Tugas bukanlah pembelajaran
Sebuah sistem AI dapat menghasilkan esai yang benar, menyelesaikan persamaan, menjelaskan peristiwa sejarah, dan menyesuaikan sebuah contoh dengan minat seorang murid. Tidak satu pun dari output itu membuktikan bahwa murid tersebut dapat bernalar tanpa sistem tersebut, mendeteksi kesalahannya, menerapkan gagasan itu dalam situasi baru, atau memutuskan pertanyaan mana yang layak diajukan. Pendidikan setelah AI transformatif dimulai dengan perbedaan itu.
Bukti jangka-dekat sudah menjadi peringatan. OECD Digital Education Outlook 2026 mensintesis studi-studi baru di mana AI yang dirancang secara pedagogis mendukung pembelajaran, sementara chatbot serba-guna terkadang meningkatkan kinerja tugas langsung tanpa keuntungan yang bertahan lama. Dalam satu eksperimen lapangan matematika sekolah-menengah yang dikutip, murid yang menggunakan antarmuka GPT-4 standar berkinerja 17% lebih buruk daripada kelompok kontrol pada tes tanpa bantuan berikutnya, sementara tutor dengan pengaman pembelajaran menghindari penalti itu. Hasil itu menyangkut satu tugas dan implementasi; itu bukan bukti bahwa setiap chatbot mengurangi pembelajaran. Output yang dibantu alat dan kapabilitas yang diperoleh harus diukur secara terpisah.
Ini menjadi lebih penting seiring sistem membaik. Ketika sebuah jawaban murah, pekerjaan pendidikan yang langka adalah membangun model tentang dunia, melatih penilaian, mengembangkan motivasi, belajar bersama orang lain, dan menjadi mampu memeriksa asisten yang kuat alih-alih sekadar mengoperasikannya.
Pendidikan masih memiliki setidaknya lima tugas
Sekolah bukan hanya sistem penyampaian informasi. Mereka membantu anak-anak memperoleh keterampilan dasar, menghadapi domain yang tidak akan mereka pilih sendiri, mempelajari ekspektasi sosial, membentuk hubungan, dan menerima kredensial yang diakui institusi lain. Mereka juga menyediakan makanan, keselamatan, layanan disabilitas, konseling, olahraga, seni, dan penitipan anak yang memungkinkan orang dewasa bekerja.
Seorang tutor yang unggul dapat mengubah bagian instruksional tanpa menggantikan institusi tersebut. Sebuah kebijakan pendidikan pasca-AGI yang hanya menghitung penjelasan per dolar akan melewatkan sebagian besar dari apa yang dibutuhkan keluarga dan komunitas dari sekolah.
Kelima tugas itu dapat dinyatakan secara sederhana:
- Kapabilitas: membangun pengetahuan dan keterampilan yang dapat digunakan seseorang secara independen.
- Penilaian: melatih pengambilan keputusan tentang bukti apa yang dipercaya dan nilai apa yang harus memandu tindakan.
- Perkembangan: mendukung pertumbuhan fisik, emosional, sosial, dan moral.
- Keanggotaan: memberi kaum muda tempat nyata dalam komunitas dengan kewajiban kepada orang lain.
- Sertifikasi: menyediakan bukti kompetensi yang kredibel tanpa mengubah pengawasan menjadi kurikulum.
AI dapat membantu setiap tugas ini. Ia tidak boleh dibiarkan secara diam-diam mendefinisikan-ulang tugas-tugas itu di sekitar apa yang dapat diukur model tersebut.
Tutor personal: janji nyata, batasan spesifik
Tutor satu-lawan-satu secara historis mahal. AI dapat membuat penjelasan, soal latihan, terjemahan, umpan balik, dan dukungan aksesibilitas tersedia dalam skala luar biasa. Seorang murid dapat mengajukan pertanyaan yang sama sepuluh cara tanpa rasa malu. Seorang guru dapat menghasilkan beberapa contoh dan menghabiskan lebih banyak waktu mendiagnosis mengapa seorang pelajar terhambat.
Janji itu bergantung pada implementasi. Panduan UNESCO untuk AI generatif dalam pendidikan adalah panduan kebijakan tidak mengikat yang menekankan agensi manusia, privasi, kepatutan usia, inklusi, dan validasi pedagogis. Sebuah sistem yang fasih dapat mengarang fakta, menyesuaikan diri dengan tujuan pembelajaran yang salah, mengekspos data murid yang sensitif, atau mengoptimalkan untuk penggunaan berkelanjutan alih-alih kemandirian akhirnya.
