Ringkasan Eksekutif: Pertanyaan, Jawaban Pokok, dan Taruhannya

Laporan ini menjawab satu pertanyaan: ketika kecerdasan artifisial generatif sudah menjadi kebiasaan harian mahasiswa, siapa yang kini memegang otoritas untuk menyatakan sesuatu sebagai pengetahuan yang sah di perguruan tinggi keagamaan Islam (PTKI) Indonesia, dan tata kelola macam apa yang dapat mengembalikan otoritas itu kepada manusia yang dapat dimintai pertanggungjawaban? Jawaban pokoknya tegas. Indonesia sedang mengalami kesenjangan adopsi dan tata kelola yang termasuk paling lebar di dunia: survei Pusat Riset Pendidikan BRIN terhadap 293 mahasiswa dari 17 perguruan tinggi keagamaan Islam negeri (PTKIN) menemukan lebih dari 90 persen responden memakai ChatGPT secara intens, empat sampai enam kali sepekan, sementara banyak di antara mereka tidak mengetahui pedoman resmi yang berlaku, sebagaimana dilaporkan detikEdu pada 12 Desember 2025. Peraturan presiden tentang peta jalan dan etika kecerdasan artifisial belum ditetapkan menurut laporan terakhir yang dapat diverifikasi, dan Kementerian Agama pada September 2026 masih berada pada tahap menyiapkan garis besar pedoman bagi PTKIN. Di antara prinsip nasional yang umum dan ruang kelas yang bergantung pada diskresi dosen terdapat lapisan tengah yang kosong, dan ruang kosong itu kini diisi oleh apa yang laporan ini sebut otoritas kefasihan, yakni kewibawaan jawaban yang lahir dari kelancaran bahasa mesin, bukan dari rantai transmisi atau metode yang dapat diperiksa.

Persoalan ini penting melampaui Indonesia karena tiga alasan. Alasan pertama bersifat kuantitatif: mahasiswa Indonesia tercatat sebagai pengguna kecerdasan artifisial generatif paling luas dalam survei lintas lima belas negara, dan laporan OECD bulan Juli 2026 menyimpulkan bahwa di banyak negara pemakaian teknologi ini telah melampaui kapasitas tata kelola kelembagaan, sebagaimana dirangkum Media and Learning Association pada 24 Juli 2026. Indonesia dengan demikian merupakan kasus ekstrem dari kecenderungan global, sehingga pelajaran darinya berlaku bagi sistem lain yang bergerak ke arah serupa. Alasan kedua bersifat epistemologis: tradisi keilmuan Islam memiliki teori otoritas yang sangat berkembang, yaitu sanad, ijazah, dan tanggung jawab moral seorang alim, sehingga PTKI menjadi laboratorium alamiah untuk menguji apakah sebuah tradisi transmisi pengetahuan dapat menawarkan kosakata tata kelola yang tidak dimiliki pendekatan teknokratis semata. Alasan ketiga bersifat geopolitik pengetahuan: lembaga fatwa di Mesir, Indonesia, dan negara Muslim lain telah sampai pada kesimpulan yang serupa tentang batas otoritas mesin, sehingga cara PTKI menerjemahkan kesimpulan itu ke dalam praktik akademik akan menjadi rujukan bagi universitas Islam dari Kuala Lumpur sampai Kairo.

Penilaian utama laporan ini dapat dinyatakan dengan tingkat keyakinannya. Dengan keyakinan tinggi, adopsi individual di PTKI telah jauh melampaui norma kelembagaan, dan kesenjangan itu tidak akan tertutup hanya oleh terbitnya peraturan presiden, karena peraturan tersebut dirancang sebagai payung lintas sektor yang mendelegasikan aturan teknis kepada kementerian. Dengan keyakinan sedang, strategi deteksi dan larangan akan gagal secara pedagogis dan tidak adil secara sosial, terutama bagi mahasiswa yang menulis dalam bahasa kedua. Dengan keyakinan sedang pula, jalan keluar paling kokoh adalah merancang ulang cara kampus membuktikan bahwa belajar sungguh terjadi, yaitu dengan memisahkan asesmen yang diamankan dari asesmen terbuka, mewajibkan jejak proses dan provenans, serta menghidupkan kembali ujian lisan pada titik-titik kunci kurikulum. Pendekatan ini sejalan dengan arah reformasi asesmen di Australia dan Inggris, tetapi PTKI memiliki keunggulan khas berupa kosakata sanad yang dapat memberi legitimasi budaya bagi reformasi tersebut. Laporan ini menutup analisisnya dengan empat skenario hingga 2029, indikator yang perlu dipantau, dan rekomendasi bagi aktor nasional maupun internasional.

Kerangka Analitis, Metode, dan Tingkat Keyakinan

Kerangka analitis laporan ini membedakan empat bentuk otoritas pengetahuan. Otoritas sanad bertumpu pada pribadi guru dan rantai transmisi yang menjamin bahwa setiap pernyataan dapat dilacak kepada orang yang bertanggung jawab atasnya. Otoritas kelembagaan bertumpu pada ijazah, akreditasi, dan jurnal yang memberi cap sah. Otoritas prosedural bertumpu pada metode yang dapat diperiksa, diulang, dan dibantah. Ketiga otoritas ini telah lama hidup berdampingan dalam pendidikan tinggi Islam Indonesia. Pada tahun 1991, H.A. Mukti Ali dalam buku berjudul Metode Memahami Agama Islam yang diterbitkan Bulan Bintang menawarkan pendekatan scientific-cum-doctriner, yaitu perpaduan kajian doktrin Al-Qur’an dan Sunnah dengan metode ilmu sosial, sejarah, dan perbandingan, dan gagasan itu ikut membentuk kurikulum studi Islam di perguruan tinggi keagamaan. Pendekatan tersebut secara efektif memasukkan otoritas prosedural ke dalam rumah yang sebelumnya dihuni otoritas sanad. Kecerdasan artifisial generatif menghadirkan bentuk keempat, yaitu otoritas kefasihan, ketika sebuah jawaban terasa benar karena tersusun rapi, lengkap, dan meyakinkan, sementara pembacanya tidak dapat menelusuri siapa yang bertanggung jawab atasnya maupun prosedur apa yang menghasilkannya. Bahaya otoritas kefasihan tidak terutama terletak pada kekeliruan mesin, sebab manusia juga keliru, melainkan pada hilangnya alamat pertanggungjawaban, sehingga kesalahan tidak lagi memiliki pemilik.

Tiga konsep pendukung melengkapi kerangka tersebut. Konsep pertama ialah kesenjangan adopsi dan tata kelola, yaitu jarak antara kecepatan individu mengadopsi sebuah teknologi dan kecepatan lembaga menetapkan aturan mainnya; kesenjangan ini diukur di sini melalui perbandingan antara data pemakaian dan status instrumen kebijakan pada tanggal tertentu. Konsep kedua ialah lapisan tengah, yakni jenjang tata kelola yang menerjemahkan prinsip umum menjadi aturan operasional sesuai karakter lembaga, misalnya pedoman sektoral bagi satu jenis perguruan tinggi, standar asesmen, dan kebijakan jurnal. Konsep ketiga ialah asesmen berbasis gesekan, yaitu desain penilaian yang menuntut mahasiswa memperlihatkan pergulatan antara jawaban mesin, sumber primer, dan data lapangan, bukan sekadar menyerahkan produk akhir. Konsep ketiga ini berakar pada gagasan frikatifisasi ilmu yang dirumuskan dalam buku From Islamisation to Fricativisation: Paradigms of Knowledge in Indonesia’s State Islamic Universities (2026), yang berargumen bahwa pengetahuan baru lahir ketika tradisi intelektual yang berbeda dipertahankan dalam ketegangan yang berdisiplin, bukan diharmonisasikan terlalu dini. Di sini gagasan itu diperlakukan sebagai hipotesis desain, bukan doktrin, dan diuji terhadap bukti internasional tentang reformasi asesmen.

