Teman Satu Kelompok Kerja Keras, Satu Anak Tinggal Prompt AI

“Gue dari kemarin cari data.”

“Aku bikin desain.”

“Rani wawancara.”

“Terus Bimo?”

Semua menoleh.

Bimo membuka laptop.

“Gue bikin kesimpulan.”

“Sejak kapan?”

“Barusan.”

“Barusan gimana?”

“AI.”

Ruangan langsung berubah.

Bukan karena AI.

Karena tiga anak merasa bekerja berjam-jam sementara satu anggota masuk di akhir, mengetik prompt, lalu mengklaim bagian penting proyek.

Konflik seperti ini sebenarnya masalah lama.

Dalam proyek kelompok selalu ada free rider.

Ada yang kerja banyak.

Ada yang muncul saat presentasi.

Ada yang namanya ikut tetapi kontribusinya tipis.

AI menambah versi baru:

free rider bisa terlihat produktif karena dalam lima menit ia menghasilkan satu halaman rapi.

Masalahnya bukan sekadar teknologi.

Masalahnya fairness, ownership, dan bagaimana kelompok membagi kerja.

Jangan langsung debat “AI boleh atau tidak”

Teman-temannya marah.

“Ini curang.”

Bimo membela:

“Bu guru kan bilang AI boleh.”

Keduanya mungkin benar sebagian.

AI memang boleh.

Tetapi izin tool tidak otomatis berarti kontribusi adil.

Pertanyaannya:

Apa tugas Bimo?

Apa kesepakatan kelompok?

Apa yang seharusnya ia kerjakan?

Apakah AI menggantikan seluruh kontribusinya?

Apakah output dibaca dan dinilai kelompok?

Kalau tugasnya “menyusun kesimpulan berdasarkan data kelompok”, Bimo tetap harus memahami data.

Ia tidak cukup memberi AI semua bahan lalu menerima paragraf.

Kesimpulan adalah reasoning.

Jika AI membuat reasoning utama, kontribusi Bimo perlu dipertanyakan.

Buat kerja kelompok berbasis deliverable kecil

Masalah free rider sering muncul karena pembagian terlalu kabur.

“Bimo bagian kesimpulan.”

Itu satu tugas besar yang baru terlihat di akhir.

Lebih baik:

Bimo membaca data.

Bimo menulis tiga temuan.

Bimo membawa draft kesimpulan.

Kelompok diskusi.

Final disusun.

Ada jejak.

AI boleh membantu feedback sesuai aturan.

Dengan deliverable kecil, kontribusi terlihat sebelum deadline.

Kelompok tidak perlu menunggu hari terakhir baru sadar satu orang belum kerja.

Ini bukan micro-management berlebihan.

Untuk proyek sekolah, sedikit struktur membantu fairness.

AI membuat output final terlalu mudah diproduksi sehingga process checkpoints makin penting.

Guru bisa menilai kontribusi, bukan hanya produk kelompok

Kalau semua siswa mendapat nilai sama hanya karena slide bagus, free rider mendapat reward.

Sekolah bisa menambah individual component.

Refleksi.

Pertanyaan lisan.

Contribution log.

Peer feedback.

Bagian individual.

Tidak harus rumit.

Misalnya:

“Tulis tiga kalimat: kontribusimu, keputusan yang kamu bantu buat, dan satu hal yang kamu pelajari.”

Guru mendapat evidence.

AI bisa membantu menulis kalimat tersebut, jadi jangan hanya menilai gaya.

Bisa follow-up:

“Ceritakan.”

Human judgment.

UNESCO menekankan human agency dan critical thinking dalam AI education. Dalam kerja kelompok, agency perlu terlihat sebagai tindakan dan keputusan nyata siswa.

Bukan sekadar nama di halaman pertama.

Peer evaluation bisa membantu, tapi jangan jadi ajang balas dendam

Teman marah bisa memberi:

“Bimo nol.”

Mungkin benar.

Mungkin emosional.

Peer evaluation perlu struktur.

Pertanyaan:

“Apakah anggota hadir?”

“Apakah memenuhi tugas yang disepakati?”

“Apakah bisa menjelaskan bagian yang dibuat?”

“Apakah memberi kontribusi pada keputusan?”

“Apakah memperbaiki pekerjaan setelah feedback?”

Lebih baik daripada:

“Siapa paling males?”

Rubrik mengurangi drama.

Guru tetap memeriksa.

Peer feedback adalah evidence tambahan.

Bukan pengadilan.

Bimo mungkin punya alasan yang tidak diketahui teman.

Sakit.

Masalah keluarga.

Tidak punya akses.

Bingung tugas.

Fairness membutuhkan konteks.

AI output tidak sama dengan kontribusi

Ini titik penting.

Seseorang bisa menghasilkan 1.000 kata AI dan berkontribusi lebih sedikit daripada teman yang melakukan satu wawancara 15 menit tetapi menghasilkan data penting.

