AI sering dijual dengan janji demokratis.
Tutor untuk semua.
Materi personal.
Feedback instan.
Belajar kapan saja.
Secara teori, powerful banget.
Seorang siswa di kota kecil bisa bertanya ke model yang sama dengan siswa di Jakarta.
Guru bisa mendapatkan bantuan membuat materi.
Mahasiswa bisa mengakses explanation kapan pun.
Problem-nya: “bisa diakses semua” tidak sama dengan “bisa digunakan semua dengan kualitas yang sama”.
Kesenjangan bisa muncul dari banyak layer.
Device.
Internet.
Subscription.
Bahasa.
Literacy.
Guru.
Data.
Lingkungan belajar.
Kalau layer ini tidak diperhatikan, AI malah memperbesar gap yang sudah ada.
Pedoman resmi Koding dan Kecerdasan Artifisial Kemendikdasmen memang menyebut implementasi perlu disesuaikan dengan sumber daya spesifik di masing-masing satuan pendidikan. Pemerintah juga memperluas pelatihan guru melalui Ruang GTK pada 2026 dengan tujuan mengurangi kendala jarak, waktu, dan biaya perjalanan.
Ini recognition yang penting.
Infrastructure matters.
Bayangin dua siswa.
Siswa pertama punya laptop pribadi, Wi-Fi stabil, subscription premium, ruang belajar tenang, dan orang tua yang paham teknologi.
Siswa kedua berbagi HP dengan keluarga, internet kuota terbatas, tidak punya ruang belajar khusus, dan gurunya sendiri belum sempat belajar AI.
Secara formal keduanya “punya akses internet”.
Secara praktis capability-nya jauh berbeda.
AI bisa mempercepat siswa pertama jauh lebih besar.
Device adalah layer pertama.
Model cloud memang bisa jalan di HP sederhana.
Tapi task berat seperti file besar, coding, image, atau multitasking lebih nyaman di laptop.
Kalau tugas sekolah mengasumsikan semua siswa punya device pribadi, fairness terganggu.
Sekolah perlu punya alternative.
Shared device.
Lab.
Teacher-led activity.
Offline worksheet.
AI tidak harus one-device-per-student.
Banyak konsep bisa dipelajari bersama.
Layer kedua adalah internet.
AI conversational membutuhkan koneksi yang cukup stabil.
Kalau setiap prompt putus, learning flow rusak.
Di kota besar pun koneksi tidak selalu ideal.
Siswa bisa belajar di perjalanan atau rumah dengan sinyal berbeda.
Sekolah perlu desain yang tidak membuat internet cepat menjadi syarat mutlak untuk semua aktivitas.
Layer ketiga adalah subscription.
Versi gratis platform besar sudah sangat capable.
Tapi plan berbayar sering punya limit lebih tinggi, model lebih kuat, file lebih besar, research lebih dalam, atau fitur baru.
Kalau assessment memberi advantage besar pada premium feature, nilai bisa terhubung dengan kemampuan bayar.
Itu problem.
Sekolah harus menentukan baseline tool.
Kalau fitur premium essential, institusi sebaiknya menyediakan akses.
Kalau tidak, desain tugas agar free tier cukup.
Jangan biarkan ekonomi keluarga diam-diam menjadi variable assessment.
Layer keempat adalah AI literacy.
Dua siswa dengan tool sama bisa mendapatkan hasil sangat berbeda.
Satu tahu memberi context.
Tahu meminta hint.
Tahu cek source.
Tahu membuat quiz.
Satu lagi hanya bilang “jawab soal ini”.
Yang pertama belajar.
Yang kedua copy.
Literacy menjadi multiplier.
Kalau hanya sekolah tertentu yang mengajarkan cara menggunakan AI dengan benar, gap bukan cuma access.
Gap menjadi capability.
Ini sebabnya kurikulum KKA dan pelatihan guru penting.
Bukan supaya semua siswa jadi coder.
Supaya ada baseline literacy.
Layer kelima adalah guru.
AI tidak otomatis memperbaiki pendidikan jika guru tidak punya waktu atau support.
Sekolah dengan training bagus bisa memakai AI untuk differentiation, assessment, dan preparation.
Sekolah tanpa support mungkin hanya mengalami lebih banyak cheating dan kebingungan.
Kesenjangan kompetensi guru bisa berubah menjadi kesenjangan pengalaman belajar siswa.
Pelatihan nasional membantu.
Tapi local support tetap penting.
Satu workshop tidak cukup.
Guru perlu practice.
Peer mentoring.
Waktu.
Contoh.
Policy.
