Sabtu pagi, empat remaja berkumpul di perpustakaan sekolah.
Mereka bukan sedang mengerjakan tugas wajib.
Mereka kesal.
“Setiap ada murid baru, pertanyaannya sama.”
“Ruang musik di mana?”
“Daftar ekskul lewat siapa?”
“Kalau kehilangan kartu pelajar ke mana?”
“Semua infonya ada, tapi nyebar.”
Salah satu dari mereka membuka laptop.
“Bikin chatbot aja.”
Temannya langsung menjawab, “Kenapa chatbot?”
“Kan AI.”
“Terus?”
Sunyi dua detik.
Pertanyaan itu menyelamatkan proyek mereka.
Beralih dari konsumen AI menjadi pembuat solusi bukan berarti remaja harus membuat aplikasi besar.
Bukan juga berarti setiap masalah harus ditempeli chatbot.
Perubahannya ada pada cara berpikir.
Konsumen bertanya:
“AI bisa melakukan apa untukku?”
Pembuat solusi bertanya:
“Ada masalah apa, siapa yang mengalaminya, dan apakah AI benar-benar membantu?”
Itu mindset yang jauh lebih bernilai.
Mulai dari keluhan yang nyata
Banyak proyek teknologi gagal karena dimulai dari fitur.
“Kita mau pakai AI.”
Lalu mencari masalah yang cocok.
Balik urutannya.
Mulai dari keluhan.
Siswa baru bingung informasi.
Guru kesulitan mengumpulkan pertanyaan berulang.
Klub sekolah punya banyak dokumen tetapi susah dicari.
Anak yang absen kesulitan mengejar konteks pelajaran.
Perpustakaan punya koleksi bagus tetapi rekomendasinya kurang terlihat.
Sekolah punya acara tetapi komunikasinya berantakan.
Tidak semua keluhan perlu teknologi.
Tetapi keluhan memberi titik mulai yang nyata.
Kelompok siswa tadi akhirnya menulis:
Masalah: informasi siswa baru tersebar.
Pengguna: siswa baru dan orang tua.
Dampak: pertanyaan berulang, kebingungan, salah lokasi, missed information.
Sekarang mereka punya masalah.
Belum punya solusi.
Bagus.
Tahan keinginan membuka AI selama 20 menit
Sebelum mencari solusi, bicara dengan pengguna.
Mereka mewawancarai lima siswa kelas 10.
Pertanyaannya sederhana.
“Waktu pertama masuk, info apa yang paling susah dicari?”
“Kamu cari lewat mana?”
“Pernah dapat jawaban yang berbeda?”
“Kalau ada satu hal yang bisa diperbaiki, apa?”
Hasilnya mengejutkan.
Masalah terbesar ternyata bukan semua informasi sekolah.
Hanya beberapa informasi praktis yang paling sering dicari dan berubah.
Jadwal kegiatan.
Kontak.
Lokasi ruangan.
Alur administrasi.
Kalau kelompok langsung membuat chatbot dari awal, mereka mungkin menghabiskan waktu pada fitur yang terlalu luas.
Wawancara mempersempit masalah.
Ini prinsip human-centred design sederhana.
Teknologi dimulai dari manusia yang akan memakainya.
Tentukan apakah AI memang diperlukan
Setelah memahami masalah, buat tiga opsi.
Opsi tanpa AI.
Opsi sedikit AI.
Opsi AI lebih besar.
Untuk informasi siswa baru:
Opsi tanpa AI:
satu halaman FAQ yang rapi, mudah dicari, dan selalu diperbarui.
Opsi sedikit AI:
FAQ tetap menjadi sumber utama, AI membantu mengelompokkan pertanyaan atau mencari bagian relevan.
Opsi AI lebih besar:
chatbot yang menjawab berdasarkan basis pengetahuan sekolah.
Bandingkan.
Mana yang paling mudah dikelola?
Mana yang paling rendah risiko salah?
Mana yang paling murah?
Mana yang sesuai kapasitas sekolah?
Mana yang menjaga data?
Mana yang memberi pengalaman terbaik?
Kadang jawabannya: tidak butuh AI.
Pembuat solusi yang matang tidak kecewa.
Tujuan bukan memakai teknologi paling canggih.
Tujuan menyelesaikan masalah.
Buat sumber kebenaran dulu
Kalau akhirnya memakai AI, ada satu pertanyaan penting:
AI menjawab berdasarkan apa?
Siswa tadi menemukan dokumen kegiatan dari tiga tahun berbeda.
Ada nomor kontak yang sudah tidak aktif.
Ada jadwal lama.
Ada nama pengurus yang sudah lulus.
Jika semua itu dimasukkan tanpa dibersihkan, chatbot akan mewarisi kekacauan.
Maka mereka membuat satu basis informasi yang diperiksa.