Volume bukan kontribusi.

Polish bukan kontribusi.

Kontribusi adalah nilai yang ditambahkan lewat kerja, judgment, dan tanggung jawab.

Kalau Bimo menggunakan AI untuk merapikan tiga temuan yang ia sendiri tarik dari data, itu kontribusi.

Kalau ia belum membaca data lalu meminta AI “buat kesimpulan”, contribution thin.

Kelompok perlu membedakan.

Jangan terpesona karena hasilnya paling rapi.

Tanya:

“Dasarnya apa?”

“Kenapa kesimpulannya ini?”

“Data mana yang mendukung?”

Kalau ia tidak bisa menjawab, output belum menjadi kontribusi intelektual.

AI bisa memperbesar ketimpangan kerja

Anak yang mahir AI terlihat cepat.

Anak lain kerja manual.

Bisa muncul rasa:

“Ngapain gue repot?”

Ini berbahaya untuk budaya kelompok.

Solusinya bukan melarang anak mahir.

Gunakan skill-nya untuk kelompok.

Misalnya Bimo menjadi AI facilitator.

Tetapi perannya punya batas.

Ia membantu semua anggota:

membuat pertanyaan,

mencari alternatif layout,

mengecek struktur.

Bukan mengambil semua pekerjaan lalu menjadi pusat.

Skill teknologi harus didistribusikan.

Bimo bisa menjelaskan prompt yang dipakai.

Teman lain ikut menilai output.

Sekarang knowledge transfer terjadi.

Kelompok jadi lebih kuat.

Bukan makin timpang.

Kalau AI memang mempercepat, waktu yang tersisa dipakai untuk apa?

Ini pertanyaan bagus.

Bimo bilang:

“Dengan AI kan lebih cepat.”

Oke.

Cepat bukan dosa.

Kalau satu bagian selesai 10 menit, gunakan waktu tersisa untuk:

cek data,

fact-check,

latihan presentasi,

memperbaiki visual,

membantu teman,

menguji kesimpulan.

Efisiensi seharusnya menghasilkan ruang untuk kualitas.

Bukan ruang untuk menghilang.

Inilah beda productivity dan free riding.

AI menghemat waktu?

Bagus.

Tanggung jawab tetap ada.

Jangan memaksa semua anggota memakai AI supaya “adil”

Ada anak yang tidak nyaman.

Tidak punya akses.

Tidak boleh akun tertentu.

Atau memilih cara lain.

Fairness bukan semua orang harus memakai tool sama.

Fairness berarti kesempatan dan beban kerja proporsional.

Satu anggota bisa riset manual.

Satu desain.

Satu wawancara.

Satu menggunakan AI sebagai support.

Yang penting semua pekerjaan sesuai tujuan dan aturan.

Guru juga harus mempertimbangkan akses.

Kalau proyek menilai kemampuan AI, sekolah perlu menyediakan kondisi yang cukup adil.

Kalau AI hanya opsional, jangan membuat pengguna AI otomatis mendapat keuntungan nilai hanya karena hasilnya lebih polished.

Rubrik harus menilai learning goals.

Konflik perlu diselesaikan sebelum presentasi

Kelompok tadi hampir meledak.

Rani berkata:

“Gue enggak mau nama dia masuk.”

Bimo:

“Ya udah, gue keluar.”

Ini momen guru atau fasilitator perlu membantu.

Bukan karena AI.

Karena teamwork.

Guru bisa bertanya:

“Apa kesepakatan awal?”

“Apa yang belum dipenuhi?”

“Apa yang masih bisa diperbaiki sebelum deadline?”

Solusi mungkin:

Bimo harus membaca data.

Menulis ulang kesimpulan dengan bahasanya.

Menunjukkan hubungan ke evidence.

Membantu latihan presentasi.

Kelompok review.

Ada kesempatan repair.

Proyek kelompok juga mengajarkan memperbaiki kontribusi yang terlambat.

Tidak semua konflik harus berakhir pengusiran.

Tetapi jangan juga menutupi ketimpangan hanya demi “kompak”.

Keadilan penting.

AI disclosure bisa masuk dalam contribution log

Misalnya:

Rani: wawancara dan transkrip.

Dika: observasi dan data.

Ayu: desain dan visual.

Bimo: menyusun temuan, menggunakan AI untuk feedback struktur dan grammar.

Lebih jelas.

Jika AI membuat keseluruhan kesimpulan:

tulis.

Guru bisa menilai apakah sesuai aturan.

Transparansi mengurangi konflik:

“Gue kira lo bikin.”

“Oh, ternyata AI.”

Kalau dari awal terlihat, kelompok bisa mengubah pembagian.

Jangan tunggu final.

Ada pelajaran integritas yang lebih besar

Bimo mungkin berkata:

“Yang penting hasil kelompok bagus.”

Ini mindset yang perlu dibahas.

Dalam dunia kerja pun, output penting.