Secara metodologis, laporan ini merupakan riset meja dengan analisis dokumen kualitatif atas korpus yang dipilih secara purposif hingga 19 Oktober 2026. Korpus itu mencakup dokumen dan rilis resmi pemerintah Indonesia, pernyataan lembaga keagamaan di Indonesia dan Mesir, survei nasional dan internasional tentang pemakaian, laporan UNESCO dan OECD, regulasi dan pedoman dari Uni Eropa, Australia, Inggris, dan Asia Timur, literatur ilmiah tentang dampak kognitif dan pembelajaran, serta pemberitaan media arus utama. Analisis berlangsung dalam tiga langkah. Langkah pertama memetakan setiap dokumen ke dalam enam lapisan tata kelola: nasional, lintas kementerian, sektoral, normatif keagamaan, kelembagaan, dan ruang kelas. Langkah kedua mengodekan klaim setiap dokumen menurut jenis otoritas yang diandaikannya. Langkah ketiga melakukan triangulasi antara klaim kebijakan, data pemakaian, dan bukti integritas untuk menemukan titik ketidaksesuaian. Perbandingan internasional tidak dimaksudkan sebagai peringkat, melainkan sebagai cara mengidentifikasi model tata kelola yang tersedia beserta konsekuensinya, sehingga posisi Indonesia dapat dibaca dalam peta perdebatan global, bukan secara terisolasi.

Laporan ini memakai tiga tingkat keyakinan. Keyakinan tinggi diberikan bila sebuah penilaian ditopang oleh beberapa sumber independen, termasuk sumber resmi, dan tidak ada bukti tandingan yang berarti. Keyakinan sedang diberikan bila penilaian ditopang oleh bukti yang kuat tetapi tidak lengkap, misalnya karena bergantung pada ringkasan sekunder atau sampel terbatas. Keyakinan rendah diberikan bila penilaian bersandar terutama pada inferensi analitis. Beberapa rincian penting, seperti nomor-nomor surat keputusan bersama dan isi petunjuk teknis akreditasi jurnal 2026, hanya dapat diakses melalui ringkasan pihak ketiga dan diperlakukan sebagai indikatif. Kajian ini juga disusun dari dalam ekosistem PTKIN, termasuk pengalaman mengelola jurnal ilmiah bereputasi. Kedekatan itu memberi akses pada praktik yang jarang tercatat dalam dokumen resmi, misalnya bagaimana naskah masuk ke meja redaksi dan bagaimana skripsi dinilai, tetapi juga membawa risiko bias kelembagaan. Risiko itu dikendalikan dengan memisahkan secara tegas antara temuan yang ditopang data dan usulan normatif, serta dengan menempatkan bukti internasional sebagai pembanding yang dapat membantah, bukan hanya mengonfirmasi, argumen laporan ini.

Lanskap Global: Empat Model Tata Kelola AI Generatif di Pendidikan Tinggi

Norma multilateral tentang kecerdasan artifisial generatif di pendidikan terbentuk dengan cepat, tetapi pelaksanaannya di tingkat kampus tertinggal. UNESCO meluncurkan panduan pertamanya tentang kecerdasan artifisial generatif dalam pendidikan dan riset pada 7 September 2023, yang menganjurkan batas usia 13 tahun untuk pemakaian di kelas, tujuh langkah regulasi bagi pemerintah, dan pelatihan guru, sambil mencatat bahwa survei terhadap lebih dari 450 sekolah dan universitas menemukan kurang dari 10 persen memiliki kebijakan atau panduan formal, sebagaimana diberitakan GCED Clearinghouse UNESCO. Setahun kemudian, pada Digital Learning Week 2024, UNESCO menerbitkan kerangka kompetensi kecerdasan artifisial bagi siswa dan guru, dengan pola pikir berpusat pada manusia dan etika kecerdasan artifisial sebagai dua prinsip bersama, seperti diuraikan Komisi Nasional UNESCO Selandia Baru. Survei UNESCO yang dirilis pada 2 September 2025, dengan 400 responden dari 90 negara, menemukan bahwa hanya 19 persen lembaga pendidikan tinggi telah memiliki kebijakan formal dan 42 persen sedang menyusunnya, bahwa sekitar 70 persen lembaga di Eropa dan Amerika Utara telah memiliki atau menyusun panduan dibandingkan 45 persen di Amerika Latin dan Karibia, dan bahwa satu dari empat responden melaporkan persoalan etis di kampusnya, sebagaimana dimuat dalam rilis resmi UNESCO. Laporan OECD berjudul Policies Supporting Responsible and Systematic GenAI Adoption in Higher Education pada Juli 2026 lalu memetakan lima bidang respons kebijakan: panduan pemakaian bertanggung jawab, pendekatan kepatuhan dan pengadaan bersama, pengembangan kompetensi, pengumpulan bukti dan uji coba, serta perangkat khusus pendidikan.

Dari keragaman respons nasional, laporan ini mengidentifikasi empat model tata kelola. Model pertama ialah regulasi berbasis risiko atas sistem, yang paling jelas tampak di Uni Eropa. Undang-Undang Kecerdasan Artifisial Uni Eropa menggolongkan sebagai risiko tinggi sistem yang menentukan akses atau penerimaan ke lembaga pendidikan, mengevaluasi capaian belajar, menilai jenjang pendidikan yang dapat diakses seseorang, dan memantau perilaku terlarang selama ujian, sekaligus melarang sistem pengenalan emosi di lingkungan pendidikan sejak Februari 2025, sebagaimana diuraikan dalam kertas kebijakan Rockefeller Institute of Government pada November 2025. Melalui paket Digital Omnibus yang disetujui Dewan Uni Eropa pada 29 Juni 2026, tenggat kewajiban bagi sistem risiko tinggi dalam Lampiran III, termasuk bidang pendidikan, diundur dari 2 Agustus 2026 menjadi 2 Desember 2027, menurut catatan riset Cloud Security Alliance. Pelajaran penting dari model ini sering terlewat: Eropa mengatur sistem kecerdasan artifisial yang dipakai lembaga untuk mengambil keputusan tentang mahasiswa, bukan pemakaian chatbot oleh mahasiswa itu sendiri. Dengan kata lain, regulasi berbasis risiko melindungi mahasiswa dari keputusan algoritmik yang tidak adil, tetapi tidak menjawab pertanyaan pedagogis tentang bagaimana membuktikan bahwa belajar terjadi.

