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

Poin utamaKesiapan tenaga kerja kini menuntut pengawasan manusia atas keluaran AI dan…
Lihat selengkapnya
- Kesiapan tenaga kerja kini menuntut pengawasan manusia atas keluaran AI dan pertimbangan yang dapat dipertanggungjawabkan.
- Literasi AI harus diintegrasikan ke dalam kurikulum setiap disiplin ilmu, bukan diperlakukan sebagai tambahan.
- Penilaian harus mengukur penalaran otentik dan kompetensi terapan, bukan hanya produksi yang terotomatisasi.
Dr. Anthony M. Lee adalah Presiden Westcliff University di Irvine, California, salah satu universitas dengan pertumbuhan tercepat di AS, dengan jumlah mahasiswa yang meningkat dari kurang dari beberapa ratus menjadi lebih dari 3.000 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. Ia memiliki pengalaman kepemimpinan dalam banyak bidang penting dalam pendidikan tinggi, termasuk pemasaran, keuangan, operasi, kepatuhan, dan akreditasi.
Bagaimana definisi kesiapan kerja Anda berevolusi di era AI generatif dan otomatisasi?
Kesiapan kerja dulu berarti kompetensi teknis dan kemampuan untuk berkontribusi langsung dalam peran yang ditentukan. Di era AI generatif, 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 pelaksanaan pekerjaan semakin didukung teknologi. Keunggulan kompetitif tidak lagi hanya mengetahui cara melakukan tugas, tetapi mengetahui cara membingkai masalah, mengawasi output AI, menguji 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 sistem tersebut memberikan manfaat, dan di mana risikonya muncul. Lebih penting lagi, mereka harus belajar bagaimana berkolaborasi dengan sistem tersebut tanpa menyerahkan tanggung jawab intelektual kepada pihak lain.
Model pembelajaran terapan kami dirancang di sekitar keterlibatan terstruktur dengan teknologi yang muncul dalam konteks yang autentik. Tujuannya bukan hanya kemahiran menggunakan 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, menguji hasilnya secara 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 sekadar satu lagi alat bantu pengajaran. Ini mengubah arsitektur pendidikan itu sendiri.
Menanggapi AI secara serius dimulai dengan perancangan ulang. Setiap disiplin harus memeriksa bagaimana sistem generatif mengubah harapan profesional dan menentukan tuntutan kecakapan profesional yang didukung AI. Penilaian harus mengukur penalaran dan kompetensi yang diterapkan, bukan hanya output.
Tetapi keseriusan juga menuntut koherensi institusional. Literasi AI tidak boleh terbatas pada mata kuliah yang terpisah-pisah. Pengembangan dosen, 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 penguasaan kompetensi 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 menyeimbangkan keterampilan manusia dasar dengan mengajar mahasiswa untuk bekerja secara efektif bersama AI?
Saya tidak melihatnya sebagai pilihan yang mengorbankan satu aspek demi aspek lain. Justru, AI generatif meningkatkan nilai kemampuan dasar manusia.
Ketika produksi kognitif rutin menjadi murah, pembeda menjadi penalaran tingkat tinggi. Pemikiran kritis berarti membingkai pertanyaan yang lebih baik dan menguji hasil yang dihasilkan mesin. Penilaian berarti mengetahui kapan harus mengandalkan sistem dan kapan harus berhenti. Etika menjadi persoalan praktis yang menuntut pemahaman atas konsekuensi dari menerapkan sistem cerdas dalam skala besar.
Mahasiswa harus belajar berpikir dalam lingkungan tempat AI hadir. Penyusunan prompt adalah titik awal, tetapi pengawasan kognitif adalah keterampilan yang lebih dalam. Lulusan harus dapat mengartikulasikan dan membela kesimpulan yang memanfaatkan informasi dari sistem cerdas, tetapi tidak ditentukan oleh sistem tersebut.
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 daya pertimbangan, 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 penyampaian kuliah atau penilaian yang mengukur produksi, AI akan menantangnya dengan cepat.
Pendidikan tinggi lebih tangguh ketika berpusat pada pengembangan terstruktur, pendampingan, praktik 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.
Pembeda utamanya terletak pada desain pembelajaran. Lembaga yang melihat diri mereka sendiri terutama sebagai penyedia konten rentan terdampak. Mereka yang beroperasi sebagai sistem pembelajaran yang dirancang secara sadar, fokus pada penalaran, kompetensi yang diterapkan, dan pertumbuhan yang dapat diukur, tetap sangat relevan.
AI meningkatkan standar untuk apa yang harus direpresentasikan oleh kredensial.
Bagaimana universitas harus memikirkan ulang desain program gelar ketika AI mempersingkat waktu untuk menguasai keterampilan dan menurunkan hambatan masuk?
Ketika AI mempersingkat waktu yang dibutuhkan untuk mendapatkan keterampilan teknis, universitas harus menjelaskan di mana gelar menambah nilai.
Jika alat mempercepat penguasaan keterampilan untuk menjalankan tugas, pendidikan tinggi harus fokus pada apa yang tidak dapat diotomatisasi, kedalaman konseptual, pemecahan masalah terstruktur, penilaian etis, dan kinerja berkelanjutan dalam batasan.
