AI di Pendidikan Tinggi Kini Jadi Infrastruktur

SEVIMA – Rektor tidak lagi sedang memutuskan apakah kampus perlu AI. Keputusan itu diam-diam sudah terjadi di ruang kelas, kantor program studi, unit pemasaran, dan meja administrasi. Survei UNESCO pada 2 September 2025 mencatat sembilan dari sepuluh responden dari jaringan UNESCO Chairs dan UNITWIN sudah memakai AI dalam pekerjaan profesional mereka. Pada studi EDUCAUSE 2026, lebih dari separuh staf dan dosen memakai AI untuk delapan atau lebih tugas kerja, paling sering untuk brainstorming, menulis email, dan merangkum dokumen atau rapat. Artinya, pemakaian sudah berjalan lebih cepat daripada desain kelembagaan.

Bayangkan satu rapat pimpinan pada Senin pagi. BAAK meminta pedoman pemakaian AI untuk tugas akhir. Tim IT diminta menyiapkan chatbot akademik. Dekan ingin dashboard risiko putus studi. Unit pembelajaran mendorong pelatihan dosen. Semua permintaan itu masuk akal. Yang sering belum ada adalah satu pertanyaan payung: apakah kampus ingin memakai AI sebagai koleksi tool, atau sebagai infrastruktur keputusan?

Pertanyaan ini menentukan arah. Jika AI diperlakukan sebagai tool, tiap unit akan membeli, mencoba, lalu bergerak sendiri. Hasilnya memang cepat di awal, tetapi mudah pecah di tengah jalan. Data tidak seragam, standar etika berbeda antar unit, dan tanggung jawab sulit dilacak ketika ada keluaran yang keliru.

Di Indonesia, skala tanggung jawab itu besar. Kemdiktisaintek menulis pada 8 Maret 2026, dengan rujukan data PDDikti, bahwa ada hampir 10 juta mahasiswa di 4.416 perguruan tinggi di seluruh Indonesia. Pada skala seperti ini, AI tidak aman bila diposisikan sebagai eksperimen satu unit. Kekeliruan kecil di input data, hak akses, atau evaluasi akademik bisa menjalar ke ribuan keputusan sekaligus.

Inilah sebabnya judul besar tahun 2026 bukan lagi “kampus sudah memakai AI atau belum”. Pertanyaan yang lebih tepat adalah: lapisan mana yang harus lebih dulu diberi tata kelola? Angle ini penting karena data global juga menunjukkan gejala yang sama. UNESCO melaporkan bahwa sembilan dari sepuluh responden perguruan tinggi sudah memakai AI untuk kerja profesional, tetapi lebih dari setengah masih ragu pada pemakaian pedagogis, aspek teknologinya, dan implikasinya pada hak asasi, demokrasi, serta keadilan sosial. Bahkan satu dari empat responden menyebut kampus mereka sudah menemui isu etika yang terkait dengan AI.

Dengan kata lain, kampus tidak sedang menghadapi kekurangan adopsi. Kampus sedang menghadapi kelebihan adopsi yang belum sepenuhnya diatur. Ini terlihat juga dari studi EDUCAUSE 2026. Hambatan paling sering disebut bukan soal minat, melainkan laju perubahan AI, kurangnya keahlian, belum banyak praktik baik, keterbatasan waktu belajar, dan banyaknya risiko yang harus dikelola. Jadi, yang dibutuhkan bukan sekadar workshop satu kali. Yang dibutuhkan adalah fondasi kelembagaan.

Mengapa AI di pendidikan tinggi harus diperlakukan sebagai infrastruktur

AI sebagai infrastruktur kampus berarti AI ditata sebagai lapisan yang menopang data, kebijakan, workflow, dan pengembangan SDM. Fokusnya bukan lisensi paling ramai, melainkan alur kerja end-to-end yang aman, terukur, dan bisa diaudit.

