Sabtu pagi tidak harus berubah menjadi kelas tambahan hanya karena orang tua ingin mengenalkan AI kepada anak.
Bayangkan skenario ilustratif berikut. Seorang ibu menaruh tiga benda di meja: sendok, remote televisi, dan kaus kaki.
Anaknya mengernyit. “Kita mau ngapain?”
“Bikin mesin paling sederhana sedunia.”
“Mana mesinnya?”
“Kamu.”
“Lho?”
Ibunya mengambil tiga kertas dan menulis: BENDA DAPUR, ELEKTRONIK, PAKAIAN.
“Sekarang klasifikasikan.”
Anak memasukkan sendok ke dapur, remote ke elektronik, kaus kaki ke pakaian. Mudah.
Lalu ibunya menaruh smartwatch.
Anak diam.
“Elektronik.”
“Tapi dipakai di badan.”
“Ya sudah, elektronik dan pakaian.”
“Boleh dua kategori?”
“Menurut kamu?”
Percakapan kecil ini sudah membuka pintu ke salah satu ide penting dalam AI: data, label, aturan, pola, dan kasus yang tidak selalu pas dimasukkan ke kotak yang kita buat.
Tidak ada laptop. Tidak ada akun. Tidak ada biaya. Tetapi ada proses berpikir.
Proyek AI keluarga yang baik memang tidak harus dimulai dari aplikasi. Yang penting, anak mengalami sendiri bagaimana sebuah sistem membutuhkan contoh, bagaimana hasil dapat salah, dan bagaimana manusia harus menentukan tujuan serta menilai keluaran.
Berikut beberapa proyek sederhana yang dapat dilakukan bersama. Pilih sesuai usia anak, minat, waktu, dan aturan penggunaan teknologi di keluarga.
Proyek 1: Jadi “AI manusia” selama 20 menit
Tujuan proyek ini adalah memahami klasifikasi dan pentingnya label.
Siapkan 20 sampai 30 benda kecil, foto yang sudah tersedia di rumah, kartu gambar, atau potongan gambar dari majalah. Jangan menggunakan foto pribadi orang lain tanpa izin.
Minta anak membuat dua atau tiga kategori.
Contoh:
Benda yang dipakai di sekolah.
Benda yang dipakai di rumah.
Benda yang bisa dipakai di dua tempat.
Setelah semua kartu masuk kategori, orang tua sengaja mencari kasus yang membingungkan.
“Botol minum masuk mana?”
“Dua-duanya.”
“Kalau payung?”
“Bisa sekolah, bisa rumah.”
“Berarti kategori kita kurang jelas?”
Di sinilah anak belajar bahwa label bukan sesuatu yang turun dari langit. Manusia membuat definisi. Kalau definisi kabur atau data tidak mewakili kondisi nyata, hasil sistem juga bisa bermasalah.
Untuk anak yang lebih besar, lanjutkan dengan pertanyaan:
“Kalau komputer belajar dari contoh yang kita kasih, apa yang terjadi kalau semua contoh kita cuma satu jenis?”
Kita sudah masuk ke percakapan tentang kualitas dan keragaman data tanpa perlu memberi kuliah tentang statistik.
Proyek 2: Bandingkan tebakan manusia dan AI
Jika keluarga memakai alat AI yang sesuai usia dan aturan layanan, pilih objek yang aman dan tidak sensitif. Bisa tanaman, benda rumah, atau gambar buatan sendiri.
Sebelum bertanya kepada AI, minta anak menebak dulu.
Misalnya ada foto daun mangga yang diambil dari pohon keluarga sendiri.
“Apa ini?”
“Daun mangga.”
“Kenapa kamu yakin?”
“Karena aku ambil dari pohon mangga.”
Kemudian minta sistem menjelaskan atau mengidentifikasi. Kalau jawabannya berbeda, jangan buru-buru menentukan siapa yang benar.
Tanyakan:
“Informasi apa yang kamu punya tetapi AI mungkin tidak punya?”
Anak punya konteks: ia tahu pohonnya. Sistem mungkin hanya melihat pola visual atau menerima deskripsi yang terbatas.
Pelajarannya sangat besar. AI bekerja berdasarkan informasi yang tersedia baginya. Manusia sering memiliki konteks dunia nyata yang tidak otomatis masuk ke sistem.
Hindari menjadikan wajah anak, wajah teman, kartu pelajar, alamat rumah, nomor telepon, dokumen keluarga, atau informasi sensitif sebagai bahan eksperimen. Belajar AI tidak membutuhkan pengorbanan privasi.
Proyek 3: Cerita tiga versi
Ini cocok untuk mengenalkan AI generatif sekaligus menjaga suara anak.