Sebuah sistem tutor yang berguna harus membuat dirinya secara progresif kurang diperlukan. Ia meminta pelajar mengambil-kembali pengetahuan sebelum menyediakannya, memvariasikan soal alih-alih mengulang sebuah templat, menunjukkan ketidakpastian, mendorong verifikasi luar, dan secara berkala menguji kinerja tanpa bantuan. Keberhasilan bukanlah jumlah percakapan yang menyenangkan. Ini adalah apa yang kemudian dapat dilakukan pelajar itu.
Guru tetap esensial karena instruksi bersifat relasional dan kontekstual. Seorang guru melihat frustrasi, perubahan keluarga, dinamika sebaya, penghindaran, bakat yang tidak biasa, dan pola kesalahpahaman selama berminggu-minggu. Bahkan penjelasan yang secara teknis lebih unggul dapat gagal jika tidak ada yang membantu seorang anak menoleransi kesulitan atau percaya bahwa usaha akan berarti.
Pengetahuan dasar menjadi lebih penting, bukan kurang
Orang terkadang berargumen bahwa murid tidak lagi membutuhkan fakta karena sebuah model dapat mengambilnya-kembali. Itu mengacaukan akses dengan pemahaman. Pengetahuan latar belakang memungkinkan seseorang menyadari jawaban yang tidak masuk akal, menghubungkan gagasan, membentuk kueri yang berguna, dan memegang cukup konteks untuk bernalar. Tanpa itu, verifikasi runtuh menjadi bertanya kepada model lain dan memilih respons yang terdengar paling baik.
Literasi dasar, numerasi, penalaran ilmiah, kewarganegaraan, sejarah, statistik, literasi media, dan komputasi dasar tetap menjadi infrastruktur protektif. Hafalan tidak boleh mendominasi pendidikan, tetapi praktik pengambilan-kembali dan pengetahuan internal adalah bagian dari membangun sebuah pikiran yang dapat beroperasi ketika alat tidak tersedia, dimanipulasi, atau salah.
Kurikulum juga membutuhkan literasi model: bagaimana data pelatihan berbeda dari bukti, mengapa sitasi yang dihasilkan gagal, apa arti ketidakpastian, bagaimana peringkat otomatis membentuk perhatian, dan kapan informasi pribadi tidak boleh pernah dimasukkan ke dalam sebuah sistem. Ini seharusnya berada di dalam mata pelajaran yang sudah ada alih-alih menjadi satu pelajaran teknologi yang sekali pakai.
Asesmen harus bergerak lebih dekat ke kinerja
Esai bawa-pulang dan set soal rutin menjadi bukti yang lemah bagi kemampuan individu ketika sebuah model dapat menyelesaikannya. Merespons dengan pengawasan universal atau deteksi kecurangan otomatis akan menciptakan bahaya tersendiri dan tetap menghasilkan tuduhan palsu.
Asesmen dapat sebaliknya menggunakan beberapa bentuk bukti:
- penulisan dan pemecahan masalah yang diawasi;
- penjelasan lisan dan pembelaan pilihan;
- portofolio yang menunjukkan revisi dan proses;
- demonstrasi dan proyek praktis;
- kerja kolaboratif dengan refleksi individual;
- tugas yang secara eksplisit dibantu-AI yang membutuhkan pemeriksaan, perbandingan, atau perbaikan output model;
- asesmen berkala tanpa alat untuk kapabilitas yang harus tetap independen.
Tidak ada metode tunggal yang sepenuhnya otentik atau adil. Sebuah portofolio dapat menerima bantuan luar; ujian lisan dapat merugikan sebagian murid; kerja berwaktu dapat mengukur kecemasan. Sebuah sistem campuran lebih sulit dicurangi dan memberi pelajar lebih dari satu cara untuk menunjukkan kompetensi.
Kredensial juga dapat bergeser. Pemberi kerja dan institusi dapat lebih bergantung pada kerja yang didemonstrasikan, magang, ujian berlisensi, dan catatan kompetensi yang terus diperbarui. Itu dapat membuka peluang, tetapi juga dapat menjadi penilaian perilaku berkelanjutan. Catatan pendidikan harus tetap terbatas-tujuan, dapat dikoreksi, dan tunduk pada aturan yang mencegah profil model masa kanak-kanak mengikuti seseorang tanpa batas waktu.
Tumbuh dewasa membutuhkan pertemuan yang tidak dioptimalkan
Sebuah pendamping AI dapat tanpa batas sabar, tertarik, dan responsif. Teman sebaya manusia tidak konsisten seperti itu. Anak-anak belajar negosiasi, perbaikan, empati, batasan, humor, kepemimpinan, dan toleransi terhadap perbedaan melalui hubungan yang tidak dapat sepenuhnya mereka kendalikan.
