Nilai itu datang hari Kamis pagi.
100.
Tidak ada coretan merah. Di pojok kanan atas bahkan ada tulisan kecil dari guru: “Struktur bagus.”
Raka pulang dengan wajah puas.
“Ma, lihat.”
Ibunya tersenyum.
“Wah, seratus.”
“Iya.”
“Kerjain sendiri?”
Raka berhenti setengah detik.
“Sebagian.”
“Sebagian itu berapa?”
Ia menaruh tas.
“Ya… AI bantu banyak.”
“Banyak itu?”
“Lumayan banyak.”
Ibunya tidak langsung mengucapkan selamat lagi. Bukan karena nilai 100 itu tiba-tiba menjadi nol, tetapi karena ada pertanyaan yang lebih besar daripada angka di kertas.
Kalau tugas yang dinilai sebagian besar dibuat AI, sebenarnya nilai 100 itu sedang mengukur kemampuan siapa?
Pertanyaan ini akan makin sering muncul di sekolah. Bukan hanya ketika anak ketahuan memakai AI. Situasi yang lebih rumit justru muncul ketika tidak ada yang ketahuan, tugas terlihat bagus, guru memberi nilai tinggi, dan anak merasa caranya berhasil.
“Kan nilainya bagus.”
Lalu apa masalahnya?
Nilai adalah sinyal, bukan tujuan tunggal
Di rumah, angka sering dianggap ringkasan kemampuan.
90 berarti paham.
70 berarti perlu belajar lagi.
100 berarti menguasai.
Padahal nilai hanya bermakna kalau assessment memang mengukur kemampuan yang ingin dinilai.
Kalau tugas menilai kemampuan menulis argumen, tetapi argumennya dibangun AI, nilai akhir tidak lagi murni mencerminkan kemampuan siswa.
Kalau tugas menilai pemahaman sejarah, tetapi jawaban dibuat AI lalu ditempel, angka tinggi bisa menghasilkan false signal.
Guru mengira siswa sudah menguasai.
Orang tua mengira anak aman.
Anak sendiri mengira tidak perlu belajar lagi.
Masalahnya bukan moral dulu. Masalahnya measurement.
Kita kehilangan informasi tentang kemampuan sebenarnya.
OECD Digital Education Outlook 2026 membahas risiko ketika generative AI dipakai sebagai shortcut yang menggantikan cognitive effort. Teknologi dapat meningkatkan performa tugas, tetapi performa yang naik tidak otomatis berarti learning ikut naik.
Bahasa rumahnya sederhana:
hasil bisa naik lebih cepat daripada kemampuan.
Itu sebabnya nilai 100 bisa terasa menyenangkan sekaligus menyesatkan.
“Kalau guru membolehkan AI, tetap masalah?”
Belum tentu.
Konteksnya penting.
Bayangkan dua tugas.
Tugas A:
“Gunakan AI untuk menghasilkan draft, lalu kritik kelemahannya dan tulis versi final.”
Kalau siswa memakai AI cukup banyak, itu memang bagian desain tugas. Nilai 100 bisa mengukur kemampuan mengevaluasi, merevisi, dan menggunakan AI.
Tugas B:
“Tulis analisis pribadi tentang cerpen ini berdasarkan bacaanmu.”
Kalau AI membuat hampir seluruh analisis sementara aturan guru meminta kerja mandiri, situasinya berbeda.
Jadi pertanyaan pertama bukan:
“Berapa persen AI?”
Pertanyaan pertama:
“Guru sedang menilai apa dan aturan tugasnya apa?”
Ada tugas ketika penggunaan AI merupakan kompetensi.
Ada tugas ketika AI hanya boleh membantu di pinggir.
Ada tugas ketika AI memang harus ditutup.
Integritas akademik bergantung pada konteks assessment.
Nilai 100 tidak bisa dibaca tanpa konteks itu.
Anak juga perlu memahami apa yang sebenarnya ia kuasai
Malam itu, ibu Raka mencoba pendekatan sederhana.
“Coba ceritain tugas kamu.”
“Yang tentang dampak urbanisasi?”
“Iya.”
Raka mulai.
Dua menit kemudian, ia masih bisa menjelaskan garis besar.
Ibunya bertanya:
“Bagian paling susah apa?”
“Nyari dampak ke desa.”
“Terus AI bantu gimana?”
“Dia kasih struktur.”
“Kamu cek?”
“Sebagian.”
“Bagian mana yang kamu tulis sendiri?”
Raka diam lagi.
Ternyata sedikit.
Ini penting.
Ia tidak benar-benar kosong. Ada pemahaman. Ada kontribusi. Tetapi nilai 100 membuat kontribusi manusia dan mesin terlihat seperti satu paket.