Model kedua ialah tata kelola yang berpusat pada asesmen, dengan Australia dan Inggris sebagai contoh utama. Badan penjamin mutu Australia, TEQSA, meluncurkan prinsip panduan berjudul Assessment Reform for the Age of Artificial Intelligence pada 23 November 2023 setelah konsultasi dengan para ahli asesmen dan integritas akademik, sebagaimana diumumkan TEQSA. University of Sydney menerjemahkannya menjadi kerangka dua jalur: jalur pertama berupa asesmen aman yang diawasi secara langsung untuk memastikan capaian individual, dan jalur kedua berupa asesmen terbuka berbasis tantangan nyata yang justru mendorong pemakaian bertanggung jawab; seluruh asesmen 2025 dipetakan ke kerangka itu dan perancangan ulang kurikulum difokuskan pada 2026, seperti dijelaskan unit inovasi pendidikan universitas tersebut pada Oktober 2025. Di Inggris, 24 universitas Russell Group menyepakati lima prinsip pada 4 Juli 2023, mencakup literasi kecerdasan artifisial, penyesuaian pengajaran dan asesmen, serta penegakan ketelitian dan integritas akademik, sebagaimana diumumkan Russell Group. Model ini lahir dari pengakuan bahwa pemakaian mahasiswa tidak dapat dicegah; survei HEPI terhadap 1.041 mahasiswa sarjana pada Desember 2024 menemukan 92 persen memakai perangkat kecerdasan artifisial dan 88 persen memakainya untuk tugas yang dinilai, naik dari 53 persen setahun sebelumnya, seperti dilaporkan HEPI pada Februari 2025.

Model ketiga ialah tata kelola melalui pengadaan dan infrastruktur bersama. California State University, dengan 23 kampus, menyediakan ChatGPT Edu bagi lebih dari 460.000 mahasiswa dan lebih dari 63.000 staf sejak Februari 2025, seperti diberitakan Campus Technology, sementara OECD mencatat kesepakatan nasional Italia dengan penyedia ChatGPT Edu, kerja sama empat belas universitas Prancis dengan Mistral, dan platform eduGenAI di Belanda, sebagaimana dirangkum University World News pada 24 Juli 2026. Logika model ini ialah bahwa perangkat yang dikelola lembaga lebih aman bagi data dan lebih adil bagi mahasiswa yang tidak mampu berlangganan. Model keempat ialah tata kelola restriktif melalui batas kuantitatif dan larangan, yang tampak di sejumlah universitas Tiongkok: Fudan University sejak November 2024 melarang perangkat generatif pada tahap inti riset seperti desain penelitian dan analisis data, sementara beberapa kampus lain membatasi konten buatan mesin dalam tugas akhir hingga 20 atau 40 persen, seperti dilaporkan Asia News Network pada Mei 2025. Batas persentase semacam itu tampak tegas, tetapi bergantung pada perangkat pendeteksi yang keandalannya, sebagaimana dibahas pada bagian VI, masih diragukan.

Di Asia dan dunia Muslim, gambaran yang muncul ialah adopsi tinggi dengan tata kelola yang tidak merata. Di Korea Selatan, skandal kecurangan massal dalam mata kuliah daring berpeserta sekitar 600 mahasiswa di Yonsei University pada Oktober 2025 terjadi ketika survei Dewan Pendidikan Universitas Korea menemukan 77,1 persen dari 131 universitas belum memiliki kebijakan formal tentang pemakaian kecerdasan artifisial di kelas, sementara 91,7 persen dari 726 mahasiswa pengguna memakainya untuk tugas atau riset, menurut Asia News Network pada November 2025. Di Singapura, Nanyang Technological University membentuk panel banding berisi pakar kecerdasan artifisial pada Juni 2025 setelah tiga mahasiswa dituduh melakukan kecurangan akademik, salah satunya karena memakai situs berbasis kecerdasan artifisial untuk mengurutkan daftar pustaka, seperti diberitakan Malay Mail. Kementerian Pendidikan Tinggi Malaysia telah menyediakan kerangka yang dipakai universitas untuk menyusun pedoman dan prosedur operasional baku masing-masing, menurut The Sun Malaysia pada Juli 2026, dan Kementerian Pendidikan Arab Saudi bersama otoritas data dan kecerdasan artifisial SDAIA menerbitkan panduan pemakaian kecerdasan artifisial generatif di pendidikan pada Januari 2025, seperti dilaporkan Gulf News. Untuk kawasan Arab, sebuah analisis di Al-Fanar Media pada Juni 2026 mencatat bahwa data komprehensif masih terbatas dan mengusulkan agar badan penjamin mutu nasional memasukkan kesiapan kecerdasan artifisial ke dalam kriteria akreditasi, sebagaimana ditulis Mohammad El Hawary. Dibaca bersama, keempat model ini menunjukkan bahwa sistem yang paling matang tidak bertumpu pada satu instrumen, melainkan memadukan perlindungan atas keputusan algoritmik, reformasi asesmen, dan infrastruktur yang dikelola lembaga.

Arsitektur Regulasi Indonesia 2024–2026: Atap yang Tertunda, Dinding yang Lebih Dulu Berdiri

Kerangka nasional Indonesia untuk kecerdasan artifisial masih berupa rancangan pada saat laporan ini disusun, dan riwayat penundaannya instruktif. Rapat pleno panitia antarkementerian pada 11 Februari 2026, yang melibatkan lebih dari 30 kementerian dan lembaga dan menindaklanjuti Keputusan Presiden Nomor 38 Tahun 2025, menargetkan finalisasi rancangan Peraturan Presiden tentang Peta Jalan Kecerdasan Artifisial Nasional 2026–2029 pada triwulan pertama 2026, sebagaimana dicatat JDIH Kementerian Komunikasi dan Digital. Pada 7 April 2026, ketua tim regulasi peta jalan dan etika kecerdasan artifisial Komdigi, Irma Handayani, menyatakan dua rancangan, tentang peta jalan dan tentang etika, telah diserahkan kepada Presiden, menurut detikNews. Pada 11 Juni 2026, Menteri Komunikasi dan Digital Meutya Hafid menjelaskan bahwa rancangan direvisi setelah konsultasi publik dengan sejumlah perusahaan Amerika Serikat, telah dikirim ke Sekretariat Negara, dan akan mengatur sepuluh sektor termasuk pendidikan, seperti diberitakan ANTARA. Pada 3 September 2026, Direktur Jenderal Ekosistem Digital Edwin Hidayat Abdullah menyatakan bahwa kedua rancangan tinggal menunggu tanda tangan Presiden dan bahwa peraturan etika akan memilah pemakaian menjadi terlarang, berpengawasan ketat, dan berisiko rendah, dengan aturan teknis sektoral diserahkan kepada kementerian terkait, menurut Selular.id. Sepekan kemudian, Wakil Menteri Nezar Patria menyebut rancangan masih ditelaah di Sekretariat Negara dan menjelaskan bahwa peraturan presiden dipilih karena lebih lincah daripada undang-undang, seperti dikutip Koran Jakarta pada 11 September 2026. Laporan ini tidak menemukan pemberitaan tentang penandatanganan hingga 19 Oktober 2026, sehingga status belum ditetapkan dinilai dengan keyakinan sedang.

