Pendidikan dan Pelatihan AI Menjadi Prioritas Nasional untuk 2026 di Jakarta

En bref

• Pendidikan AI dan Pelatihan AI diposisikan sebagai Prioritas Nasional untuk memperkuat daya saing Indonesia, dengan Jakarta sebagai salah satu simpul koordinasi kebijakan dan ekosistem.
• Revitalisasi lebih dari 16.000 sekolah melalui skema transfer langsung ke satuan pendidikan mempercepat pemerataan sarana belajar.
• Distribusi sekitar 288.000 perangkat Interactive Flat Panel mendorong pembelajaran digital yang lebih interaktif, bukan sekadar pengadaan alat.
• Kurikulum coding dan Teknologi AI sebagai mata pelajaran pilihan mulai diterapkan bertahap sejak 2025/2026, dengan penyesuaian kesiapan daerah.
• Penguatan kompetensi guru lewat beasiswa D-IV/S1, sertifikasi, dan pelatihan deep learning dipadukan dengan pendidikan karakter.
• Program Wajib Belajar 13 Tahun (mulai TK) dipercepat melalui kolaborasi lintas kementerian dan target minimal satu PAUD per desa.

Di Jakarta, percakapan tentang masa depan sekolah terdengar semakin konkret: bukan lagi sekadar wacana “go digital”, melainkan desain besar Transformasi Digital yang menyentuh ruang kelas, cara guru mengajar, hingga akses anak-anak di wilayah yang jauh dari pusat kota. Menjelang Tahun 2026, pemerintah menempatkan Pendidikan AI dan Pelatihan AI sebagai bagian dari agenda yang lebih luas—membangun Pengembangan SDM yang adaptif, berkarakter, dan siap menghadapi perubahan pasar kerja. Fokusnya terlihat dari kombinasi program: revitalisasi sekolah dalam skala besar, distribusi perangkat pembelajaran interaktif, serta penguatan kompetensi guru agar mampu memanfaatkan Teknologi AI sebagai alat bantu pedagogi, bukan pengganti peran manusia.

Garis besarnya jelas: pemerataan mutu. Pemerintah pusat menegaskan perannya sebagai mitra yang memperkuat daerah, sementara kepala daerah menjadi penggerak yang menentukan apakah kebijakan berujung pada dampak nyata atau hanya berhenti sebagai dokumen. Di tengah dinamika ekonomi dan sosial—yang ikut membentuk prioritas belanja publik—kebijakan pendidikan dituntut tetap realistis, terukur, sekaligus berani. Diskusi tentang etika dan tata kelola pun ikut mengemuka, seiring makin seringnya AI dipakai untuk belajar, menilai, dan mengelola data. Dari sinilah rangkaian Kebijakan Pendidikan berbasis inovasi mulai menyatu dengan kebutuhan sehari-hari sekolah.

Pendidikan dan Pelatihan AI sebagai Prioritas Nasional: Arah Kebijakan Pendidikan di Jakarta menuju 2026

Menjadikan Pendidikan AI sebagai Prioritas Nasional berarti menggeser cara pandang: dari “teknologi sebagai proyek” menjadi “teknologi sebagai kapasitas”. Dalam konteks Jakarta, arah ini tampak pada upaya mengikat berbagai inisiatif—kurikulum, pelatihan pendidik, sarana digital, hingga tata kelola—dalam satu napas: Inovasi Pendidikan yang bisa diukur dampaknya pada literasi, numerasi, dan keterampilan abad ke-21. Pertanyaannya, apa yang membedakan agenda 2026 dari sekadar modernisasi perangkat? Jawabannya ada pada penekanan bahwa AI harus membantu meningkatkan mutu pembelajaran dan memperluas akses, bukan sekadar membuat kelas tampak “canggih”.

