Literasi AI semakin penting bagi kesiapan kerja generasi muda. Namun, memberikan akses terhadap teknologi saja tidak cukup. Tantangan sesungguhnya adalah merancang pengalaman belajar yang membantu pemuda memahami AI, menggunakannya secara bertanggung jawab, dan menerapkan keterampilan tersebut dalam proses mencari kerja.
Tantangan ini menjadi landasan pengembangan kurikulum ASEAN Ahead: AI for Youth Empowerment and Development, sebuah program yang dikembangkan oleh KTM Solutions bersama ASEAN Foundation, didukung LinkedIn, dan dirancang untuk diakses melalui ASEAN Digital Academy (ADA).
Alih-alih berfokus pada pengenalan fitur AI, pendekatan yang digunakan menempatkan kebutuhan learner dan perubahan perilaku sebagai titik awal. Tujuannya bukan sekadar meningkatkan pengetahuan tentang AI, melainkan membantu pemuda menghasilkan sesuatu yang dapat langsung digunakan untuk membangun karier.
The Opportunity
Menjawab Kesenjangan antara Literasi AI dan Kesiapan Kerja
Ketika organisasi mengembangkan program literasi AI, pertanyaan pertama yang sering muncul adalah materi apa yang perlu diajarkan. Apakah tentang prompt engineering, penggunaan chatbot, atau fitur terbaru dari berbagai aplikasi AI?
Namun, untuk program yang berorientasi pada kesiapan kerja (employability), pertanyaan yang lebih mendasar adalah: apa yang seharusnya dapat dilakukan learner setelah menyelesaikan pembelajaran?
Perbedaan ini penting karena target program mencakup pemuda dengan latar belakang dan kondisi yang beragam. Mahasiswa dengan akses internet dan perangkat yang memadai memiliki kebutuhan berbeda dari pemuda yang mengandalkan smartphone, memiliki keterbatasan kuota, atau belum memiliki pengalaman mencari kerja secara formal.
Bagi kelompok yang belum bekerja atau tidak sedang menempuh pendidikan maupun pelatihan (Not in Employment, Education, or Training/NEET), kebutuhan belajar bahkan dapat berangkat dari hal yang sangat praktis, seperti menyusun CV, menemukan lowongan yang relevan, atau mempersiapkan wawancara kerja.
Artinya, tantangannya bukan hanya memastikan akses terhadap teknologi, tetapi juga menjembatani kesenjangan antara ketertarikan terhadap AI dan kemampuan menggunakannya secara aman, efektif, serta relevan dengan kebutuhan karier.
Karena itu, desain kurikulum dimulai dengan mengidentifikasi perilaku yang ingin dibangun. Apakah learner mampu memperbarui profil LinkedIn secara relevan? Dapatkah mereka menyesuaikan CV dengan persyaratan suatu lowongan? Mampukah mereka menyusun jawaban wawancara secara terstruktur dengan bantuan AI?
Pertanyaan-pertanyaan tersebut menggeser fokus pembelajaran dari sekadar penguasaan teknologi menuju penerapan keterampilan dalam situasi nyata.
The Solutions
Merancang Pembelajaran dari Tujuan, Bukan Sekadar Materi
KTM Solutions menggunakan pendekatan instructional design yang berorientasi pada hasil belajar. Setiap keputusan desain mempertimbangkan kebutuhan learner, konteks penggunaan, dan kemampuan yang harus dapat ditunjukkan setelah pembelajaran selesai.
Pendekatan ini diwujudkan melalui empat strategi utama.
1. Mendesain Materi untuk Kondisi Akses yang Beragam
Pembelajaran digital sering kali dirancang dengan asumsi bahwa learner memiliki laptop, koneksi internet stabil, dan waktu untuk mengikuti materi dalam satu sesi. Dalam konteks pemuda ASEAN, asumsi tersebut tidak selalu sesuai dengan kondisi nyata.
Untuk mengantisipasinya, materi dirancang agar tetap mudah diakses dan dituntaskan dalam kondisi yang beragam.
- Micro-sequencing: Lima modul pembelajaran dikembangkan menjadi 15 video berdurasi sekitar 3–7 menit. Setiap video dirancang untuk menyampaikan satu unit pemahaman yang utuh, mulai dari pengenalan masalah hingga penerapan konsep.
- Materi dalam berbagai format: Konten video dilengkapi dengan materi bacaan PDF sehingga learner tetap memiliki alternatif ketika menghadapi kendala koneksi.