Minta anak memilih tiga unsur:
seorang tokoh,
sebuah tempat,
sebuah masalah.
Contoh:
Tokoh: cicak yang takut ketinggian.
Tempat: perpustakaan sekolah.
Masalah: semua buku tiba-tiba berpindah tempat.
Pertama, anak membuat versi cerita sendiri selama lima sampai sepuluh menit. Tidak perlu panjang.
Kedua, orang tua dan anak meminta AI membuat versi lain dengan unsur yang sama.
Ketiga, mereka membuat versi gabungan tetapi anak harus memilih sendiri apa yang dipakai dan dibuang.
Percakapan yang menarik biasanya muncul cepat.
“Versi AI kok cicaknya ngomong kayak profesor?”
“Berarti cocok nggak dengan karaktermu?”
“Nggak. Cicakku panikan.”
“Ya, ubah.”
Di sini anak belajar bahwa output AI bukan jawaban final. Ia bisa diedit, ditolak, atau dijadikan pemantik.
Tutup proyek dengan satu pertanyaan: “Bagian mana yang paling terasa buatan kamu?”
Proyek 4: Detektif jawaban AI
Pilih topik yang aman dan mudah diverifikasi, misalnya tata surya, hewan, provinsi di Indonesia, atau konsep yang sedang dipelajari anak.
Minta AI menjelaskan topik dalam lima poin. Lalu pilih dua atau tiga klaim untuk diperiksa menggunakan buku pelajaran, ensiklopedia yang tersedia, atau sumber resmi yang direkomendasikan guru.
Jangan jadikan kegiatan ini sebagai permainan “menangkap AI berbohong”. Tujuannya adalah membangun kebiasaan verifikasi.
Anak dapat membuat tanda:
✓ terverifikasi
? belum yakin
! perlu dikoreksi
Orang tua tidak harus mengetahui jawabannya dari awal.
“Aku juga nggak tahu ini benar atau nggak,” kata orang tua dalam skenario yang sangat mungkin terjadi.
Anak mungkin menjawab, “Terus gimana?”
“Kita cek.”
Justru itu contoh perilaku digital yang sehat. Orang dewasa tidak perlu berpura-pura mahatahu. Anak melihat bahwa ketidakpastian dapat dijawab dengan proses pemeriksaan.
Proyek 5: Rancang AI yang tidak perlu dibuat
Ambil satu masalah kecil di rumah.
Misalnya tanaman sering lupa disiram.
Minta anak menggambar “AI penjaga tanaman” di kertas.
Apa inputnya?
Mungkin jenis tanaman, kelembapan tanah, cuaca, atau jadwal penyiraman.
Apa outputnya?
Mungkin pengingat: “Tanaman A perlu dicek.”
Lalu masuk ke pertanyaan yang lebih sulit.
“Kalau sensornya salah?”
“Kalau hujan?”
“Kalau tanaman baru belum ada datanya?”
“Apakah alat perlu tahu nama pemilik rumah?”
Biasanya jawabannya tidak. Anak belajar prinsip minimasi data secara intuitif: jangan kumpulkan informasi yang tidak dibutuhkan untuk tujuan sistem.
Kita tidak perlu benar-benar membangun perangkat itu. Prototipe kertas sudah cukup untuk belajar desain sistem, input, output, kegagalan, dan privasi.
Proyek 6: Buat aturan keluarga untuk AI
Ini mungkin proyek paling tidak “futuristik”, tetapi dampaknya paling langsung.
Duduk bersama selama 20 menit dan tulis aturan sederhana.
Contoh awal:
Jangan masukkan data pribadi ke AI tanpa alasan dan izin.
Jangan unggah foto orang lain untuk diedit tanpa persetujuan.
Untuk tugas sekolah, cek aturan guru.
Informasi penting harus diverifikasi.
Kalau sesuatu terasa aneh, menakutkan, atau meminta data pribadi, berhenti dan cerita ke orang dewasa.
AI boleh memberi ide, tetapi keputusan akhir tetap manusia.
Jangan membuat aturan sepihak lalu menyebutnya “proyek bersama”. Beri anak ruang untuk menantang.
“Kenapa aku nggak boleh upload foto temanku kalau cuma lucu-lucuan?”
“Karena wajah dia juga bagian dari data dia.”
“Kalau dia bilang boleh?”
“Nah, itu beda. Kita bicara izin.”
Anak belajar consent digital lewat situasi konkret.
Biar proyek terasa seperti eksplorasi, bukan tes
Ada satu kesalahan yang mudah terjadi pada orang tua yang antusias: semua pertanyaan berubah menjadi ujian.
