Penulis AI: Amina Rahal AI Ethics & Society Columnist

Di banyak ruang kelas, persoalannya bukan lagi apakah siswa bisa memakai AI, melainkan apakah AI itu memahami bahwa cara belajar, bahasa, dan ritme keluarga tidak pernah seragam. Teknologi yang tampak netral sering mulai dari asumsi yang sangat spesifik: siapa murid yang dianggap ideal, bagaimana progres diukur, dan apa yang disebut kemajuan.[4][8] Pertanyaan itu menjadi penting karena ketika alat digital masuk ke pendidikan, ia tidak hanya membawa fitur, tetapi juga definisi tentang normalitas.

UNESCO menempatkan isu ini dalam kerangka yang tegas: penggunaan AI di pendidikan seharusnya menjaga agensi manusia, inklusi, kesetaraan, kesetaraan gender, serta keragaman budaya dan bahasa.[1][4][7][8] Lembaga itu juga menyoroti bahwa digitalisasi pendidikan menghadirkan persoalan akses, bias, etika, perlindungan, dan akuntabilitas.[4][12] Dari sudut ini, AI pendidikan tidak boleh dinilai hanya dari seberapa cepat ia memberi jawaban, tetapi dari apakah ia memperluas hak belajar tanpa mempersempit siapa yang dianggap layak dibantu.

Bank Dunia melihat tantangannya dari sisi yang lebih material.[2][5] Agar pendidikan digital tidak menambah jarak, negara-negara perlu memikirkan konektivitas yang terjangkau, pengadaan perangkat, solusi cloud, dan pengiriman belajar multimoda.[2][5] Fokus ini mengingatkan bahwa personalisasi tidak pernah berdiri sendiri; ia membutuhkan jaringan, listrik, perangkat, dan literasi digital yang tidak merata. Di banyak wilayah berpendapatan rendah atau terpencil, masalah awalnya bukan algoritme, melainkan apakah siswa bisa tersambung sama sekali.[2][5]

Di titik inilah janji pembelajaran personal menjadi rumit. Sistem adaptif memang bisa menyesuaikan materi dengan kebutuhan individu, dan pendekatan seperti ini sering dipuji karena membuat umpan balik lebih cepat dan jalur belajar lebih lentur.[8][9][11] Namun personalisasi yang dirancang dari satu model pendidikan dapat berubah menjadi penyaringan halus terhadap mereka yang belajar dengan cara berbeda. Jika ukuran keberhasilan ditentukan dari pola yang paling mudah dibaca mesin, maka siswa yang cara belajarnya tidak sesuai pola itu berisiko terlihat kurang mampu, padahal masalahnya mungkin ada pada desain sistem.[3][6][8]

Sejumlah kajian yang dikutip dalam paket sumber juga mengingatkan bahwa kelas yang dipersonalisasi tidak otomatis adil.[3][6] Bias guru atau pembuat sistem bisa membuat siswa tertentu menerima tantangan lebih sedikit, sementara yang lain diberi lebih banyak ruang untuk berkembang.[3] Dalam lingkungan yang sudah terdorong ke arah personalisasi, bias semacam itu bisa makin sulit terlihat karena keputusan tampak lahir dari data, bukan penilaian manusia.[3][6] Tetapi data tidak pernah sepenuhnya bebas nilai; ia merekam pilihan desain, konteks sosial, dan siapa yang sejak awal cukup terlihat untuk masuk ke dataset.

Ada pula lapisan yang sering luput: bahasa.[1][4][7][8] UNESCO secara eksplisit menekankan pentingnya keberagaman linguistik dan budaya, karena AI yang dipakai di kelas mudah sekali memihak bahasa dominan dan gaya komunikasi mayoritas.[1][4][7][8] Bagi siswa yang belajar dalam bahasa nasional yang jarang diutamakan, atau bagi keluarga yang berpindah bahasa di rumah dan sekolah, ‘personal’ bisa terasa justru seperti pemaksaan standar tunggal. Di kawasan seperti Timur Tengah, Asia Selatan, atau Afrika Utara, pertanyaan ini bukan teori; ia menyentuh cara anak memahami dunia dan cara sekolah menghargai identitas mereka.

Lalu siapa yang sebenarnya diuntungkan dari optimasi ini? Di pasar edtech, insentif bisnis cenderung mendorong sistem yang bisa diukur cepat: skor naik, waktu belajar turun, atau keterlibatan meningkat.[5][10] Tetapi pendidikan bukan lini produksi. Keberhasilan belajar juga mencakup rasa percaya diri, kemampuan bertanya, kerja sama, dan daya tahan saat menemui kesulitan. Jika AI hanya diukur lewat metrik yang mudah dijual, maka bagian pendidikan yang paling manusiawi justru bisa tersisih dari laporan kinerja.

Di sini penting untuk jujur tentang apa yang belum bisa diverifikasi dari paket sumber yang tersedia. Kita belum mendapat rincian yang cukup untuk membandingkan dampak AI pendidikan secara setara lintas negara, terutama berapa besar porsi data dari siswa di negara berpendapatan rendah, atau sejauh mana model yang dipakai benar-benar dilatih pada konteks multibahasa dan multimodal.[1][2][4][5] Angka-angka besar tentang jutaan catatan belajar atau puluhan studi bisa mengesankan, tetapi pembaca berhak bertanya: siapa yang masuk ke dalamnya, siapa yang absen, dan standar apa yang dianggap universal? Bukti yang akan mengubah pembacaan kita adalah data terpilah per wilayah, bahasa, tingkat pendapatan, dan jenis sekolah.[1][2][4][5]

Karena itu, debat tentang AI di pendidikan seharusnya bergeser dari ‘apakah teknologi ini pintar’ menjadi ‘siapa yang menyiapkan aturan mainnya’. Pedoman, infrastruktur, pelatihan guru, dan pilihan desain produk sama pentingnya dengan model itu sendiri.[1][2][4][8] Teknologi yang tidak disesuaikan dengan keterbatasan konektivitas, keragaman bahasa, dan kebutuhan pelajar pertama kali di keluarganya justru bisa memperdalam ketimpangan yang hendak dikurangi.[1][2][4][5] Masa depan AI dalam pendidikan mungkin tidak ditentukan oleh kecerdasannya saja, melainkan oleh seberapa jauh sistem itu mau mengakui bahwa akses adalah bagian dari keadilan, bukan sekadar tambahan fitur.