Anak Belajar AI Sebaiknya Membuat Apa?

Pertanyaan “anak belajar AI sebaiknya membuat apa?” terdengar seperti pertanyaan soal proyek. Sebenarnya, ini lebih dekat ke pertanyaan soal cara belajar.

Bayangkan sebuah kelas ilustratif. Guru sudah menjelaskan sedikit tentang AI, data, pola, dan bagaimana sistem dapat menghasilkan atau mengelompokkan informasi. Lalu ia berkata, “Minggu depan kita bikin proyek AI.”

Tiga murid langsung punya reaksi berbeda.

“Aku mau bikin robot.”

“Aku mau bikin aplikasi yang bisa jawab semua PR.”

“Aku nggak tahu mau bikin apa.”

Guru tertawa kecil. “Kita belum mulai dari teknologinya. Kita mulai dari masalahnya.”

Kalimat itu penting.

Anak tidak perlu selalu membuat sesuatu yang terlihat canggih supaya benar-benar belajar AI. Proyek yang bagus justru sering dimulai dari masalah kecil yang dapat diamati, dijelaskan, diuji, lalu diperbaiki. Kadang hasil akhirnya hanya prototipe di kertas. Kadang berupa permainan klasifikasi sederhana. Kadang berupa eksperimen dengan chatbot. Kadang anak membuat aturan untuk menentukan kapan AI boleh dan tidak boleh dipakai.

Yang dicari bukan efek “wow”, tetapi proses berpikir.

Mulai dari sesuatu yang dekat

Untuk anak, proyek AI yang paling bermakna biasanya bukan “buat solusi untuk dunia”, melainkan “ada masalah kecil apa yang kamu kenal?”

Misalnya:

Di kelas sering ada sampah yang salah masuk tempatnya.

Adik kesulitan mengingat urutan menyiapkan tas sekolah.

Keluarga bingung memilih tanaman yang perlu disiram lebih dulu.

Teman-teman sulit membedakan berita, iklan, dan opini di media sosial.

Anak ingin membuat cerita bercabang yang karakternya bisa berubah berdasarkan pilihan pembaca.

Dari situ barulah pertanyaan AI masuk.

“Bagian mana yang mungkin dibantu sistem?”

“Data apa yang dibutuhkan?”

“Kalau datanya jelek, apa yang terjadi?”

“Siapa yang bisa dirugikan kalau sistem salah?”

“Apa yang masih harus diputuskan manusia?”

Ini sejalan dengan arah pembelajaran Koding dan Kecerdasan Artifisial di Indonesia yang tidak hanya mengejar penguasaan perangkat, tetapi juga berpikir kritis, pemecahan masalah, kreativitas, literasi digital, dan etika.

Proyek pertama tidak harus memakai AI sungguhan

Ini mungkin terdengar aneh. Anak belajar AI, tetapi proyeknya boleh tanpa model AI?

Boleh, terutama pada tahap awal.

Kita bisa mengajarkan ide tentang klasifikasi dengan kartu. Misalnya anak mendapat 30 gambar benda rumah tangga dan diminta menyusun aturan untuk mengelompokkan benda tersebut.

“Yang ini masuk alat makan.”

“Kenapa gunting nggak?”

“Karena gunting bukan buat makan.”

“Tapi pisau bisa buat makan dan bisa buat memotong.”

Nah, konflik kecil itu justru pelajarannya. Kategori yang terlihat mudah bagi manusia bisa memiliki batas yang tidak rapi. Anak mulai memahami bahwa saat kita membuat sistem klasifikasi, kita harus menentukan label, contoh, aturan, dan kasus yang membingungkan.

Setelah itu, barulah guru atau orang tua dapat menghubungkannya dengan machine learning: komputer juga dapat belajar mengenali pola dari contoh, tetapi kualitas contoh dan label sangat memengaruhi hasil.

Anak belajar konsep sebelum terpukau antarmuka.

Buat sesuatu yang bisa diuji, bukan cuma dipamerkan

Ada godaan besar untuk menilai proyek AI dari tampilannya.

Poster bergerak terlihat keren. Chatbot tampak modern. Gambar generatif mudah membuat orang berkata, “Wah.”

Namun proyek belajar sebaiknya punya pertanyaan yang dapat diuji.

Misalnya anak membuat prototipe “AI pengingat isi tas sekolah”. Yang penting bukan apakah tampilannya seperti aplikasi sungguhan. Yang lebih penting:

Apa masalah yang hendak diselesaikan?

Informasi apa yang dibutuhkan sistem?

Bagaimana kalau jadwal berubah?

Bagaimana kalau ada kegiatan olahraga?

Apakah sistem perlu tahu nama lengkap anak?

