Di ruang rapat sekolah dalam sebuah skenario ilustratif, beberapa guru sedang membahas rencana pembelajaran AI untuk semester berikutnya.
Seorang guru membuka laptop.
“Anak-anak harus belajar bikin prompt yang bagus. Itu kepakai sekarang.”
Guru lain mengangguk, lalu bertanya, “Setuju. Tapi kalau tahun depan cara interaksinya bukan prompt teks lagi?”
“Ya tinggal adaptasi.”
“Kalau begitu, yang harus kita ajarkan sebenarnya apa?”
Ruangan hening sebentar.
Pertanyaan itu layak dibawa jauh lebih luas dari satu rapat sekolah.
Prompt memang berguna. Anak perlu belajar memberi instruksi yang jelas, menyertakan konteks, menetapkan tujuan, memperbaiki pertanyaan, dan mengevaluasi respons. Itu keterampilan praktis yang relevan saat ini.
Tetapi masa depan pelajaran AI Indonesia akan terlalu dangkal kalau keberhasilannya diukur dari kemampuan murid membuat prompt panjang atau mendapatkan keluaran paling keren dari chatbot.
Teknologi bergerak lebih cepat daripada kurikulum.
Antarmuka dapat berubah dari teks menjadi suara, gambar, video, agen otomatis, perangkat fisik, atau bentuk interaksi lain. Model yang populer sekarang bisa tergeser. Fitur yang dianggap canggih hari ini dapat menjadi tombol biasa beberapa tahun lagi.
Kalau sekolah hanya mengajarkan cara mengoperasikan tool masa kini, murid akan terus mengejar teknologi dari belakang.
Yang lebih tahan lama adalah mengajarkan apa yang berada di bawah tool: cara mendefinisikan masalah, memahami data, berpikir komputasional, mengenali pola, menguji hasil, membuat sistem, mempertimbangkan etika, menjaga privasi, dan memahami peran manusia.
Indonesia sebenarnya sudah punya arah yang lebih luas
Per Agustus 2026, Koding dan Kecerdasan Artifisial telah masuk dalam struktur pembelajaran sebagai mata pelajaran pilihan dan diterapkan bertahap. Kemendikdasmen menempatkan pembelajaran mulai dari kelas V SD, kelas VII SMP, dan kelas X SMA/SMK pada tahap awal implementasi, dengan cakupan yang berkembang sesuai jenjang.
Arah resminya tidak berbunyi “pelajaran prompt”.
Portal Koding dan KA Kemendikdasmen menempatkan berpikir komputasional, literasi digital, pemrograman, dan etika kecerdasan artifisial sebagai bagian dari pembelajaran. Materi juga dirancang bertahap dari pendidikan dasar sampai menengah dan dapat memakai pendekatan kontekstual, termasuk aktivitas yang tidak selalu bergantung pada perangkat.
Ini fondasi yang bagus.
Tantangannya ada di pelaksanaan.
Karena generative AI sangat mudah didemonstrasikan, sekolah bisa tergoda mengambil jalur tercepat: buka chatbot, beri prompt, lihat hasil, lalu menyebutnya pembelajaran AI.
Murid memang terkesan.
Tetapi efek wow bukan kompetensi.
Prompt adalah pintu, bukan rumah
Bayangkan seorang siswa bisa menulis:
“Bertindak sebagai tutor fisika kelas X. Jelaskan hukum Newton menggunakan analogi sepak bola, beri tiga contoh, lalu buat latihan bertingkat.”
Itu prompt yang cukup baik.
Tetapi pendidikan AI harus bertanya lebih jauh.
Apakah siswa paham konsep fisikanya?
Apakah ia dapat mengenali jika contoh AI keliru?
Apakah ia tahu mengapa keluaran bisa berbeda ketika instruksi diubah?
Apakah ia bisa belajar tanpa chatbot?
Apakah ia tahu data apa yang tidak seharusnya dibagikan?
Apakah ia dapat menjelaskan kapan penggunaan AI pada tugas diperbolehkan?
Apakah ia memahami bahwa sistem AI dibuat oleh manusia, menggunakan data, desain, aturan, dan tujuan tertentu?
Jika jawabannya belum, kemampuan prompt belum cukup.
Prompt adalah keterampilan antarmuka. Pendidikan harus membangun kemampuan berpikir di balik antarmuka.
Pelajaran AI harus dimulai dari problem framing
Sebelum bertanya “prompt-nya apa?”, murid perlu belajar bertanya “masalahnya apa?”
Ini salah satu kompetensi paling penting dan paling mudah terlewat.
Dalam skenario kelas, guru memberi masalah:
“Antrean kantin terlalu panjang saat istirahat.”
Murid bisa langsung berkata, “Pakai AI buat bikin sistem antrean.”
Guru menahan.
“Masalahnya benar antrean?”
“Ya panjang, Bu.”
“Kenapa panjang?”
Kelas mulai mengurai.
Apakah waktu istirahat terlalu sempit?
Apakah pembayaran lambat?
Apakah menu tertentu membuat proses pelayanan lama?
Apakah semua siswa datang pada waktu yang sama?
