Dr. Anthony Lee, Presiden dan CEO Westcliff University – Seri Wawancara

Dr. Anthony M. Lee adalah Presiden Westcliff University di Irvine, California, salah satu universitas yang tumbuh paling cepat di AS, dari kurang dari beberapa ratus mahasiswa menjadi lebih dari 3.000 mahasiswa dalam dekade terakhir. Dr. Lee telah menjabat dalam posisi kepemimpinan di berbagai universitas dan sekolah di AS dan internasional. Dengan keahlian dalam program hibrida dan online inovatif, Dr. Lee telah meluncurkan program baru yang menggabungkan dan mengintegrasikan teknologi dengan kelas berbasis kampus tradisional untuk meningkatkan pengalaman belajar. Ia telah berhasil memimpin sekolah melalui proses akreditasi di tingkat universitas dan K-12. Pengalamannya telah membuktikan bahwa ia adalah seorang pemimpin di banyak bidang kritis dalam pendidikan tinggi, termasuk pemasaran, keuangan, operasi, kepatuhan, dan akreditasi.

Bagaimana definisi kesiapan kerja Anda berevolusi di era AI dan otomatisasi?

Kesiapan kerja dulu berarti kompetensi teknis dan kemampuan untuk berkontribusi langsung dalam peran yang ditentukan. Di era AI, definisi itu tidak lagi cukup karena sifat pekerjaan itu sendiri berubah.

Saat ini, kesiapan berarti beroperasi secara efektif dalam lingkungan di mana kecerdasan didistribusikan antara manusia dan mesin, di mana alat berkembang terus, dan di mana eksekusi semakin banyak didukung. Keunggulan kompetitif tidak lagi hanya mengetahui cara melakukan tugas, tetapi mengetahui cara membingkai masalah, mengawasi output AI, menginterogasi asumsi, dan menerapkan penilaian dalam batasan dunia nyata.

Kita sedang menyaksikan pergeseran dari eksekusi tugas ke pengawasan kognitif. Pekerjaan tingkat awal sedang didefinisikan ulang. Produksi rutin dapat diotomatisasi, tanggung jawab tidak. Itu menempatkan penekanan lebih besar pada pemikiran kritis, penalaran etis, kesadaran kontekstual, dan kemampuan untuk menerjemahkan output AI menjadi keputusan yang dapat dipertanggungjawabkan.

Di Westcliff, kami memandang kesiapan kerja sebagai integrasi dari keahlian domain, kefasihan AI, dan penilaian manusia yang disiplin. Mahasiswa harus memahami bagaimana sistem generatif berfungsi, di mana mereka menciptakan keunggulan, dan di mana mereka memperkenalkan risiko. Lebih penting lagi, mereka harus belajar bagaimana berkolaborasi dengan sistem tersebut tanpa mengoutsourcing tanggung jawab intelektual.

Model pembelajaran terapan kami dirancang di sekitar keterlibatan terstruktur dengan teknologi yang muncul dalam konteks yang autentik. Tujuannya bukan hanya keprofesian alat, tetapi kemampuan adaptif, kemampuan untuk tetap efektif ketika alat berubah.

Di era ini, para profesional yang menonjol tidak akan menjadi mereka yang bersaing dengan AI, tetapi mereka yang dapat mengarahkannya dengan bijak, menginterogasi dengan ketat, dan tetap bertanggung jawab atas hasil yang dipengaruhi oleh AI. Itulah yang sekarang dibutuhkan kesiapan kerja.

Apa yang dimaksud dengan lembaga yang serius mengenai AI pada tingkat kurikulum dan institusional, bukan hanya menggunakannya sebagai tambahan?

AI bukan hanya alat instruksional lain. Ini mengubah arsitektur pendidikan itu sendiri.

Mengambil AI serius dimulai dengan perancangan ulang. Setiap disiplin harus memeriksa bagaimana sistem generatif mengubah harapan profesional dan mendefinisikan apa yang dibutuhkan kefasihan AI. Penilaian harus mengukur penalaran dan kompetensi yang diterapkan, bukan hanya output.

Tetapi keseriusan juga menuntut koherensi institusional. Literasi AI tidak dapat duduk dalam kursus yang terisolasi. Pengembangan fakultas, tata kelola, strategi penilaian, dan pengawasan vendor harus selaras dengan prinsip yang jelas bahwa teknologi harus memperkuat kualitas akademik, bukan melemahkannya.

