بِسْمِ اللَّهِ الرَّحْمَنِ الرَّحِيم
SPMI, AI dan Tantangan Prompt Yang Tepat
Oleh:
Bagus Suminar
Wakil Ketua ICMI Jatim, Mentor Budaya Mutu, SPMI dan ISO 21000
“Dalam SPMI, AI tidak cukup hanya cepat. Tanpa prompt yang tepat, teknologi canggih pun bisa salah membaca masalah.”
Kalau kita amati, banyak tugas dan pekerjaan SPMI itu bukan susah. Yang bikin capek justru karena diulang terus. SPMI itu mengikuti siklus PPEPP yang terus berputar tanpa henti.
Data dikumpulkan lagi.
Laporan diringkas lagi.
Temuan ditulis lagi.
Rapat membahas hal yang mirip lagi.
Yang habis bukan cuma waktu. Tenaga juga. Kadang fokus ikut terkuras.
Di situ kita mulai paham kenapa AI mulai dilirik. Dan itu wajar. Bahkan masuk akal. Teknologi memang harus kita optimalkan dalam pekerjaan.
Ada bagian tertentu dalam SPMI yang bisa dibantu AI. Tidak semuanya. Tidak perlu dibayangkan terlalu muluk. Justru manfaat pertamanya sering ada di pekerjaan yang paling repetitif: merangkum temuan AMI, mengelompokkan keluhan mahasiswa, membaca pola dari evaluasi pembelajaran, atau menyiapkan bahan awal sebelum rapat tinjauan manajemen (RTM) dimulai.
Jadi secara tegas kita bisa menggaris bawahi: AI paling berguna bagi SPMI justru pada pekerjaan yang terlalu lama menguras tenaga administratif.
Namun manfaat itu tidak akan banyak berarti jika hasil kerja AI berdiri sendiri alias parsial. Kuncinya justru ada pada integrasi. Dokumen yang dihasilkan AI tidak boleh berhenti sebagai ringkasan yang numpuk di folder. Ia harus nyambung ke sistem. Harus masuk ke arsitektur kelembagaan.
Mulainya bisa dari analisis SWOT yang dilakukan secara periodik. Dari sana baru ditarik ke pembaruan statuta, RIP, Renstra, Renop, lalu turun lagi ke kebijakan, standar, sampai SOP. Kalau hubungan ini putus, AI hanya menambah teks. Bukan menambah mutu.
Masalahnya, banyak kampus terlalu cepat tertarik pada alat, tetapi terlalu lambat membereskan fondasi. Datanya belum rapi. Evaluasi diri belum diperbaharui. Indikatornya belum tajam. Positioning dan Mission differentiation belum jelas. Tujuan pemakaiannya juga belum dirumuskan. Akhirnya AI dipanggil masuk, tetapi sistem mutunya sendiri belum siap diajak bekerja. Akhirnya terjadi GIGO. Singkatan dari “Garbage In, Garbage Out” (Sampah Masuk, Sampah Keluar).
Dalam kondisi ini, saya rasa kata yang penting bukan cuma AI, tetapi prompt.
Prompt bukan cuma perintah singkat ke mesin. Prompt itu cara mengarahkan perhatian. Cara membatasi masalah. Cara fokus. Cara menentukan apa yang harus dibaca, apa yang tidak boleh dipakai, dan hasil seperti apa yang ingin keluar.
Oleh sebab itu, saat ini lebih penting memahami cara berpikir prompt engineer daripada sekadar euforia memakai AI. Yang menentukan bukan siapa paling cepat mencoba alat baru, melainkan siapa yang mampu merumuskan masalah dengan jernih dan mengubahnya menjadi prompt yang tepat.
Mari kita lihat gagasan Chirag Shah. Dalam artikel tahun 2025 berjudul “From Prompt Engineering to Prompt Science with Humans in the Loop” di Communications of the ACM, Shah pada dasarnya mengingatkan bahwa prompt tidak boleh diperlakukan sebagai eksperimen asal coba. Prompt harus disusun dengan logika yang jelas, bisa diuji, dan tetap melibatkan penilaian manusia.
Dalam konteks SPMI, poin diatas penting sekali. Artinya, AI tidak cukup hanya diberi perintah umum seperti “tolong analisis data mutu” atau “buat ringkasan evaluasi.” Yang jauh lebih berguna adalah prompt yang spesifik, misalnya: “Kelompokkan 300 komentar mahasiswa ke dalam lima tema utama, tandai tiga keluhan yang paling sering muncul, lalu pisahkan mana yang terkait dosen, layanan akademik, dan fasilitas.”