“Apa itu data?”
“Apa itu algoritma?”
“Apa itu bias?”
“Ayo, kemarin sudah dijelaskan.”
Suasana langsung turun.
Lebih baik gunakan pertanyaan terbuka.
“Menurut kamu kenapa sistemnya salah?”
“Apa contoh yang kurang?”
“Kalau dipakai adik kelas, bagian mana yang bikin bingung?”
“Kalau kamu bisa mengubah satu hal, apa?”
“Data apa yang sebenarnya tidak perlu kita kasih?”
AI literacy tumbuh dari kebiasaan berpikir, bukan dari sesi interogasi istilah.
Orang tua juga boleh tidak tahu
Kehadiran AI membuat sebagian orang tua merasa harus mengejar semua perkembangan teknologi agar tetap bisa mendampingi anak. Itu target yang tidak realistis. Tool berubah cepat, fitur berganti, dan istilah baru terus muncul.
Yang dibutuhkan anak bukan orang tua yang hafal semua aplikasi. Yang dibutuhkan adalah orang dewasa yang bisa membantu mereka memperlambat proses ketika perlu.
“Ini aman nggak?”
“Datanya apa?”
“Jawabannya bisa dicek di mana?”
“Ini ide kamu atau semua diserahkan ke AI?”
“Orang lain terdampak nggak?”
Pertanyaan seperti itu tahan lebih lama daripada tutorial satu aplikasi.
Arah pembelajaran AI di sekolah Indonesia juga memberi ruang pada pembelajaran yang menarik, interaktif, kontekstual, dan berbasis proyek. UNESCO melalui kerangka kompetensi AI untuk siswa menekankan bahwa kompetensi AI mencakup cara berpikir yang berpusat pada manusia, etika, pemahaman teknik, dan kemampuan merancang atau menggunakan sistem secara bertanggung jawab. Jadi proyek keluarga tidak perlu mengejar kecanggihan teknis untuk tetap bermakna.
Kalau anak ingin proyeknya naik satu level
Setelah satu eksperimen berhasil, tahan godaan untuk langsung mencari aplikasi yang lebih rumit. Naikkan level melalui pertanyaan, bukan melalui jumlah fitur.
Proyek klasifikasi benda, misalnya, bisa dilanjutkan dengan mengubah satu kategori dan melihat apa yang terjadi. Cerita tiga versi bisa dilanjutkan dengan meminta anak menjelaskan kriteria mengapa satu paragraf dipertahankan sementara yang lain dibuang. Detektif jawaban AI bisa dilanjutkan dengan membandingkan dua sumber yang sama-sama terlihat meyakinkan.
Orang tua dapat bertanya, “Kalau adikmu yang melakukan proyek ini, instruksinya cukup jelas nggak?”
Anak lalu melihat proyek dari sudut pandang pengguna lain.
Atau tanyakan, “Kalau kita cuma boleh menyimpan tiga jenis data, mana yang benar-benar perlu?”
Sekarang anak mulai berpikir soal minimasi data.
Perkembangan seperti ini lebih berguna daripada sekadar pindah dari aplikasi sederhana ke aplikasi yang lebih canggih. Anak belajar memperdalam masalah yang sama, sesuatu yang sangat dekat dengan cara kerja desain dan penelitian di dunia nyata.
Akhiri dengan “apa yang berubah di pikiranmu?”
Setelah proyek selesai, jangan hanya foto hasilnya.
Tanyakan satu hal:
“Sebelum kita mulai kamu pikir AI itu bagaimana, sekarang berubah nggak?”
Anak mungkin menjawab:
“Kirain AI selalu tahu.”
“Atau?”
“Ternyata kalau contoh atau informasinya kurang, bisa aneh.”
Itu hasil belajar.
Atau anak berkata:
“Aku kirain kalau AI bikin cerita berarti ceritanya tinggal dipakai. Ternyata aku lebih suka versiku.”
Itu juga hasil belajar.
Proyek AI sederhana di rumah tidak harus menghasilkan produk yang bisa dipamerkan. Kadang hasil terbaiknya justru berupa satu kebiasaan baru: anak mulai bertanya sebelum percaya, mulai menjaga data sebelum mengunggah, dan mulai melihat AI sebagai alat yang bisa dieksplorasi tanpa menyerahkan seluruh proses berpikir.
Kalau akhir pekan berikutnya anak sendiri berkata, “Kita coba lagi, tapi kali ini aku yang bikin eksperimennya,” proyek pertama sudah berhasil melakukan sesuatu yang lebih penting daripada membuat demo teknologi.
Ia menyalakan rasa ingin tahu.
