalkulator sempat dilarang karena dianggap memanjakan siswa. Hari ini, tak ada insinyur yang diminta menghitung manual tanpa alat bantu. Kita akhirnya menerima kalkulator karena sadar: esensi belajar bukan pada proses menghitung, melainkan pada pemahaman konsep.

Jika logika ini sudah kita terima dalam matematika, mengapa kita ragu menerapkannya pada AI?

Berhenti Menghukum Mesin, Tantang Nalarnya

Meskipun integrasi AI menawarkan efisiensi, kita tidak boleh menutup mata terhadap risiko ketergantungan kognitif. Kritikus berpendapat bahwa penggunaan AI yang terlalu dini dalam proses belajar dapat menghambat pengembangan kemampuan dasar (fundamental) mahasiswa, seperti kemampuan menyusun kalimat dari nol atau logika aritmatika dasar. Tanpa pengawasan ketat, AI berisiko menjadi "jalan pintas" yang membuat mahasiswa kehilangan pengalaman berharga dalam berproses melalui kesulitan intelektual yang justru membentuk ketangguhan berpikir.

Di sinilah konsep Prompt Engineering menjadi relevan. Mahasiswa tidak hanya menggunakan AI, tetapi belajar menyusun instruksi yang presisi, memahami konteks, dan memperbaiki hasil secara iteratif.

Untuk memitigasi risiko tersebut, kurikulum harus mengajarkan konsep Validation-Driven Development (VDD) secara lebih mendalam. Dalam konteks akademik, VDD bukan sekadar "mengecek jawaban," melainkan sebuah metodologi sistematis di mana:

1. Drafting: AI digunakan untuk menghasilkan kerangka atau draf awal.

2. Verifikasi: Mahasiswa wajib memvalidasi setiap klaim atau kode tersebut menggunakan sumber primer, data lapangan, atau dokumentasi resmi.

3. Audit Logis: Mahasiswa menulis laporan validasi yang secara kritis membedah di mana AI mengalami "halusinasi", bias informasi, atau celah logika. Dengan demikian, nilai tidak lagi diberikan pada hasil akhir (output), melainkan pada kualitas proses audit dan perbaikan yang dilakukan manusia terhadap mesin.

Contoh konkret di kelas Sistem Informasi: Mahasiswa diminta membuat kode menggunakan AI. Setelah itu, mereka harus melakukan code review, uji performa, dan membandingkan dengan standar dokumentasi resmi. Nilai tidak diberikan pada kode awal, tetapi pada kemampuan mengidentifikasi kesalahan dan memperbaikinya. AI menghasilkan. Manusia memvalidasi. Sederhananya, mahasiswa tidak lagi dinilai dari jawaban, tapi dari cara menguji jawaban.

Ancaman Nyata: Kesenjangan Kognitif

Kesenjangan digital antarwilayah di Indonesia membuat literasi AI berisiko berkembang tidak merata. Tanpa intervensi, kampus dengan sumber daya kuat akan melaju jauh, sementara kampus di daerah tertinggal. Di sinilah peran pemerintah menjadi krusial: bukan hanya menyediakan infrastruktur melalui Kominfo, tetapi juga memastikan kurikulum nasional—melalui Kemendikbudristek—mulai mengajarkan keterampilan seperti pemanfaatan dan evaluasi output AI secara sistematis. Tanpa itu, kesenjangan bukan hanya soal akses teknologi, tetapi juga kualitas cara berpikir.

Di balik itu semua, ada bahaya yang lebih serius: kesenjangan kognitif.

Mahasiswa dengan literasi digital kuat akan menjadikan AI sebagai akselerator. Mereka tahu cara membuat prompt efektif, tahu kapan harus meragukan output, tahu cara mengecek ulang fakta. Sebaliknya, mahasiswa dengan fondasi berpikir lemah berisiko menjadi pasif. Mereka menerima jawaban mentah tanpa analisis. Jika sistem pendidikan tidak membimbing cara penggunaan AI yang benar, jurang kualitas akan makin lebar. Kita tak ingin mencetak generasi yang “pintar” karena berlangganan akun premium, tapi tumpul saat mesinnya mati.

Perubahan kurikulum bukan lagi sebuah pilihan, melainkan keharusan untuk memastikan kita tidak mencetak lulusan yang tumpul saat mesinnya mati, namun tajam dan tangguh saat berkolaborasi dengan teknologi. Kita harus bergeser dari sekadar melarang atau mengizinkan, menuju upaya bersama dalam memperbarui metode pengajaran agar nalar manusia tetap berada di atas kecerdasan buatan. Jika mahasiswa lebih sibuk menghindari deteksi AI daripada mengasah nalar, maka yang gagal bukan teknologinya—melainkan cara kita mendidik.