Fondasi regulasi untuk itu sebenarnya sudah ada. Database Peraturan BPK mencatat Permendikbudristek Nomor 31 Tahun 2022 tentang Satu Data Pendidikan, Kebudayaan, Riset, dan Teknologi berlaku sejak 15 Juli 2022. Pada database yang sama, Undang-Undang Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi menegaskan hak subjek data, aturan pemrosesan, kewajiban pengendali dan prosesor data, sampai sanksi administratif. Jadi, pembicaraan AI di kampus tidak bisa berhenti di demo produk. Ia harus menyentuh mutu data, izin akses, retensi dokumen, dan jejak keputusan.

UNESCO sudah mengingatkan hal ini lebih awal. Dalam dokumen “Guidance for generative AI in education and research”, UNESCO menulis bahwa laju versi GenAI melampaui adaptasi kerangka regulasi nasional. Akibatnya, privasi data pengguna bisa tidak terlindungi dan institusi pendidikan belum siap memvalidasi alat yang dipakai. Laporan UNESCO lain, “AI and education: Protecting the rights of learners”, juga menegaskan pendekatan human-centred dan rights-based, serta mengingatkan bahwa 2,6 miliar orang di dunia masih belum punya akses internet pada 2024. Pesan untuk kampus jelas: AI yang cepat belum tentu adil, dan AI yang canggih belum tentu layak dipercaya tanpa tata kelola.

Arah kebijakan nasional juga bergerak ke sana. Dalam artikel Kemdiktisaintek berjudul “Kemdiktisaintek dan Komdigi Bahas Kolaborasi Riset dan AI” pada 27 Oktober 2025, perguruan tinggi diposisikan sebagai motor pengembangan talenta AI nasional. Masih di 2025, pengumuman “Tawaran AI Upskilling Program” ditujukan kepada pimpinan perguruan tinggi dan LLDIKTI agar dosen dan mahasiswa punya pemahaman praktis tentang AI. Ini penting. Negara sedang memberi sinyal bahwa AI bukan agenda pinggiran. Ia sudah masuk ke desain talenta, riset, dan kesiapan institusi.

Tekanan dari pasar kerja juga bergerak cepat. World Economic Forum menulis dalam “Future of Jobs Report 2025: 78 Million New Job Opportunities by 2030 but Urgent Upskilling Needed to Prepare Workforces” bahwa hampir 40 persen keterampilan kerja diperkirakan berubah pada 2030. Laporan yang sama menyebut 63 persen pemberi kerja melihat skill gap sebagai penghambat utama, dan 77 persen berencana melakukan upskilling. Jadi, bila kampus masih memandang AI hanya sebagai alat bantu membuat presentasi atau ringkasan, lulusan akan masuk ke dunia kerja dengan kesiapan yang tidak cukup.

Di titik ini, AI perlu dipahami seperti listrik kampus. Tidak semua orang harus mengurus panelnya, tetapi semua unit bergantung padanya. Rektor tidak perlu menjadi orang yang paling teknis. Rektor perlu memastikan bahwa ada arsitektur data yang rapi, ada aturan main yang sah, ada proses kerja yang dipilih dengan sengaja, dan ada ukuran hasil yang disepakati.

Empat lapisan AI sebagai infrastruktur utama

Pertama, lapisan data. Tanpa master data yang rapi, AI hanya mempercepat kekeliruan. Kampus perlu tahu sumber data mana yang resmi, siapa pemiliknya, siapa yang boleh mengakses, dan data mana yang tidak boleh dipakai untuk eksperimen. Di lapisan ini, PDDikti, sistem akademik, LMS, PMB, keuangan, dan layanan mahasiswa harus dibaca sebagai satu ekosistem, bukan pulau-pulau aplikasi.

Kedua, lapisan kebijakan. Kampus perlu aturan ringkas namun jelas untuk penilaian, penulisan karya ilmiah, penggunaan data pribadi, pengadaan, dan batas otomatisasi. Di sini, compliance bukan privilege. Ia adalah standar minimum agar mahasiswa, dosen, dan tendik tahu garis yang boleh dan tidak boleh dilewati.

Ketiga, lapisan workflow. AI akan terasa nilainya ketika menempel pada proses yang nyata. Contohnya: ringkasan rapat senat, analisis umpan balik mahasiswa, knowledge base layanan akademik, early warning mahasiswa berisiko, atau draf respons untuk pertanyaan yang berulang. Kampus tidak perlu memulai dari semuanya. Pilih tiga proses yang dampaknya jelas dan risikonya bisa dijaga.