Kontak terbaru.
Lokasi.
Prosedur.
Jadwal.
Pemilik informasi.
Tanggal pembaruan.
Ini pekerjaan yang tidak terlihat keren.
Tetapi justru inti.
Garbage in, garbage out tetap berlaku.
AI tidak membuat informasi buruk menjadi benar hanya karena antarmukanya modern.
Pembuat solusi menghargai data dan sumber.
Bukan hanya model.
Rancang “jalur gagal”
Semua orang suka mendesain ketika sistem bekerja.
Pembuat solusi juga mendesain ketika sistem gagal.
Bagaimana kalau chatbot tidak tahu?
Bagaimana kalau pertanyaan ambigu?
Bagaimana kalau informasi sudah berubah?
Bagaimana kalau siswa bertanya sesuatu yang sensitif?
Bagaimana kalau pengguna memberikan data pribadi?
Untuk proyek sekolah tadi, mereka membuat aturan:
Jika tidak menemukan jawaban dari sumber yang disetujui, sistem tidak boleh mengarang.
Ia harus mengatakan tidak tahu dan mengarahkan pengguna ke kontak manusia.
Untuk informasi yang dapat berubah cepat, tampilkan tanggal pembaruan.
Untuk pertanyaan pribadi, jangan meminta data sensitif.
Kalau masalah menyangkut keselamatan atau kondisi individu, arahkan ke orang dewasa atau pihak sekolah yang relevan.
Ini namanya memikirkan failure mode.
Kemampuan ini membuat proyek lebih aman.
Uji dengan orang yang bukan pembuatnya
Empat siswa tadi merasa prototipe mereka mudah.
Tentu saja.
Mereka yang membuat.
Kemudian seorang siswa baru mencobanya.
Pertanyaan pertama:
“Kalau mau izin nggak masuk karena sakit ngomong ke siapa?”
Sistem memberi jawaban terlalu panjang.
Pertanyaan kedua:
“Ruang band?”
Tidak ditemukan karena database menulis “ruang musik”.
Pertanyaan ketiga:
“Kalau orang tua mau datang?”
Jawabannya membingungkan.
Dalam sepuluh menit, tiga kelemahan muncul.
Itulah gunanya user testing.
Pembuat solusi tidak jatuh cinta pada demo sendiri.
Ia melihat orang lain menggunakan.
Mencatat.
Memperbaiki.
AI membuat prototipe lebih cepat, tetapi feedback tetap datang dari manusia.
Jangan ukur keberhasilan dari “AI-nya jalan”
Ukuran teknis penting.
Apakah sistem merespons?
Apakah fitur bekerja?
Tetapi keberhasilan solusi lebih luas.
Apakah pengguna menemukan informasi lebih cepat?
Apakah jawaban lebih konsisten?
Apakah jumlah kebingungan berkurang?
Apakah pihak sekolah bisa memperbarui data dengan mudah?
Apakah siswa merasa aman menggunakannya?
Apakah ada jawaban salah yang berbahaya?
Apakah sistem justru menambah pekerjaan admin?
Solusi tidak boleh sukses hanya di laptop tim pembuat.
Ia harus memberi nilai dalam kehidupan nyata.
Kalau setelah diuji ternyata FAQ biasa lebih efektif, pilih FAQ.
Tidak ada medali karena memakai AI lebih banyak.
Pembuat perlu memahami privasi sejak awal
Proyek siswa sering terasa kecil sehingga masalah data dianggap tidak penting.
Padahal kebiasaan desain dibentuk dari proyek kecil.
Tanyakan:
Apakah aplikasi meminta nama?
Mengapa?
Apakah menyimpan percakapan?
Perlu?
Apakah ada data siswa lain?
Siapa yang bisa melihat?
Berapa lama disimpan?
Bisakah sistem bekerja tanpa identitas?
Prinsip data minimization sangat berguna:
jangan mengumpulkan data yang tidak perlu.
Kalau chatbot informasi sekolah hanya menjawab lokasi ruang dan jadwal umum, mungkin ia tidak perlu tahu siapa penggunanya.
Semakin sedikit data sensitif yang dikumpulkan, semakin kecil sebagian risikonya.
Remaja yang belajar prinsip ini sejak awal akan membawa kebiasaan yang baik ke proyek lebih besar.
Pembuat perlu memikirkan orang yang paling mudah tertinggal
Bagaimana dengan siswa yang internetnya terbatas?
Bagaimana dengan yang tidak nyaman menggunakan chatbot?
Bagaimana dengan pengguna yang kesulitan membaca teks panjang?
Bagaimana dengan orang tua yang tidak terbiasa dengan aplikasi baru?
Bagaimana dengan bahasa?
Bagaimana kalau perangkatnya lama?
