Model tata kelola inovatif yang dikenal sebagai FROST kini diterapkan untuk membangun komunitas belajar berbasis AI di Tiongkok, menawarkan solusi yang dapat mengurangi beban pengajar hingga 80 persen dalam program pelatihan online. Pendekatan ini menggunakan analogi keluarga—Monarch, Ancestor, Scout, Soldier, dan Elder—untuk membagi tanggung jawab di antara agen AI, sehingga manusia hanya menangani masalah kompleks yang tidak dapat diselesaikan secara otomatis.
Proyek ini bermula dari pengalaman seorang praktisi pelatihan yang mengelola “Kamp Pertumbuhan Kemampuan Dinamis”. Setiap hari, ia menghadapi pertanyaan berulang dari peserta, seperti “Di mana letak kursus?” atau “Bagaimana cara mengumpulkan tugas?” Penanganan manual tidak hanya memakan waktu, tetapi juga membatasi skala program. Dengan memanfaatkan model FROST, praktisi tersebut membayangkan sebuah sistem di mana Ancestor (agen utama) menguraikan pertanyaan, Scout mengklasifikasikan jenis pertanyaan, Soldier menghasilkan jawaban standar, dan Elder memutuskan apakah masalah tersebut perlu dialihkan ke manusia.
Implementasi teknisnya melibatkan agen yang menjalankan serangkaian keterampilan yang telah ditentukan sebelumnya. Misalnya, pertanyaan “Di mana letak sesi ketiga?” akan diklasifikasikan sebagai pertanyaan navigasi oleh Scout, lalu Soldier akan menghasilkan jawaban yang sudah disiapkan: “Kursus dapat diakses melalui Pusat Belajar di bawah menu ‘Mata Pelatihan Saya’.” Jika pertanyaan tersebut mengandung kata kunci seperti “pengaduan” atau “keadaan darurat”, Elder akan menandainya untuk ditangani oleh manusia. Arsitektur ini memastikan bahwa sebagian besar interaksi rutin ditangani oleh AI, sehingga pengajar dapat fokus pada kasus-kasus yang benar-benar memerlukan sentuhan manusia.
Untuk skalabilitas, model FROST diperluas menjadi FROST-SOP, sebuah kerangka kerja yang mengubah keterampilan menjadi komponen yang dikelola dengan versi dan skema. Komponen-komponen ini dapat digunakan kembali di berbagai platform, memungkinkan tim pengembangan untuk memperbarui logika klasifikasi atau template jawaban tanpa mengubah seluruh sistem. Pendekatan modular ini telah menarik perhatian perusahaan teknologi yang mencari cara untuk mengotomatisasi layanan pelanggan dalam skala besar.
Bagi pasar Indonesia, yang memiliki ekosistem edtech yang berkembang pesat—mulai dari Ruangguru hingga Zenius—konsep ini menawarkan jalan untuk mengatasi tantangan utama: keterbatasan sumber daya pengajar dan waktu respons yang lambat. Dengan mengadopsi model FROST, platform lokal dapat mengotomatisasi pertanyaan dasar, sehingga tutor manusia dapat fokus pada materi yang lebih dalam dan umpan balik personal. Selain itu, karena model ini dirancang untuk belajar terus-menerus, platform dapat beradaptasi dengan gaya pertanyaan khas pengguna Indonesia, seperti permintaan untuk instruksi yang lebih detail atau dukungan multibahasa.
Menurut ahli AI dari Universitas Indonesia, Dr. Arif Budiman, “Model FROST cocok untuk lingkungan multibahasa seperti Indonesia karena pemisahan yang jelas antara klasifikasi dan generasi memungkinkan penyesuaian yang lebih mudah terhadap nuansa lokal.” Ia menambahkan bahwa tata kelola yang transparan juga membantu mengatasi kekhawatiran tentang akuntabilitas AI, sebuah isu yang sering menjadi perdebatan dalam adopsi teknologi pendidikan di negara-negara Asia Tenggara.
Ke depannya, model ini dapat berkembang menjadi sistem pembelajaran yang lebih otonom, di mana Elder secara cerdas menyarankan materi pembelajaran tambahan atau sumber daya alternatif berdasarkan jawaban yang diberikan Soldier. Integrasi dengan analisis pembelajaran dapat memungkinkan Ancestor untuk menyesuaikan jalur pembelajaran secara real-time, menciptakan pengalaman yang benar-benar dipersonalisasi tanpa memerlukan intervensi manusia yang konstan.
Di Indonesia, di mana permintaan akan pelatihan keterampilan digital terus meningkat, mengadopsi kerangka kerja seperti FROST dapat mempercepat transisi menuju pendidikan yang lebih efisien dan skalabel. Dengan memanfaatkan agen AI untuk tugas-tugas rutin, platform edtech lokal dapat meningkatkan kapasitas mereka, mengurangi biaya operasional, dan pada akhirnya menyediakan akses yang lebih luas terhadap pendidikan berkualitas bagi jutaan pelajar.