Dari Demokratisasi Pengetahuan Menuju Ilusi Kepakaran di Era Generative AI

Sukabumihitz.com – Penggunaan Generative Artificial Intelligence (GenAI) di perguruan tinggi kini menjadi bagian dari aktivitas akademik. Mahasiswa memakai ChatGPT, Gemini, Claude, Copilot, Perplexity, dan berbagai Large Language Models untuk mencari gagasan, memahami teori, merangkum bacaan, memperbaiki bahasa, menyusun tugas, hingga membantu penulisan skripsi dan tesis. Dosen serta peneliti juga memanfaatkan Generative AI untuk menyiapkan materi, menyunting manuskrip, mencari alternatif argumentasi, membantu coding, merangkum literatur, dan melakukan analisis awal terhadap data.

Perkembangan ini menghadirkan persoalan yang lebih besar daripada sekadar menentukan boleh atau tidaknya penggunaan AI. Pertanyaan utamanya ialah sejauh mana AI masih berperan sebagai alat bantu intelektual dan kapan teknologi tersebut mulai menggantikan proses berpikir manusia.

Pertanyaan itu penting karena universitas tidak sekadar menghasilkan tugas, skripsi, tesis, disertasi, atau artikel ilmiah. Perguruan tinggi juga bertanggung jawab membentuk kemampuan mahasiswa dalam memahami persoalan, menilai bukti, menyusun argumen, menguji klaim, dan mempertanggungjawabkan pengetahuan yang mereka hasilkan.

Generative AI Semakin Dekat dengan Aktivitas Akademik

Data terbaru menunjukkan penggunaan Generative AI di perguruan tinggi semakin luas. Higher Education Policy Institute melalui Student Generative Artificial Intelligence Survey 2026 menemukan bahwa 95 persen dari 1.054 mahasiswa sarjana di Inggris menggunakan AI dalam setidaknya satu bentuk. Sebanyak 94 persen responden juga memakai AI untuk membantu pekerjaan yang dinilai. Temuan Stephenson dan Armstrong pada 2026 tersebut menunjukkan bahwa penggunaan AI telah menjadi bagian yang semakin umum dalam aktivitas akademik mahasiswa.

Johnston dan tim melakukan penelitian pada 2024 terhadap 2.555 mahasiswa University of Liverpool dan menemukan pola penggunaan serta penerimaan generative AI yang luas dalam aktivitas akademik. Temuan tersebut menunjukkan bahwa perguruan tinggi perlu mengubah arah pembahasan AI. Fokusnya tidak lagi sekadar memperdebatkan larangan, tetapi juga membahas penggunaan yang bertanggung jawab.

Institusi perlu melihat cara mahasiswa dan akademisi menggunakan AI. Tujuan penggunaan, tahapan akademik yang melibatkan teknologi, serta pihak yang mengambil keputusan intelektual juga perlu mendapat perhatian.

Manfaat Generative AI bagi Aktivitas Akademik

AI memang menawarkan manfaat besar. Mahasiswa dapat meminta penjelasan alternatif mengenai konsep yang sulit, menguji pemahaman terhadap teori, memperbaiki struktur tulisan, atau mencari perspektif awal sebelum membaca literatur secara lebih mendalam. Gruenhagen dan tim dalam penelitian 2024 menunjukkan bahwa penggunaan AI dapat membantu mahasiswa dalam mendukung proses belajar, terutama ketika teknologi digunakan sebagai pendamping pembelajaran. Mahasiswa yang menghadapi kendala bahasa akademik juga dapat memakai AI untuk menyusun kalimat yang lebih jelas.

Peneliti dapat menggunakan AI untuk mengeksplorasi variasi pertanyaan penelitian, membantu debugging kode, merapikan struktur manuskrip, atau mengorganisasi gagasan. Literatur mutakhir juga menunjukkan peluang GenAI dalam personalisasi pembelajaran dan peningkatan efisiensi akademik jika pengguna menerapkannya secara hati-hati. Kasneci dan tim serta Tlili dan tim dalam penelitian mereka pada 2023 sama-sama melihat potensi Generative AI dalam mendukung proses pembelajaran dan aktivitas akademik.

Karena itu, melihat AI hanya sebagai ancaman tentu terlalu sederhana. Dalam konteks Generative AI di perguruan tinggi, manfaat tersebut perlu berjalan bersama kemampuan mahasiswa untuk memahami dan memeriksa informasi yang mereka terima.