Apakah tata letak kantin membuat arus orang tersumbat?
Baru setelah masalah dipahami, teknologi dipilih.
Mungkin AI membantu. Mungkin algoritma sederhana cukup. Mungkin perubahan layout lebih efektif. Mungkin solusinya sama sekali tidak membutuhkan AI.
Anak yang belajar bahwa “tidak semua masalah perlu AI” justru menunjukkan literasi AI yang lebih matang.
Data harus menjadi bahasa sehari-hari
AI tanpa pembahasan data akan terasa seperti sulap.
Pelajaran masa depan perlu membuat murid nyaman bertanya tentang data.
Data dari mana?
Dikumpulkan bagaimana?
Cukup banyak atau tidak?
Siapa yang tidak terwakili?
Apakah data boleh digunakan?
Apakah datanya masih relevan?
Apa yang terjadi jika labelnya salah?
Apa konsekuensinya jika sistem membuat prediksi buruk?
Untuk anak SD, pertanyaan ini bisa muncul melalui kartu gambar atau pengamatan sederhana.
Untuk SMP, melalui klasifikasi, survei, atau proyek data kecil.
Untuk SMA/SMK, diskusinya bisa berkembang ke kualitas dataset, bias, evaluasi model, privasi, atau penggunaan data pada proyek nyata.
Tidak perlu semua murid menjadi data scientist.
Tetapi semua murid yang hidup di era AI perlu mengerti bahwa data bukan bahan bakar ajaib yang netral.
Coding tetap punya tempat
Karena generative AI dapat menulis kode, kadang muncul anggapan bahwa anak tidak perlu belajar coding lagi.
Justru pelajaran coding membantu anak memahami bahwa teknologi dibangun dari instruksi, struktur, logika, kondisi, data, dan keputusan desain.
Tujuannya bukan menjadikan semua murid programmer profesional.
Coding dapat menjadi alat untuk melatih dekomposisi masalah, debugging, ketelitian, abstraksi, dan ketekunan.
Saat program tidak berjalan, murid belajar satu pelajaran yang sangat manusiawi:
komputer tidak otomatis memahami maksud kita.
Kita harus menguji asumsi.
Kita harus mencari bagian yang salah.
Kita harus memperbaiki.
Kebiasaan debugging ini berguna juga ketika menggunakan AI generatif. Jangan menerima output pertama sebagai akhir. Lihat, uji, cari kegagalan, revisi.
Sekolah perlu mengajarkan evaluasi, bukan cuma generasi
AI generatif membuat produksi menjadi sangat murah.
Teks bisa muncul dalam detik.
Gambar bisa muncul dalam detik.
Kode awal bisa muncul dalam detik.
Ide presentasi juga bisa muncul dalam detik.
Kalau produksi makin murah, kemampuan mengevaluasi hasil menjadi makin berharga.
Pelajaran AI perlu memberi murid banyak latihan mengecek.
Mana jawaban yang lebih kuat?
Klaim mana yang punya bukti?
Bagian mana yang terlalu umum?
Apakah ada informasi yang hilang?
Apakah contoh mewakili situasi nyata?
Apakah hasilnya adil bagi kelompok yang terdampak?
Apakah ada risiko keselamatan atau privasi?
Apakah kita tahu batas sistemnya?
Kelas yang hanya meminta murid “buat sesuatu dengan AI” akan menghasilkan banyak output.
Kelas yang meminta murid “pertanggungjawabkan output AI” menghasilkan judgement.
Yang kedua lebih tahan lama.
Etika tidak boleh menjadi slide terakhir
Sering kali teknologi diajarkan selama satu semester, lalu etika muncul pada pertemuan terakhir.
“Gunakan AI dengan bijak.”
Selesai.
Itu terlalu tipis.
Etika perlu masuk ke dalam proyek sejak awal.
Kalau murid membuat sistem rekomendasi kegiatan sekolah, tanyakan siapa yang mungkin tidak terwakili.
Kalau membuat gambar generatif, bahas consent ketika memakai wajah orang.
Kalau menggunakan chatbot untuk belajar, bahas integritas akademik.
Kalau mengunggah data, bahas privasi.
Kalau membuat voice clone untuk tugas kreatif, bahas izin dan potensi penyalahgunaan.
Kalau membuat sistem otomatis, tanyakan siapa yang bertanggung jawab ketika salah.
Etika bukan rem yang dipasang setelah mesin jadi.
Etika adalah bagian dari desain.
Anak harus belajar menjadi pembuat, bukan hanya konsumen
Masa depan pelajaran AI akan lebih sehat kalau murid tidak hanya berada di posisi “meminta”.
Mereka perlu berada di posisi “merancang”.
Tidak semua rancangan harus berupa aplikasi kompleks.
Anak SD bisa membuat aturan klasifikasi dan menguji di mana aturan itu gagal.
Anak SMP bisa membuat prototipe sistem sederhana dan mendiskusikan datanya.
Anak SMA bisa merancang solusi berbasis data, coding, atau model sederhana, lalu menjelaskan keterbatasannya.