Kerangka kebijakan terbaru memberi sinyal bahwa coding dan AI diperlakukan sebagai mata pelajaran pilihan mulai tahun ajaran 2025/2026. Secara strategi, model pilihan ini membuat sekolah bisa bertahap: sekolah yang siap dapat melaju dulu, sementara yang masih membangun kapasitas diberi ruang mengejar ketertinggalan. Pendekatan bertahap ini penting karena ketimpangan tidak hanya soal jaringan internet, tetapi juga budaya sekolah, ketersediaan guru, dan kemampuan kepala sekolah mengelola perubahan. Di beberapa wilayah 3T, transisi kurikulum bahkan diberi waktu lebih panjang hingga 2026/2027 agar implementasi tidak memaksa dan menurunkan kualitas.

Di tingkat tata kelola, kebijakan menempatkan pemerintah pusat sebagai penguat, bukan “pengatur tunggal”. Kepala daerah diposisikan sebagai ujung tombak, karena merekalah yang memahami detail: sekolah mana yang bangunannya kritis, desa mana yang butuh PAUD, atau komunitas mana yang paling memerlukan dukungan guru pendamping. Prinsip sinergi ini juga sejalan dengan kebutuhan membangun ekosistem talenta digital yang tidak hanya terkonsentrasi di kota-kota besar. Narasi tentang talenta lokal dan jejaring global semakin kuat, misalnya melalui diskusi tentang penguatan talenta AI dalam negeri dan koneksi internasional seperti yang dibahas pada penguatan talenta AI lokal dan perluasan jejaring pada talenta AI di panggung global.

Dalam praktiknya, Jakarta sering menjadi “laboratorium kebijakan”: uji coba program pelatihan, pengembangan modul, dan kolaborasi universitas-industri lebih mudah dilakukan karena ekosistemnya padat. Namun, konsekuensi dari posisi ini adalah Jakarta harus memastikan program yang berhasil dapat direplikasi dengan konteks berbeda. Karena itu, agenda 2026 tidak berhenti pada pilot, melainkan menyiapkan mekanisme berbagi praktik baik lintas provinsi, termasuk standar kompetensi guru, paket modul, dan skema pendanaan yang lebih sederhana.

Aspek yang kerap luput adalah kebutuhan tata kelola etika. Ketika AI dipakai untuk menganalisis tugas murid atau membantu menyusun materi, muncul isu privasi, bias, dan hak cipta. Wacana publik di ibu kota mendorong pembahasan ini menjadi lebih terbuka, sebagaimana terlihat dari perdebatan etika AI di Jakarta. Etika bukan penghambat, melainkan pagar agar inovasi tidak merugikan peserta didik. Insight kuncinya: kebijakan AI di sekolah akan kuat bila sejak awal disusun sebagai kombinasi antara kompetensi teknis, tata kelola, dan nilai.

Revitalisasi 16.000 Sekolah dan Digitalisasi Pembelajaran: Infrastruktur sebagai Fondasi Transformasi Digital

Ambisi Transformasi Digital di pendidikan tidak akan bertahan bila gedung sekolah bocor, listrik tidak stabil, atau ruang kelas terlalu padat. Itulah mengapa revitalisasi sarana-prasarana menjadi salah satu pilar paling “sunyi” namun menentukan. Program revitalisasi melalui skema transfer langsung ke satuan pendidikan yang menjangkau lebih dari 16.000 sekolah menjadi sinyal bahwa negara mencoba memotong jalur birokrasi yang panjang agar perbaikan ruang belajar lebih cepat. Di lapangan, perbaikan yang terlihat sederhana—lantai kelas yang aman, ventilasi yang baik, toilet layak—sering kali menjadi prasyarat agar perangkat digital tidak rusak dan kegiatan belajar lebih fokus.

Digitalisasi juga didorong oleh penyaluran sekitar 288.000 perangkat Interactive Flat Panel (IFP). Tetapi inti kebijakannya bukan angka perangkat, melainkan perubahan cara mengajar. Panel interaktif dapat membantu guru memvisualisasikan konsep matematika, memperlihatkan simulasi sains, atau mengajak murid menyunting teks bersama. Contoh yang mudah dibayangkan: seorang guru IPA menampilkan simulasi ekosistem dan meminta murid memodifikasi variabel, lalu berdiskusi sebab-akibat. Dengan begitu, perangkat menjadi pemantik berpikir kritis, bukan layar presentasi pasif.