Keluarga perlu membongkar paket itu.
Bukan untuk menghitung dosa, tetapi untuk memetakan skill.
“Yang sudah kamu bisa apa?”
“Jelasin pengertiannya.”
“Yang belum?”
“Mungkin bikin argumen panjang.”
“Nah. Berarti seratusnya jangan bikin kita merasa semuanya sudah beres.”
Kalimat ini lebih produktif daripada:
“Nilai kamu palsu.”
Nilainya nyata.
Yang perlu dibaca dengan benar adalah maknanya.
Jangan menghukum keberhasilan
Ada orang tua yang mungkin langsung berkata:
“Kalau AI bantu, nilai 100 ini enggak ada gunanya.”
Anak bisa menangkap pesan bahwa jujur tentang penggunaan AI membuat keberhasilan diambil.
Besok ia belajar menyembunyikan.
Lebih baik bedakan.
“Aku tetap senang kamu mendapat feedback bagus.”
“Tapi kita juga perlu tahu bagian mana yang kamu kuasai sendiri.”
Dua hal bisa hidup bersama.
Kita boleh mengakui hasil sekaligus mempertanyakan proses.
Anak tidak perlu dipermalukan agar belajar integritas.
Justru kejujuran lebih mudah tumbuh ketika disclosure tidak otomatis membuat anak diserang.
Sekolah juga harus mulai menilai proses
Guru Raka sebenarnya tidak tahu seberapa besar AI terlibat.
Ia menilai produk final.
Itu bukan berarti guru salah. Assessment tradisional memang lama dibangun dengan asumsi bahwa tulisan yang dikumpulkan sebagian besar dibuat siswa.
AI mengubah asumsi itu.
Sekolah perlu menambah evidence.
Draft.
Catatan.
Outline.
Refleksi.
Diskusi lisan.
Proses revisi.
Presentasi.
Pertanyaan susulan.
Tidak semuanya sekaligus.
Satu atau dua sudah membantu.
Misalnya setelah tugas dikumpulkan, guru memilih beberapa murid secara acak.
“Jelaskan kenapa kamu memakai argumen ini.”
Bukan interogasi.
Hanya ownership check.
Atau guru meminta satu paragraf proses:
“AI membantu bagian mana?”
Sekarang nilai tidak hanya berasal dari polish.
UNESCO terus menekankan human agency, critical thinking, dan ethical use sebagai bagian penting pendidikan AI. Assessment yang melihat proses memberi ruang kompetensi itu muncul.
Kalau hanya produk final, AI bisa menyamarkan siapa yang benar-benar berpikir.
Apakah nilai harus diturunkan?
Tidak ada jawaban universal.
Itu bergantung aturan sekolah.
Kalau penggunaan AI melanggar instruksi, sekolah berhak menerapkan konsekuensi sesuai kebijakan yang berlaku.
Kalau aturan tidak jelas, kasusnya lebih rumit.
Karena itu transparansi dari awal jauh lebih baik daripada debat setelah nilai keluar.
Guru bisa menulis:
“AI boleh untuk brainstorming, tidak untuk menulis jawaban final.”
Atau:
“AI boleh digunakan, tetapi semua penggunaannya harus dicatat.”
Atau:
“Assessment ini dikerjakan tanpa AI.”
Sekarang konsekuensi punya dasar.
Bukan berubah setelah guru curiga.
Fairness juga penting.
Jangan menghukum satu siswa karena “terlihat AI” sementara aturan kelas sendiri kabur.
Anak berhak tahu aturan main sebelum bermain.
Nilai tinggi bisa mematikan alarm anak
Ini salah satu risiko paling halus.
Raka berpikir:
“Berarti caraku benar. Aku dapat 100.”
Reward memperkuat perilaku.
Minggu berikutnya, ia menggunakan AI lebih banyak.
Tugas berikutnya, lebih banyak lagi.
Akhirnya ia tidak tahu kapan bantuan berubah menjadi dependence.
Karena sistem memberinya feedback positif terus.
Itulah mengapa orang tua perlu memisahkan dua pertanyaan.
“Nilainya berapa?”
dan:
“Kamu belajar apa?”
Jangan selalu tanya angka dulu.
Sesekali:
“Bagian mana yang sekarang kamu bisa lebih baik?”
“AI membantu apa?”
“Ada bagian yang kalau tanpa AI kamu belum bisa?”
Pertanyaan ini menjaga feedback loop tetap sehat.
Anak belajar bahwa kualitas belajar tidak selalu sama dengan angka.
