Gelar AI Mungkin Terlalu Cepat Usang, Analisis GovTech

Pertanyaan di kantor penasihat akademik sudah berubah. Mahasiswa tidak lagi bertanya apakah AI layak masuk dalam rencana karier mereka. Mereka bertanya apakah gelar yang dinamai berdasarkan AI bisa tetap berguna ketika bidangnya terus berubah di bawahnya. GovTech melaporkan bahwa kecerdasan buatan semakin sulit dihindari di pasar kerja, tetapi sebagian mahasiswa dan pendidik khawatir program gelar AI baru akan kesulitan mengikuti teknologi yang berubah cepat. Itu bukan sikap memusuhi pendidikan tinggi. Itu adalah ketelitian pembeli dari para pembelajar yang diminta berkomitmen bertahun-tahun, membayar biaya kuliah, dan menanggung biaya peluang untuk sebuah kredensial yang labelnya mungkin menua lebih cepat daripada fondasi di baliknya.

Label kredensial bukan seluruh sinyal

GovTech mencatat bahwa sebagian mahasiswa membaca waktu peluncuran gelar AI dengan latar universitas yang sedang sulit, termasuk penurunan pendaftaran dan target mahasiswa sarjana yang tidak tercapai. Itu penting karena jurusan baru bisa sekaligus menjadi respons akademik yang tulus dan alat rekrutmen. Pembelajar tidak perlu menganggap salah satu motif itu membuat program menjadi lemah, tetapi mereka perlu bertanya apa yang tetap berguna ketika nama-nama model masa kini menjadi alat kerja biasa.

Indeed Hiring Lab menawarkan penyeimbang yang berguna: pendidikan masih memiliki nilai di pasar kerja, meskipun nilai kuliah sedang diperdebatkan. Indeed melaporkan bahwa setiap peningkatan pendidikan berkaitan dengan peningkatan gaji, termasuk pendidikan di luar gelar empat tahun, dan bahwa reskilling di tempat kerja serta paparan terhadap AI meningkat seiring pendidikan. Pelajarannya bukan bahwa gelar sudah mati. Pelajarannya adalah bahwa judul pada gelar hanyalah satu sinyal, dan sering kali bukan yang paling kuat.

Di sinilah inflasi kredensial AI menjadi rumit. AI Engineer sudah berarti beberapa pekerjaan berbeda di resume dan lowongan, mulai dari pekerjaan model, pengelolaan alur data, hingga otomasi alur kerja. Gelar khusus AI dapat membantu jika mengajarkan kebiasaan komputasi yang tahan lama, penilaian data, evaluasi, dan implementasi. Gelar itu lebih lemah jika terutama hanya membungkus katalog di sekitar nama-nama alat yang bisa sudah ketinggalan zaman saat kelulusan.

Mahasiswa sudah menyesuaikan taruhan mereka

Gallup menemukan bahwa sedikit di atas empat dari 10 mahasiswa program sarjana di AS mengatakan AI telah memengaruhi pilihan jurusan mereka. CNBC juga melaporkan bahwa mahasiswa mempertimbangkan ulang jurusan, jalur karier, dan industri karena AI. Jika digabungkan, sinyal-sinyal ini menunjukkan bahwa ini bukan hanya percakapan di departemen ilmu komputer. AI sedang menjadi variabel perencanaan bagi mahasiswa di banyak bidang.

Economic Innovation Group menambahkan risiko karier yang lebih tajam: secara teori, lulusan muda dengan gelar yang terpapar AI bisa menghadapi permintaan tenaga kerja yang lebih rendah di bidang mereka dan harus mencari pekerjaan di tempat lain. Itu tidak berarti mahasiswa harus menghindari program yang sangat berfokus pada AI. Artinya, mereka perlu menghindari asumsi bahwa label AI otomatis melindungi mereka dari pergeseran pasar kerja. Kredensial yang sempit bisa menarik saat masa booming dan menjadi canggung ketika pemberi kerja mendefinisikan ulang pekerjaannya.