Layer keenam adalah bahasa.
Model besar makin bagus dalam Bahasa Indonesia.
Tapi tidak semua bahasa daerah punya kualitas sama.
Siswa yang belajar dalam konteks lokal bisa menemukan output kurang natural atau kurang akurat.
Kalau AI education hanya optimal dalam English, siswa dengan kemampuan bahasa Inggris lebih tinggi mendapat advantage tambahan.
Konten lokal perlu terus diperkuat.
Guru tetap penting untuk memastikan contoh dan bahasa sesuai konteks.
Layer ketujuh adalah accessibility.
AI punya potensi besar untuk siswa dengan kebutuhan belajar berbeda.
Text-to-speech.
Caption.
Simplification.
Translation.
Personal pacing.
Tapi kalau fitur accessibility hanya ada di device atau plan tertentu, manfaatnya tidak merata.
Inclusive design harus masuk procurement sekolah.
Jangan hanya beli tool yang demo-nya keren.
Cek screen reader.
Caption.
Keyboard navigation.
Bahasa.
Control.
Layer kedelapan adalah lingkungan keluarga.
Siswa dengan orang tua yang paham AI mendapat guidance lebih baik.
Mereka diajari privacy.
Verification.
Boundary.
Siswa lain mungkin dibiarkan sendiri.
Sekolah perlu mengisi gap ini lewat pendidikan digital yang cukup kuat.
Jangan mengasumsikan semua keluarga bisa menjadi tech coach.
Buat panduan simpel.
Layer kesembilan adalah data.
AI personalization bekerja lebih baik dengan data.
Tapi sekolah dengan sistem digital matang punya data lebih banyak daripada sekolah yang pencatatannya manual.
Ini bisa membuat adaptive learning jauh lebih powerful di satu tempat.
Namun jangan mengejar data collection berlebihan hanya demi menyamakan capability.
Privacy tetap harus dijaga.
Kesetaraan bukan berarti semua sekolah mengumpulkan sebanyak mungkin data siswa.
Kita juga perlu hati-hati dengan narasi “AI akan menyelesaikan kekurangan guru”.
AI bisa membantu.
Tapi sekolah yang kekurangan guru, listrik, internet, atau buku tidak otomatis selesai karena chatbot.
Teknologi tidak menggantikan basic infrastructure.
Kadang investasi paling berdampak tetap koneksi, device shared, training guru, atau ruang belajar.
AI datang di atas fondasi.
Bukan mengganti fondasi.
Ada risiko policy terlalu fokus pada sekolah flagship.
Pilot selalu terlihat bagus karena resource-nya besar.
Challenge sebenarnya adalah scale.
Apakah metode tetap bekerja di sekolah dengan bandwidth rendah?
Guru dengan workload tinggi?
Kelas besar?
Device terbatas?
Kalau tidak, solusi belum universal.
Sekolah model penting sebagai tempat belajar.
Tapi lesson dari model perlu diterjemahkan ke berbagai resource level.
Pedoman KKA yang memberi ruang adaptasi sumber daya adalah langkah penting.
Implementasi perlu menjaga fleksibilitas itu.
AI juga bisa justru mengecilkan gap kalau digunakan tepat.
Bayangin siswa yang tidak mampu les privat.
AI tutor gratis bisa memberi explanation tambahan.
Siswa yang tidak punya mentor coding bisa dapat feedback.
Guru di daerah bisa mengakses materi pelatihan online tanpa perjalanan jauh.
Ini real benefit.
Tapi supaya benefit ini nyata, access minimum harus tersedia.
Device.
Internet.
Literacy.
Safety.
Tanpa itu, “demokratisasi” hanya slogan.
Ada satu prinsip yang berguna: universal basic AI capability.
Tidak harus berarti setiap siswa punya subscription premium.
Lebih realistis: setiap siswa punya kesempatan memahami konsep AI, memakai tool dasar, melakukan verification, dan mendapat akses saat pembelajaran membutuhkan.
Sekolah bisa menyediakan resource shared.
Kurikulum bisa memberi skill.
Guru mendapat training.
Itu baseline.
Di atasnya, siswa boleh eksplorasi lebih jauh.
Kesenjangan juga bisa terjadi pada kualitas waktu.
Siswa yang punya waktu luang bisa eksperimen AI lebih banyak.
Siswa yang harus membantu keluarga atau commute panjang punya waktu lebih sedikit.
AI bisa membantu menghemat waktu, tetapi learning curve awal juga butuh waktu.
Sekolah perlu memberi practice di jam belajar.
