Satu kebijakan.
“Mulai semester depan, semua kelas harus menggunakan AI minimal dua kali seminggu.”
Di sekolah kota, guru bertanya:
“Pakai platform yang mana?”
Di sekolah daerah, guru bertanya:
“Internetnya kapan?”
Kebijakan yang sama bisa menghasilkan pengalaman yang sangat berbeda.
Inilah alasan strategi AI di sekolah tidak boleh terlalu seragam.
Tujuan nasional bisa sama.
Semua siswa memahami AI.
Menggunakan dengan aman.
Bisa memeriksa.
Punya kesempatan membuat.
Tetapi jalur implementasi perlu menyesuaikan konteks.
Sekolah kota dan daerah menghadapi tantangan berbeda.
Bukan berarti satu lebih maju secara intelektual.
Yang berbeda adalah infrastruktur, akses perangkat, kapasitas guru, bahasa, dukungan teknis, biaya, dan kebutuhan lokal.
UNICEF pada 2026 menyebut geografi, pendapatan, dan kesempatan sebagai bagian dari AI divide.
Komdigi masih memprioritaskan konektivitas di wilayah 3T.
Artinya, strategi pendidikan AI harus context-aware.
Bukan copy-paste.
Target sama, metode berbeda
Bayangkan target:
“Siswa mampu mengenali bahwa AI bisa menghasilkan informasi salah.”
Sekolah kota:
anak masing-masing membuka chatbot.
Menguji tiga prompt.
Membandingkan jawaban.
Sekolah daerah:
guru membawa lima contoh output yang sudah dicetak.
Kelompok menganalisis.
Saat koneksi tersedia, satu perangkat digunakan untuk mengecek.
Tujuan tercapai.
Metodenya berbeda.
Ini prinsip penting.
Jangan membuat metode menjadi tujuan.
Kalau kurikulum terlalu fokus:
“Gunakan aplikasi X.”
sekolah dengan kondisi berbeda akan kalah sebelum mulai.
Lebih baik fokus kompetensi.
“Anak bisa memverifikasi output.”
Sekolah bebas memilih cara.
Sekolah kota perlu mengendalikan overuse
Sekolah dengan akses melimpah punya masalah sendiri.
Anak bisa menggunakan AI terlalu sering.
Setiap tugas.
Setiap pertanyaan.
Setiap ringkasan.
Guru harus memikirkan batas.
Kapan AI boleh?
Kapan tidak?
Kapan siswa harus menunjukkan proses?
Bagaimana plagiarism dan academic integrity?
Bagaimana privacy?
Bagaimana menjaga kemampuan menulis dan membaca?
Strategi kota tidak selalu “lebih banyak AI”.
Kadang justru “lebih intentional AI”.
Karena kemudahan akses dapat menciptakan ketergantungan.
Sekolah daerah perlu mengoptimalkan scarcity
Kalau perangkat sedikit, desain kelompok penting.
Satu ponsel empat siswa.
Peran dibagi.
Operator.
Pencatat.
Verifier.
Challenger.
Koneksi ada seminggu sekali.
Pertanyaan disiapkan offline.
Output disimpan.
Analisis dilakukan tanpa internet.
Scarcity tidak ideal.
Tetapi bisa didesain.
Guru tidak perlu meminta semua siswa online bersamaan.
Gunakan perangkat secara strategis.
Ini berbeda dari sekolah kota yang justru perlu mengurangi screen dependency.
Bahasa lokal bisa menjadi faktor besar
Sekolah daerah mungkin memiliki siswa yang lebih sering menggunakan bahasa daerah di rumah.
AI tool belum tentu kuat di bahasa tersebut.
Strategi perlu memperhitungkan.
Bisa gunakan bahasa Indonesia untuk tool.
Tetapi diskusi konsep boleh kembali ke bahasa yang dipahami anak.
Guru bisa membuat glosarium bilingual.
Siswa dapat mengevaluasi terjemahan AI.
Proyek AI bisa mendokumentasikan kosakata lokal.
UNESCO pada panduan multilingual education menegaskan hak peserta didik atas pendidikan dalam bahasa yang mereka pahami dan melihat multilingualism sebagai pendekatan penting untuk pendidikan yang inklusif dan efektif.
Konteks bahasa bukan gangguan.
Ia aset pedagogis.
Sekolah kota juga multilingual
Jangan membuat stereotip seolah multilingualism hanya di daerah.
Kota besar juga punya kelas dengan bahasa rumah beragam.
Migrasi.
Keluarga lintas daerah.
Keluarga internasional.
Anak menggunakan bahasa berbeda.
Strategi kota juga harus peka.
Perbedaannya mungkin akses teknologi lebih besar.
Tetapi kebutuhan bahasa tetap ada.
Jadi “kota versus daerah” bukan dua kotak kaku.
Lebih tepat melihat dimensi.