Di titik itu, AI menjadi bagian dari infrastruktur intelektual universitas. Ini membentuk bagaimana pembelajaran disusun, bagaimana keunggulan dibuktikan, dan bagaimana kredibilitas institusional dipertahankan dalam lingkungan kerja di mana penilaian manusia dan kemampuan mesin beroperasi berdampingan. Itulah cara berpikir yang kami terapkan di Westcliff.

Bagaimana Anda mengimbangkan keterampilan manusia dasar dengan mengajar siswa untuk bekerja secara efektif bersama AI?

Saya tidak melihat ini sebagai pertukaran. Jika ada, AI meningkatkan premi pada kemampuan manusia dasar.

Ketika produksi kognitif rutin menjadi murah, pembeda menjadi penalaran tingkat tinggi. Pemikiran kritis berarti membingkai pertanyaan yang lebih baik dan menginterogasi output mesin yang dihasilkan. Penilaian berarti mengetahui kapan harus mengandalkan sistem dan kapan harus berhenti. Etika menjadi praktis dan tentang memahami konsekuensi dari menerapkan sistem cerdas dalam skala besar.

Mahasiswa harus belajar berpikir dalam lingkungan yang hadir AI. Pemancingan adalah titik awal, tetapi pengawasan kognitif adalah keterampilan yang lebih dalam. Lulusan harus dapat mengartikulasikan dan membela kesimpulan yang diberitahu, tetapi tidak ditentukan oleh sistem cerdas.

Di Westcliff, kami memperlakukan kefasihan AI sebagai penguat keterampilan dasar. Mahasiswa terlibat dengan alat cerdas sambil tetap bertanggung jawab atas kejelasan, kredibilitas, dan konsekuensi. Dalam jangka panjang, para profesional yang menonjol akan menggabungkan kedalaman intelektual dengan kelenturan teknologi. AI memberikan kecepatan dan skala. Manusia harus menyediakan diskresi, tanggung jawab, dan kepemimpinan.

Bagian mana dari pendidikan tinggi yang paling rentan terhadap gangguan oleh AI, dan mana yang lebih tangguh daripada yang diharapkan?

Area yang paling rentan adalah yang dibangun pada transfer informasi dan output standar. Jika model bergantung terutama pada pengiriman kuliah atau penilaian yang mengukur produksi, AI akan menantangnya dengan cepat.

Pendidikan tinggi lebih tangguh di mana itu berpusat pada pengembangan terstruktur, mentorship, praktek terapan, kerja tim, pembelajaran klinis, dan pembentukan identitas profesional. AI dapat mendukung pengalaman ini, tetapi tidak dapat menggantikan pertumbuhan yang dibangun melalui umpan balik dan akuntabilitas.

Garisan pembatas adalah desain. Lembaga yang melihat diri mereka sendiri terutama sebagai penyedia konten terbuka. Mereka yang beroperasi sebagai sistem pembelajaran yang disengaja, fokus pada penalaran, kompetensi yang diterapkan, dan pertumbuhan yang dapat diukur, tetap sangat relevan.

AI meningkatkan standar untuk apa yang harus direpresentasikan oleh kredential.

Bagaimana universitas harus merancang ulang desain gelar sebagai AI mengompresi waktu-ke-keterampilan dan menurunkan hambatan masuk?

Ketika AI mengompresi waktu yang dibutuhkan untuk mendapatkan keterampilan teknis, universitas harus menjelaskan di mana gelar menambah nilai.

Jika alat mempercepat keterampilan tugas, pendidikan tinggi harus fokus pada apa yang tidak dapat diotomatisasi, kedalaman konseptual, pemecahan masalah terstruktur, penilaian etis, dan kinerja berkelanjutan dalam batasan.

Desain gelar harus modular dan diterapkan, tetapi kohesif. Tujuannya adalah kompetensi kumulatif, mengintegrasikan kefasihan teknis dengan penalaran dan adaptabilitas.

AI menurunkan hambatan masuk. Universitas harus merespons dengan meningkatkan ambang integrasi, penilaian, dan kemampuan yang ditunjukkan. Gelar harus menandakan kompetensi yang tahan lama, bukan hanya paparan.