Di sinilah kebutuhan desain pembelajaran muncul. Sekolah memerlukan panduan: bagaimana menyiapkan RPP atau modul ajar yang memanfaatkan IFP secara efektif, bagaimana membagi waktu antara diskusi dan eksplorasi digital, serta bagaimana memastikan murid tidak sekadar “menonton”. Penggunaan Teknologi AI juga bisa masuk sebagai pendamping, misalnya alat untuk membuat kuis adaptif atau memberi umpan balik awal terhadap tulisan murid. Namun, sekolah perlu aturan: kapan AI boleh dipakai, bagaimana mengutip sumber, dan bagaimana melindungi data anak.

Jakarta menjadi rujukan karena banyak sekolah sudah terbiasa dengan platform pembelajaran. Meski begitu, tantangan tetap ada: kesenjangan antar sekolah dalam satu kota, perbedaan kemampuan manajemen kepala sekolah, hingga variasi dukungan komite. Untuk membuat program efektif, banyak daerah mulai mengadopsi pendekatan “paket transformasi”: perbaikan ruang kelas, perangkat digital, pelatihan guru, dan monitoring rutin dalam satu rangkaian. Pendekatan ini mirip cara proyek infrastruktur besar disusun—bukan hanya membeli barang, melainkan memastikan barang itu bekerja dan dipakai.

Di luar sektor pendidikan, percepatan digital sering ditopang infrastruktur komputasi dan jaringan. Keterhubungan ini terasa ketika sekolah memerlukan akses platform AI yang stabil, penyimpanan data aman, atau konten video pembelajaran yang lancar. Diskusi tentang kesiapan infrastruktur AI nasional—mulai dari pusat data hingga komputasi berperforma tinggi—ikut memengaruhi ekosistem pendidikan, sebagaimana diulas pada digitalisasi AI dan HPC di Indonesia dan penguatan jejaring pusat inovasi pada pusat AI nasional Indonesia. Intinya, sekolah bukan pulau sendiri; ia bagian dari rantai sistem digital yang lebih besar.

Revitalisasi dan digitalisasi yang berjalan beriringan memberi pesan penting: kualitas belajar tidak bisa ditopang satu kebijakan tunggal. Ketika infrastruktur fisik dan digital menyatu, sekolah punya peluang lebih besar untuk menjalankan Inovasi Pendidikan yang konsisten dari hari ke hari—bukan sekadar program musiman.

Perubahan infrastruktur kerap memicu rasa ingin tahu: bagaimana praktik terbaik penggunaan perangkat di kelas, dan bagaimana guru menghindari “kelas jadi layar”? Pertanyaan itu membawa kita pada faktor penentu berikutnya, yaitu kompetensi pendidik dan desain Pelatihan AI yang benar-benar membumi.

Pelatihan AI untuk Guru dan Tenaga Kependidikan: Pengembangan SDM yang Membumi di Ruang Kelas

Program perangkat dan kurikulum akan kehilangan daya bila guru dibiarkan belajar sendiri tanpa dukungan. Karena itu, Pelatihan AI untuk guru dan tenaga kependidikan menjadi pusat perhatian: bukan hanya mengenalkan istilah “machine learning” atau “deep learning”, melainkan membuat guru mampu memilih strategi mengajar yang tepat, menilai pekerjaan murid secara adil, dan mengelola kelas yang semakin heterogen kemampuan digitalnya. Dalam agenda Pengembangan SDM, pelatihan dipadukan dengan beasiswa D-IV/S1, sertifikasi profesi, dan penguatan kepemimpinan kepala sekolah agar perubahan tidak berhenti pada individu, tetapi menjadi budaya organisasi sekolah.