Koneksi.
Perangkat.
Bahasa.
Guru.
Budget.
Technical support.
Culture.
Setiap sekolah punya profil.
Strategi mengikuti profil.
Kapasitas guru mungkin berbeda, tapi tidak bisa diasumsikan
Ada guru di daerah yang sangat tech-savvy.
Ada guru di kota yang belum pernah menggunakan AI.
Jangan menggunakan lokasi sebagai proxy kemampuan.
Lakukan assessment.
Apa yang guru sudah tahu?
Apa yang dibutuhkan?
Pelatihan apa?
Apakah butuh technical support?
Apakah butuh pedagogical support?
Kadang guru bisa pakai tool tetapi bingung membuat tugas.
Kadang paham konsep tetapi perangkat kurang.
Masalah berbeda.
Solusi berbeda.
Pelatihan satu model nasional perlu fleksibilitas lokal.
Sekolah kota bisa menjadi pusat resource sharing
Jika satu wilayah punya sekolah dengan fasilitas lebih kuat, jangan berhenti pada sekolah itu.
Bisa menjadi hub.
Guru dari sekolah lain datang pelatihan.
Perangkat dipakai untuk workshop.
Materi dibagikan.
Proyek bersama.
Anak dari sekolah berbeda bertemu.
Ini membuat investasi punya efek lebih luas.
Namun hindari relasi “sekolah maju mengajari sekolah tertinggal” yang merendahkan.
Kolaborasi harus dua arah.
Sekolah daerah punya pengetahuan lokal.
Masalah lokal.
Bahasa.
Konteks.
Sekolah kota bisa belajar.
AI education menjadi pertukaran.
Bukan transfer satu arah.
Contoh proyek perlu berbeda
Sekolah kota mungkin membahas:
transportasi publik,
sampah apartemen,
informasi sekolah besar,
UMKM digital,
polusi,
media sosial.
Sekolah daerah:
pertanian,
perikanan,
cuaca lokal,
bahasa,
akses layanan,
logistik,
informasi desa.
Bukan karena anak hanya boleh memikirkan masalah lokal.
Tetapi masalah dekat membuat system design lebih nyata.
AI bukan benda abstrak.
Anak bertanya:
“Kalau model ini untuk tanaman di sini, datanya dari mana?”
“Kalau bahasa lokal tidak dikenal?”
“Kalau internet putus?”
Ini high-quality AI literacy.
Konteks menghasilkan pertanyaan yang tidak muncul di demo generik.
Kebijakan perangkat juga bisa berbeda
Sekolah kota mungkin perlu aturan:
ponsel tidak selalu dibuka.
Gunakan pada fase tertentu.
Sekolah daerah mungkin perlu:
jadwal perangkat bersama.
charging.
offline material.
download window.
maintenance.
Punya 10 laptop yang rusak dua bukan sama dengan punya 30 perangkat aktif.
Inventory perlu realistis.
Strategi AI bukan dokumen visi.
Ia harus masuk sampai logistik.
Siapa charge?
Siapa update?
Siapa perbaiki?
Siapa pegang akun?
Bagaimana jika tool berbayar?
Hal kecil menentukan apakah program hidup.
Jangan memaksa real-time cloud untuk semua sekolah
Banyak AI tool bergantung pada cloud.
Kalau koneksi tidak stabil, pengalaman frustrasi.
Sekolah daerah perlu opsi.
Offline material.
Local content cache.
Model kecil jika memungkinkan dan aman.
Atau penggunaan teacher-mediated.
Tidak semua aktivitas harus real-time.
Sekolah kota bisa menggunakan cloud lebih sering.
Tetapi tetap perlu backup.
Internet bisa down di mana saja.
Resilient design bagus untuk semua.
Buat matriks konteks, bukan label kota-daerah
Daripada hanya menulis “sekolah kota” dan “sekolah daerah”, sekolah bisa menilai dirinya pada beberapa dimensi.
Koneksi:
tinggi, sedang, rendah.
Perangkat:
personal, berbagi, sangat terbatas.
Kapasitas guru:
awal, menengah, maju.
Bahasa:
dominan satu bahasa atau multilingual kuat.
Technical support:
ada atau minim.
Budget:
fleksibel atau terbatas.
Sekolah kota bisa ternyata punya perangkat rendah.
Sekolah daerah bisa punya guru sangat kuat.
Matriks lebih jujur daripada stereotip.
Dari sini strategi disusun.
Koneksi rendah + guru kuat:
offline-first project dan scheduled AI labs.
Koneksi tinggi + guru pemula:
pelatihan pedagogi dulu, baru perluasan tool.
Perangkat banyak + governance lemah:
fokus aturan, privasi, dan academic integrity.
Ini contextual strategy.
Buat roadmap tiga tahap
Tahap satu: literacy.
