Selama puluhan tahun, kita menilai akademisi dari angka: jumlah publikasi, gelar, afiliasi, sitasi, dan indeks-h. Angka itu muncul di profil dan laporan kinerja. Publik jarang punya alat untuk memeriksa apa yang ada di baliknya.
Sekarang Anda bisa membuka percakapan dengan AI, menempelkan daftar publikasi seseorang, lalu bertanya. Mengapa penulis ini muncul di kimia material, kedokteran, pendidikan, dan ekonomi dalam tahun yang sama? Mengapa beberapa nama baru masuk pada versi revisi? Apakah dua puluh referensi terakhir punya hubungan dengan topik artikel? Dulu pertanyaan seperti ini menuntut berhari-hari menelusuri basis data. Kini petunjuknya keluar dalam hitungan menit, dan model AI makin cakap membaca pola setiap kali versi barunya rilis.
Pola berbicara lebih banyak daripada angka
Kita terbiasa memahami pelanggaran integritas sebagai plagiat atau fabrikasi data. Kasus seperti itu masih terjadi. Yang lebih sering kita jumpai adalah pola yang ganjil: penulis yang tidak bisa menjelaskan kontribusinya, topik yang jauh dari keahliannya, afiliasi yang berganti tanpa jejak kerja, dan sitasi yang ditambahkan untuk saling mengangkat angka.
AI membantu siapa pun menyusun pola itu dari data terbuka. Mahasiswa, wartawan, reviewer, dan rekan sejawat kini dapat mengajukan pertanyaan yang dulu hanya diajukan komite etik.
Produktivitas dan kapasitas
Peneliti yang produktif layak dihargai. Saya tidak mempersoalkan banyaknya artikel. Yang patut dipertanyakan adalah jumlah yang melampaui kapasitas wajar, terutama ketika topiknya melompat-lompat dan jaringan penulisnya tidak punya benang merah. Sulit membayangkan satu kelompok riset kecil menulis puluhan artikel setahun di bidang yang tidak saling bersinggungan.
Publik mulai menanyakan hal yang lebih mendasar. Apakah penulis memahami datanya? Bisakah data itu dilacak? Apa sumbangan nyata artikel tersebut?
AI juga bisa keliru
AI tidak layak menjadi hakim. Model bisa tertukar antara dua orang bernama sama, salah membaca afiliasi, atau menarik kesimpulan terlalu jauh dari data bibliometrik. Pola yang ganjil memberi alasan untuk bertanya, belum menjadi bukti pelanggaran. Siapa pun yang dipersoalkan berdasarkan keluaran AI berhak memberi klarifikasi dan diperiksa oleh orang yang memahami bidangnya.
Sebagai alat untuk memunculkan pertanyaan, AI bekerja baik. Ia membuat kita lebih sulit berhenti pada angka.
Yang perlu berubah
Peneliti dan institusi perlu siap diperiksa di ruang terbuka. Langkahnya jelas, meski tidak ringan: catat siapa yang merancang penelitian, siapa yang mengumpulkan dan menganalisis data, siapa yang menulis, dan siapa yang bertanggung jawab atas setiap klaim. Pernyataan kontribusi penulis harus diisi sesuai kerja yang sebenarnya. Institusi juga perlu meninjau ulang KPI yang mendorong dosen mengejar jumlah dan mengabaikan mutu.
Penutup
Integritas akademik dulu menjadi urusan peneliti, editor, dan reviewer. Kini siapa pun yang punya akses ke AI bisa ikut membicarakannya, dan alat itu makin cerdas dari bulan ke bulan. Standar kita perlu ikut naik: publikasi baru bernilai jika kontribusi di baliknya bisa ditunjukkan dan dipertanggungjawabkan. Penilaian akhir tetap berada di tangan manusia. Bedanya, sekarang penilaian itu jauh lebih sulit dihindari.