Agar pelatihan efektif, formatnya perlu dekat dengan realitas. Di banyak sekolah, tantangan utama bukan “tidak tahu AI”, melainkan keterbatasan waktu menyiapkan materi, beban administrasi, serta kebutuhan mengajar diferensiasi. Pelatihan yang membumi biasanya memiliki tiga ciri: berbasis kasus kelas, ada produk nyata (misalnya modul ajar), dan ada pendampingan setelah pelatihan. Misalnya, guru Bahasa Indonesia diminta membuat rubrik penilaian menulis, lalu mencoba alat AI untuk memberikan umpan balik awal (spelling, struktur), sementara penilaian isi dan orisinalitas tetap di tangan guru. Dengan cara ini, AI mempercepat proses, bukan menggantikan pertimbangan pedagogis.

Studi kasus: Bu Rani dan kelas IX di Jakarta Timur

Bu Rani (tokoh fiktif) mengajar di SMP negeri di Jakarta Timur. Setelah mengikuti pelatihan, ia menerapkan “siklus belajar” tiga tahap. Pertama, murid menulis draf opini 300 kata tentang isu lingkungan di sekitar sekolah. Kedua, murid memakai alat bantu AI untuk mengecek koherensi paragraf dan variasi kosakata, lalu mencatat rekomendasi yang mereka terima. Ketiga, Bu Rani mengadakan diskusi kelas: rekomendasi mana yang layak diambil, mana yang harus ditolak karena tidak sesuai maksud penulis. Di sini, AI menjadi bahan literasi kritis—murid belajar bahwa saran mesin tidak selalu benar.

Model seperti ini juga membantu pendidikan karakter. Murid diajak jujur menyatakan bagian mana yang dibantu teknologi, memahami batas plagiarisme, dan berlatih bertanggung jawab atas karyanya. Dalam konteks kebijakan, ini sejalan dengan pesan bahwa teknologi harus memperkuat fondasi nilai, bukan melemahkannya. Program pembiasaan seperti kegiatan fisik dan kebersamaan di pagi hari tetap dipertahankan untuk menyeimbangkan dunia digital dan kebugaran, sekaligus menumbuhkan disiplin.

Komponen kompetensi yang perlu ada dalam Pelatihan AI

Pelatihan yang matang biasanya tidak berhenti pada “cara pakai aplikasi”. Guru perlu memahami konsep, risiko, serta strategi implementasi. Berikut daftar komponen yang relevan dan bisa diterapkan lintas mata pelajaran:

• Literasi data: memahami jenis data belajar, cara menyimpan, dan batas akses.
• Desain tugas: menyusun penugasan yang mendorong pemikiran orisinal, bukan hasil instan.
• Penilaian dan umpan balik: menggunakan AI untuk umpan balik awal, lalu memfinalisasi dengan rubrik guru.
• Etika dan privasi: persetujuan penggunaan, perlindungan identitas anak, dan jejak digital.
• Inklusi: memastikan murid dengan keterbatasan akses tetap mendapat alternatif pembelajaran.

Di titik ini, kolaborasi menjadi krusial. Kampus, industri, dan pemerintah perlu menyusun kurikulum pelatihan yang kompatibel dengan kebutuhan sekolah, termasuk akses perangkat dan platform. Ekosistem kolaboratif semacam ini banyak dibahas dalam konteks kolaborasi industri dan akademik AI, karena sekolah membutuhkan materi yang relevan sekaligus aman. Insight kuncinya: pelatihan yang berhasil selalu menghasilkan perubahan perilaku mengajar, bukan sekadar sertifikat.

Ketika guru mulai siap, pertanyaan berikutnya muncul: bagaimana memastikan kebijakan kurikulum AI dan coding tidak menambah kesenjangan, melainkan memperkecil jarak antar sekolah? Itu membawa kita pada rancangan implementasi kurikulum dan mekanisme pemerataan.