Semua siswa belajar konsep dasar, privasi, bias, verification, dan human oversight.
Tahap dua: guided use.
AI digunakan dalam tugas tertentu dengan aturan jelas.
Tahap tiga: creation.
Siswa membuat proyek, prototype, atau solusi.
Sekolah tidak harus langsung ke tahap tiga.
Kalau governance belum siap, jangan tergoda demo.
Fondasi dulu.
Roadmap juga membuat anggaran lebih rasional.
Tidak perlu membeli semua tool tahun pertama.
Investasi mengikuti readiness.
Jangan ukur kemajuan dari jumlah lisensi
KPI yang lebih sehat bisa berupa:
persentase guru yang memahami aturan AI,
jumlah tugas yang punya disclosure jelas,
kemampuan siswa memverifikasi output,
jumlah insiden privasi yang ditangani,
ketersediaan alternatif akses,
dan kualitas proyek.
Lisensi hanya input.
Kompetensi adalah outcome.
Kalau sekolah membeli 500 akun tetapi anak tidak memahami bias, program belum sukses.
Kalau sekolah cuma punya 20 akun tetapi semua siswa bisa menjelaskan batas AI dan melakukan verification, fondasinya bisa lebih kuat.
Sekolah kota juga punya “daerah tertinggal” di dalam dirinya
Di kota, akses tidak otomatis merata.
Ada siswa yang tinggal di rumah dengan banyak perangkat.
Ada yang berbagi satu ponsel.
Ada yang punya Wi-Fi.
Ada yang mengandalkan kuota.
Jangan membuat strategi kota berasumsi semua keluarga setara.
Survei akses tetap perlu.
Sekolah kota juga harus menyediakan perangkat, ruang belajar, dan alternatif.
Ketimpangan bisa terjadi dalam satu kelas.
Konteks mikro sama pentingnya dengan lokasi geografis.
Evaluation juga perlu adil
Kalau target nasional menilai:
“berapa kali siswa menggunakan AI?”
sekolah kota akan terlihat unggul.
Padahal frekuensi bukan kompetensi.
Lebih baik nilai:
apakah siswa paham batas AI?
bisa memeriksa?
bisa menjaga data?
bisa menjelaskan proses?
bisa mendesain solusi?
Dengan indikator kompetensi, sekolah dengan akses berbeda punya peluang lebih adil.
Ini penting agar KPI tidak memperkuat kesenjangan.
Apa yang diukur akan dikejar.
Kalau yang diukur jumlah login, sekolah akan mengejar login.
Kalau yang diukur pemahaman, desain belajar akan mengejar pemahaman.
Strategi harus dibangun bersama sekolah, bukan untuk sekolah
Guru lokal perlu suara.
Kepala sekolah.
Siswa.
Orang tua.
Pengelola jaringan.
Pemerintah daerah.
Tanya:
Apa hambatan?
Perangkat?
Bahasa?
Biaya?
Waktu?
Kebijakan?
Apa aset?
Guru kreatif?
Komunitas?
Perpustakaan?
Balai desa?
Sekolah lain?
Strategi yang lahir dari kondisi nyata lebih tahan lama daripada paket yang dikirim tanpa konsultasi.
Human-centred AI education dimulai dari human-centred implementation.
Kota dan daerah sama-sama butuh prinsip universal
Walaupun strategi berbeda, ada hal yang tidak boleh berubah.
Keselamatan anak.
Privasi.
Fairness.
Human oversight.
Verification.
Age-appropriate use.
Transparansi.
Academic integrity.
Inclusion.
Prinsip ini universal.
Metode implementasi fleksibel.
Ini kombinasi yang sehat.
Kalau fleksibilitas tanpa prinsip, kualitas bisa kacau.
Kalau prinsip tanpa fleksibilitas, implementasi bisa tidak realistis.
Kembali ke kebijakan dua kali seminggu
Akhirnya kebijakan diubah.
Bukan:
“Semua kelas menggunakan AI dua kali seminggu.”
Tetapi:
“Semua siswa mendapat pembelajaran AI literacy yang mencapai kompetensi tertentu, melalui metode yang sesuai konteks sekolah.”
Sekolah kota membuat lebih banyak hands-on.
Sekolah daerah menggabungkan offline dan online.
Keduanya menunjukkan bukti pemahaman.
Sekarang kebijakan lebih adil.
Sekolah di kota dan daerah memang memerlukan strategi AI yang berbeda.
Bukan karena anaknya berbeda nilainya.
Karena konteksnya berbeda.
Pendidikan yang adil tidak selalu memberikan hal yang sama dengan cara yang sama.
Ia memberikan dukungan yang sesuai agar tujuan belajar tetap bisa dicapai.
AI sendiri dibuat untuk adaptasi.
Ironis kalau strategi pendidikan AI justru tidak adaptif terhadap realitas sekolah.