Desain program gelar harus modular, berorientasi praktik, dan tetap koheren. 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 sekadar pernah mengenal suatu bidang.
Di Westcliff, kami memandang gelar sebagai ekosistem dinamis bukan progresi linier yang tetap. Kredensial yang dapat diakumulasi serta jalur pembelajaran bertahap memungkinkan pembelajar untuk kembali terlibat ketika industri bergeser, sambil mempertahankan koherensi dan standar yang ketat. Fleksibilitas penting, tetapi progresi intelektual lebih penting.
Peran apa yang Anda lihat bagi AI dalam penilaian dan pemberian kredensial?
AI memaksa pendidikan tinggi untuk menghadapi kenyataan yang sudah ada sebelum teknologi ini muncul. 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, pemaparan dan pembelaan secara lisan, pemecahan masalah berbasis skenario, penyempurnaan iteratif, simulasi terapan, dan bukti portofolio yang membuat pemikiran terlihat. Dalam lingkungan yang didukung 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 tanggung jawab desain tetap berada pada manusia. Lembaga harus memastikan bahwa mereka mengevaluasi proses berpikir mahasiswa, bukan output model.
Pemberian kredensial semakin menekankan kemampuan yang terverifikasi, bukan akumulasi waktu mengikuti perkuliahan. 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 signifikan memengaruhi 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 mengikisnya. Itu berarti standar privasi dan keamanan data yang ketat, tinjauan bias dan keadilan ketika sistem memengaruhi hasil belajar mahasiswa, dan transparansi tentang alat yang digunakan dan bagaimana data ditangani.
Ini juga memerlukan pembaruan kerangka integritas untuk mencerminkan realitas saat ini daripada asumsi lama yang sudah usang. Pengembangan dosen sangat penting agar penerapan dilakukan secara sadar dan selaras dengan tujuan pembelajaran, bukan terfragmentasi atau reaktif.
Ketika kami memperkenalkan model penilaian yang didukung AI di Westcliff, pengawasan tertanam dalam desain. Dosen memantau implementasi, mengevaluasi dampak, dan memperbaiki proses berdasarkan bukti. Evaluasi vendor dilakukan terus-menerus, bukan hanya sesekali. Lembaga harus secara teratur mengevaluasi kembali keselarasan dengan standar akademik dan perlindungan mahasiswa.
Tujuannya adalah inovasi yang bertanggung jawab.
Apa kesalahpahaman yang paling umum yang dimiliki pendidik tentang AI, dan apa pergeseran pola pikir 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. Masing-masing pandangan itu tidak memadai jika berdiri sendiri. Secara lebih mendasar, AI mencerminkan pergeseran dalam cara pengetahuan dihasilkan, dievaluasi, dan diterapkan.
Ketika lembaga membingkai AI hanya sebagai masalah integritas, mereka cenderung langsung memilih pembatasan. Ketika mereka membingkai AI hanya sebagai efisiensi, mereka meremehkan implikasinya. Pertanyaan yang lebih penting adalah bagaimana merancang pembelajaran sehingga penalaran tetap terlihat dan dapat dipertanggungjawabkan dalam lingkungan yang didukung AI.
Pergeseran pola pikir yang diperlukan adalah dari kontrol ke desain. Ini memungkinkan dosen untuk mengambil peran yang 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 melangkah maju dengan AI yang meningkatkan tuntutan terhadap pedagogi yang dirancang secara matang dan membuat desain akademik lebih penting dari sebelumnya.
Bagaimana universitas harus mempersiapkan mahasiswa untuk pasar kerja di mana peran terus berubah 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 bekerja pada tingkat yang lebih tinggi sejak lebih awal.
Persiapan harus fokus pada kemampuan yang sulit diotomatisasi – pembingkaian masalah, komunikasi, pengambilan keputusan, dan pengawasan sistem cerdas yang bertanggung jawab. Mahasiswa perlu merasa nyaman bekerja dalam ketidakpastian, di mana alat berkembang dan peran terus berubah.
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 mahasiswa memecahkan masalah kompleks dan membela rekomendasi mereka, mereka berlatih jenis pemikiran yang dapat dipertanggungjawabkan yang semakin dihargai oleh pemberi kerja.
Literasi AI harus menjadi kemampuan dasar. Tidak semua orang perlu membangun model, tetapi semua orang harus memahami bagaimana sistem cerdas memengaruhi 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 berkembang semakin cepat.
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 pencitraan publik atau metrik yang sekadar tampak mengesankan.
Universitas telah benar-benar beradaptasi ketika kurikulum dan model penilaian dirancang ulang di sekitar kompetensi berbasis dunia nyata daripada penyampaian konten. Dosen dapat menunjukkan desain pembelajaran yang matang, alih-alih terlambat mengadopsi perubahan, dan mahasiswa dapat dengan jelas mengartikulasikan dan membela penalaran mereka dengan cara yang tidak dapat dihasilkan sesuai 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 didukung 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 universitas ini harus mengunjungi Westcliff University.