- Mobile-first design: Video, subtitle, dan materi bacaan dirancang dengan mempertimbangkan pengalaman belajar melalui smartphone.
- Evaluasi pada setiap modul: Asesmen lima soal di akhir modul membantu learner memeriksa pemahaman sekaligus melihat perkembangan belajarnya.
Prinsipnya sederhana: keterbatasan akses tidak seharusnya menghilangkan kesempatan untuk memperoleh pembelajaran yang bermakna. Yang perlu disesuaikan adalah cara materi disampaikan, bukan relevansi keterampilan yang dipelajari.
2. Mengutamakan Penerapan melalui Learning by Doing
Dalam pengembangan kurikulum, kedalaman pembelajaran tidak selalu berarti learner harus mencapai tingkat kompetensi tertinggi. Kedalaman perlu disesuaikan dengan tujuan program dan kebutuhan pengguna.
Karena kurikulum ini berorientasi pada kesiapan kerja, target pembelajaran utamanya adalah Apply, yaitu kemampuan menggunakan pengetahuan dalam situasi nyata.
Setiap modul dirancang agar learner menghasilkan keluaran yang konkret. Misalnya, menyusun prompt AI yang aman, memperbarui headline LinkedIn, mengaktifkan job alert, menyiapkan CV dan cover letter untuk posisi tertentu, hingga merancang jawaban wawancara menggunakan metode STAR (Situation, Task, Action, Result).
Pendekatan ini juga tercermin dalam desain asesmen. Pre-test berfokus pada kemampuan mengingat dan memahami konsep, sedangkan post-test turut mengukur kemampuan penerapan melalui soal pada level Apply.
Dengan demikian, keberhasilan belajar tidak hanya dilihat dari apa yang diketahui learner, tetapi juga dari apa yang mampu mereka lakukan setelah menyelesaikan modul.
3. Menyusun Lima Modul sebagai Satu Perjalanan Karier
Kurikulum modular memberikan fleksibilitas bagi learner untuk belajar secara mandiri. Namun, tanpa alur yang jelas, setiap modul berisiko menjadi kumpulan materi yang tidak saling terhubung.
Untuk mengatasinya, lima modul disusun mengikuti perjalanan seseorang dalam mencari kerja.
Modul 1: AI Fundamentals & Ethics
Membangun pemahaman dasar tentang kemampuan dan keterbatasan AI, penggunaan yang bertanggung jawab, perlindungan informasi pribadi, serta formula prompting Context + Task + Format.
Modul 2: Building Your LinkedIn Profile
Menerapkan AI untuk membangun identitas profesional, termasuk menyusun headline dan memperbarui profil LinkedIn agar lebih relevan dengan tujuan karier.
Modul 3: AI for Job Search
Menggunakan AI untuk memahami persyaratan lowongan, mengidentifikasi peluang yang sesuai, dan menyusun strategi pencarian kerja, termasuk penggunaan job alert.
Modul 4: AI for CVs & Cover Letters
Mengembangkan CV dan cover letter yang disesuaikan dengan posisi yang dituju, dengan tetap memastikan informasi dan pengalaman yang dicantumkan akurat.
Modul 5: AI for Interviews
Mempersiapkan wawancara kerja melalui penyusunan jawaban dengan metode STAR dan simulasi latihan berbasis AI.
Setiap modul dapat dipelajari secara mandiri, tetapi keseluruhannya membentuk satu perjalanan yang saling memperkuat. Keterampilan prompting dari modul pertama, misalnya, digunakan kembali ketika learner menganalisis lowongan atau mempersiapkan wawancara.
Hasilnya adalah pengalaman belajar yang tidak hanya mengajarkan lima keterampilan terpisah, tetapi juga membangun kebiasaan menggunakan AI secara sadar dalam proses mencari kerja.
4. Menyatukan Keahlian Lintas Negara dalam Satu Pengalaman Belajar
Pengembangan kurikulum melibatkan lima expert dengan latar belakang dan negara yang berbeda, mulai dari konsultan human capital dan career coach hingga youth leader, AI educator, dan social entrepreneur.
Keberagaman ini memperkaya perspektif materi, tetapi juga menghadirkan tantangan dalam menjaga konsistensi pembelajaran. Perbedaan gaya komunikasi, tempo bicara, bahasa, dan pendekatan pengajaran dapat membuat setiap modul terasa seperti pengalaman yang terpisah.
Untuk menjaga koherensi, proses produksi dilengkapi dengan sejumlah standar, antara lain:
- Template naskah yang seragam untuk setiap modul.