Di Westcliff, kami memandang gelar sebagai ekosistem dinamis bukan progresi linier yang tetap. Kredential yang dapat ditumpuk dan jalur yang berlapis-lapis memungkinkan pembelajar untuk kembali terlibat ketika industri bergeser, sambil mempertahankan koherensi dan ketat. Fleksibilitas penting, tetapi progresi intelektual lebih penting.

Apa peran yang Anda lihat AI memainkan dalam penilaian dan pemberian kredential?

AI memaksa pendidikan tinggi untuk menghadapi kenyataan yang mendahuluinya sendiri. Banyak penilaian tradisional mengukur produksi daripada pemahaman. Jika tugas sekarang dapat diotomatisasi dengan upaya minimal, kita harus mempertanyakan apakah itu pernah menangkap penalaran.

Penilaian harus bergeser ke demonstrasi kompetensi yang autentik, pertahanan lisan, pemecahan masalah berbasis skenario, penyempurnaan iteratif, simulasi terapan, dan bukti portofolio yang membuat pemikiran terlihat. Dalam lingkungan yang diaktifkan AI, apa yang penting bukanlah artefak saja, tetapi proses kognitif di baliknya.

Di Westcliff, kami telah bergerak menuju model penilaian lisan dan iteratif yang memerlukan mahasiswa untuk mengartikulasikan dan membela penalaran mereka dalam waktu nyata. AI dapat membantu dengan menghasilkan prompt adaptif dan mendukung umpan balik yang dapat diskalakan, tetapi desain tanggung jawab tetap manusia. Lembaga harus memastikan bahwa mereka mengevaluasi kognisi pembelajar, bukan output model.

Pemberian kredential semakin tentang kemampuan yang diverifikasi daripada waktu tempat duduk yang terkumpul. Pemberi kerja ingin bukti kompetensi yang diterapkan dan penilaian yang dapat dipertanggungjawabkan. Lembaga yang merancang ulang penilaian secara proaktif akan memperkuat kredibilitas gelar mereka.

Ketika diimplementasikan dengan bijak, AI menunjukkan di mana standar akademik harus ditingkatkan.

Bagaimana Anda mendekati tata kelola dan pengawasan ketika memperkenalkan AI ke dalam pengajaran dan administrasi?

Kami mendekati AI seperti kami mendekati sistem lain yang secara material mempengaruhi kualitas akademik dan kredibilitas institusional. Tata kelola dimulai dengan kejelasan tujuan, batasan yang ditentukan, dan garis tanggung jawab yang jelas.

Pengawasan yang efektif memastikan inovasi memperkuat kepercayaan daripada mengerosinya. Itu berarti standar privasi dan keamanan data yang ketat, tinjauan bias dan keadilan ketika sistem mempengaruhi hasil siswa, dan transparansi tentang alat yang digunakan dan bagaimana data ditangani.

Ini juga memerlukan pembaruan kerangka integritas untuk mencerminkan realitas saat ini daripada asumsi warisan. Pengembangan fakultas sangat penting sehingga adopsi adalah sengaja dan selaras dengan tujuan pembelajaran, bukan terfragmentasi atau reaktif.

Ketika kami memperkenalkan model penilaian yang didukung AI di Westcliff, pengawasan tertanam dalam desain. Fakultas memantau implementasi, mengevaluasi dampak, dan memperbaiki proses berdasarkan bukti. Evaluasi vendor adalah kontinu, bukan episodik. Lembaga harus secara teratur mengevaluasi kembali keselarasan dengan standar akademik dan perlindungan siswa.

Tujuan adalah inovasi yang bertanggung jawab.

Apa kesalahpahaman yang paling umum yang dimiliki pendidik tentang AI, dan apa pergeseran mindset yang diperlukan?

Dua kesalahpahaman muncul berulang kali. Yang pertama adalah bahwa AI terutama merupakan masalah kecurangan. Yang kedua adalah bahwa itu hanya sebuah alat produktivitas. Ini bukan keduanya dalam isolasi. Lebih mendasar, ini mencerminkan pergeseran dalam cara pengetahuan dihasilkan, dievaluasi, dan diterapkan.