Sementara atap nasional tertunda, dinding sektoral lebih dulu berdiri. Pada 11 Oktober 2024, kementerian pendidikan merilis Panduan Penggunaan GenAI pada Pembelajaran di Perguruan Tinggi, yang meminta dosen menyatakan secara tertulis kapan kecerdasan artifisial boleh atau dilarang digunakan, dan mewajibkan mahasiswa mendokumentasikan pemakaian, mencantumkan atribusi, serta memverifikasi keluaran mesin, sebagaimana dirangkum detikEdu. Pada 12 Maret 2026, tujuh menteri, termasuk Menteri Agama Nasaruddin Umar dan Menteri Pendidikan Tinggi, Sains, dan Teknologi Brian Yuliarto, menandatangani surat keputusan bersama tentang Pedoman Pemanfaatan dan Pembelajaran Teknologi Digital serta Kecerdasan Artifisial, dengan pesan bahwa semakin tinggi jenjang pendidikan semakin besar pula ruang pemanfaatan teknologi. Siaran pers bersama menunjukkan bahwa titik berat dokumen itu adalah kesiapan dan perlindungan anak, dengan prinsip tunggu anak siap, seperti dimuat InfoPublik. Sebuah ringkasan pihak ketiga mencatat bahwa keputusan itu terbit sebagai rangkaian nomor dari masing-masing kementerian, termasuk Keputusan Menteri Agama Nomor 211 Tahun 2026, dan bahwa ketentuan khusus perguruan tinggi terutama menyangkut hak kampus meminta transparansi vendor tentang keterbatasan data serta dorongan kerja sama dengan industri, menurut Veritask. Rincian ini belum dicocokkan dengan naskah resmi dan dinilai dengan keyakinan sedang.

Pola yang muncul ialah regulasi lunak berlapis tanpa atap, dan perbandingan dengan model global memperjelas apa yang hilang. Indonesia telah memiliki unsur model berbasis panduan, tetapi belum memiliki komponen asesmen yang menjadi inti model Australia dan Inggris, belum memiliki infrastruktur yang dikelola lembaga dalam skala sistem, dan belum memiliki perlindungan atas keputusan algoritmik tentang mahasiswa seperti dalam model Eropa. Surat keputusan bersama yang paling baru pun lebih banyak berbicara tentang anak daripada tentang skripsi, jurnal, dan riset. Di tingkat kawasan, para menteri digital ASEAN meluncurkan perluasan panduan tata kelola dan etika kecerdasan artifisial untuk teknologi generatif pada Januari 2025 yang bersifat sukarela, sebagaimana diberitakan Asia News Network, sementara Menteri Koordinator Bidang Perekonomian Airlangga Hartarto menegaskan pada Juli 2026 bahwa Indonesia tidak ingin sekadar menjadi pasar kecerdasan artifisial global dan akan berperan melalui keikutsertaan dalam WAICO, menurut laporan yang sama dari Selular.id. Kesimpulan bagi pendidikan tinggi keagamaan cukup lugas: bahkan bila peraturan presiden terbit besok, desainnya sebagai payung lintas sektor berarti bahwa aturan teknis bagi PTKI tetap harus dibuat oleh Kementerian Agama. Dengan keyakinan tinggi, menunggu atap nasional bukan strategi yang tersedia bagi PTKI.

Bukti Pemakaian dan Pembelajaran: Adopsi Tertinggi, Tata Kelola Terlemah

Data pemakaian menempatkan Indonesia di garis depan adopsi global. Global Student Survey 2025 dari Chegg, yang dilakukan secara daring pada 1 sampai 23 Oktober 2024 terhadap 11.706 mahasiswa berusia 18 hingga 21 tahun di lima belas negara, mencatat bahwa 95 persen responden Indonesia memakai kecerdasan artifisial dalam belajar, angka tertinggi di antara negara yang disurvei, dengan sembilan persen bertanya kepada mesin lebih dari sepuluh kali sehari dibandingkan rata-rata global enam persen, sebagaimana diolah GoodStats pada 20 Juli 2025. Kepala ekonom OpenAI Aaron Chatterji menyebut Indonesia secara konsisten berada di tiga besar negara dengan pengguna mingguan terbanyak, sementara Nezar Patria memperkirakan kebutuhan talenta digital sekitar 12 juta orang pada 2030 dengan pasokan yang hanya sekitar 3 juta, seperti dilaporkan The Jakarta Post melalui Asia News Network pada Juli 2025. Pada Juli 2026, Nezar menambahkan bahwa Indonesia termasuk lima besar dunia dalam pemakaian ChatGPT untuk pemrograman, analisis data, dan pendidikan, menurut Bisnis.com. Angka Indonesia sebanding dengan negara berpendapatan tinggi: OECD mencatat pemakaian mahasiswa sarjana Inggris naik dari 66 persen pada 2024 menjadi 95 persen pada 2026, sementara rata-rata Uni Eropa pada 2025 sebesar 72 persen, sebagaimana dirangkum University World News. Perbedaannya terletak pada sisi kelembagaan: laporan yang sama mencatat bahwa 38 persen institusi di Inggris telah menyediakan perangkat bagi mahasiswa, sedangkan di Indonesia pemakaian sebagian besar masih berlangsung melalui akun pribadi.

Temuan BRIN tentang mahasiswa PTKIN mempersempit gambaran itu ke fokus laporan ini. Selain intensitas pemakaian di atas 90 persen, diseminasi riset yang dipresentasikan peneliti BRIN Aflahah menemukan bahwa banyak mahasiswa tidak mengetahui pedoman resmi kementerian pendidikan tinggi, dan mereka yang mengetahuinya justru berharap ada pedoman khusus PTKIN yang mewadahi nilai-nilai keislaman. Peneliti BRIN Farida Hanun, berdasarkan telaah atas 44 artikel bereputasi, membandingkan Singapura yang paling maju, Malaysia yang memperkuat kebijakan, Thailand yang menekankan pemakaian seimbang, dan Filipina yang mewajibkan pengungkapan, lalu menyimpulkan bahwa Indonesia tinggi secara individu tetapi lemah dalam tata kelola, sebagaimana dilaporkan detikEdu. Bukti kualitatif dari sisi dosen menguatkan diagnosis ini. Studi Aflahah dan rekan-rekan dalam Jurnal Ilmiah Islam Futura edisi Februari 2026, berbasis wawancara dengan dosen dari dua PTKIN, menemukan dua orientasi manajemen risiko, yaitu kontrol teknis melalui deteksi plagiarisme dan ujian terawasi, serta bimbingan etis melalui verifikasi dan penumbuhan kesadaran kritis, dan mencatat bahwa nilai-nilai Islam sering disebut tetapi masih bersifat deklaratif dan belum dilembagakan dalam tata kelola formal. Dengan keyakinan tinggi, dapat disimpulkan bahwa di PTKI adopsi individual telah jauh mendahului norma kelembagaan, dan bahwa permintaan akan pedoman bernuansa keislaman datang dari mahasiswa sendiri, bukan hanya dari pimpinan.