Keempat, lapisan skills. Rektor, dekan, dosen, tendik, dan tim IT tidak perlu belajar hal yang sama. Namun mereka perlu bahasa yang sama. Siapa pun bisa mulai, tetapi tidak semua orang harus mengerjakan use case yang sama. Pimpinan fokus pada kebijakan dan hasil. Dosen fokus pada desain belajar dan integritas akademik. Tim IT fokus pada integrasi, keamanan, dan audit trail.

Empat lapisan ini terlihat sederhana. Justru di situlah kekuatannya. Kampus yang memulai dari empat lapisan ini biasanya lebih tenang saat memilih vendor, lebih siap saat menyusun pedoman, dan lebih cepat melihat area mana yang layak diotomatisasi tanpa hambatan.

Apa yang bisa dilakukan rektor mulai Senin pagi

Langkah pertama, kumpulkan pimpinan lintas unit selama 90 menit. Undang WR I, WR II, kepala UPT TIK, BAAK, LPM, satu dekan, dan satu perwakilan dosen. Minta tiap orang membawa tiga contoh pemakaian AI yang sudah berjalan diam-diam di unitnya. Dari sini, rektor akan melihat kenyataan yang sesungguhnya, bukan asumsi.

Langkah kedua, pilah use case itu ke tiga kotak: aman untuk dipercepat, perlu aturan dulu, atau belum layak dijalankan. Ini membantu kampus memisahkan rasa ingin cepat dari kebutuhan untuk cermat. Banyak institusi gagal bukan karena visinya kecil, melainkan karena semua diperlakukan sama.

Langkah ketiga, tetapkan satu lembar kebijakan awal. Tidak usah tebal. Cukup jawab lima hal: tujuan pemakaian, data yang boleh dipakai, data yang dilarang, proses persetujuan, dan pihak yang bertanggung jawab. Satu lembar yang dipakai lintas unit sering lebih berguna daripada dokumen panjang yang jarang dibuka.

Langkah keempat, pilih satu indikator hasil untuk tiap use case. Jangan mulai dari jargon besar. Mulai dari ukuran yang terasa di lapangan: waktu layanan turun, mutu jawaban naik, dosen lebih cepat menyiapkan bahan, atau pimpinan lebih cepat membaca sinyal risiko. Jika hasil tidak terukur, AI akan tampak sibuk tetapi tidak memberi arah.

Dari titik itu, barulah kampus menentukan alat, mitra, dan anggaran. Urutannya penting. Jangan biarkan produk memimpin kebijakan. Kebijakan harus memimpin produk. Jangan biarkan demo memimpin desain kerja. Desain kerja harus memimpin demo.

Pada 2026, kampus yang akan melaju bukan kampus yang paling cepat membeli tool baru. Kampus yang akan melaju adalah kampus yang paling rapi menata data, paling jelas membagi peran, dan paling disiplin memilih use case yang berdampak. Di situlah AI menjadi akselerator, bukan beban tambahan.

Peran mitra teknologi seperti SEVIMA baru menjadi tepat ketika kampus sudah jelas soal arsitektur data, kebijakan, dan ukuran hasil. Saat fondasi ini beres, teknologi bisa membantu layanan akademik dan operasional berjalan end-to-end dengan cara yang lebih tertata. Pada akhirnya, nilai AI di pendidikan tinggi ditentukan oleh kepemimpinan institusi: apakah ia dibiarkan tumbuh liar sebagai tool, atau dipimpin serius sebagai infrastruktur kampus.

Mengenal SEVIMA

SEVIMA merupakan perusahaan Edutech (education technology) yang telah berkomitmen sejak tahun 2004 dalam menyelesaikan kendala kerumitan administrasi akademik di pendidikan tinggi (Universitas, Sekolah Tinggi, Institut, Politeknik, Akademi, dll.) dengan 99% keberhasilan implementasi melalui SEVIMA Platform, segera jadwalkan konsultasi di: Kontak Kami