Sebuah sistem yang dioptimalkan untuk mempertahankan perhatian mungkin menghilangkan justru friksi tempat perkembangan sosial terjadi. Ia mungkin membenarkan seorang anak ketika orang dewasa yang bertanggung jawab akan menantang mereka, atau meniru keintiman tanpa membawa kebutuhan timbal-balik. Sekolah dan keluarga harus mempertahankan permainan bebas-perangkat, aktivitas tim, hubungan antargenerasi, waktu tidak terstruktur, dan tanggung jawab nyata terhadap orang lain.
Ini bukan argumen untuk melarang AI dari masa kanak-kanak. Terjemahan, aksesibilitas, alat kreatif, tutoring, dan dukungan komunikasi dapat memperluas partisipasi. Batasnya adalah bahwa hubungan simulasi tidak boleh secara diam-diam menggantikan kelekatan manusia, perawatan kesehatan-mental profesional, atau praktik sulit hidup bersama teman sebaya.
Prioritas normatif: guru membutuhkan kekuatan tata kelola, bukan hanya pelatihan
“Latih guru untuk menggunakan AI” tidak lengkap ketika guru tidak memiliki suara dalam pengadaan, penggunaan data, pengukuran beban kerja, atau apakah output sebuah sistem dapat mengesampingkan penilaian profesional. Pendidik, murid, orang tua, spesialis disabilitas, dan staf privasi harus berpartisipasi sebelum adopsi.
Kontrak harus menyatakan data murid apa yang dikumpulkan, apakah percakapan melatih model, berapa lama catatan bertahan, subkontraktor mana yang menerimanya, dan bagaimana sekolah dapat mengekspor atau menghapus data. Sistem harus dievaluasi lintas bahasa, kebutuhan disabilitas, kelompok usia, dan kurikulum lokal. Sebuah sekolah harus mempertahankan jalur non-AI yang efektif bagi murid yang tidak dapat menggunakan produk tersebut dengan aman atau sah.
AI harus mengurangi beban administratif alih-alih menghasilkan dasbor baru yang mengintensifkan pemantauan. Waktu yang dihemat dari penyusunan rutin harus bergerak menuju umpan balik, perencanaan, dan hubungan—bukan secara otomatis membenarkan kelas yang lebih besar atau lebih sedikit staf pendukung sebelum hasil pembelajaran diketahui.
Akses lebih dari sekadar chatbot gratis
Tutoring berbiaya rendah dapat memperluas peluang hanya jika murid memiliki konektivitas, perangkat, dukungan bahasa, tempat tenang untuk belajar, dan orang dewasa yang dapat membantu. Keluarga yang lebih kaya dapat menggabungkan sistem yang sama dengan tutor manusia, pengayaan, jejaring sebaya yang aman, dan kredensial yang diakui. Menyediakan perangkat lunak tanpa institusi pelengkap dapat membiarkan ketidaksetaraan tetap utuh.
Perpustakaan umum, sekolah, community college, dan organisasi sipil tepercaya dapat menyediakan akses dengan perlindungan privasi dan dukungan manusia. Evaluasi publik dapat menguji produk terhadap tujuan pendidikan alih-alih keterlibatan. Materi pendidikan terbuka dapat mengurangi ketergantungan pada satu vendor dan membiarkan komunitas memeriksa apa yang diajarkan.
Secara internasional, cakupan bahasa dan pengetahuan lokal itu penting. Sebuah sistem yang kuat dalam bahasa Inggris dan kurikulum negara-kaya bukanlah tutor universal. Komunitas membutuhkan kemampuan untuk membangun, menerjemahkan, mengoreksi, dan mengatur sumber daya pendidikan tanpa menyerahkan data murid atau otoritas budaya.
Lulusan pasca-AGI
Pendidikan tidak boleh mencoba mengalahkan mesin dalam setiap tugas. Ia harus mempersiapkan orang untuk tetap menjadi penulis tujuan, penilai bukti yang kompeten, peserta yang bertanggung jawab dalam institusi, dan teman, anggota keluarga, tetangga, serta warga negara yang mampu.
Seorang lulusan di dunia ini harus mampu bekerja dengan sistem canggih dan tanpanya bila perlu; membedakan jawaban dari argumen; mengenali ketidakpastian dan manipulasi; mempelajari sebuah domain yang sulit; bekerja sama dengan orang lain; melindungi informasi pribadi; dan bertanggung jawab atas sebuah keputusan yang memengaruhi orang lain.
Tujuan-tujuan itu lebih tua dari AI. Kapabilitas transformatif membuatnya lebih mendesak karena mengalihdayakan kognisi menjadi mudah jauh sebelum siapa pun tahu kapasitas manusia mana yang akan sulit dibangun-kembali.