Bukti tentang dampak terhadap pembelajaran kini cukup kaya untuk menunjukkan bahwa desain, bukan perangkat, yang menentukan hasil. Eksperimen lapangan Hamsa Bastani dan rekan-rekan terhadap hampir 1.000 siswa sekolah menengah di Turki, yang dimuat dalam Proceedings of the National Academy of Sciences tahun 2025, menemukan bahwa kelompok yang memakai antarmuka mirip ChatGPT tanpa pengaman berkinerja 48 persen lebih baik selama latihan tetapi 17 persen lebih buruk ketika ujian tanpa bantuan, sedangkan versi tutor yang memberi petunjuk alih-alih jawaban tidak menimbulkan kerugian tersebut, seperti diuraikan Knowledge at Wharton. Sebaliknya, uji coba Bank Dunia di Negara Bagian Edo, Nigeria, pada Juni dan Juli 2024 menemukan peningkatan sekitar 0,3 simpangan baku dalam enam minggu ketika kecerdasan artifisial generatif dipakai dengan dukungan guru, sebagaimana dilaporkan blog pendidikan Bank Dunia pada Januari 2025. OECD Digital Education Outlook 2026 merangkum pola ini: manfaat muncul bila perangkat ditanam dalam model pengajaran terstruktur, sedangkan ketergantungan berlebihan dapat mengurangi keterlibatan metakognitif dan melemahkan hubungan antara kinerja dan belajar yang sesungguhnya, seperti diringkas Mexico Business News. Studi Michael Gerlich terhadap 666 peserta dalam jurnal Societies pada Januari 2025 menemukan korelasi negatif antara pemakaian intensif dan kemampuan berpikir kritis dengan pelepasan beban kognitif sebagai mediator, dan pracetak tim MIT Media Lab yang dipimpin Nataliya Kosmyna, Your Brain on ChatGPT, melaporkan konektivitas otak terlemah serta rasa kepemilikan esai terendah pada kelompok pengguna model bahasa dengan sampel 54 peserta. Kedua studi terakhir bersifat korelasional atau berskala kecil, sehingga penilaian bahwa pemakaian tanpa desain pedagogis merugikan belajar diberikan dengan keyakinan sedang.

Integritas Akademik dan Ekonomi Publikasi: Krisis Lama, Mesin Baru, dan Batas Deteksi

Persoalan integritas di pendidikan tinggi Indonesia tidak lahir bersama ChatGPT, melainkan berakar pada ekonomi publikasi yang menjadikan jumlah artikel bereputasi sebagai syarat kenaikan jabatan, akreditasi program studi, dan peringkat kampus. Pada 2025, Research Integrity Risk Index rancangan Lokman Meho menempatkan sejumlah universitas besar Indonesia dalam kategori risiko tinggi berdasarkan dua indikator, yaitu tingkat pencabutan artikel karena pelanggaran dan proporsi publikasi di jurnal yang kemudian dikeluarkan dari Scopus atau Web of Science. Muhammad Iqhrammullah dan rekan-rekan dalam jurnal Publications pada 4 Agustus 2025 membantah indeks itu, dengan menunjukkan bahwa di salah satu universitas yang ditandai, proporsi publikasi di jurnal yang dikeluarkan dari indeks melampaui 17 persen sementara tingkat pencabutan di bawah dua persen, sehingga skor tinggi lebih mencerminkan keputusan tingkat jurnal daripada pelanggaran individual. Perdebatan ini memperlihatkan dua hal sekaligus: reputasi riset Indonesia rentan terhadap metrik eksternal yang kasar, dan praktik publikasi bermasalah memang ada. Kecerdasan artifisial generatif masuk ke ekosistem yang sudah tertekan oleh insentif kuantitatif, sehingga dengan keyakinan sedang dapat dinilai bahwa tanpa perubahan insentif, teknologi ini lebih mungkin mempercepat produksi naskah daripada memperdalam mutu gagasan.

Negara mulai merespons dengan instrumen yang lebih tegas. Pada 8 Juni 2026, Kementerian Pendidikan Tinggi, Sains, dan Teknologi bersama BRIN dan Universitas Negeri Yogyakarta mengumumkan hasil awal tim investigasi atas dugaan penyalahgunaan identitas dan data riset, mengidentifikasi empat terduga pelaku, dan menyatakan akan menelusuri publikasi yang terindikasi memakai data tidak valid untuk dikoreksi atau dicabut, dengan Menteri Brian Yuliarto menegaskan bahwa integritas akademik merupakan fondasi utama kemajuan ilmu pengetahuan, sebagaimana dimuat dalam rilis resmi kementerian. Pada tingkat regulasi jurnal, ringkasan Universitas Pasir Pengaraian pada 13 Agustus 2026 melaporkan bahwa Petunjuk Teknis Akreditasi Jurnal Ilmiah 2026, pelaksana Permendiktisaintek Nomor 9 Tahun 2026, mewajibkan situs jurnal memuat kebijakan pemakaian kecerdasan artifisial, mewajibkan setiap artikel mencantumkan pernyataan pemakaian kecerdasan artifisial, kontribusi pengarang, dan riwayat penyuntingan, melarang mitra bestari memakai perangkat kecerdasan artifisial dalam telaah, serta mengurangi nilai hingga 20 poin untuk pelanggaran plagiarisme. Bila rincian itu akurat, dan keyakinan atasnya sedang karena bersumber dari ringkasan kampus, maka jurnal ilmiah Indonesia sedang diminta beralih peran dari penjaga gerbang menjadi auditor provenans, yaitu lembaga yang tidak hanya menilai mutu naskah tetapi juga merekam asal-usul proses pembuatannya.

Peralihan itu lebih mudah dituliskan daripada dijalankan, terutama karena perangkat pendeteksi teks mesin tidak dapat diandalkan sebagai alat bukti. Studi tim peneliti Stanford menemukan bahwa tujuh pendeteksi populer mengklasifikasikan 61,22 persen esai TOEFL karya penutur nonasli bahasa Inggris sebagai buatan mesin, sementara esai siswa kelas delapan kelahiran Amerika Serikat dinilai hampir sempurna, sebagaimana dilaporkan Stanford HAI pada Mei 2023. Temuan ini sangat relevan bagi PTKI, karena dosen dan mahasiswanya menulis artikel bereputasi dalam bahasa Inggris atau Arab sebagai bahasa kedua, sehingga rezim berbasis deteksi berisiko menghukum justru kelompok yang paling membutuhkan bantuan bahasa. Kasus Nanyang Technological University dan Yonsei University yang diuraikan pada bagian III memperlihatkan biaya kelembagaan dari pendekatan semacam itu: sengketa banding, hilangnya kepercayaan, dan perpindahan pemakaian ke ruang tersembunyi. Arah yang lebih kokoh telah dirumuskan Kepala Badan Moderasi Beragama dan Pengembangan Sumber Daya Manusia Kementerian Agama, Ali Ramadhani, dalam pembinaan di UIN Walisongo pada 12 September 2026: peneliti boleh memakai mesin untuk penelusuran awal, penyuntingan bahasa, dan pengelompokan tema, tetapi pembuatan data, sitasi, dan analisis wajib dilakukan dan diverifikasi sendiri, dengan pemakaian material yang diungkapkan, sebagaimana dilaporkan laman UIN Walisongo. Rumusan ini mengalihkan beban pembuktian dari mesin pendeteksi kepada desain proses, dan itulah pergeseran yang menurut analisis ini paling menentukan.

