AI literacy sering terdengar seperti sesuatu yang harus dimulai dengan laptop, aplikasi, atau chatbot. Padahal untuk anak usia SD, banyak konsep penting justru lebih mudah dipahami ketika layar tidak ada di depan wajah mereka.
Bayangkan meja makan setelah sarapan. Ada lima kartu kosong, beberapa pensil warna, tiga kaus kaki yang belum dipasangkan, dan seorang anak yang bertanya, “Ini belajar AI di mana?”
Orang tuanya menjawab, “Belum kelihatan ya?”
“Belum.”
“Bagus. Berarti kita mulai.”
Skenario ini ilustratif, tetapi idenya nyata: sebelum anak belajar memakai sistem AI, ia bisa belajar cara berpikir tentang pola, instruksi, data, ketidakpastian, kesalahan, dan keadilan. Semua itu adalah fondasi AI literacy.
UNESCO dalam AI Competency Framework for Students menempatkan literasi AI dalam beberapa dimensi yang lebih luas daripada sekadar penggunaan alat, termasuk cara berpikir yang berpusat pada manusia, etika, pemahaman AI, dan kemampuan memecahkan masalah. Untuk anak, kita tidak perlu membacakan istilah tersebut. Kita bisa mengubahnya menjadi permainan.
Berikut lima aktivitas yang bisa dilakukan tanpa screen time dan tanpa berpura-pura bahwa ruang keluarga harus berubah menjadi laboratorium komputer.
1. Permainan “Instruksinya Kurang Jelas”
Pilih satu tugas sederhana. Misalnya memindahkan tiga benda dari meja ke kotak.
Orang tua berkata, “Masukkan barang ke kotak.”
Anak memasukkan satu pensil.
“Sudah.”
“Lho, kok cuma pensil?”
“Katanya barang.”
“Berarti instruksinya kurang jelas?”
“Iya.”
Kemudian ulangi dengan instruksi yang lebih spesifik.
“Masukkan semua benda berwarna biru ke kotak merah.”
Permainan ini memperkenalkan gagasan bahwa sistem hanya dapat bekerja berdasarkan informasi dan aturan yang diberikan kepadanya. Manusia sering merasa maksudnya sudah jelas karena kita punya konteks. Komputer tidak selalu memiliki konteks yang sama.
Naikkan level sedikit.
“Ambil benda yang besar.”
Anak mungkin mengambil botol.
Orang tua bertanya, “Besar dibanding apa?”
Sekarang anak melihat masalah lain: beberapa kata bersifat ambigu.
Aktivitas ini bukan pelajaran prompt engineering versi anak. Tujuannya lebih dasar. Anak belajar bahwa ketika hasil tidak sesuai harapan, kita perlu memeriksa instruksi, asumsi, dan konteks. Kadang masalahnya bukan karena “mesinnya bodoh”. Kadang kita sendiri belum menjelaskan dengan baik.
Ini juga mengajarkan satu kebiasaan sehat untuk masa depan: jangan marah pada alat sebelum memahami apa yang sebenarnya diminta.
2. Kotak “Data yang Hilang”
Siapkan beberapa kartu karakter fiktif.
Contoh:
Raka suka menggambar dan sepak bola.
Mira suka membaca dan berenang.
Tono suka memasak dan bermain musik.
Lala suka sepeda dan membuat kerajinan.
Kemudian ambil satu kartu secara diam-diam. Anak harus menebak siapa yang dipilih berdasarkan petunjuk.
“Orangnya suka aktivitas di luar rumah.”
Anak menjawab, “Raka?”
“Bisa.”
“Lala juga bisa.”
“Nah. Berarti satu petunjuk belum cukup.”
Tambahkan petunjuk.
“Dia suka aktivitas dengan roda.”
“Lala!”
Setelah beberapa ronde, hilangkan informasi penting dari beberapa kartu. Misalnya semua kartu hanya berisi satu hobi.
Tanya anak, “Kalau datanya sedikit, tebakan kita jadi gimana?”
“Lebih susah.”
Tepat.
AI sering membuat prediksi atau klasifikasi berdasarkan data. Anak tidak perlu memahami model statistik untuk menangkap prinsip dasarnya: kualitas dan kelengkapan informasi memengaruhi hasil.
Lalu tambahkan bagian yang lebih menarik.
“Kalau kita cuma punya kartu anak yang suka olahraga, apakah kita bisa menyimpulkan semua anak suka olahraga?”
“Tentu nggak.”