Solusi yang bagus tidak hanya bekerja untuk teman yang punya ponsel cepat dan terbiasa teknologi.
UNESCO menempatkan human-centred mindset dan etika sebagai bagian inti kompetensi AI siswa. Itu relevan sekali di sini.
Membuat solusi berarti melihat orang lain.
Bukan hanya memperlihatkan kemampuan teknis sendiri.
Buat versi kecil dulu
Remaja sering punya ide terlalu besar.
“Aplikasi nasional.”
“AI untuk semua sekolah.”
“Platform pendidikan.”
Mulai kecil.
Satu masalah.
Satu kelompok pengguna.
Satu prototipe.
Satu minggu uji.
Misalnya hanya membantu siswa menemukan kontak kegiatan ekstrakurikuler.
Kalau itu bekerja, tambah.
Versi kecil memberi anak kesempatan belajar tanpa tenggelam dalam kompleksitas.
Mereka mengalami siklus nyata:
masalah,
riset,
desain,
build,
test,
fail,
revisi.
Siklus itu lebih penting daripada seberapa banyak fitur.
AI dapat mempercepat build, tetapi tidak menggantikan semua tahap lain.
Dokumentasikan kontribusi manusia dan AI
Dalam proyek sekolah, siswa bisa membuat catatan singkat.
AI digunakan untuk:
mengelompokkan pertanyaan,
membantu menulis prototipe kode,
mencari variasi wording,
menguji beberapa skenario.
Manusia melakukan:
wawancara,
memilih masalah,
memeriksa informasi,
menentukan aturan,
menguji pengguna,
memperbaiki,
menyetujui output final.
Dokumentasi ini mengajarkan ownership.
Mereka tidak perlu pura-pura tidak menggunakan AI.
Mereka justru menunjukkan cara penggunaan yang bertanggung jawab.
Kalau suatu hari sistem salah, tim juga lebih mudah melihat proses pembuatannya.
Jadikan proyek sebagai latihan kerja masa depan
World Economic Forum menempatkan skill teknologi seperti AI dan big data sebagai area yang tumbuh, bersamaan dengan analytical thinking, creativity, resilience, leadership, collaboration, dan curiosity.
Proyek solusi kecil menggabungkan semuanya.
Anak belajar AI.
Tetapi juga belajar bertanya kepada pengguna.
Membuat keputusan.
Mengatur tugas.
Menerima kritik.
Menangani kegagalan.
Menjelaskan ide.
Memperbaiki.
Itulah alasan “membuat solusi” lebih kaya daripada “belajar tool”.
Tool adalah satu bagian.
Proyek memaksa skill saling bertemu.
Tidak harus diluncurkan
Beberapa minggu kemudian, kelompok siswa tadi punya prototipe.
Apakah sekolah langsung memasangnya?
Tidak.
Pihak sekolah melihat proyeknya.
Mereka menemukan beberapa hal yang perlu diperbaiki sebelum dipakai luas.
Siswa tidak kecewa lama.
Mereka sudah mendapatkan sesuatu yang lebih penting daripada status “launch”.
Mereka tahu bagaimana satu ide berubah setelah bertemu kenyataan.
Awalnya mereka ingin chatbot.
Kemudian mereka menemukan masalah.
Membersihkan informasi.
Membuat prototype.
Melihat AI salah.
Mengurangi fitur.
Menambah jalur manusia.
Menguji.
Itulah proses membuat.
Seorang anggota tim berkata:
“Ternyata bagian paling lama bukan AI-nya.”
Temannya bertanya, “Apa?”
“Nyari info yang bener.”
Yang lain menambahkan, “Sama nanya orang.”
Mereka tertawa.
Tetapi itulah pelajaran.
Dari luar, AI membuat solusi terlihat seperti urusan model dan prompt.
Dari dalam, solusi yang baik adalah urusan manusia, masalah, data, pilihan, risiko, dan evaluasi.
Remaja yang hanya menjadi konsumen akan terus menunggu teknologi berikutnya memberi sesuatu.
Remaja yang belajar menjadi pembuat akan melihat dunia berbeda.
Mereka mulai memperhatikan:
“Ini bisa diperbaiki.”
“Siapa yang kesulitan?”
“Informasi apa yang kurang?”
“Apakah AI membantu?”
“Apa risikonya?”
“Bagaimana kita menguji?”
Tidak semua anak harus menjadi founder.
Tidak semua proyek harus menjadi startup.
Tidak semua masalah butuh AI.
Tetapi semua remaja bisa mendapat manfaat dari creator mindset.
Karena pada akhirnya, masa depan teknologi tidak hanya dibentuk oleh orang yang paling sering memakai AI.
Ia juga dibentuk oleh orang yang mampu memutuskan masalah mana yang layak diselesaikan, bagaimana teknologi digunakan, dan untuk siapa solusi itu dibuat.