Otoritas Keagamaan di Hadapan Mesin: Konvergensi Lintas Negara Muslim

Lembaga keagamaan Indonesia merumuskan sikap normatif lebih cepat daripada negara. Pada 19 September 2023, Komisi Bahtsul Masail Waqi’iyah dalam Munas Alim Ulama Nahdlatul Ulama memutuskan bahwa bertanya kepada kecerdasan artifisial tentang persoalan agama diperbolehkan, tetapi menjadikan jawabannya sebagai pedoman untuk diamalkan tidak diperbolehkan, dengan alasan kebenaran jawaban belum terjamin, adanya kemungkinan halusinasi, dan bias karena sebagian besar sistem dikembangkan dalam konteks non-Muslim, sebagaimana diberitakan NU Online. Majelis Ulama Indonesia menempuh arah serupa. Pada 4 November 2025, Ketua MUI Bidang Dakwah dan Ukhuwah KH Cholil Nafis menyatakan bahwa kecerdasan artifisial diperlakukan bukan sebagai guru dan penuntun, melainkan sekadar informasi, sementara Ketua MUI Bidang Informasi dan Komunikasi Masduki Baidlowi menegaskan bahwa agama tidak berada dalam algoritma, seperti dilaporkan NU Online. Kedua putusan itu tidak menolak teknologi; keduanya membedakan secara tajam antara mesin sebagai sumber informasi dan mesin sebagai sumber otoritas amal, sebuah pembedaan yang dalam kerangka laporan ini sejajar dengan pembedaan antara otoritas kefasihan dan otoritas sanad.

Pembedaan yang sama muncul secara independen di pusat-pusat otoritas Islam lainnya, dan konvergensi itu merupakan temuan penting bagi perdebatan global. Dar al-Ifta Mesir, dalam fatwa yang dipublikasikan pada 2 Desember 2025, menyatakan bahwa kecerdasan artifisial pada dasarnya boleh digunakan, tetapi bersandar pada aplikasinya untuk memperoleh fatwa tidak diperbolehkan, karena fatwa menuntut ilmu, kesalehan, dan kemampuan menimbang konteks, adat, serta kemaslahatan yang berubah menurut waktu dan tempat, kemampuan yang tidak dimiliki mesin, sebagaimana dimuat di laman resmi Dar al-Ifta. Lembaga yang sama juga menyatakan bahwa menafsirkan Al-Qur’an dengan bersandar sepenuhnya pada aplikasi kecerdasan artifisial tidak diperbolehkan, seperti dilaporkan MEA Tech Watch pada Januari 2026. Analisis Martin Pimentel di CSIS pada Oktober 2023 mencatat bahwa eksperimen negara dengan khotbah dan fatwa berbantuan mesin di Mesir menimbulkan ketegangan dengan ulama, bahwa Seminari Qom di Iran menjalin kemitraan dengan pusat riset kecerdasan artifisial, dan bahwa program Virtual Ifta’ di Dubai yang diluncurkan pada 2019 dihentikan dalam dua tahun. Di lingkungan PTKI sendiri, Nur Ahmadi Akmal dan rekan-rekan dari UIN Ar-Raniry dalam Jurnal Ilmiah Al-Mu’ashirah tahun 2026 menyimpulkan bahwa mesin dapat berfungsi sebagai wasilah untuk menelusuri dalil, mengolah data, dan memetakan pendapat ulama, sementara keputusan akhir tetap pada mufti. Dengan keyakinan tinggi, dapat dinyatakan bahwa otoritas keagamaan Sunni arus utama di Indonesia dan Mesir telah konvergen pada rumusan bahwa mesin adalah wasilah, bukan mufti.

Masalahnya, kehidupan intelektual PTKI jauh lebih luas daripada fatwa, dan pagar fatwa tidak otomatis menjadi pagar ruang kelas. Mahasiswa syariah menulis skripsi tentang putusan pengadilan agama, mahasiswa ushuluddin menulis tafsir tematik, mahasiswa tarbiyah merancang bahan ajar, dan dosen menyusun artikel untuk jurnal terakreditasi. Dalam ruang-ruang itu, pertanyaannya bukan apakah mesin boleh berfatwa, melainkan bagaimana menilai karya ilmiah yang sebagian ringkasan literatur atau terjemahan teks Arabnya dihasilkan dengan bantuan mesin, dan bagaimana memastikan mahasiswa tetap mengalami pergulatan intelektual yang menjadi inti pendidikan. Paparan berjudul Wacana Kontemporer dalam Studi Islam: Peradaban, Otoritas, dan Kesadaran di Hadapan Kecerdasan Buatan pada International Conference on Islamic Studies di Ponorogo, September 2026, menyebut risiko rasionalitas algoritmik menggeser dimensi spiritual keagamaan serta pergeseran dari pengetahuan reaktif menuju pengetahuan prediktif; risiko itu paling nyata justru di ruang kelas, bukan di majelis fatwa. Kesenjangan antara konsensus ulama dan praktik akademik ini bukan khas Indonesia: universitas Islam di Malaysia, Teluk, dan Mesir menghadapi pertanyaan yang sama, dan analisis di Al-Fanar Media yang dikutip pada bagian III mencatat bahwa sebagian universitas di kawasan Arab melarang total sementara yang lain tidak berbuat apa pun. Siapa pun yang pertama kali menerjemahkan konsensus wasilah ke dalam standar asesmen yang operasional akan menyediakan model bagi seluruh dunia pendidikan tinggi Islam.

Analisis: Lapisan Tengah yang Kosong dan Tiga Pergeseran Otoritas

Triangulasi atas regulasi, data, dan sikap keagamaan memperlihatkan tiga pergeseran otoritas yang berlangsung bersamaan di PTKI. Pergeseran pertama menimpa dosen, yang bergeser dari sumber pengetahuan menjadi perancang verifikasi. Panduan GenAI 2024 telah mengandaikan peran baru ini ketika meminta dosen melatih mahasiswa membandingkan kerja mandiri dengan kerja berbantuan, dan sebuah kampus umum telah mengoperasionalkannya: Universitas Padjadjaran melalui Peraturan Rektor Nomor 8 Tahun 2025 mengizinkan pemakaian kecerdasan artifisial generatif untuk tugas, melarang penyalinan mentah, menuntut argumen dan kesimpulan berasal dari pemikiran mahasiswa, menyediakan akses Gemini Pro dan NotebookLM bagi sivitas, dan meminta dosen menguji pemahaman mahasiswa atas hasil belajarnya, sebagaimana diberitakan GNFI pada 14 Februari 2026. Pergeseran kedua menimpa jurnal, yang beralih dari penjaga gerbang menjadi auditor provenans sebagaimana diuraikan pada bagian VI. Pergeseran ketiga menimpa ulama dan tradisi sanad, yang beralih dari satu-satunya rujukan menjadi penanggung jawab akhir, sementara penelusuran awal semakin banyak dikerjakan mesin. Benang merah ketiganya jelas: otoritas tidak lagi terutama terletak pada penguasaan informasi, sebab informasi telah melimpah, melainkan pada kesediaan dan kemampuan menanggung akibat dari sebuah klaim.

Kekosongan lapisan tengah itu terkonfirmasi dalam sumber resmi. Dalam pembinaan di UIN Walisongo pada 12 September 2026, Staf Khusus Menteri Agama Bidang Komunikasi dan Kebijakan Publik Ismail Cawidu menyatakan bahwa Kementerian Agama sedang menyiapkan garis besar pedoman bagi PTKIN dan mengusulkan lima agenda, yaitu menetapkan status dan batas pemakaian dalam prosedur operasional baku, melindungi data melalui klasifikasi dan daftar layanan yang disetujui lembaga, meningkatkan literasi sivitas, mengukur dampak melalui audit berkala, dan mengawasi pelaksanaan melalui satuan tugas dan kanal konsultasi, disertai model akuntabilitas RACI serta klasifikasi data menjadi publik, internal, sensitif, dan rahasia, sebagaimana dilaporkan laman UIN Walisongo. Kalimatnya bahwa masalahnya bukan pemakaian kecerdasan artifisial, tetapi siapa yang memegang kendali, tepat menamai persoalan otoritas. Namun agenda itu hampir seluruhnya menyangkut keamanan data dan tata kelola organisasi; asesmen belajar, bentuk tugas akhir, dan standar pembuktian kepengarangan belum tersentuh. Fakta bahwa sekitar dua tahun setelah panduan GenAI 2024 dan enam bulan setelah surat keputusan bersama kementerian masih berada pada tahap menyiapkan garis besar menunjukkan, dengan keyakinan tinggi untuk posisi September 2026, bahwa PTKI belum memiliki pedoman bersama yang operasional.