Itulah pintu sederhana menuju pemahaman tentang representasi data. Jika contoh yang kita lihat tidak mewakili semua orang, kesimpulan bisa menyimpang.
Tidak perlu memakai kata bias pada menit pertama. Setelah konsepnya dipahami, istilahnya bisa diperkenalkan pelan-pelan.
3. “Robot Manusia” yang Tidak Boleh Menebak Maksud
Satu anggota keluarga menjadi robot. Yang lain memberi instruksi untuk membuat sesuatu, misalnya menyusun tiga gelas plastik dan dua sendok menjadi pola tertentu.
Aturan robotnya aneh: robot hanya boleh melakukan persis apa yang dikatakan.
Anak berkata, “Taruh gelas di sana.”
Robot menjawab, “Di mana itu?”
“Di sebelah sendok.”
“Sendok yang mana?”
“Yang kanan.”
“Kanannya siapa?”
Biasanya permainan ini cepat berubah jadi lucu. Tetapi humornya punya fungsi.
Anak merasakan sendiri betapa banyak asumsi tersembunyi dalam percakapan manusia. Kita mengandalkan arah pandang, gesture, kebiasaan, pengalaman bersama, dan pengetahuan dunia yang tidak selalu diucapkan.
Sistem komputer juga bekerja dengan representasi tertentu. AI modern memang jauh lebih fleksibel daripada program lama yang hanya mengikuti instruksi kaku. Namun hasilnya tetap dibentuk oleh data, desain sistem, konteks, dan input yang tersedia.
Setelah permainan, orang tua bisa bertanya, “Kenapa tadi Robot Ayah sering salah?”
“Karena Ayah nggak mau ngerti.”
“Boleh. Tapi kalau sistem memang nggak punya informasi yang kita punya, dia juga bisa salah memahami.”
Ini cara yang lebih konkret daripada mengatakan, “AI tidak mempunyai common sense seperti manusia,” lalu berharap anak mengerti semua nuansanya.
4. Permainan “Siapa yang Tidak Masuk?”
Ambil delapan kartu bergambar tokoh fiktif. Buat variasi sederhana: usia berbeda, aktivitas berbeda, gaya rambut berbeda, alat bantu yang berbeda, latar keseharian berbeda.
Kemudian buat sebuah permainan pura-pura.
“Kita mau bikin klub pembaca cerita. Dari kartu ini, siapa yang menurutmu belum kebagian cerita yang cocok?”
Anak mungkin melihat bahwa semua contoh buku yang tersedia bercerita tentang anak yang tinggal di kota. Atau semua tokohnya bisa berlari sementara satu karakter menggunakan kursi roda. Atau semua contoh keluarga memiliki susunan yang sama.
Pertanyaannya bukan “mana yang salah?” melainkan “siapa yang belum terpikirkan?”
Ini adalah latihan human-centred thinking.
Teknologi yang bagus bukan hanya teknologi yang bekerja cepat. Ia juga perlu mempertimbangkan manusia yang mungkin paling mudah terlewat.
Dalam konteks AI, pertanyaan semacam ini membantu anak memahami bahwa sistem dibuat oleh manusia dan digunakan oleh banyak jenis manusia. Jika data, desain, bahasa, atau asumsi terlalu sempit, sebagian orang bisa mendapat pengalaman yang lebih buruk.
Untuk anak, konsep inclusion lebih mudah dipahami lewat permainan daripada definisi panjang.
Orang tua bisa mengakhiri ronde dengan satu pertanyaan:
“Kalau kita bikin sesuatu untuk banyak orang, siapa yang perlu kita ingat?”
Jawaban anak tidak harus sempurna. Yang penting kebiasaannya terbentuk.
5. “Fakta, Tebakan, atau Cerita?”
Ini mungkin permainan paling sederhana dan paling berguna di era AI generatif.
Orang tua membaca beberapa kalimat.
“Kucing punya empat kaki.”
Anak menjawab, “Fakta.”
“Besok kelas kita pasti paling seru.”
“Tebakan.”
“Seekor kucing terbang ke bulan dengan payung.”
“Cerita.”
Lalu buat lebih sulit.
“Cuaca besok kemungkinan hujan.”
“Tebakan berdasarkan informasi?”
“Bagus.”
“Semua anak suka matematika.”
“Bukan fakta.”
“Kalau ada komputer bilang begitu?”
“Masih bukan fakta.”
Di sinilah permainan menyentuh inti penting AI literacy. Teks yang terdengar rapi belum tentu benar. Kalimat yang disampaikan dengan percaya diri tetap perlu diperiksa.
