Dunia pendidikan tinggi sedang menghadapi persoalan yang semakin serius. Kecerdasan buatan atau Artificial Intelligence (AI) kini mampu menyelesaikan berbagai tugas akademik dalam hitungan detik. Mahasiswa dapat memperoleh jawaban yang benar, lengkap dengan penjelasan yang terlihat meyakinkan. Namun, muncul pertanyaan penting yang perlu direnungkan oleh para pendidik. Apakah jawaban yang benar masih dapat menjadi bukti bahwa mahasiswa benar-benar memahami materi yang dipelajari?

Persoalan tersebut mendorong Richard Borcherds, profesor matematika di University of California, Berkeley, Amerika Serikat, mengambil langkah yang tidak biasa. Ilmuwan penerima Fields Medal tahun 1998 ini mengubah pendekatannya dalam menilai pekerjaan rumah mahasiswa. Ia tidak lagi menjadikan ketepatan jawaban sebagai dasar utama pemberian nilai. Sebaliknya, penilaian lebih diarahkan pada penyelesaian dan pengumpulan tugas. Keputusan tersebut muncul karena semakin sulit membedakan hasil pemikiran mahasiswa dengan jawaban yang dihasilkan melalui bantuan AI.

Langkah Borcherds memperlihatkan perubahan besar dalam dunia pendidikan. Selama bertahun-tahun, ketepatan jawaban sering menjadi ukuran utama keberhasilan belajar. Mahasiswa yang mampu menyelesaikan soal dengan benar dianggap telah menguasai materi. Akan tetapi, kehadiran AI membuat anggapan tersebut perlu dikaji kembali. Jawaban yang benar belum tentu berasal dari proses berpikir mahasiswa. Seseorang dapat menyerahkan tugas dengan hasil sempurna tanpa memahami konsep, prosedur, maupun alasan ilmiah yang mendasarinya.

Situasi ini juga menimbulkan persoalan keadilan dalam penilaian. Mahasiswa yang berusaha menyelesaikan tugas secara mandiri mungkin memperoleh nilai lebih rendah karena melakukan kesalahan. Sementara itu, mahasiswa yang menyerahkan jawaban hasil AI dapat memperoleh nilai tinggi tanpa melalui proses belajar yang sebanding. Jika kondisi tersebut terus berlangsung, nilai akademik berisiko kehilangan kemampuannya untuk menggambarkan kompetensi mahasiswa secara akurat. Sistem penilaian yang seharusnya mendorong pembelajaran justru dapat memberi keuntungan kepada mereka yang paling terampil menghasilkan jawaban menggunakan teknologi.

Kekhawatiran serupa juga disampaikan Eric Klopfer, profesor di Massachusetts Institute of Technology (MIT). Menurutnya, pekerjaan rumah memiliki dua fungsi penting, yaitu membantu mahasiswa mengembangkan pemahaman dan memberikan informasi kepada dosen mengenai perkembangan belajar mereka. Kehadiran AI membuat fungsi kedua semakin sulit dijalankan. Dosen tidak lagi dapat memastikan bahwa pekerjaan yang dikumpulkan sepenuhnya menggambarkan kemampuan mahasiswa. Di sisi lain, menghapus tugas atau mengurangi penilaiannya secara berlebihan juga berpotensi mengurangi kesempatan mahasiswa untuk berlatih dan memperdalam pengetahuan.

Perubahan ini menuntut perguruan tinggi untuk memikirkan kembali cara mengukur hasil belajar. Ujian lisan, presentasi individual, diskusi mendalam, demonstrasi keterampilan, dan penyelesaian masalah secara langsung dapat menjadi alternatif yang relevan. Melalui pendekatan tersebut, dosen memiliki kesempatan untuk menelusuri pemahaman mahasiswa secara lebih mendalam. Mahasiswa tidak cukup hanya menunjukkan jawaban akhir. Mereka juga harus mampu menjelaskan proses berpikir, mempertahankan argumentasi, menghubungkan konsep, serta menjawab pertanyaan lanjutan berdasarkan pengetahuan yang dimiliki.

Namun, perubahan metode penilaian tidak berarti perguruan tinggi harus melarang penggunaan AI secara menyeluruh. Teknologi ini tetap memiliki potensi besar untuk mendukung pembelajaran. AI dapat membantu mahasiswa menemukan sumber informasi, memahami konsep yang sulit, mengembangkan gagasan, dan memperoleh umpan balik awal terhadap pekerjaannya. Persoalan muncul ketika mahasiswa menggunakan AI untuk menggantikan seluruh proses berpikir. Oleh karena itu, perguruan tinggi perlu menetapkan aturan penggunaan AI yang jelas, sekaligus membangun kemampuan mahasiswa untuk mengevaluasi dan mempertanggungjawabkan informasi yang dihasilkan teknologi tersebut.

Fenomena di Berkeley memberikan pelajaran penting bagi perguruan tinggi di Indonesia. Penilaian akademik perlu bergerak melampaui pemeriksaan hasil akhir dan memberikan perhatian lebih besar pada proses pembelajaran. Dosen perlu merancang tugas yang mendorong mahasiswa melakukan observasi, mengolah data, menganalisis persoalan nyata, menyusun argumentasi, serta mempertahankan hasil pekerjaannya. Penilaian juga dapat menggabungkan produk akhir dengan dokumentasi proses, refleksi individual, dan verifikasi pemahaman melalui interaksi langsung. Pendekatan ini memungkinkan penggunaan AI tetap berlangsung tanpa menghilangkan tanggung jawab intelektual mahasiswa.

Tantangan berikutnya terletak pada kesiapan dosen. Perubahan teknologi menuntut perubahan cara mengajar, merancang tugas, dan mengevaluasi pembelajaran. Dosen tidak cukup hanya mengetahui bahwa mahasiswa menggunakan AI. Mereka juga perlu memahami kemampuan dan keterbatasan teknologi tersebut agar mampu menyusun asesmen yang relevan. Tugas yang hanya meminta mahasiswa menjelaskan definisi, merangkum teori, atau menjawab pertanyaan umum semakin mudah diselesaikan oleh AI. Karena itu, penilaian perlu memberi ruang lebih besar bagi penerapan konsep, penalaran kritis, evaluasi bukti, dan pengambilan keputusan berdasarkan konteks nyata.

Di tengah perkembangan AI, perguruan tinggi menghadapi tantangan yang lebih besar daripada sekadar mendeteksi kecurangan akademik. Institusi pendidikan harus memastikan bahwa mahasiswa tetap mengalami proses belajar yang bermakna. Kemampuan berpikir kritis, kreativitas, pemecahan masalah, dan tanggung jawab akademik tidak dapat diukur hanya dari kualitas jawaban tertulis. Kompetensi tersebut perlu dibuktikan melalui kemampuan mahasiswa menjelaskan, menerapkan, menguji, dan mempertahankan pengetahuannya secara mandiri.

Keputusan seorang profesor di Berkeley mungkin terlihat sederhana, tetapi persoalan yang melatarbelakanginya sangat mendasar. Ketika mesin semakin mampu memberikan jawaban yang benar, pendidikan tinggi perlu semakin serius memastikan siapa yang benar-benar memahami jawaban tersebut. Pada akhirnya, tantangan terbesar pendidikan di era AI bukan lagi bagaimana membuat mahasiswa mampu menjawab pertanyaan, melainkan bagaimana memastikan mereka tetap mampu berpikir ketika teknologi sudah menyediakan jawabannya.