Konsekuensi kekosongan ini dapat dibaca melalui logika kebiasaan. Ketika kebiasaan terbentuk lebih dulu daripada norma, norma yang datang belakangan harus melawan praktik yang telah dianggap wajar, dan survei BRIN memperlihatkan gejala itu dengan jelas karena kesadaran akan risiko tidak menurunkan intensitas pemakaian. Dalam kondisi demikian, setiap program studi berpotensi menyusun aturan sendiri sehingga lahir fragmentasi yang membingungkan mahasiswa lintas mata kuliah, atau tidak menyusun apa pun sehingga terjadi normalisasi senyap. Fragmentasi melemahkan otoritas kelembagaan karena standar penilaian tidak lagi dapat diperbandingkan, sedangkan normalisasi senyap melemahkan otoritas prosedural karena metode tidak lagi diperiksa. Di tengah keduanya, otoritas kefasihan mengisi ruang kosong dengan efisiensi yang tinggi. Tantangan ini lebih tajam bagi PTKI daripada bagi kampus umum, sebab kampus umum dapat bersandar sepenuhnya pada otoritas prosedural ilmiah, sedangkan PTKI memikul janji tambahan untuk menjaga adab ilmu dan kesinambungan sanad. Bagi PTKI, hilangnya alamat pertanggungjawaban bukan hanya masalah mutu, melainkan juga masalah identitas kelembagaan.

Jawaban desain yang ditawarkan laporan ini menerjemahkan konsensus wasilah ke dalam tiga praktik asesmen. Praktik pertama ialah jejak gesekan, yaitu kewajiban melampirkan catatan tentang bagaimana jawaban mesin dibandingkan, dibantah, atau dikoreksi dengan sumber primer, kitab, putusan pengadilan, dan data lapangan, sehingga yang dinilai adalah pergulatan, bukan hanya produk akhir; seorang mahasiswa yang meminta mesin merangkum perdebatan tentang batas usia perkawinan dalam fikih dan hukum nasional, misalnya, wajib menunjukkan di titik mana ringkasan mulus itu menyembunyikan ketegangan antara teks, putusan, dan realitas sosial. Praktik kedua ialah sanad digital, yaitu rantai provenans yang mencatat sumber, versi perangkat, dan keputusan pengarang, sebagai padanan modern dari tradisi transmisi yang menjamin setiap klaim memiliki pemilik. Praktik ketiga ialah ujian lisan dan diskusi terbimbing pada titik-titik kunci kurikulum, yang secara fungsional setara dengan jalur asesmen aman dalam model dua jalur University of Sydney dan sejalan dengan rekomendasi BRIN tentang asesmen autentik. Ketiga praktik ini bukan temuan lokal yang terisolasi. Konvergensinya dengan reformasi asesmen di Australia dan Inggris menunjukkan bahwa tradisi sanad dan pedagogi kontemporer sampai pada kesimpulan yang sama dari jalur berbeda: dalam lingkungan yang dibanjiri teks mesin, bukti belajar harus dipindahkan dari produk ke proses dan dari teks ke percakapan yang dapat diuji.

Argumen Tandingan Terkuat dan Jawabannya

Argumen tandingan terkuat terhadap laporan ini terdiri atas tiga lapis yang saling menguatkan. Lapis pertama menyatakan bahwa kecerdasan artifisial generatif hanyalah perangkat, sebagaimana kalkulator dan mesin pencari, dan bahwa bukti terbaik justru menunjukkan manfaatnya: uji coba Bank Dunia di Nigeria menghasilkan peningkatan sekitar 0,3 simpangan baku dalam enam minggu, dan OECD menemukan bahwa perangkat yang dirancang secara pedagogis dapat memperbaiki belajar. Dari sudut ini, memusatkan perhatian pada otoritas dan risiko adalah kepanikan moral yang memperlambat adopsi produktif di negara yang sudah tertinggal dalam talenta digital. Lapis kedua menyatakan bahwa pedoman khusus PTKI justru memperparah fragmentasi regulasi: Indonesia sudah memiliki panduan GenAI, surat keputusan bersama tujuh menteri, ketentuan akreditasi jurnal, dan segera dua peraturan presiden, sehingga menambah satu lapisan lagi hanya akan menambah beban kepatuhan, sementara pengadaan perangkat bersama dan pelatihan dosen lebih efektif daripada dokumen. Lapis ketiga menyatakan bahwa bahasa sanad meromantisasi tradisi, berisiko paternalistik terhadap mahasiswa dewasa, dan bahwa ujian lisan tidak realistis di kelas besar dengan rasio dosen dan mahasiswa yang timpang, sehingga usulan ini akan memperberat dosen tanpa memperbaiki mutu.

Setiap lapis argumen itu mengandung kebenaran yang harus diakui, tetapi tidak satu pun membatalkan kesimpulan pokok. Terhadap lapis pertama, bukti manfaat yang dikutip justru bersyarat pada desain: hasil Nigeria dicapai dengan dukungan guru, dan eksperimen di Turki menunjukkan bahwa versi tanpa pengaman menurunkan kinerja ujian 17 persen. Analogi kalkulator juga runtuh pada titik yang menentukan, karena kalkulator tidak menghasilkan prosa argumentatif yang kemudian diklaim sebagai karya seorang pengarang; pertanyaan tentang kepengarangan dan pertanggungjawaban adalah pertanyaan baru, bukan kepanikan lama. Terhadap lapis kedua, laporan ini tidak mengusulkan rezim terpisah, melainkan pengisian lapisan tengah yang secara administratif memang tidak terhindarkan: Menteri Agama turut menandatangani surat keputusan bersama, dan rancangan peraturan presiden sendiri menyerahkan aturan teknis kepada kementerian sektoral, sehingga Kementerian Agama tetap harus menerbitkan sesuatu. Pilihannya bukan antara ada dan tidak ada pedoman, melainkan antara pedoman yang hanya mengatur keamanan data dan pedoman yang juga mengatur pembuktian belajar. Pengadaan perangkat bersama, yang benar adanya lebih efektif daripada dokumen semata, justru membutuhkan pedoman itu sebagai dasar hukum dan etis.