Kurikulum Coding dan Teknologi AI sebagai Mapel Pilihan: Strategi Implementasi yang Adil dan Terukur

Penerapan coding dan Teknologi AI sebagai mata pelajaran pilihan sejak tahun ajaran 2025/2026 memberi ruang bagi sekolah untuk bertumbuh sesuai kapasitas. Logika kebijakannya sederhana: lebih baik bertahap namun bermutu dibanding serentak tetapi dangkal. Menjelang Tahun 2026, banyak sekolah mulai memetakan kesiapan: apakah guru tersedia, perangkat memadai, dan kepala sekolah punya rencana jam pelajaran serta kegiatan proyek. Dalam kerangka Kebijakan Pendidikan, model pilihan ini juga memungkinkan integrasi lintas mata pelajaran—AI tidak harus berdiri sendiri, tetapi bisa masuk sebagai proyek di sains, sosial, atau bahasa.

Yang paling menentukan adalah “apa yang dipelajari” dan “untuk apa”. Di SD, fokus bisa berupa berpikir komputasional, logika, dan etika penggunaan teknologi. Di SMP, murid dapat mulai memahami data sederhana, membuat program dasar, serta mengenali cara kerja sistem rekomendasi. Di SMA/SMK, barulah proyek lebih kompleks: model prediksi sederhana, analisis data, atau otomasi proses. Bila disusun bertahap, pembelajaran tidak menciptakan rasa takut, melainkan rasa ingin tahu.

Contoh desain proyek yang relevan dengan kehidupan murid

Proyek yang baik selalu berangkat dari masalah dekat. Di Jakarta, murid bisa membuat proyek pemetaan sampah plastik di lingkungan sekolah menggunakan formulir digital, lalu menganalisis data untuk menentukan titik pengumpulan. Di daerah pesisir, murid dapat mengolah data cuaca atau pasang-surut untuk memahami risiko banjir rob. Proyek-proyek seperti ini membuat AI terasa sebagai alat pemecahan masalah, bukan sekadar materi ujian.

Namun, pemerataan tetap menjadi tantangan. Sekolah di daerah dengan keterbatasan internet perlu alternatif: materi offline, perangkat bersama, dan model pelatihan guru yang lebih intensif. Kebijakan yang memberi kelonggaran waktu bagi wilayah tertentu untuk menyesuaikan kurikulum hingga 2026/2027 membantu mencegah ketimpangan makin lebar. Dalam konteks ekonomi yang juga berpengaruh pada belanja pendidikan keluarga, keberlanjutan program perlu mempertimbangkan daya beli dan kondisi kelas menengah, yang sering menjadi penopang biaya pendidikan tambahan; gambaran dinamika konsumsi bisa dibaca melalui pergeseran kelas menengah dan sektor ritel. Implikasinya: sekolah negeri harus makin kuat sebagai penyedia layanan bermutu agar akses tidak ditentukan dompet.

Tabel pemetaan implementasi kurikulum AI dan coding

Yang sering terlupa, implementasi kurikulum adalah kerja perubahan perilaku: jadwal, kebiasaan belajar, bahkan cara orang tua memandang “belajar teknologi”. Karena itu, komunikasi publik penting agar AI tidak dipersepsikan sebagai ancaman. Artikel yang menekankan sisi peluang dan manfaat sosial turut membantu membangun penerimaan, misalnya pada nilai positif AI bagi Indonesia. Insight kuncinya: kurikulum AI yang adil adalah kurikulum yang memberi kesempatan setara untuk mencoba, gagal, lalu berkembang.

Setelah kurikulum dan pelatihan bergerak, pekerjaan berikutnya adalah memastikan ekosistemnya kuat: dari pendanaan, infrastruktur komputasi, hingga kemitraan industri. Di titik ini, Jakarta kembali berperan sebagai simpul koordinasi yang mempertemukan berbagai kepentingan.

