Kalau ada satu dokumen sekolah yang paling sering saya kerjakan terlambat, itu kisi-kisi penilaian sumatif. Formatnya sederhana: nomor soal, materi, indikator, level kognitif, bentuk soal. Tapi menyusunnya itu seperti merapikan rumah sebelum tamu datang — semua orang tahu pentingnya, tidak ada yang benar-benar menikmati prosesnya.

Pekan lalu kisi-kisi untuk sumatif tengah semester kelas VII jatuh tempo hari Senin. Ahad malam jam sembilan, saya menatap dokumen yang baru terisi dua baris dari tiga puluh. Di titik seperti itu dulu saya akan memilih jalan pintas: menyalin kisi-kisi tahun lalu dan mengganti nama materi. Malam itu saya mencoba jalan lain. Saya membuka percakapan dengan AI dan mengajaknya bekerja — bukan menyerahkan pekerjaannya.

Di lemari kantor MGMP ada satu kardus yang sebenarnya sudah lama saya pandang dengan perasaan campur aduk. Isinya lembar soal—ulangan harian, soal UAS, soal olimpiade tingkat kecamatan, sampai soal ulangan kenaikan kelas dari tahun 2013. Semuanya tulisan tangan di atas formulir fotokopian, sebagian sudah menguning, dan ada satu halaman yang di pojoknya masih ada coretan kopi. Setiap kali ada guru baru yang bertanya “Pak, ada soal tahun lalu tidak?”, jawaban saya selalu sama: “Ada, tapi harus gali dulu.”

Gali. Itu kata yang tepat. Karena arsip soal yang tidak bisa dicari pada dasarnya sama dengan tidak ada.

Kali ini saya memutuskan untuk benar-benar menggalinya sekalian—tapi bukan dengan mengetik ulang semuanya sendiri. Saya mengajak AI. Artikel ini adalah cerita bagaimana prosesnya berjalan, apa saja yang mengejutkan saya, dan di mana letak garis yang menurut saya tidak boleh dilewati.

Minggu lalu saya mengalami satu momen yang sebenarnya sudah lama saya cari: seluruh data mengajar saya untuk pertama kalinya saling berbicara. Bukan secara puitis, tetapi secara harfiah. Hasil ulangan CBT kelas VIII menunjukkan satu butir soal tentang penjumlahan bentuk aljabar dijawab benar hanya oleh 31% siswa. Di layar sebelah, jurnal mengajar saya untuk kelas yang sama, minggu yang sama, tercatat satu kalimat refleksi pendek: “Saya buru-buru hari itu, contoh hanya dua, langsung latihan kelompok.”

Dua data dari dua aplikasi yang saya bangun sendiri. Selama ini mereka hidup berjauhan — CBT di satu tempat, jurnal di tempat lain. Ternyata begitu ditaruh berdampingan, keduanya saling menjelaskan dengan cara yang tidak bisa dilakukan masing-masing sendirian.

Seorang murid kelas VII, sebut saja Rani, berjalan ke meja saya sambil membawa ponselnya. Di layarnya ada percakapan dengan chatbot AI tentang soal operasi hitung campuran: $12 - 3 \times 4 + 6$. Ia sudah memotret soalnya, menyalinnya, dan mesin itu menjawab dengan langkah-langkah yang rapi — lengkap sampai hasil akhirnya, 6. Rani cuma ingin memastikan: “Pak Gun, ini bener nggak?” Jawabannya benar. Tapi ada yang mengganjal di kepala saya sejak beberapa minggu: dalam percakapan itu, siapa yang sebenarnya belajar? Rani tidak menghitung apa pun. Ia hanya mengangkut soal dari buku ke mesin, lalu mengangkut jawaban dari mesin ke bukunya. Ia menjadi kurir yang rajin.

Koreksi ulangan harian bab bilangan berpangkat kemarin menghasilkan sesuatu yang tidak biasa. Dari tiga puluh dua lembar jawaban, dua puluh satu siswa salah di soal yang sama — soal nomor tujuh, tentang $(-2)^4$ berbanding $-2^4$. Saya berdiri di depan tumpukan kertas dan menyadari sesuatu yang sebenarnya sudah terjadi setiap kali koreksi, tapi jarang saya gali lebih dalam: kesalahan itu tidak tersebar acak. Mereka menggerombol. Ada kelompok yang salah di tanda, ada kelompok yang salah di urutan operasi, dan sisanya salah karena tergesa membaca soal.

Dulu, temuan seperti ini biasanya berhenti jadi keluhan di kepala saya sendiri. “Cih, tanda masih ketukar-ketukar juga.” Lalu pekan berikutnya saya mengajar ulang seluruh bab dari awal, padahal yang perlu diperbaiki cuma satu titik kebingungan. Mubazir — untuk saya, yang waktu terbatas, dan untuk siswa yang sudah paham sebagian besar materi tapi dipaksa mengulang semuanya.

