&Tutor: Model AI yang Dilatih untuk Mengajar, Bukan Sekadar Memberi Jawaban

Bayangkan seorang guru les yang tidak langsung memberi jawaban ketika muridnya keliru, tetapi bertanya balik: "Coba kita cek. Kalau n = 10, berapa 10 × 10 × 10? Apakah hasilnya 10?" Pertanyaan sederhana seperti itu sering lebih membantu daripada penjelasan panjang, karena murid menemukan sendiri letak kesalahannya.

Kemampuan semacam inilah yang ingin ditiru oleh &Tutor (Ampersand Tutor), model AI khusus untuk mengajar yang dirilis oleh laboratorium AI humans& pada 30 Oktober 2026. Kabar ini ramai dibahas di X, terutama karena memicu perdebatan baru soal peran AI dalam pendidikan, termasuk di kalangan orang tua yang menjalankan homeschooling.

Apa itu &Tutor?

Menurut pengumuman resmi humans&, &Tutor adalah "model yang dilatih untuk mengajar" dan sudah tersedia untuk publik melalui API. Artinya, model ini ditujukan terutama bagi pengembang dan lembaga pendidikan yang ingin membangun aplikasi belajar, bukan aplikasi siap pakai untuk siswa.

Berdasarkan kartu model (model card) yang dipublikasikan, &Tutor dibangun di atas model dasar GLM 5.3, menerima dan menghasilkan teks, dan dirancang untuk aplikasi pendidikan yang membantu pelajar menalar soal, menemukan miskonsepsi, dan membangun pemahaman.

Belajar mengajar dari "murid simulasi"

Hal yang paling menarik adalah cara melatihnya. humans& tidak mengajari &Tutor dengan daftar aturan pedagogi. Sebaliknya, mereka memakai Persimmon, model buatan mereka sendiri yang berperan sebagai murid. &Tutor kemudian dilatih dengan reinforcement learning dalam percakapan les simulasi, dan diberi "hadiah" berdasarkan seberapa banyak murid simulasi itu benar-benar belajar.

Menurut humans&, perilaku mengajar yang baik, seperti kapan perlu memberi bantuan bertahap (scaffolding), kapan perlu menantang murid berpikir lebih keras, dan kapan sebaiknya menahan diri, tidak dilatih secara langsung. Perilaku itu muncul dengan sendirinya dari tujuan pelatihan tersebut.

Mereka juga menunjukkan bahwa kualitas "murid simulasi" sangat menentukan. Ketika tutor dilatih dengan resep yang sama tetapi memakai GLM-5.3 biasa sebagai muridnya, hasilnya jauh lebih buruk. Dalam pengujian humans&, Persimmon dinilai paling mirip dengan pelajar sungguhan, baik dalam cara berbicara, emosi yang ditunjukkan (misalnya bingung atau frustrasi), maupun pola kesalahannya. Pelajar sungguhan salah pada sekitar 25–30% klaim yang bisa diperiksa, Persimmon pada 19–33%, sedangkan model lain yang diuji salah pada 15% atau kurang. Dengan kata lain, model AI biasa cenderung menjadi "murid yang terlalu pintar" sehingga kurang cocok untuk melatih guru.

Bagaimana hasil pengujiannya?

&Tutor diuji dengan TutorMoments, tolok ukur yang disusun dari sesi les matematika sungguhan. Guru matematika berpengalaman memilih momen penting, misalnya saat tutor harus memutuskan apakah memberi bantuan atau mendorong murid berpikir lebih keras. Model AI lalu melanjutkan percakapan dari momen itu, dan sebuah model penilai (LLM judge) membandingkan jawabannya dengan catatan para guru.

Hasil yang dilaporkan humans&:

• Dengan prompt biasa, &Tutor meraih skor keseluruhan 0,754, naik dari 0,500 pada model GLM-5.3 asalnya. Skor ini di atas Claude Sonnet 5.5 (0,667) dan GPT-6 Astra (0,634).
• Dengan prompt yang secara eksplisit menjelaskan keseimbangan antara bantuan dan ketelitian, semua model membaik. &Tutor meraih 0,919, sedikit di bawah GPT-6 Astra (0,926), tetapi tertinggi pada aspek ketelitian yang tepat (appropriate rigor) dengan skor 0,931.

Artinya, keunggulan &Tutor paling terasa ketika pengguna tidak menulis instruksi mengajar yang rinci. Ini relevan karena kebanyakan orang memang tidak menulis prompt yang panjang.

Mengapa ini penting bagi pendidikan di Indonesia?

Banyak pelajar di Indonesia sudah memakai chatbot AI untuk mengerjakan PR. Masalahnya, chatbot umum cenderung langsung memberikan jawaban lengkap. Hasilnya, tugas selesai, tetapi pemahaman belum tentu terbentuk.

Pendekatan &Tutor menunjukkan arah yang berbeda: AI yang dinilai dari seberapa banyak muridnya paham, bukan dari seberapa cepat ia menjawab. Bagi guru, bimbel, dan pengembang aplikasi edukasi lokal, ini menjadi contoh bahwa perilaku "menahan jawaban" bisa dibentuk dengan sengaja.

Batasan dan konteks yang perlu diingat

Sebelum terlalu bersemangat, ada beberapa catatan penting:

• Hasilnya berasal dari simulasi. humans& sendiri menulis di kartu modelnya bahwa hasil dengan murid simulasi dan penilai otomatis belum tentu berlaku untuk pelajar manusia, mata pelajaran lain, atau interaksi yang lebih panjang.
• Belum terbukti meningkatkan hasil belajar jangka panjang. Evaluasi les yang singkat tidak membuktikan adanya peningkatan belajar yang bertahan lama. humans& menyatakan ingin bekerja sama dengan tim pendidikan untuk menguji &Tutor di dunia nyata.
• Tetap bisa salah. &Tutor bisa memberi penjelasan yang keliru, melewatkan miskonsepsi, atau memberi bantuan yang terlalu banyak maupun terlalu sedikit.
• Pengujiannya berfokus pada matematika. TutorMoments disusun dari sesi les matematika, dan humans& tidak menyebutkan data kinerja &Tutor dalam bahasa Indonesia.
• Keputusan penting tetap di tangan manusia. Kartu modelnya menegaskan bahwa keputusan pendidikan yang berdampak besar membutuhkan pertimbangan manusia.

Perdebatan di X juga menyoroti sisi lain. Sebagian orang tua antusias membayangkan pelajaran yang dipersonalisasi, sementara yang lain khawatir anak kehilangan kesempatan belajar bersosialisasi dan berempati, hal yang tidak bisa digantikan oleh tutor AI mana pun.

Coba di Sumber AI

Anda tidak perlu menunggu tutor khusus untuk mulai belajar dengan cara yang lebih aktif. Di chat Sumber AI, coba minta AI untuk tidak langsung memberi jawaban. Misalnya: "Bantu saya memahami soal ini dengan pertanyaan bertahap, jangan beri jawaban akhirnya dulu." Catatan dan rangkuman belajar bisa disimpan di fitur jurnal agar mudah diulang, sementara Studio dapat membantu menyiapkan bahan visual untuk materi pelajaran. Kunjungi sumber.ai.id untuk mencobanya.

Sumber

• humans&, "Introducing &Tutor: Training better tutors with better learners" (30 Oktober 2026): tutor.humansand.ai/blog
• humans&, "&Tutor Model Card" (30 Oktober 2026): tutor.humansand.ai/blog/model-card