Apakah data jadwal harus dikirim ke layanan eksternal?

Siapa yang boleh mengubah daftar?

Apa yang terjadi kalau rekomendasinya salah?

Dalam proyek seperti ini, anak belajar desain sistem, privasi, kegagalan, dan tanggung jawab sekaligus.

Di rumah, orang tua bisa ikut tanpa menjadi “guru AI”.

“Kalau aplikasi kamu lupa menyuruh bawa buku IPA, siapa yang salah?”

Anak mungkin menjawab, “Aplikasinya.”

“Kalau jadwal IPA belum kamu masukin?”

“Oh. Aku juga.”

“Berarti sistem bagus tetap butuh data bagus?”

“Iya.”

Satu percakapan itu bisa lebih berguna daripada sepuluh istilah teknis yang dihafal.

Lima keluarga proyek yang lebih bernilai daripada sekadar prompt

Anak tidak harus memilih proyek tertentu. Tetapi beberapa “keluarga proyek” dapat membantu orang tua dan guru melihat kemungkinan.

1. Proyek mengenali pola

Contohnya mengelompokkan daun, jenis sampah, benda di meja belajar, atau suara sederhana. Anak belajar bahwa sistem perlu contoh dan bahwa kategori tidak selalu jelas.

Jika memakai alat digital, pilih yang sesuai usia, kebijakan sekolah, dan perlindungan data. Hindari mengunggah wajah teman, kartu pelajar, alamat, suara pribadi, atau data sensitif hanya untuk membuat eksperimen terlihat lebih canggih.

2. Proyek generatif

Anak dapat membuat cerita bercabang, alternatif judul, ide karakter, puisi, konsep poster, atau sketsa visual dengan bantuan AI generatif.

Tantangannya bukan “siapa paling bagus prompt-nya”, tetapi bagaimana anak mengedit, menolak, mengembangkan, dan menjelaskan keputusan kreatifnya.

Guru bisa meminta dua kolom:

“Bagian yang dibantu AI” dan “bagian yang saya putuskan sendiri”.

Itu membuat proses berpikir terlihat.

3. Proyek pemeriksaan informasi

Anak meminta AI menjelaskan topik sederhana, lalu memeriksa beberapa klaim dengan buku pelajaran, situs lembaga tepercaya, atau sumber yang direkomendasikan guru.

Tujuannya bukan menjebak AI. Tujuannya mengajarkan bahwa keluaran yang lancar bukan otomatis kebenaran.

Anak belajar bertanya, “Bagaimana saya tahu?”

4. Proyek desain solusi

Anak memilih masalah sehari-hari lalu menggambar sistem yang mungkin membantu. Tidak harus benar-benar dibangun.

Misalnya sistem untuk membantu perpustakaan kelas mengingat buku yang belum kembali. Anak kemudian diminta memikirkan data minimal yang diperlukan, siapa pengguna sistem, apa risiko kesalahan, dan kapan keputusan harus tetap dilakukan manusia.

5. Proyek etika dan aturan

Ini sering dianggap bukan “proyek AI”, padahal sangat relevan.

Satu kelompok membuat aturan penggunaan AI untuk tugas kelompok. Kelompok lain menguji aturan itu dengan skenario:

“Boleh nggak AI menulis seluruh presentasi?”

“Kalau cuma cari ide?”

“Kalau memperbaiki ejaan?”

“Kalau tugasnya memang menilai kemampuan menulis?”

Anak belajar bahwa penggunaan teknologi selalu memiliki konteks.

Bukan kompetisi siapa yang paling futuristik

Bayangkan pameran sekolah. Satu meja menampilkan chatbot sederhana. Meja lain hanya menampilkan papan karton berisi 40 kartu gambar dan grafik kesalahan klasifikasi.

Mana yang lebih “AI”?

Kita tidak bisa menilai hanya dari tampilannya.

Kalau kelompok kedua bisa menjelaskan bagaimana mereka memilih data, mengapa beberapa kategori membingungkan, apa bias yang muncul, dan bagaimana mereka memperbaiki aturan, mereka mungkin sedang menunjukkan pemahaman AI yang sangat kuat.

Sementara chatbot yang keren tetapi tidak dipahami pembuatnya bisa menjadi proyek demonstrasi, bukan proyek belajar.

Ini juga penting untuk anak yang akses teknologinya terbatas. Pembelajaran AI tidak seharusnya membuat murid yang perangkatnya lebih mahal otomatis terlihat lebih unggul. Pendekatan unplugged, simulasi, diskusi, desain di kertas, dan proyek kelompok dapat tetap mengajarkan konsep penting.

Anak juga perlu membuat kesalahan

Kalau setiap proyek langsung berhasil karena AI memberikan jawaban lengkap, kesempatan belajar justru mengecil.

