Perempuan muda ini bernama Khairan. Ia berada di penghujung masa sekolah di SMA 66 Jakarta — beberapa bulan lagi, ia akan kuliah. Namun, alih-alih memilih program studi yang menjanjikan secara materi, ia mantap mengincar Sastra Jawa di FIB UI. Pilihan yang sulit dipahami logika ekonomi.

Khairan meyakini pilihannya tanpa merisaukan kalkulasi ekonomi. Baginya, mempelajari sesuatu yang ia suka adalah kemewahan yang tidak bisa ditukar dengan apapun. Apakah ini sejenis delulu?

Sikap Khairan ini mengingatkan kita bahwa kuliah tidak selalu — dan tidak harus — didasari oleh motif ekonomi. Universitas, dalam sejarah kelahirannya, tidak dibangun dari pesanan industri. Ia lahir dari kebutuhan yang berbeda sama sekali — kebutuhan untuk memahami, menafsirkan, dan mewariskan pengetahuan yang tidak selalu bisa diukur dengan harga.

Ketika Universitas Bologna berdiri pada 1088, kaum terpelajar yang bermukim di wilayah Emilia-Romagna itu tidak mengkaji teknologi manufaktur atau proyeksi kebutuhan pasar — melainkan hukum, teologi, dan filsafat. Mereka berserikat menjadi sebuah lembaga berdaulat bukan karena ada lowongan kerja yang menunggu, melainkan karena ada pertanyaan-pertanyaan yang tidak bisa dibiarkan menguap tanpa jawaban.

Di belahan dunia lain, semangat yang sama pernah menyala. Bayt al-Hikmah — Rumah Kebijaksanaan di Baghdad — berkembang pesat di bawah Khalifah al-Ma’mun. Di sana, Hunayn ibn Ishaq menerjemahkan ratusan manuskrip Galen, Aristoteles, dan Euclid — bukan karena ada pesanan dari industri. Al-Kindi menulis tentang matematika, musik, optik, dan filsafat sekaligus — juga bukan karena ada proyek. Dalam tradisi yang mereka hayati, mencari ilmu adalah kewajiban yang tidak memerlukan justifikasi ekonomi.

Ketika Wilhelm von Humboldt merancang Universitas Berlin pada 1810 — yang kemudian menjadi cetak biru bagi hampir semua universitas riset di dunia — ia secara sengaja membentengi kampus dari dua tekanan: tekanan negara dan tekanan pasar. Baginya, Lehrfreiheit (kebebasan mengajar) dan Lernfreiheit (kebebasan belajar) bukan kemewahan. Keduanya adalah prasyarat — bahwa ilmu pengetahuan sejati hanya bisa lahir dari ruang yang merdeka.

Namun kini kita hidup di era pasar yang mendewakan kompetensi teknologi. Kampus dituntut melahirkan ‘mesin-mesin’ industri — terampil, efisien, dan siap pakai. Program studi yang tidak mampu menyediakan lulusan yang bisa disetel dalam rantai produksi, otomatis dianggap tidak relevan.

Tahun lalu, lebih dari 490.000 sarjana keguruan diwisuda di Indonesia. Pasar, kata pemerintah, hanya butuh sekitar 20.000 guru baru. Terjadi oversupply yang kemudian direspons oleh pemerintah dengan: penutupan prodi yang dianggap tidak relevan dengan industri.

Mari kita periksa logikanya sebentar.

Apakah 470.000 sarjana keguruan yang tidak terserap sebagai guru PNS berarti mereka tidak berguna? Apakah seorang lulusan Sastra Jawa yang tidak masuk formasi CPNS kemudian menjadi beban negara? Atau ia menjadi penulis, peneliti, pengelola museum, pegiat budaya, pengembang konten pendidikan — atau puluhan kategori pekerjaan lain yang tidak masuk dalam kolom “kebutuhan industri” versi kementerian?

Masalah 470.000 orang itu bukan sekadar perkara surplus prodi. Akarnya bisa jadi jauh lebih sistemik: ketimpangan distribusi, insentif yang tidak kompetitif, dan absennya ekosistem yang menghubungkan kompetensi dengan kebutuhan lapangan yang sesungguhnya. Pemerintah sah-sah saja memprioritaskan produktivitas industri, namun mereka mutlak harus menyisihkan ruang apresiasi bagi disiplin-disiplin ilmu yang memang tidak pernah dirancang untuk muat ke dalam logika sempit industri.

Untuk memahami mengapa logika penutupan program studi ini bermasalah, kita perlu memeriksa data yang barangkali luput dari perdebatan ini. Kecerdasan buatan atau AI — yang merupakan produk mutakhir dunia STEM (Science, Technology, Engineering, and Mathematics) — ternyata tidak memangsa ilmu humaniora. Ia justru mendisrupsi dan menggerus ekosistem STEM itu sendiri.

GitHub Copilot menulis kode lebih cepat dari programmer junior. AlphaFold milik DeepMind memecahkan prediksi struktur protein — problem yang selama puluhan tahun hanya bisa dikerjakan secara parsial oleh para peneliti biokimia terbaik di dunia. McKinsey Global Institute dalam laporannya tahun 2023 memperkirakan bahwa aktivitas kerja senilai 60 hingga 70 persen dari waktu yang dihabiskan karyawan saat ini berpotensi diotomasi — dan yang paling rentan adalah tugas kognitif berulang berbasis data: persis kompetensi lulusan dari kampus STEM.

Sementara itu, validasi datang dari tempat yang tidak terduga. BlackRock — perusahaan investasi terbesar di dunia — mengaku sedang aktif merekrut lulusan yang belajar “hal-hal yang tidak ada hubungannya dengan keuangan atau teknologi.” McKinsey — konsultan strategi yang selama ini identik dengan glorifikasi data dan analitik — terang-terangan menyebut mereka kini “lebih banyak melirik lulusan liberal arts” untuk keluar dari pola pikir linear AI. Pasar, rupanya, bergerak ke arah yang jauh lebih sulit ditebak.

Kecerdasan buatan yang kini mendisrupsi setiap industri di dunia adalah buah dari puluhan tahun riset yang pada masanya dianggap tidak relevan — bahkan tidak masuk akal. Geoffrey Hinton, Yann LeCun, dan Yoshua Bengio, tiga nama yang kemudian menerima Turing Award 2018 dan disebut sebagai “Bapak Pendiri AI Modern,” bertahan selama dua dekade dengan riset deep learning yang ditolak komunitas ilmiah arus utama, minim pendanaan, dan dianggap menuju jalan buntu. Mereka bisa bertahan karena ada ruang akademik yang tidak sepenuhnya tunduk pada logika pasar — ruang yang memberi mereka waktu untuk berpikir tentang pertanyaan yang belum ada jawabannya, untuk masalah yang belum ada namanya, demi sesuatu yang belum ada industrinya.

Khairan tidak sedang delulu. Sama seperti Hinton yang dua dekade dianggap begitu — sebelum dunia membuktikan siapa yang keliru. Bedanya: Hinton masih punya kampus yang mau menampungnya. Khairan belum tentu — karena program studi dambaannya mungkin termasuk dalam incaran pemerintah untuk dipilih, dipilah, dan ditutup.

Tidak semua ilmu dirancang untuk masuk ke dalam rantai produksi. Ada yang dirancang untuk sesuatu yang lebih tua dari industri itu sendiri: memahami siapa kita, dari mana kita berasal, dan ke mana kita seharusnya pergi. Justru di sanalah — ketika mesin sudah bisa mengerjakan hampir segalanya — pertanyaan itu menjadi lebih mendesak dari sebelumnya.

—
AAn.