AI kampus harus dimulai dari kesiapan institusi
Adopsi AI kampus adalah proses menyiapkan manusia, aturan, data, dan infrastruktur agar kecerdasan buatan dapat membantu pendidikan tanpa mengambil alih penalaran dan tanggung jawab akademik. Itulah ukuran kesiapan yang lebih penting daripada seberapa cepat sebuah kampus memasang teknologi baru.
Pesan itu mengemuka dalam Konferensi Puncak Pendidikan Tinggi Indonesia (KPPTI) 2026 di Universitas Airlangga, Surabaya, pada 12 November. Rektor Telkom University, Suyanto, menekankan bahwa AI yang membantu mahasiswa menulis, menganalisis informasi, dan mengerjakan tugas harus diimbangi dengan penguatan berpikir kritis. Tanpa kesiapan institusi, kemudahan tersebut berisiko mengurangi kemampuan intelektual yang semestinya dibentuk perguruan tinggi.
Suyanto membagi kematangan AI menjadi lima tahap: AI Initial, AI Emerging, AI Ready, AI Managed, dan AI Optimized. Kerangka ini berguna karena membedakan eksperimen perorangan dari penggunaan terencana di tingkat institusi. Kampus sebaiknya tidak mengaku siap hanya karena dosen dan mahasiswa telah memakai aplikasi AI; kesiapan menuntut infrastruktur dan standar etika minimum, lalu berkembang menuju integrasi yang dikelola dan perbaikan berkelanjutan berbasis data.
Data dan etika menentukan batas pemanfaatan
AI perguruan tinggi bukan urusan perangkat lunak semata. Pemanfaatannya memerlukan SDM yang mampu menilai hasil, tata kelola data yang menjaga mutu informasi, serta aturan yang melindungi privasi dan integritas akademik. Tanpa fondasi tersebut, AI dapat mempercepat pekerjaan sekaligus memperbesar kesalahan atau membuka risiko terhadap kedaulatan digital kampus.
Dalam klaster KPPTI tentang transformasi pembelajaran, kematangan digital, tata kelola data, dan etika AI, empat akademisi dari institusi berbeda membahas persoalan ini. Pengalaman Universitas Airlangga menunjukkan bahwa pembenahan data terpadu diperlukan untuk mengurangi duplikasi antarunit dan memastikan informasi yang dipakai aplikasi AI institusional valid. Ini bukan pekerjaan administratif pinggiran: kualitas data menentukan apakah hasil AI layak dipercaya.
Etika kecerdasan buatan juga perlu diterjemahkan menjadi batas yang dapat dipahami sivitas akademika. Suyanto memaparkan klasifikasi risiko dari penggunaan yang tidak dapat diterima hingga minimal: membocorkan data pribadi atau mengaku hasil olahan AI sebagai karya sendiri termasuk terlarang, sedangkan AI untuk membuat soal ujian atau materi ajar perlu pengawasan ketat. Aturan yang sesuai konteks kampus lebih berguna daripada larangan seragam yang mengabaikan perbedaan disiplin.

Kompetensi lulusan tak bisa diserahkan kepada mesin
Ketika AI merambah pembelajaran, penelitian, dan penilaian, pertanyaan kampus bukan lagi apakah mahasiswa akan menggunakannya, melainkan apakah mereka mampu menggunakannya dengan jujur dan kritis. KPPTI menyoroti tantangan integritas ilmiah sekaligus kesiapan lulusan menghadapi kebutuhan industri. Kesenjangan kompetensi tak akan tertutup dengan akses ke alat AI jika mahasiswa tidak belajar memeriksa keluaran, menyusun argumen, dan mempertanggungjawabkan keputusan.
Akademisi Universitas Diponegoro Rizal Isnanto mendorong aturan yang jelas, terutama untuk pendidikan doktoral. Ia membedakan penggunaan AI yang diperbolehkan, wajib diungkapkan, diperbolehkan dengan syarat, dan dilarang. Mahasiswa juga perlu mencatat alat yang dipakai, tujuan, bentuk bantuan, serta cara memverifikasi hasil. Pendekatan ini lebih adil daripada mengandalkan skor pendeteksi AI: integritas harus dinilai dari proses dan kemampuan mahasiswa menjelaskan karyanya.
Contoh pemanfaatan praktis datang dari sistem AI untuk memeriksa materi perkuliahan sebelum disampaikan. Dalam evaluasi sembilan kelas selama tujuh minggu, sistem itu menemukan 18 persoalan pada materi dan pengaturan pembelajaran. AI dapat mempercepat pemeriksaan dan membantu dosen menemukan kekeliruan, tetapi keputusan tetap berada pada pengajar. Batas peran ini penting: alat membantu kualitas kerja, bukan menggantikan pertimbangan manusia.

Strategi kampus harus menghubungkan kelas dan masa depan
Strategi adopsi yang matang menghubungkan penggunaan AI dalam pembelajaran dengan penelitian, layanan kampus, dan kompetensi yang dibutuhkan lulusan. Tahap AI Managed dalam kerangka Suyanto menggambarkan integrasi AI ke dalam tridarma dan layanan institusi, dengan manfaat serta risiko yang dikelola. Pada tahap AI Optimized, AI menjadi bagian dari budaya kampus dan mendukung perbaikan berkelanjutan berbasis data.
Namun, integrasi tidak berarti setiap proses harus diotomatisasi. Kampus perlu menetapkan tugas yang aman untuk dibantu AI, aktivitas yang menuntut pengungkapan, dan pekerjaan yang harus tetap mengandalkan penilaian manusia. Pilihan itu semestinya mengikuti kebutuhan tiap bidang: proses kreatif, penelitian, dan evaluasi belajar memiliki risiko serta ukuran keberhasilan yang berbeda.
Kesimpulannya, adopsi AI kampus akan berhasil bila teknologi berjalan bersama kompetensi manusia, tata kelola data yang dapat dipercaya, dan etika yang diterapkan dalam praktik sehari-hari. Kampus yang hanya membeli atau membuka akses AI berisiko mempercepat ketergantungan; kampus yang menyiapkan aturan, kemampuan verifikasi, dan tujuan pembelajaran dapat menjadikan AI pendukung mutu pendidikan serta kesiapan lulusan.