- Pedoman produksi visual dan penyusunan asesmen.
- Onboarding serta sesi penyelarasan dengan setiap expert sebelum produksi.
- Penyediaan materi bacaan dan subtitle untuk mendukung aksesibilitas lintas bahasa.
- Quality assurance berlapis bersama tim KTM Solutions dan ASEAN Foundation sebelum konten dipublikasikan di ASEAN Digital Academy.
Pendekatan ini memastikan bahwa keberagaman keahlian tetap terjaga tanpa mengorbankan konsistensi pengalaman belajar.
Dalam pengembangan program pembelajaran digital, kualitas expert merupakan salah satu faktor penting. Namun, kualitas pengalaman learner juga ditentukan oleh bagaimana pengetahuan para expert dikurasi, disusun, dan disampaikan sebagai satu perjalanan yang utuh.
The Impact
Membangun Keterampilan yang Tetap Relevan di Tengah Perubahan AI
Teknologi AI berkembang dengan cepat. Fitur, antarmuka, dan kemampuan aplikasi dapat berubah dalam waktu singkat. Kurikulum yang terlalu bergantung pada satu produk berisiko kehilangan relevansi ketika teknologi tersebut diperbarui. Karena itu, kurikulum ini menempatkan prinsip penggunaan AI sebagai fondasi pembelajaran, bukan penguasaan satu aplikasi tertentu.
Ada empat kemampuan utama yang menjadi fokus:
- Prompting: Menyusun instruksi yang jelas berdasarkan konteks, tugas, dan format keluaran yang dibutuhkan.
- Critical evaluation: Memeriksa akurasi, relevansi, dan potensi risiko dari hasil yang dihasilkan AI.
- Workflow integration: Mengintegrasikan AI ke dalam proses mencari kerja, bukan sekadar menggunakannya sebagai alat yang berdiri sendiri.
- Transferability: Menerapkan prinsip yang sama pada berbagai perangkat dan aplikasi AI.
Pendekatan ini membantu memisahkan keterampilan yang bersifat sementara dari kemampuan yang lebih mendasar. Learner mungkin perlu mempelajari ulang antarmuka sebuah aplikasi, tetapi kemampuan menyusun instruksi, mengevaluasi hasil, dan mengambil keputusan secara kritis tetap dapat digunakan.
Dalam konteks pengembangan keterampilan, pendekatan tersebut juga relevan bagi organisasi yang memanfaatkan platform seperti LinkedIn Learning untuk mendukung pembelajaran berkelanjutan. Platform menyediakan akses terhadap materi, sementara efektivitas pembelajaran tetap bergantung pada kesesuaian konten, desain pengalaman belajar, dan kesempatan menerapkan keterampilan.
Dengan demikian, teknologi berfungsi sebagai sarana untuk memperkuat pembelajaran, bukan menjadi tujuan akhir dari prosesnya.
Lesson Learned
Keberhasilan AI Learning Dimulai dari Desain Pembelajaran
Pengembangan kurikulum ASEAN Ahead menunjukkan bahwa program literasi AI membutuhkan lebih dari sekadar materi yang relevan dan akses ke teknologi. Ada tiga pembelajaran utama yang dapat diterapkan dalam pengembangan program serupa:
Pertama, mulai dari perubahan perilaku yang ingin dicapai. Tujuan belajar yang konkret membantu organisasi menentukan materi, aktivitas, dan asesmen yang benar-benar relevan dengan kebutuhan learner.
Kedua, desain pembelajaran harus mempertimbangkan kondisi nyata pengguna. Akses perangkat, konektivitas, waktu belajar, dan tingkat kesiapan awal perlu menjadi bagian dari keputusan desain sejak awal, bukan diperbaiki setelah materi selesai diproduksi.
Ketiga, ukur keberhasilan dari kemampuan menerapkan pengetahuan. Materi yang telah diselesaikan belum tentu menghasilkan keterampilan yang dapat digunakan. Karena itu, pembelajaran perlu memberi ruang bagi praktik, umpan balik, dan asesmen yang menguji penerapan.
Pada akhirnya, tantangan terbesar dalam mengajarkan AI bukan hanya mengikuti perkembangan teknologinya, melainkan merancang pengalaman belajar yang membantu manusia menggunakannya secara tepat.
Teknologi dapat berubah. Namun, pembelajaran yang dirancang berdasarkan kebutuhan manusia, berorientasi pada praktik, dan berfokus pada keterampilan yang dapat ditransfer akan memiliki nilai yang lebih berkelanjutan.