Malam itu saya membuka GezyCBT dan berpikir: data jawaban salah ini sebenarnya sudah saya simpan berbulan-bulan. Tinggal saya tidak pernah membacanya sebagai satu kesatuan.

Ada satu pertanyaan yang menahun di kepala saya bertahun-tahun: kalau dua guru mengoreksi jawaban uraian yang sama, berapa besar kemungkinan mereka memberi nilai yang sama? Pengalaman saya bilang: tidak sebesar yang kita harapkan. Dan pengalaman itu bukan sekadar dengar-dengar. Pernah suatu kali, di sebuah kegiatan MGMP, kami diminta mengoreksi salinan jawaban siswa yang sama. Jawaban itu sebenarnya cukup baik — alurnya jelas, tapi perhitungan akhirnya salah satu langkah. Skor dari rekan-rekan di ruangan itu berkisar dari enam sampai delapan koma lima. Dua koma lima poin selisihnya, untuk kertas yang sama persis.

Sabtu sore pekan lalu, saya duduk di depan layar dengan satu tugas yang setiap guru kenal baik: menyiapkan modul ajar untuk pekan berikutnya. Kurikulum sudah berubah beberapa kali sejak saya mulai mengajar, tetapi satu hal tidak pernah berubah — pekerjaan administratif perencanaan selalu lebih memakan waktu daripada memikirkan bagaimana anak-anak akan belajarnya nanti.

Kali ini saya mencoba jalur yang berbeda. Saya buka aplikasi AI, ketik permintaan yang cukup rinci: modul ajar untuk materi aritmetika sosial kelas VII, satu pertemuan, dengan konteks pasar dan warung — sesuatu yang dekat dengan kehidupan anak-anak di sekitar sekolah kami. Dalam waktu kurang dari satu menit, draf lengkap muncul di layar. Capaian pembelajaran, kegiatan pendahuluan, kegiatan inti, lembar kerja, rubrik penilaian. Semuanya ada.

Kemarin sore, seusai jam pelajaran, dua siswa kelas VIII saya menyodorkan laptop mereka. Mereka sedang mengerjakan latihan di rumah, menabrak satu soal sistem persamaan linear, tidak paham, lalu — seperti yang sudah jadi kebiasaan anak-anak sekarang — menyalin soalnya ke sebuah chatbot AI. Jawaban datang dalam hitungan detik: rapi, bertahap, diakhiri kalimat tegas “Jadi, nilai $x = 3$ dan $y = 1$.”

Masalahnya, jawaban yang benar adalah $x = 1$ dan $y = 3$. Chatbot itu salah arah di tengah jalan: saat memindahkan satu suku antar ruas, tandanya tidak berubah. Kesalahannya kecil, khas manusia, dan sama sekali tidak menurunkan rasa percaya dirinya. Baris terakhirnya tetap ditulis dengan nada seolah-olah tidak ada kemungkinan lain.

Saya tidak marah pada AI-nya. Saya justru bersyukur. Karena di depan saya, dua anak remaja sedang mengalami sesuatu yang tidak bisa saya jelaskan lewat ceramah: bahwa mesin yang terdengar sangat meyakinkan bisa saja salah.

Rabu lalu saya duduk di meja kerja dengan satu tugas yang sama seperti setiap tahun: menyiapkan latihan soal berjenjang untuk bab sistem persamaan linear dua variabel. Kelas VIII-B saya tahun ini isinya campuran yang khas — ada anak yang bisa menyelesaikan soal olimpiade kelas IX tanpa banyak bimbingan, dan ada juga yang masih ragu memindahkan suku ke ruas lain. Satu set soal seragam untuk kelas seperti itu selalu berakhir dua hal: yang cepat menganggur karena soalnya terlalu mudah, yang tertinggal menyerah karena soalnya terlalu sulit.

Masalahnya, menyusun soal berjenjang itu melelahkan. Bukan menyusun lima soal yang sulitnya bertingkat sekadar perasaan — tapi lima soal yang benar-benar naik satu tangga, masing-masing menuntut satu kemampuan baru yang bisa saya sebut dengan jelas.

Kalau Bapak/Ibu guru kelas atau wali murid, pasti kenal momen ini: sudah malam, meja penuh cangkir kopi yang sudah dingin, dan catatan observasi terbuka di depan. Entinya pendek-pendek, steno ala guru yang buru-buru: “Aulia tanya cara” — tanya cara apa? Kapan tanggalnya? Soal nomor berapa? Catatan yang bulan September terasa jelas itu, di bulan Desember, berubah menjadi teka-teki yang harus saya pecahkan sendiri sebelum bisa menulis satu paragraf narasi raport.