AI sudah beroperasi di dalam kampus—bukan sebagai eksperimen, melainkan sebagai infrastruktur. Mahasiswa menggunakannya untuk menulis, dosen untuk merancang kurikulum, panitia seleksi untuk menyaring pelamar. Pertanyaan yang relevan bukan lagi apakah AI efisien, melainkan apakah institusi pendidikan tinggi memiliki kerangka yang cukup untuk menanggung risikonya.
Bias algoritmik adalah titik paling kritis. AI belajar dari data historis, dan data penerimaan mahasiswa di sebagian besar institusi mencerminkan ketimpangan akses yang berlangsung selama puluhan tahun. Model yang dilatih dari data semacam itu tidak secara netral memprediksi potensi akademik—ia memperbesar pola lama. Ketimpangan berbasis kelas sosial atau etnis yang semula muncul dari keputusan manusia kini bisa dikodekan ke dalam sistem seleksi yang tampak objektif.
Penggunaan AI dalam penilaian akademik memunculkan masalah akuntabilitas yang konkret. Ketika sistem otomatis mendeteksi plagiasi dan hasilnya dijadikan dasar sanksi akademik, mahasiswa yang terkena tuduhan itu perlu tahu bagaimana sistem bekerja, data apa yang digunakan, dan di mana kemungkinan kelirunya. Tanpa akses terhadap informasi itu, proses banding menjadi tidak bermakna.
Data perilaku mahasiswa yang dikumpulkan platform pembelajaran berbasis AI mencakup hal-hal yang tidak pernah secara eksplisit diserahkan: durasi membaca per halaman, frekuensi kesalahan dalam latihan, waktu jeda antar interaksi. Universitas yang menandatangani kontrak dengan vendor teknologi perlu memeriksa apakah data ini tetap menjadi milik institusi, atau secara efektif berpindah ke pihak ketiga untuk kepentingan komersial.
Hak cipta menambah lapisan masalah yang belum terselesaikan. Mahasiswa yang menghasilkan karya dengan bantuan AI menghadapi pertanyaan soal orisinalitas. Di sisi lain, model AI itu sendiri kemungkinan dilatih dari karya akademik yang diambil tanpa izin pengarangnya. Kedua isu ini belum memiliki kerangka hukum yang memadai di Indonesia maupun di tingkat internasional.
Regulasi, kebijakan institusi, dan literasi pengguna adalah tiga jalur yang perlu berjalan bersamaan. Regulasi yang hanya mengatur di atas kertas tanpa mekanisme verifikasi tidak mengubah praktik. Kebijakan kampus yang disusun setelah insiden terjadi selalu tertinggal. Dan pemahaman dosen serta mahasiswa terhadap cara kerja alat yang mereka gunakan—bukan sekadar hasilnya—adalah prasyarat agar penggunaan AI dalam pendidikan tinggi tidak sekadar memindahkan masalah lama ke dalam sistem baru.