Ketika Mesin Melampaui Ujian yang Kita Pakai untuk Menilai Siswa
Tulisan dari FX Risang Baskara tidak mewakili pandangan dari redaksi kumparan
Tiga September 2026. OpenAI merilis GPT-6 Astra, dan menyebutnya sebagai model paling cerdas dan paling selaras yang pernah mereka buat. Klaim seperti ini biasa saja kalau datang dari perusahaan teknologi. Yang membuat orang berhenti sejenak adalah pernyataan Presiden OpenAI, Greg Brockman, bahwa lompatan kemampuan Astra bisa dianggap sebagai kedatangan kecerdasan umum buatan, AGI (Artificial General Intelligence), sebuah sistem yang mampu mengerjakan seluruh pekerjaan bernilai ekonomi setara atau melampaui manusia.
Angkanya memang cukup mengesankan. Astra mencetak 99,9 persen pada ARC-AGI-3, tolok ukur yang dirancang untuk menguji penalaran umum. Pada FrontierMath Tier 4, kumpulan soal matematika tingkat lanjut yang selama ini jarang tuntas dikerjakan mesin, skornya 98 persen. OpenAI bahkan mencatat Astra sebagai model pertama mereka yang menembus ambang kemampuan siber "kritis" dalam kerangka kesiapan internal perusahaan sendiri, artinya model ini berpotensi menemukan dan memanfaatkan celah keamanan tanpa perlu dituntun manusia langkah demi langkah. Akses ke fitur itu pun langsung dibatasi, hanya untuk kelompok penguji tepercaya.
Tapi tunggu dulu sebelum kita ikut terkesima. Toby Walsh, profesor kecerdasan buatan di University of New South Wales, punya pengingat sederhana: kemampuan model-model ini masih sangat timpang. Ada tugas sepele yang tetap gagal dikerjakan model paling canggih sekalipun, sementara di bidang lain model yang sama bisa melampaui hampir semua manusia. Definisi AGI dari OpenAI sendiri, sistem yang setara atau lebih baik dari manusia di semua pekerjaan bernilai ekonomi, dianggap sejumlah peneliti masih terlalu longgar untuk dijadikan patokan pasti. Entah kita sudah sampai di AGI atau belum, dan entah berapa jauh lagi jarak menuju ASI (Artificial Super Intelligence), kecerdasan buatan yang melampaui manusia di seluruh bidang, satu hal sudah jelas. Mesin ini melompat jauh lebih cepat daripada kesiapan sekolah kita meresponsnya.
Dua Sikap yang Sama-sama Tidak Membantu
Sementara itu, ada dua kubu di ruang guru kita. Yang satu melarang, mencoba kembali ke ujian hafalan, berharap masalahnya selesai kalau chatbot tidak boleh dibuka di kelas. Yang satu lagi cuek saja, menganggap ini tren sesaat yang nanti reda sendiri, seperti bentuk-bentuk teknologi sebelumnya.
Larangan jarang bertahan lama. Kalkulator dulu juga sempat dilarang masuk kelas matematika, dan sejarah sudah membuktikan larangan semacam itu tidak pernah benar-benar berhasil. Sikap cuek justru lebih berbahaya, karena membiarkan siswa memakai alat sekuat ini tanpa pemahaman tentang batasannya membuka celah kesalahan yang tidak mereka sadari sendiri: mempercayai jawaban yang keliru, menyerahkan data pribadi ke sistem yang kebijakan privasinya bahkan tidak pernah mereka baca.
Ujian Hafalan yang Kehilangan Fungsinya
Selama puluhan tahun, sekolah kita mengukur kepintaran lewat kemampuan mengingat dan menuliskannya kembali di lembar jawaban. Persis kemampuan jenis inilah yang paling mudah digantikan model bahasa, dalam hitungan detik.
Kalau skripsi bisa selesai hanya dengan satu perintah ke chatbot, masalahnya bukan pada chatbotnya. Masalahnya ada pada soal yang diberikan, yang ternyata memang bisa dijawab tanpa proses berpikir mendalam sama sekali. Pertanyaan yang pantas diajukan kepada siswa sekarang bukan lagi "apa jawabannya". Pertanyaannya: mengapa jawaban itu masuk akal, dan bagaimana caranya menguji kebenarannya sendiri?