Bahkan membuat prototipe di kertas tetap berguna jika murid benar-benar memahami logika sistem.
Saat anak menjadi pembuat, pertanyaannya berubah.
Bukan cuma:
“Aku harus mengetik apa?”
Tetapi:
“Siapa pengguna sistem ini?”
“Masalah apa yang sebenarnya diselesaikan?”
“Data apa yang dibutuhkan?”
“Apa yang bisa salah?”
“Bagaimana kita menguji?”
“Siapa yang bertanggung jawab?”
Itulah perubahan dari konsumsi teknologi ke literasi teknologi.
Guru tidak harus mengejar semua tool
Salah satu risiko kurikulum tool-centric adalah guru dipaksa terus mengejar aplikasi baru.
Hari ini Tool A.
Bulan depan Tool B.
Semester depan ada fitur baru.
Guru akhirnya sibuk belajar antarmuka, sementara tujuan pendidikan tenggelam.
Pendekatan berbasis konsep membuat posisi guru lebih kuat.
Guru tidak harus menjadi orang yang paling cepat menemukan fitur.
Murid mungkin lebih cepat.
Tidak masalah.
Peran guru adalah membantu murid menghubungkan teknologi dengan disiplin berpikir, bukti, nilai, konteks, dan konsekuensi.
Seorang murid bisa berkata, “Bu, ada AI baru yang bisa bikin video dari satu gambar.”
Guru tidak harus langsung tahu semua menunya.
Ia bisa menjawab:
“Oke. Kalau kita pakai, pertanyaan apa yang harus kita tanyakan dulu?”
Kelas mungkin mulai menyebut:
“Izin fotonya.”
“Bisa bikin deepfake nggak?”
“Datanya disimpan atau nggak?”
“Hasilnya harus dikasih label nggak?”
“Kalau orang lain percaya videonya asli gimana?”
Guru tetap memimpin pembelajaran meskipun murid menemukan tool lebih dulu.
AI literacy perlu berpusat pada manusia
UNESCO dalam kerangka kompetensi AI untuk siswa menempatkan pola pikir yang berpusat pada manusia sebagai salah satu dimensi penting, bersama etika AI, teknik dan aplikasi, serta desain sistem.
Ini relevan untuk Indonesia.
Pertanyaan terbesar tentang AI bukan hanya “apa yang bisa dilakukan mesin?”
Tetapi “apa yang ingin dilakukan manusia dengan mesin, untuk siapa, dan dengan batas apa?”
Pelajaran AI yang sehat perlu menjaga agency anak.
Mereka harus tetap punya kemampuan memilih.
Mengkritik.
Menolak.
Mematikan.
Mencari manusia lain.
Membuat alternatif.
Dan berkata, “Untuk masalah ini, AI bukan jawaban terbaik.”
Itu bukan anti-teknologi.
Itu justru tanda bahwa teknologi dipahami sebagai alat.
Cara menilai pelajaran AI juga harus berubah
Kalau yang diuji hanya prompt, murid akan mengoptimalkan prompt.
Kalau yang diuji hanya output, murid akan mengejar output paling impresif.
Penilaian sebaiknya melihat proses.
Bagaimana murid merumuskan masalah?
Bagaimana mereka memilih data?
Apa asumsi yang dibuat?
Bagaimana menguji hasil?
Apa yang gagal?
Apa yang direvisi?
Bagaimana mereka mempertimbangkan risiko?
Bagian mana yang dikerjakan manusia dan bagian mana yang dibantu AI?
Bisakah mereka menjelaskan hasil tanpa sekadar membaca output mesin?
Dengan penilaian seperti ini, murid mendapat pesan yang berbeda: sekolah menghargai thinking trail, bukan hanya tampilan akhir.
Kembali ke ruang rapat
Guru yang tadi bertanya akhirnya menuliskan beberapa kata di papan.
PROMPT
DATA
MASALAH
LOGIKA
EVALUASI
ETIKA
PRIVASI
KREASI
TANGGUNG JAWAB
Ia menunjuk kata pertama.
“Prompt tetap masuk.”
Guru di sebelahnya mengangguk.
“Tapi cuma satu bagian.”
“Betul.”
Kalau masa depan pelajaran AI Indonesia dibangun dengan cara seperti itu, sekolah tidak perlu takut kurikulumnya langsung usang ketika tool baru muncul.
Murid memang tetap perlu belajar memakai teknologi yang tersedia pada zamannya. Tetapi di bawah keterampilan praktis itu, mereka harus membawa fondasi yang lebih dalam: memahami masalah, data, sistem, risiko, dan manusia yang terdampak.
Kita tidak sedang menyiapkan generasi untuk satu chatbot.
Kita sedang menyiapkan anak untuk puluhan tahun hidup di tengah teknologi yang bentuknya belum semuanya kita kenal.
Karena itu, target pelajaran AI tidak boleh sekadar membuat murid bertanya kepada mesin dengan lebih pintar.
Targetnya harus lebih besar: membuat mereka mampu berpikir, membangun, memeriksa, dan mengambil keputusan dengan lebih matang ketika mesin menjadi bagian dari kehidupan sehari-hari.