Ekosistem Pendukung di Jakarta: Kemitraan, Infrastruktur AI, dan Akuntabilitas Program Transformasi Digital

Keberhasilan Prioritas Nasional di bidang Pendidikan AI tidak hanya ditentukan oleh sekolah dan guru. Ia juga ditentukan oleh ekosistem: infrastruktur komputasi, kemitraan industri, mekanisme pengadaan yang bersih, dan pengukuran dampak. Di Jakarta, ekosistem ini relatif mudah tumbuh karena berdekatan dengan pusat pemerintahan, kampus besar, serta perusahaan teknologi. Tantangannya justru: bagaimana memastikan ekosistem yang padat ini tidak menciptakan kesenjangan baru, melainkan menjadi mesin transfer pengetahuan ke daerah.

Salah satu isu yang sering muncul adalah kapasitas infrastruktur AI—baik untuk pelatihan model, akses platform pembelajaran, maupun analitik pendidikan. Ketika sekolah mulai memanfaatkan fitur AI untuk personalisasi belajar, kebutuhan komputasi dan keamanan data meningkat. Karena itu, pembahasan tentang infrastruktur AI nasional, termasuk peran operator telekomunikasi dan penyedia teknologi, menjadi relevan. Contohnya dapat ditelusuri dalam laporan tentang kolaborasi infrastruktur AI Indosat, Cisco, dan Nvidia serta perluasan jaringan pada infrastruktur AI Nvidia dan telekomunikasi. Dampaknya ke sekolah bisa langsung terasa: akses platform yang stabil, latensi rendah untuk konten interaktif, dan sistem yang lebih aman.

Kemitraan industri juga perlu diarahkan. Dunia usaha bisa membantu lewat magang SMK, penyusunan proyek berbasis masalah nyata, dan penyediaan mentor. Namun, pemerintah harus menjaga agar kemitraan tidak berubah menjadi promosi produk semata. Sekolah membutuhkan interoperabilitas, pelatihan yang netral, dan opsi yang tidak mengunci pada satu vendor. Di sini, peran standar nasional dan evaluasi transparan menjadi krusial, agar belanja teknologi tepat guna.

Akuntabilitas: mengukur dampak, bukan hanya output

Banyak program pendidikan tersandung karena hanya mengukur “berapa perangkat dibeli” atau “berapa orang dilatih”, bukan perubahan di kelas. Untuk 2026, pendekatan pengukuran yang lebih matang dapat mencakup: peningkatan partisipasi murid, kualitas tugas proyek, pengurangan beban administrasi guru, serta indikator pemerataan (misalnya selisih capaian antar sekolah). Transparansi data program juga membantu membangun kepercayaan publik, terutama ketika masyarakat menuntut belanja negara yang efisien di tengah ketidakpastian global. Gambaran konteks ekonomi yang memengaruhi ruang fiskal dan optimisme bisa dilihat dari prospek ekonomi Indonesia 2026.

Akuntabilitas juga terkait isu sosial: perlindungan anak, keamanan data, dan ruang aman di internet. Saat sekolah makin digital, risiko perundungan daring atau penyalahgunaan data meningkat. Karena itu, literasi digital harus berjalan bersama pendidikan karakter, dan kebijakan perlu tegas soal pelindungan. Diskursus HAM dan dampak media terhadap masyarakat memberi pengingat bahwa teknologi selalu punya sisi sosial-politik; salah satu rujukan yang memperkaya perspektif adalah dampak media pada isu HAM di Indonesia. Dalam konteks sekolah, pesan praktisnya: keamanan digital adalah bagian dari keselamatan peserta didik.

Akhirnya, ekosistem kuat lahir dari kolaborasi yang rapi: pemerintah menyiapkan kerangka, daerah mengeksekusi sesuai konteks, kampus memperkuat riset dan pelatihan, industri membuka akses proyek nyata, dan masyarakat mengawasi. Bila semua simpul bekerja, Transformasi Digital pendidikan bukan sekadar slogan, melainkan perubahan yang terasa pada cara anak belajar dan cara guru memimpin kelas. Insight kuncinya: masa depan pendidikan berbasis AI ditentukan oleh tata kelola yang disiplin, bukan hanya oleh kecanggihan teknologi.