Kesenjangan yang Melebar di Luar Kota Besar
Dampaknya tidak merata. Di Jakarta, Surabaya, atau Yogyakarta misalnya, siswa terbiasa memakai asisten digital pribadi lewat jaringan yang stabil. Di wilayah terdepan, terluar, dan tertinggal, guru dan murid masih bergulat dengan sinyal yang putus-putus dan listrik yang byar-pet setiap hari.
Guru pun menghadapi keterbatasan yang mirip. Beban administratif yang sudah menumpuk membuat waktu untuk belajar teknologi baru secara mandiri nyaris tidak ada. Pemahaman soal etika data dan cara kerja model bahasa akhirnya berkembang sporadis, tergantung inisiatif masing-masing sekolah, bukan hasil kebijakan yang terencana, sistemik dan sistematis.
Ujungnya pun bisa ditebak. Sekolah yang siap akan mencetak lulusan yang terbiasa bekerja berdampingan dengan mesin secara kritis. Sekolah yang tertinggal berisiko mencetak lulusan yang gagap begitu masuk dunia kerja yang sudah menganggap kompetensi digital sebagai standar dasar, bukan lagi nilai tambah.
Literasi AI Bukan Pelajaran Tambahan
Di sinilah letak kekeliruan paling mendasar. Literasi AI selama ini sering diperlakukan sebagai muatan tempelan, modul etika digital yang diselipkan sesekali di mata pelajaran lain. Perlakuan ini keliru, karena literasi AI sebenarnya melekat pada cara kerja teknologinya sendiri, bukan sekadar aturan tambahan di luar itu.
Model bahasa bekerja dengan memprediksi kata berikutnya berdasarkan pola dari data pelatihannya. Ia tidak memahami kebenaran secara langsung. Karena itu ia bisa menghasilkan jawaban yang terdengar sangat meyakinkan padahal keliru total, fenomena yang dikenal sebagai halusinasi. Siswa yang tidak paham cara kerja dasar ini akan memperlakukan jawaban chatbot sama seperti jawaban gurunya. Padahal keandalan keduanya jauh berbeda.
Literasi AI yang sesungguhnya mencakup kemampuan mengenali kapan sebuah jawaban perlu diperiksa ulang. Ia juga mencakup pemahaman soal bagaimana data pengguna diproses dan disimpan, serta kepekaan terhadap bias yang mungkin terbawa dari data pelatihan model. Semua ini perlu diajarkan sejak pendidikan dasar, bergandengan dengan pengenalan alatnya sendiri, bukan menunggu sampai bangku kuliah baru dibahas serius.
Menata Ulang Cara Menilai, Bukan Sekadar Melarang
Guru tetap tidak tergantikan. Titik. Model bahasa bisa menyusun materi belajar yang dipersonalisasi, membantu koreksi tugas rutin, bahkan menjadi tutor privat yang sabar untuk setiap anak. Tapi ia tidak bisa membaca raut wajah murid yang mulai kehilangan semangat belajar. Ia juga tidak bisa menanamkan nilai lewat teladan yang benar-benar hidup di depan mata.
Cara menilai siswa perlu ikut berubah. Sebagian tugas tertulis yang dikerjakan di rumah tanpa pengawasan bisa diganti dengan proyek yang menuntut wawancara lapangan dan pemecahan masalah nyata. Ujian lisan, di mana siswa harus mempertahankan argumennya langsung di depan guru, kembali relevan sebagai cara menguji pemahaman yang sesungguhnya, bukan sekadar hafalan yang dipoles rapi.
Astra jelas baru berumur beberapa hari ketika tulisan ini dibuat. Model berikutnya kemungkinan besar akan muncul dalam hitungan bulan, bukan tahun. Kurikulum yang disusun untuk menghadapi teknologi tahun lalu atau bahkan tahun ini sudah berisiko basi sebelum sempat dipakai di kelas. Pertanyaannya bukan lagi apakah kecerdasan buatan akan mengubah cara belajar anak-anak Indonesia. Perubahan itu sudah berlangsung, sekarang, di depan mata kita. Yang belum jelas jawabannya: apakah sekolah dan kampus kita yang akan menentukan arah perubahan itu, atau kita yang akan terus mengikutinya dari belakang, sambil berharap tidak terlalu jauh tertinggal.
Salam Cerdas dan Humanis.