Bagi seseorang berusia 25 tahun, risikonya mungkin waktu dan utang. Bagi seseorang berusia 45 tahun yang kembali kuliah, risikonya mungkin biaya peluang, logistik keluarga, dan landasan waktu yang lebih pendek untuk pulih dari pilihan yang kurang tepat. Hype-nya sama, tetapi batasannya tidak. Kedua pembelajar membutuhkan disiplin yang sama: tanyakan apa yang program itu memungkinkan Anda bangun, buktikan, dan adaptasikan.

Ruang kelas harus berubah lebih cepat daripada katalog

Michael B. Horn, menulis setelah memberi kesaksian di hadapan Subkomite Pendidikan Tinggi dan Pengembangan Tenaga Kerja DPR AS, membandingkan adopsi AI di pendidikan tinggi dengan adopsi listrik di pabrik. Maksudnya adalah bahwa pabrik-pabrik awal tidak langsung melihat peningkatan produktivitas besar hanya dengan mengganti mesin menggunakan motor listrik sambil mempertahankan proses lama. Ia berargumen bahwa banyak perguruan tinggi tradisional kini memiliki dosen dan mahasiswa yang menggunakan AI, tetapi sebagian besar tidak melihat peningkatan karena mereka belum merancang ulang proses dan prioritas yang mendasarinya.

Kritik itu penting bagi gelar AI karena kecepatan kurikulum hanyalah sebagian dari masalahnya. Sebuah kampus bisa menambahkan jurusan AI dan tetap mengajar seolah alur kerja lama masih utuh. Program yang lebih kuat kemungkinan besar adalah program yang merancang ulang tugas, penilaian, magang, dan pekerjaan portofolio berdasarkan cara AI benar-benar digunakan. Jika mahasiswa lulus hanya dengan kosakata, pemberi kerja akan memperlakukan kredensial itu seperti kosakata.

Manajer perekrutan jarang menyaring hanya berdasarkan nama jurusan ketika perannya berkaitan dengan AI. Mereka mencari bukti bahwa kandidat dapat bekerja dengan data yang berantakan, mengevaluasi keluaran, menjelaskan trade-off, dan mempelajari alat baru tanpa mengubah setiap tugas menjadi demo. Itulah mengapa proyek penting. Bukan prompt mainan, melainkan pekerjaan yang menunjukkan bahwa pembelajar dapat menghubungkan model atau sistem otomasi dengan alur kerja nyata.

Tes praktis sebelum memilih gelar AI

Indeed Hiring Lab melaporkan bahwa 40 persen orang dengan pengalaman kuliah tetapi tanpa gelar menyebut kurangnya pendidikan sebagai hambatan kerja, dibandingkan dengan 30 persen di antara mereka yang hanya memiliki ijazah SMA. Temuan itu mengingatkan bahwa pendidikan yang tidak selesai dapat membawa risikonya sendiri. Memulai program tidak sama dengan mendapatkan kredensial yang dapat dibaca oleh pasar. Mahasiswa yang mempertimbangkan gelar AI perlu sangat jelas tentang jalur penyelesaian, nilai transfer, dan apa yang bisa mereka tunjukkan jika mereka berhenti sementara atau mengubah arah.

Tes yang berguna itu sederhana: jika kata-kata kecerdasan buatan dihapus dari halaman program, apakah kurikulumnya masih terlihat kuat? Carilah dasar-dasar komputasi, analisis data, proyek terapan, etika, komunikasi, dan kesempatan untuk mengerjakan masalah di luar latihan kelas. Sertifikasi dapat berguna di samping fondasi itu jika menghasilkan artefak portofolio atau mengajarkan alur kerja yang digunakan dalam tim nyata. Sertifikasi jauh kurang berguna ketika menjual kata-kata populer tanpa praktik.

Pelaporan GovTech menangkap ketegangan yang tepat: AI semakin sulit dihindari, tetapi gelar AI tidak otomatis menjadi rute teraman menuju pekerjaan yang berdekatan dengan AI. Sinyal berikutnya yang perlu diperhatikan adalah apakah universitas membangun program yang menua dengan baik, bukan sekadar program yang pendaftarannya tinggi. Bagi pembelajar, pertanyaannya bukan apakah harus mempelajari AI. Pertanyaannya adalah apakah setiap kredensial yang Anda pilih memberi Anda keterampilan tahan lama, bukti yang kredibel, dan ruang untuk terus belajar ketika susunan alat berubah lagi.