Jangan hanya bilang “coba di rumah”.
Kalau skill dianggap penting, ajarkan di institusi.
Ada juga issue assessment.
Kalau satu siswa memakai AI sangat kuat dan satu tidak, apakah hasilnya fair?
Jawabannya tergantung objective.
Kalau objective menilai kemampuan menggunakan AI, tool boleh.
Pastikan access sama.
Kalau objective menilai fundamental tanpa tool, semua harus berada pada kondisi serupa.
Clarity ini penting.
Fairness bukan berarti selalu melarang.
Fairness berarti kondisi sesuai tujuan.
Untuk pemerintah dan sekolah, procurement juga harus melihat total cost.
Bukan hanya license.
Device.
Training.
Support.
Maintenance.
Connectivity.
Privacy.
Semua punya biaya.
Solusi murah di demo bisa mahal di implementasi.
Ada juga vendor lock-in.
Sekolah sebaiknya mengajarkan prinsip AI yang portable.
Jangan kurikulum berubah menjadi tutorial satu brand.
Model bisa berubah.
Vendor bisa berubah.
Skill seperti verification, problem framing, coding logic, data literacy, dan ethics tetap relevan.
Ini mengurangi kesenjangan ketika platform berganti.
Pada akhirnya AI bisa menjadi salah satu equalizer pendidikan terbesar.
Tutor murah.
Feedback cepat.
Materi adaptif.
Translation.
Accessibility.
Tapi equalizer hanya bekerja kalau akses ke fondasinya juga relatif merata.
Kalau tidak, siswa yang sudah punya privilege mendapat amplifier lebih besar.
Dan teknologi yang katanya menutup gap justru membuat jaraknya makin lebar.
Jadi adopsi AI pendidikan jangan hanya bertanya, “apa yang bisa dilakukan model ini?”
Tanya juga, “siapa yang belum bisa memakai?”
Pertanyaan kedua mungkin lebih penting.
Kesenjangan juga bisa muncul dari kemampuan sekolah membeli support. Vendor AI tidak hanya menjual license. Ada onboarding, training, integration, dan technical support. Sekolah yang punya tim IT kuat bisa memanfaatkan platform lebih dalam. Sekolah kecil mungkin berhenti di fitur dasar.
Karena itu open educational resources dan materi pelatihan publik tetap penting. Guru tidak boleh hanya bisa belajar kalau sekolah membeli kontrak mahal. Pelatihan mandiri seperti yang diperluas melalui Ruang GTK adalah salah satu cara mengurangi barrier tersebut.
Ada juga risiko kesenjangan antara sekolah yang berani bereksperimen dan yang terlalu takut. Sekolah yang punya governance jelas bisa memberi siswa kesempatan belajar AI secara aman. Sekolah yang tidak punya policy mungkin memilih larangan total. Akibatnya, siswa di satu tempat membangun skill workflow, sementara siswa lain baru mengenal AI secara sembunyi-sembunyi.
Governance adalah bagian dari access.
Bukan cuma internet.
Selain itu, kualitas materi lokal perlu diperhatikan. Kalau model lebih kaya contoh Amerika atau Eropa, siswa Indonesia bisa mendapatkan referensi yang kurang relate. Guru perlu menambahkan konteks lokal, bahasa yang sesuai, dan source Indonesia ketika relevan.
Kesenjangan juga bisa terjadi pada siswa dengan kebutuhan khusus jika tool yang dipilih tidak accessible. Procurement pendidikan perlu melihat accessibility sejak awal, bukan setelah implementasi.
Untuk kebijakan nasional, targetnya seharusnya bukan memastikan semua sekolah memakai AI dengan intensitas sama. Target yang lebih realistis adalah memastikan semua sekolah punya kesempatan membangun literacy dan memilih penggunaan sesuai kapasitas.
Ada sekolah yang siap untuk AI tutor individual.
Ada yang lebih cocok memakai AI hanya untuk preparation guru.
Keduanya valid.
Kesetaraan tidak berarti identik.
Kesetaraan berarti resource dan support cukup supaya perbedaan kondisi tidak berubah menjadi perbedaan kesempatan belajar yang terlalu besar.
Kalau pendekatan ini dijaga, AI bisa menjadi amplifier untuk sekolah yang selama ini kekurangan akses bantuan. Kalau tidak, amplifier yang sama hanya akan membuat sekolah yang sudah maju bergerak lebih cepat.
Bacaan terkait
Artikel ini berada dalam EdTech dan mengikuti metodologi editorial Undercover.id. Format terkait tersedia di Explainer teknologi dan kebijakan digital.