Ketika lembaga membingkai AI hanya sebagai masalah integritas, mereka default ke pembatasan. Ketika mereka membingkai AI hanya sebagai efisiensi, mereka melebih-lebihkan implikasinya. Pertanyaan yang lebih penting adalah bagaimana merancang pembelajaran sehingga penalaran tetap terlihat dan dapat dipertanggungjawabkan dalam lingkungan yang diaktifkan AI.

Pergeseran mindset yang diperlukan adalah dari kontrol ke desain. Ini memungkinkan fakultas untuk menjadi lebih sentral sebagai arsitek pengalaman pembelajaran yang menekankan penilaian, sintesis, dan kompetensi yang diterapkan.

Dengan dukungan institusional, praktik bersama, dan tata kelola yang kohesif, pendidik dapat benar-benar bergerak ke mana AI meningkatkan standar untuk pedagogi yang bijak dan membuat desain akademik lebih penting dari sebelumnya.

Bagaimana universitas harus mempersiapkan siswa untuk pasar kerja di mana peran fluid dan AI mendefinisikan ulang pekerjaan tingkat awal?

Peran tingkat awal telah secara tradisional berfungsi sebagai pelatihan untuk tugas produksi rutin. Di banyak bidang, AI sekarang menyerap sebagian besar pekerjaan awal. Sebagai hasilnya, lulusan diharapkan untuk beroperasi pada tingkat yang lebih tinggi lebih cepat.

Persiapan harus fokus pada kemampuan yang sulit diotomatisasi – pembingkaian masalah, komunikasi, pengambilan keputusan, dan pengawasan sistem cerdas yang bertanggung jawab. Siswa perlu merasa nyaman bekerja dalam ketidakpastian, di mana alat berkembang dan peran fluid.

Universitas harus menekankan kompetensi yang dapat disesuaikan yang berlaku di seluruh konteks daripada spesialisasi sempit saja. Pembelajaran berbasis proyek yang terstruktur dengan batasan nyata sangat penting. Ketika siswa memecahkan masalah kompleks dan membela rekomendasi mereka, mereka berlatih jenis pemikiran yang dapat dipertanggungjawabkan yang semakin dihargai oleh pemberi kerja.

Keahlian AI harus menjadi dasar. Tidak semua orang perlu membangun model, tetapi semua orang harus memahami bagaimana sistem cerdas mempengaruhi keputusan dalam profesi mereka.

Pasar kerja akan terus berubah. Tanggung jawab pendidikan tinggi bukanlah untuk memprediksi setiap peran, tetapi untuk meluluskan individu yang dapat bergerak di seluruh peran, belajar terus, dan berkontribusi secara bermakna dalam lingkungan yang dibentuk oleh teknologi yang dipercepat.

Apa yang akan menandakan bahwa universitas telah berhasil beradaptasi dengan perubahan yang dipicu AI daripada hanya bertahan?

Keberhasilan akan diukur oleh hasil dan bukan oleh posisi publik atau metrik kebanggaan.

Universitas telah benar-benar beradaptasi ketika kurikulum dan model penilaian dirancang ulang di sekitar kompetensi berbasis dunia nyata daripada pengiriman konten. Fakultas dapat menunjukkan desain pembelajaran yang bijak versus menjadi pengadopsi yang lambat, dan siswa dapat dengan jelas mengartikulasikan dan membela penalaran mereka dengan cara yang tidak dapat dihasilkan pada permintaan.

Adaptasi institusional juga terlihat dalam tata kelola. Penggunaan AI transparan, pengawasan tertanam, dan kita dapat menunjukkan bahwa kepercayaan pada hasil akademik diperkuat daripada diperlemah.

Indikator paling dapat diandalkan, bagaimanapun, adalah validasi eksternal. Pemberi kerja mengakui bahwa lulusan menunjukkan penilaian yang matang, kemampuan yang diterapkan, pengambilan keputusan, dan kefasihan dalam lingkungan yang diaktifkan AI.

Adaptasi berarti kelenturan tanpa kompromi. Lembaga berevolusi ketika teknologi maju sambil mempertahankan standar yang ketat dan kejelasan etis. Di Westcliff, kami percaya bahwa kami menghasilkan model pembelajaran yang tetap kredibel, tangguh, dan berharga ketika AI terus membentuk lanskap.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut tentang fakultas ini harus mengunjungi Westcliff University.