Tetapi pendidikan tidak hanya menilai output.

Sekolah sengaja membuat anak bekerja kelompok supaya belajar proses sosial.

Negosiasi.

Reliability.

Pembagian kerja.

Accountability.

AI bisa menghasilkan slide bagus.

Tidak bisa menggantikan latihan menjadi rekan satu tim yang bisa dipercaya.

Kalau anak belajar:

“Selama hasil akhir bagus, kontribusiku tidak penting,”

kita kehilangan salah satu tujuan proyek.

Teamwork adalah kompetensi manusia.

Ia harus dilatih lewat perilaku nyata.

Orang tua juga perlu hati-hati saat membantu proyek kelompok

Ada orang tua yang malam-malam mengambil alih.

“Biar cepat, sini Mama bikin.”

Atau memakai AI dan mengirim hasil.

Anak kemudian mengirim ke grup:

“Bagian gue selesai.”

Padahal bukan.

Prinsip sama.

Bantuan orang tua atau AI tidak boleh menghilangkan ownership.

Orang tua boleh bertanya:

“Tugas kamu apa?”

“Sudah coba?”

“Apa yang bikin mentok?”

Bantu secukupnya.

Jangan menyelesaikan.

Kalau anak terlambat, ia perlu belajar berkomunikasi ke kelompok.

“Maaf, aku belum selesai. Aku bisa kirim jam delapan.”

Itu juga pembelajaran.

AI jangan dipakai untuk menutupi keterlambatan dengan output instan.

Kelompok juga bisa membuat “recovery plan” untuk anggota yang tertinggal.

Bukan berarti free riding dibiarkan.

Tetapi proyek pendidikan sebaiknya memberi kesempatan repair.

Misalnya anggota belum berkontribusi sampai H-1.

Daripada langsung menghapus nama, kelompok dan guru bisa menentukan tugas yang masih nyata:

validasi dua sumber,

latihan menjawab pertanyaan presentasi,

memeriksa data,

menulis refleksi kontribusi,

atau memperbaiki bagian yang memang ia pahami.

Tidak boleh tugas palsu hanya supaya terlihat ikut.

Kontribusinya harus memiliki nilai.

Jika ia tetap tidak menjalankan, barulah consequence mengikuti kebijakan guru.

Recovery plan mengajarkan sesuatu yang penting.

Reliability bukan berarti tidak pernah gagal.

Juga berarti memperbaiki ketika kita terlambat.

AI dapat membantu anak mengejar ketertinggalan, tetapi tidak boleh menjadi mesin yang membuat kegagalan kontribusi seolah tidak pernah terjadi.

Dan guru perlu membedakan dua masalah:

anak tidak bekerja,

atau anak tidak tahu cara masuk kembali setelah tertinggal.

Responsnya bisa berbeda.

Fairness tetap dijaga.

Tetapi pendidikan tidak kehilangan fungsi membangun tanggung jawab.

Kelompok akhirnya membuat ulang kesepakatan

Guru memberi mereka 20 menit.

Bimo harus membaca semua hasil wawancara.

Ia menandai tiga pola.

Salah satunya:

banyak siswa membuang sampah salah karena label tempat sampah kurang jelas.

Ia berkata:

“Yang ini penting.”

Rani menjawab:

“Nah, dari kemarin gue bilang.”

Bimo menulis dua kalimat.

Tidak terlalu rapi.

Lalu mereka meminta AI:

“Cari satu kelemahan logika dalam kesimpulan ini. Jangan rewrite.”

AI menunjukkan bahwa mereka belum punya cukup data untuk mengatakan “semua siswa”.

Mereka ubah menjadi:

“Sebagian responden.”

Dika berkata:

“Ini baru kepake.”

Bimo mengangguk.

AI tetap membantu.

Tetapi sekarang ia membantu kelompok yang sudah bekerja.

Bukan menggantikan anggota yang tidak bekerja.

Hari presentasi, guru bertanya:

“Siapa menyusun kesimpulan?”

Bimo mengangkat tangan.

“Dengan AI?”

“AI bantu ngecek. Tapi aku baca data dan nulis dulu.”

“Bisa jelaskan temuan utama?”

Ia bisa.

Itulah perbedaan yang perlu dicari.

Teman satu kelompok kerja keras sementara satu anak tinggal prompt AI bukan semata masalah AI.

Itu masalah fairness yang teknologi buat makin mudah disamarkan.

Solusinya tidak cukup “AI dilarang”.

Kita perlu membuat kontribusi terlihat.

Membagi pekerjaan.

Menilai proses.

Memberi kesempatan memperbaiki.

Dan mengajarkan satu prinsip yang berlaku bahkan ketika tool makin canggih:

menjadi anggota kelompok berarti hadir dalam pekerjaan, bukan hanya hadir di daftar nama.

Leave a Comment

Your email address will not be published. Required fields are marked *

Scroll to Top