Kesiapan AI dalam pendidikan tinggi India: analisis EY

Sebuah kampus bisa menempatkan alat AI di laboratorium, menambahkan modul ke silabus, dan tetap membuat mahasiswa menebak-nebak apa yang dianggap sebagai pekerjaan yang kompeten. Itulah celah yang tidak nyaman di balik percakapan baru tentang kesiapan di pendidikan tinggi India. Halaman EY tentang “Membangun kesiapan AI di pendidikan tinggi India” menempatkan penekanan pada hal yang tepat: bukan apakah AI hadir di kampus, tetapi apakah institusi dapat mengubah paparan menjadi kapabilitas.

Bagi pelajar, perbedaan itu penting karena pasar kerja sudah tidak menyukai klaim AI yang samar. “Menggunakan ChatGPT untuk tugas” bukanlah portofolio. Sinyal yang lebih kuat adalah alur kerja yang terdokumentasi: masalah apa yang kamu batasi ruang lingkupnya, data atau materi sumber apa yang kamu gunakan, bagaimana kamu memeriksa output, apa yang kamu ungkapkan, dan apa yang kamu perbaiki setelah peninjauan.

Sinyal kesiapan EY lebih besar daripada akses alat

“Building AI readiness in Indian higher education” dari EY berguna karena menyebut kesiapan sebagai masalahnya, bukan sekadar adopsi. Itu mungkin terdengar seperti pergeseran semantik, tetapi ini adalah perbedaan antara membeli perangkat lunak dan mengubah cara orang belajar, menilai, dan mengatur pekerjaan. HEI India yang berhenti pada akses berisiko menghasilkan mahasiswa yang mengetahui kosakata AI tetapi tidak memiliki kebiasaan operasional di sekitarnya.

Di sinilah inflasi kredensial menyelinap masuk. Sertifikat AI singkat dapat mengajarkan istilah, tetapi tidak membuktikan bahwa seorang mahasiswa dapat mengevaluasi output model, melindungi informasi sensitif, atau menjelaskan kapan suatu tugas sebaiknya tidak diotomatisasi. Jika universitas ingin lulusannya menonjol, bukti perlu bergeser dari lencana ke artefak: proyek, kebijakan, catatan evaluasi, dan kasus penggunaan yang diawasi dosen.

Kesiapan dosen adalah bagian dari jalur karier

Sanskriti Rawat dan Robert Linton Tavis Ashton-Bell dari Christ University menjelaskan sisi dosen secara eksplisit dalam “Responsible AI-Readiness in Higher Education,” yang diterbitkan dalam Journal of Information Technology Education: Research pada tahun 2025. Studi mereka memvalidasi kerangka AI yang bertanggung jawab yang dirancang untuk memperkuat kesiapan AI di kalangan dosen pendidikan tinggi di India. Ini adalah kisah karier sekaligus kisah pendidikan, karena praktik dosen membentuk apa yang dipelajari mahasiswa untuk dianggap normal.

Jika instruktur menerima dukungan yang tidak merata, mahasiswa menerima sinyal yang tidak merata. Satu kelas mungkin mewajibkan pengungkapan penggunaan AI, kelas lain mungkin melarang alat tanpa mengajarkan alternatif, dan kelas ketiga mungkin mengizinkan pekerjaan yang dihasilkan AI tanpa verifikasi. Hasilnya akrab bagi siapa pun yang membaca résumé tingkat pemula: banyak bahasa AI, tidak cukup bukti tentang kemampuan mengambil keputusan.

Tata kelola sedang menjadi keterampilan kerja

OECD membingkai kecerdasan buatan sebagai tantangan tata kelola: bagaimana menerapkan tata kelola yang efektif untuk memanfaatkan manfaat dan mengurangi risiko. Bagi mahasiswa dan pekerja awal karier, itu bukan bahasa kebijakan yang abstrak. Itu adalah perbedaan antara seseorang yang bisa menggunakan alat dan seseorang yang bisa dipercaya untuk menggunakannya di organisasi nyata.

Ini sangat penting untuk peran nonteknis. Mahasiswa di bidang perdagangan, hukum, desain, pendidikan, atau kebijakan publik mungkin tidak pernah melatih model, tetapi mereka tetap mungkin perlu meninjau output, mendokumentasikan asumsi, mengenali risiko bias, dan mengetahui kapan peninjauan manusia diperlukan. Jalur peningkatan keterampilan yang praktis bukanlah “menjadi insinyur AI” melalui perluasan gelar jabatan. Jalurnya adalah mempelajari literasi AI yang cukup untuk bekerja secara bertanggung jawab di dalam bidangmu.

Kesiapan harus diukur, bukan sekadar dipertunjukkan

GivingTuesday’s India AI Readiness Survey Report 2024 menawarkan definisi yang berguna di luar lingkungan universitas. Laporan itu menggambarkan kesiapan AI sebagai pengukuran siapa yang sudah menggunakan AI, bagaimana AI digunakan, dan ciri organisasi mana yang terkait dengan adopsi. HEI India dapat meminjam disiplin itu: memetakan penggunaan nyata, menyebutkan hambatan, dan berhenti memperlakukan proyek percontohan yang terpencar sebagai strategi.

Itu juga memberi mahasiswa cara yang lebih jelas untuk memilih di mana akan menginvestasikan waktu. Carilah program yang mewajibkan proyek dengan evaluasi, bukan sekadar daftar prompt. Tanyakan apakah dosen menerima pelatihan AI, apakah aturan penilaian jelas, dan apakah mahasiswa mempelajari tata kelola bersama dengan alat. Sinyal perekrutan berikutnya bukanlah label AI paling mencolok di résumé. Sinyalnya adalah kemampuan untuk menunjukkan pekerjaan yang cermat dan dapat diulang ketika alat hanyalah salah satu bagian dari pekerjaan.