Proyek yang sehat memberi ruang untuk versi pertama yang jelek.

Misalnya seorang anak membuat aturan klasifikasi sampah:

“Kalau plastik, masuk anorganik.”

Lalu muncul bungkus makanan yang kotor.

“Ini plastik, tapi kok jadi ribet?”

Bagus. Sistemnya bertemu kasus nyata.

Atau anak meminta AI membuat cerita untuk pembaca kelas tiga, tetapi bahasanya terlalu sulit.

“Kenapa hasilnya nggak cocok?”

Ia lalu belajar memperjelas audiens, mengedit keluaran, dan tidak menerima hasil pertama.

Belajar AI yang baik tidak menghapus friksi. Ia menggunakan friksi sebagai bahan berpikir.

Pertanyaan orang tua yang lebih bagus daripada “hasilnya apa?”

Ketika anak pulang membawa proyek AI, kita sering otomatis bertanya, “Jadi bikin apa?”

Coba ganti dengan beberapa pertanyaan lain.

“Masalah apa yang kamu pilih?”

“Bagian tersulitnya apa?”

“Ada hasil yang salah nggak?”

“Kamu pakai data apa?”

“Apa yang kamu ubah setelah dicoba?”

“Kalau dipakai orang lain, apa risikonya?”

“Bagian mana yang benar-benar keputusan kamu?”

Pertanyaan seperti ini mengirim pesan penting: orang tua menghargai proses, bukan hanya produk akhir.

Dalam sebuah skenario ilustratif, seorang anak menunjukkan poster yang dibuat dengan bantuan AI.

“Ayah, lihat. Bagus, kan?”

“Bagus. Yang paling kamu banggakan bagian mana?”

“Warnanya.”

“AI yang pilih?”

“Awalnya iya, tapi aku ganti karena terlalu gelap.”

“Nah, berarti kamu bukan cuma pencet tombol.”

Anak tersenyum. “Aku art director.”

Tidak masalah memakai istilah lucu. Yang penting ia mengerti bahwa penggunaan AI melibatkan keputusan manusia.

Satu cara menilai proyek tanpa membuat anak tertekan

Orang tua dan guru bisa memakai empat lensa sederhana setelah proyek selesai: paham masalahnya, paham cara sistem bekerja secara dasar, mampu melihat keterbatasan, dan mampu menjelaskan keputusan sendiri. Anak tidak harus mendapat nilai sempurna pada semuanya. Justru bagian yang belum dipahami dapat menjadi bahan proyek berikutnya.

Misalnya sebuah kelompok membuat rekomendasi buku berdasarkan genre favorit. Sistemnya belum benar-benar dibangun, tetapi mereka sudah menemukan masalah: dua anak yang sama-sama suka petualangan belum tentu suka buku yang sama. Dari sana muncul pertanyaan tentang data yang terlalu sedikit, selera yang berubah, dan bahaya menganggap manusia sebagai kumpulan label tetap.

Guru dapat berkata, “Kalau rekomendasinya salah, apa yang kalian lakukan?”

“Kasih pilihan lain.”

“Berarti sistem tidak boleh memaksa satu jawaban?”

“Iya, orangnya tetap pilih.”

Proyek kecil itu sudah menyentuh desain yang berpusat pada manusia. Anak belajar bahwa teknologi seharusnya membantu keputusan, bukan mengambil alih manusia hanya karena sistem terlihat pintar.

Jadi, anak belajar AI sebaiknya membuat apa?

Buat sesuatu yang membuat mereka harus berpikir.

Buat sesuatu yang bisa salah.

Buat sesuatu yang perlu diperiksa.

Buat sesuatu yang punya pengguna atau tujuan yang jelas.

Buat sesuatu yang mendorong mereka bertanya tentang data, privasi, keadilan, dan tanggung jawab.

Buat sesuatu yang masih menyisakan jejak keputusan anak di dalamnya.

Kadang itu chatbot. Kadang cerita. Kadang permainan kartu. Kadang prototipe. Kadang aturan kelas. Kadang eksperimen kecil yang bahkan tidak terlihat seperti teknologi futuristik.

Kalau setelah proyek selesai anak bisa berkata, “Aku tahu kenapa sistem ini bekerja, kapan dia bisa salah, dan bagian mana yang harus tetap aku putuskan,” maka proyek itu sudah melakukan pekerjaannya.

Yang sedang kita bangun bukan portofolio mini seorang programmer. Yang sedang kita bangun adalah cara berpikir seorang anak yang akan hidup berdampingan dengan AI jauh lebih lama daripada umur aplikasi yang sedang populer hari ini.

Leave a Comment

Your email address will not be published. Required fields are marked *

Scroll to Top