Ketika Informasi Terlihat Seperti Kepakaran

Manfaat Generative AI di perguruan tinggi sekaligus memunculkan persoalan baru. Kemampuan memperoleh jawaban dengan cepat dapat membuat seseorang merasa sudah memahami suatu hal hanya karena mampu menghasilkan penjelasan. Padahal, memperoleh informasi, memahami informasi, memiliki kompetensi, dan menjadi ahli merupakan tahapan yang berbeda.

Seseorang dapat mengakses ratusan artikel tanpa memahami teori di dalamnya. Ia juga dapat mengetahui definisi metode penelitian tanpa mampu menerapkannya secara tepat. Bahkan, seseorang bisa menghasilkan penjelasan dengan gaya akademik tanpa memahami asumsi, keterbatasan, dan perdebatan yang melatarbelakangi teori tersebut.

AI memperbesar jarak antara kualitas teks dan kedalaman pemahaman orang yang menghasilkan atau menyerahkan teks tersebut.

Dalam konteks ini, gagasan Tom Nichols dalam The Death of Expertise tetap relevan. Nichols pada 2024 tidak secara khusus membahas teknologi AI, tetapi mengkritik kecenderungan masyarakat menyamakan akses terhadap informasi dengan kepakaran. Internet memang memudahkan masyarakat memperoleh informasi. Namun, kemudahan tersebut tidak otomatis menghasilkan pemahaman yang mendalam.

GenAI membawa persoalan tersebut ke tingkat yang lebih kompleks. Mesin pencari terutama membantu pengguna menemukan informasi. Sementara itu, GenAI mampu menyusun argumentasi, membuat ringkasan, memberikan analisis, dan menghasilkan tulisan dengan gaya yang menyerupai seorang akademisi.

Tantangannya kini bukan hanya soal banyaknya informasi. Kita juga menghadapi kemungkinan seseorang terlihat memiliki keahlian tanpa melalui proses pembentukan keahlian itu sendiri.

Lalu, apakah AI sedang mendemokratisasi kepakaran atau justru mempermudah produksi penampilan yang menyerupai kepakaran?

Mahasiswa dapat menghasilkan tulisan dengan terminologi ilmiah tanpa memahami perkembangan teorinya. Peneliti pun menghadapi risiko serupa ketika mereka memasukkan referensi yang belum pernah dibaca atau menjelaskan metode statistik hanya berdasarkan keluaran AI.

Kemampuan membuat prompt memang menjadi keterampilan baru. Namun, kemampuan memberikan instruksi kepada mesin tidak sama dengan penguasaan suatu disiplin ilmu. Kepakaran tetap membutuhkan pembelajaran, pengalaman, kesalahan, koreksi, pengujian, dan waktu.

Generative AI, Ketergantungan Epistemik, dan Risiko

Persoalan Generative AI di perguruan tinggi dapat kita pahami melalui konsep epistemic dependence. Dalam dunia akademik, ilmuwan tidak menghasilkan seluruh pengetahuannya secara mandiri. Mereka menggunakan hasil penelitian orang lain, database, metode dari komunitas ilmiah, perangkat analisis, dan keahlian berbagai pihak untuk mengembangkan pengetahuan.

Filsuf John Hardwig pada 1985 menjelaskan bahwa ketergantungan epistemik merupakan bagian yang tidak terhindarkan dalam produksi pengetahuan modern. Persoalannya bukan terletak pada ketergantungan itu sendiri, tetapi pada alasan yang membuat seseorang dapat mempercayai suatu sumber.

Dalam ilmu pengetahuan, para peneliti menilai kredibilitas melalui metode yang dapat mereka periksa, sumber yang dapat mereka telusuri, reputasi keilmuan, mekanisme koreksi, serta tanggung jawab atas setiap pernyataan.

GenAI tidak memiliki tanggung jawab epistemik seperti manusia atau komunitas ilmiah. Sistem dapat menghasilkan jawaban dengan bahasa yang meyakinkan meskipun isinya keliru. Ketika pengguna menerima keluaran AI tanpa verifikasi, mereka bukan hanya menghadapi masalah teknis. Mereka juga menyerahkan sebagian keputusan mengenai kebenaran kepada sistem yang tidak dapat mempertanggungjawabkan kesalahannya.

Konsep cognitive offloading yang dibahas Risko dan Gilbert pada 2016 membantu menjelaskan perubahan tersebut. Manusia telah lama menggunakan teknologi untuk mengurangi beban kognitif. Kalkulator membantu perhitungan. Mesin pencari membantu menemukan informasi. Reference manager membantu mengelola pustaka. Perangkat statistik membantu analisis.

Penggunaan teknologi semacam itu tidak otomatis melemahkan kemampuan berpikir. Masalah muncul ketika teknologi mengambil alih kemampuan yang sebenarnya ingin dilatih atau dinilai.