Di situlah letak keterampilannya. Kampus perlu punya kemampuan menyusun prompt yang tepat agar AI membaca masalah yang benar, menghasilkan keluaran yang relevan, dan tidak menyesatkan pengambilan keputusan. Jadi, yang dibutuhkan bukan hanya tahu masalahnya, tetapi juga tahu bagaimana menerjemahkan masalah itu menjadi prompt yang jernih, terarah, dan bisa dipakai untuk membantu kerja mutu secara nyata.
Kalau ditarik ke praktik kampus, pertanyaannya jangan langsung: “AI ini bisa dipakai untuk apa?” Pertanyaan yang lebih sehat justru begini: “Masalah mana yang paling layak dibantu dulu, dan prompt seperti apa yang membuat AI membaca masalah itu dengan tepat?”
Contoh: Unit mutu punya ratusan komentar dan saran mahasiswa dari evaluasi pembelajaran. Selama ini komentar itu dibaca manual. Dirangkum satu-satu. Kadang cuma diambil beberapa contoh. Kadang juga selesai seadanya karena waktunya sudah mepet. Nah, di titik seperti itu AI bisa benar-benar membantu.
AI bukan untuk mengambil alih keputusan. Bukan juga untuk menggantikan nalar akademik. Tetapi untuk mengelompokkan komentar, membaca tema yang paling sering muncul, memahami pesan, lalu menyiapkan bahan awal yang lebih enak dibaca pimpinan atau program studi.
Dari sini keputusan bisa bergerak lebih cepat—dan, yang lebih penting, lebih tepat.
Masalah yang tadinya tenggelam di data, kini mulai kelihatan bentuknya. Lebih mudah dipahami. Keluhan yang tadinya tercecer mulai punya pola. Rapat yang tadinya muter-muter bisa sedikit lebih fokus. Itu baru terasa manfaatnya,
.Pandangan seperti ini juga sejalan dengan artikel Xu Sun, Yang Yang, dan Qijun Du tahun 2025 berjudul “Advancing total quality management in higher education through AI and big data analytics” di jurnal Total Quality Management & Business Excellence. Artikel itu menunjukkan bahwa AI dan big data analytics dapat membantu perguruan tinggi membaca kinerja secara lebih cepat, menemukan pola yang sulit terlihat secara manual, dan menyediakan dasar yang lebih kuat untuk perbaikan mutu. Dengan kata lain, AI memang bisa mulai dari bantuan teknis, tetapi nilainya bagi SPMI baru terasa ketika hasil bantuannya dipakai untuk menopang proses peningkatan mutu yang lebih sistematis dan berbasis data.
Tetapi manfaat itu tidak muncul otomatis hanya karena kampus sudah mulai memakai AI. Kampus tetap harus tahu apa yang ingin dibenahi, data mana yang relevan, dan keputusan mana yang hendak dipercepat. Kalau tidak, AI hanya akan mempercepat pekerjaan administratif tanpa sungguh-sungguh memperbaiki mutu.
Refleksi yang bisa kita petik. Kampus sering terlalu cepat bertanya, “AI-nya pakai apa?” Padahal pertanyaan yang lebih penting justru ini: “Masalah mana yang ingin kita pecahkan lebih dulu?”
Karena itu kita perlu menempatkan AI sebagai asisten. Bukan penyelamat. Ia membantu kalau diarahkan dengan jelas. Ia berguna kalau diberi prompt yang tepat. Ia bisa sangat berguna untuk SPMI, tetapi hanya bila kampus tidak mabuk teknologi dan tetap jernih menentukan prioritas.
Jadi, benar sekali, AI memang bisa membantu SPMI.
Tetapi jangan berhenti pada rasa kagum. Jangan juga terlalu cepat mengira bahwa semua akan selesai hanya karena kampus sudah memakai teknologi yang baru.
Sebab pada akhirnya, AI dan SPMI bukan sekadar soal cepat. Ia harus tepat.
Referensi
Shah, C. (2025). From prompt engineering to prompt science with humans in the loop. Communications of the ACM, 68(6), 54–61. https://doi.org/10.1145/3709599
Sun, X., Yang, Y., & Du, Q. (2025). Advancing total quality management in higher education through AI and big data analytics. Total Quality Management & Business Excellence, 36(9–10), 896–918. https://doi.org/10.1080/14783363.2025.2495103
Instagram: @mutupendidikan