Tes ulang tanpa membuat anak merasa dihukum
Ibu Raka tidak menyuruh mengulang seribu kata.
Ia mengambil satu bagian.
“Coba tulis satu paragraf baru, topiknya sama, tanpa AI.”
Raka mengeluh.
“Ma…”
“Cuma satu.”
Ia menulis.
Lebih pendek.
Bahasanya tidak serapi tugas.
Tetapi argumennya masuk akal.
Ibunya membaca.
“Nah, ini kemampuan kamu sekarang.”
“Jelek?”
“Bukan. Ini baseline.”
“Terus?”
“Kalau mau pakai AI lagi, bikin versi kamu dulu. Baru minta feedback.”
Sekarang nilai 100 tidak dibuang.
Ia diubah menjadi titik evaluasi.
Bagian mana yang memang milik anak?
Bagian mana yang terlalu banyak dibantu?
Apa strategi berikutnya?
AI bisa membuat nilai tinggi lebih mudah diperoleh.
Sekolah dan keluarga perlu membuat skill tetap terlihat.
Jangan jadikan nilai 100 bukti bahwa AI harus selalu dipakai
Ada keluarga yang melihat hasil dan berkata:
“Kalau begini, pakai terus aja.”
Masalahnya, optimasi nilai bisa mengubah tujuan pendidikan.
Hari ini esai.
Besok matematika.
Lusa presentasi.
Kalau semua dioptimalkan lewat AI, anak mungkin punya rapor bagus tetapi self-efficacy rapuh.
Ia tidak yakin bisa bekerja tanpa tool.
Itu trade-off yang perlu diperhatikan.
AI seharusnya memperluas kemampuan.
Bukan membuat performa terlihat lebih tinggi sambil kemampuan dasar makin sulit diukur.
Di rumah, prinsipnya bisa satu kalimat:
“AI boleh bikin belajar lebih efektif. Jangan sampai cuma bikin nilai terlihat lebih tinggi.”
Ada cara lain mengecek: delayed test
Malam setelah nilai keluar, anak mungkin masih ingat banyak karena baru mengerjakan.
Coba dua atau tiga hari kemudian.
“Masih ingat inti tugas?”
Tidak perlu dibuat seperti ujian.
Ngobrol saat perjalanan.
“Urbanisasi itu apa tadi?”
Kalau anak masih bisa menjelaskan, ada retensi.
Kalau semuanya hilang, keluarga mendapat informasi.
Delayed recall lebih jujur daripada rasa “aku ngerti” beberapa menit setelah membaca output AI.
Untuk matematika, beri soal mirip.
Untuk esai, minta satu argumen baru.
Untuk sains, minta contoh berbeda.
Tujuannya bukan membuktikan AI buruk.
Tujuannya menguji transfer.
Skill yang hanya muncul saat layar terbuka belum sepenuhnya menjadi skill anak.
Guru pun tidak perlu alergi nilai 100
Ada sisi lain.
Kalau siswa menggunakan AI secara benar, transparan, dan sesuai tujuan tugas, performa lebih baik adalah hal bagus.
Misalnya siswa memakai AI untuk feedback grammar setelah menulis sendiri.
Atau membuat soal latihan sebelum assessment.
Atau meminta penjelasan konsep.
Lalu hasil ujian tanpa AI meningkat.
Itu evidence bahwa alat mendukung belajar.
Jadi jangan menghukum tool karena hasil bagus.
Yang kita butuhkan adalah evidence tambahan:
apakah kemampuan ikut naik?
Itulah ukuran yang lebih penting.
Minggu berikutnya
Raka mendapat tugas baru.
Kali ini guru menulis jelas:
“Boleh menggunakan AI untuk brainstorming. Paragraf final harus ditulis sendiri. Tuliskan satu kalimat disclosure jika menggunakan AI.”
Raka membuka chatbot.
“Kasih tiga sudut pandang.”
Ia memilih satu.
Menutup layar.
Mulai menulis.
Hasilnya tidak serapi tugas nilai 100.
Ada dua kalimat yang direvisi guru.
Nilainya 88.
Di rumah, ia menunjukkan.
Ibunya bertanya:
“Kecewa?”
“Lumayan.”
“Kalau dibanding tugas kemarin?”
Raka berpikir.
“Yang ini aku lebih ngerti.”
Tidak semua nilai lebih rendah berarti kemunduran.
Kadang angka 88 memberi gambaran kemampuan lebih jujur daripada angka 100.
Dan kalau pendidikan masih punya fungsi di era AI, salah satu tugas terbesarnya justru menjaga agar angka tetap terhubung dengan manusia yang sedang belajar, bukan hanya kualitas output yang bisa dibuat mesin.