AI generatif bisa menghasilkan fakta, prediksi, opini, dan cerita dengan gaya bahasa yang sama-sama meyakinkan. Anak perlu belajar mengidentifikasi jenis klaim sebelum memutuskan apakah harus mempercayainya.
Kebiasaan ini akan jauh lebih penting daripada menghafal nama model AI terbaru yang bisa berubah dalam hitungan bulan.
Jangan ubah permainan menjadi ujian
Kesalahan yang mudah terjadi adalah membuat aktivitas AI literacy terasa seperti les tambahan.
Setelah anak salah menebak, orang tua langsung menjelaskan lima konsep sekaligus.
Setelah permainan selesai, muncul kuis.
Setelah kuis, muncul lembar kerja.
Padahal tujuan aktivitas tanpa layar adalah memberi pengalaman konkret dan percakapan yang ringan.
Jika anak mengatakan, “Aku bosan,” itu informasi juga.
Berhenti.
AI literacy bukan kompetisi siapa yang paling cepat mengerti istilah teknologi.
Untuk anak usia SD, satu pertanyaan yang menempel di kepala bisa lebih berharga daripada sepuluh istilah yang dilupakan besok.
Contohnya:
“Datanya cukup nggak?”
“Instruksinya jelas nggak?”
“Siapa yang belum kepikiran?”
“Ini fakta atau tebakan?”
“Kalau hasilnya aneh, apa yang perlu kita cek?”
Lima pertanyaan itu bisa muncul berkali-kali dalam kehidupan sehari-hari.
AI literacy sebenarnya sedang tumbuh ketika anak mulai bertanya seperti itu tanpa diminta.
Satu bonus dari aktivitas seperti ini adalah orang tua bisa melihat cara anak berpikir. Ada anak yang cepat membuat kategori, ada yang lebih suka bertanya, ada yang justru curiga pada aturan permainan. Tidak perlu dipaksa sama. AI literacy bukan satu tipe kecerdasan. Yang ingin dibangun adalah kebiasaan mengamati, memberi alasan, menerima bahwa informasi bisa tidak lengkap, dan bersedia mengubah kesimpulan ketika mendapat bukti baru.
Tanpa layar bukan berarti anti-teknologi
Ada orang tua yang khawatir pendekatan tanpa layar terdengar seperti menjauhkan anak dari dunia digital.
Tidak begitu.
Tujuannya adalah memisahkan konsep dari perangkat.
Anak bisa memahami pola sebelum membuka aplikasi.
Bisa memahami data sebelum membuat akun.
Bisa memahami ketidakpastian sebelum bertanya pada chatbot.
Bisa memahami fairness sebelum mengenal istilah algorithmic bias.
Bisa belajar memeriksa klaim sebelum melihat teks buatan AI.
Saat nanti mereka menggunakan teknologi, konsep itu sudah memiliki tempat di kepala.
Pedoman pemanfaatan teknologi digital dan AI di pendidikan Indonesia pada 2026 menekankan penggunaan yang aman, bertanggung jawab, berpusat pada manusia, serta seimbang dengan aktivitas nondigital. Ini masuk akal untuk keluarga juga. Literasi digital tidak harus berarti semakin banyak menit di layar.
Kadang justru percakapan terbaik tentang teknologi terjadi ketika perangkat sedang mati.
Setelah lima permainan tadi selesai, anak mungkin masih belum bisa menjelaskan apa itu neural network. Tidak masalah.
Ia mungkin belum tahu kata “dataset”. Juga tidak masalah.
Tetapi kalau saat melihat sebuah jawaban ia bertanya, “Kok bisa tahu?” atau “Datanya dari mana?” atau “Kalau contohnya kurang, hasilnya bisa salah, kan?” maka fondasinya sudah bekerja.
Di meja makan tadi, lima kartu akhirnya penuh coretan.
Anak melihatnya lalu bertanya, “Jadi ini belajar AI?”
Orang tuanya menjawab, “Iya. Belajar AI itu bukan cuma belajar pakai mesin. Belajar mikir tentang cara mesin bekerja juga.”
Anak mengangguk, lalu menunjuk kaus kaki yang masih belum dipasangkan.
“Kalau ini?”
“Ini tetap tugas rumah.”
Dan mungkin itu penutup yang paling sehat. AI literacy masuk ke kehidupan keluarga, tetapi tidak perlu mengambil alih seluruh kehidupan keluarga.