Terhadap lapis ketiga, keberatan tentang beban kerja adalah yang paling serius dan menuntut penyesuaian usulan. Model dua jalur tidak mewajibkan ujian lisan pada setiap tugas, tetapi menempatkan asesmen aman pada titik-titik kunci seperti akhir tahun, ujian komprehensif, dan sidang tugas akhir, tempat PTKI sebenarnya telah memiliki tradisi munaqasyah. Penyesuaian ini membuat usulan lebih realistis tanpa kehilangan fungsinya. Tentang romantisasi, bahasa sanad di sini dipakai sebagai sumber legitimasi budaya bagi prinsip yang secara substantif identik dengan prinsip provenans dan akuntabilitas dalam literatur internasional, bukan sebagai klaim bahwa tradisi lama sudah memadai. Laporan ini juga perlu menyatakan apa yang akan mengubah penilaiannya. Bila peraturan presiden dan regulasi kementerian pendidikan tinggi kelak memuat standar asesmen yang secara eksplisit berlaku bagi PTKI, kebutuhan akan pedoman khusus akan berkurang. Bila riset longitudinal di Indonesia menunjukkan bahwa pemakaian yang diungkapkan secara jujur tidak berkorelasi dengan penurunan capaian belajar, maka bobot pada asesmen aman dapat dikurangi. Hingga bukti semacam itu tersedia, kehati-hatian desain tetap merupakan posisi yang paling dapat dipertanggungjawabkan.

Skenario 2026–2029, Indikator, dan Rekomendasi

Horizon skenario disejajarkan dengan periode Peta Jalan Kecerdasan Artifisial Nasional 2026–2029 agar dapat dievaluasi bersamaan dengan kebijakan negara, dan disusun dari empat faktor penggerak: penetapan dan isi kedua peraturan presiden, terbit atau tidaknya pedoman Kementerian Agama yang memuat ketentuan asesmen, ketegasan penegakan pernyataan pemakaian kecerdasan artifisial dalam akreditasi jurnal, serta kesediaan program studi merancang ulang asesmen. Probabilitas berikut merupakan penilaian penulis berdasarkan pola dalam data, bukan hasil pemodelan statistik, dan menggambarkan kecenderungan dominan pada tingkat sistem PTKI. Skenario pertama, normalisasi senyap, sekitar 40 persen, terjadi bila peraturan presiden terbit tanpa turunan rinci bagi pendidikan tinggi keagamaan, pedoman Kementerian Agama terbit dalam bentuk umum yang berfokus pada keamanan data, dan asesmen tidak berubah, sehingga pernyataan pemakaian menjadi formalitas dan otoritas kefasihan diam-diam menjadi standar mutu. Skenario kedua, tata kelola berlapis, sekitar 30 persen, terjadi bila pedoman PTKI memadukan prinsip surat keputusan bersama, lima agenda Kementerian Agama, dan ketentuan asesmen, lalu diikuti pelatihan dosen dan audit berkala. Skenario ketiga, rezim deteksi, sekitar 20 persen, muncul bila satu atau dua skandal besar mendorong kampus bergantung pada perangkat pendeteksi dan sanksi, mengulang pengalaman Yonsei dan NTU dalam skala nasional. Skenario keempat, lompatan gesekan, sekitar 10 persen, membayangkan sejumlah PTKI menjadikan jejak gesekan, sanad digital, dan ujian lisan pada titik kunci sebagai standar, sehingga PTKI tampil sebagai pelopor internasional tata kelola yang berakar pada tradisi transmisi ilmu.

Lima indikator dapat dipantau untuk menilai skenario mana yang menguat. Indikator pertama ialah tanggal penetapan dan isi pasal pendidikan dalam kedua peraturan presiden, khususnya apakah evaluasi capaian belajar dimasukkan ke kategori berpengawasan ketat sebagaimana dalam Lampiran III Undang-Undang Kecerdasan Artifisial Uni Eropa. Indikator kedua ialah terbitnya keputusan Kementerian Agama tentang pedoman bagi PTKIN dan PTKIS, serta apakah pedoman itu memuat ketentuan asesmen dan tidak hanya keamanan data. Indikator ketiga ialah proporsi jurnal terakreditasi di lingkungan PTKI yang benar-benar menerbitkan kebijakan dan pernyataan pemakaian kecerdasan artifisial pada setiap artikel. Indikator keempat ialah perubahan format tugas akhir, seperti bertambahnya ujian lisan, portofolio proses, atau lampiran provenans. Indikator kelima ialah survei ulang terhadap mahasiswa PTKI dengan sampel lebih besar daripada survei BRIN 2025 dan mencakup PTKIS. Bila dalam dua tahun indikator kedua dan keempat bergerak, skenario kedua atau keempat menguat; bila hanya indikator pertama yang bergerak, skenario pertama kemungkinan besar menjadi kenyataan; bila muncul skandal besar sebelum indikator kedua bergerak, risiko skenario ketiga meningkat tajam.

Rekomendasi bagi aktor nasional disusun menurut urgensi. Direktorat Jenderal Pendidikan Islam Kementerian Agama sebaiknya menerbitkan pedoman bersama bagi PTKIN dan PTKIS sebelum semester genap tahun akademik 2026/2027 dimulai, yang menurunkan prinsip surat keputusan bersama ke dalam ketentuan asesmen, riset, dan publikasi, memuat prinsip wasilah sebagaimana diminta mahasiswa dalam survei BRIN, dan mewajibkan setiap program studi memetakan asesmennya ke model dua jalur paling lambat akhir tahun akademik 2026/2027. Kementerian Pendidikan Tinggi, Sains, dan Teknologi bersama badan akreditasi nasional dan lembaga akreditasi mandiri sebaiknya memasukkan kesiapan tata kelola kecerdasan artifisial ke dalam instrumen akreditasi program studi pada siklus 2027, serta menerbitkan naskah resmi petunjuk teknis akreditasi jurnal secara terbuka agar ketentuan pernyataan pemakaian dapat diaudit. Kementerian Komunikasi dan Digital serta Sekretariat Negara sebaiknya memastikan bahwa bab pendidikan dalam peraturan presiden mengacu secara eksplisit pada kewenangan Kementerian Agama atas pendidikan keagamaan, agar pedoman PTKI tidak harus disusun ulang. BRIN sebaiknya mengulang survei pemakaian pada 2027 dengan sampel nasional yang mencakup PTKIS dan dosen, sehingga dampak kebijakan dapat diukur. Rektor PTKIN sebaiknya menyediakan perangkat yang dikelola lembaga, dengan klasifikasi data sebagaimana diusulkan Kementerian Agama, agar mahasiswa tidak bergantung pada akun pribadi, sedangkan pengelola jurnal di lingkungan PTKI sebaiknya mengaudit kepatuhan pernyataan pemakaian sebelum siklus akreditasi berikutnya. Majelis Ulama Indonesia dan lembaga bahtsul masail Nahdlatul Ulama dapat melengkapi putusan tentang fatwa dengan pedoman etika pemakaian kecerdasan artifisial dalam penyusunan karya ilmiah keislaman.

Rekomendasi bagi aktor internasional sama pentingnya, karena persoalan ini bersifat lintas batas. UNESCO, melalui kantor regionalnya di Jakarta dan IESALC, sebaiknya memasukkan perguruan tinggi keagamaan secara eksplisit dalam pemantauan kebijakan pendidikan tinggi, karena survei 2025 hanya mencakup delapan persen responden dari kawasan Arab dan rilis hasilnya tidak menyajikan data terpisah untuk lembaga keagamaan. OECD dapat mengundang Indonesia dan Malaysia ke dalam forum belajar sebaya tentang kebijakan kecerdasan artifisial generatif di pendidikan tinggi, seperti seminar pakar yang menjadi dasar laporannya pada 2026, sehingga pengalaman sistem berpendapatan menengah dengan adopsi tertinggi masuk ke dalam basis bukti global. Para menteri digital ASEAN dapat memperluas panduan sukarela mereka dengan lampiran khusus pendidikan tinggi yang memuat standar minimal pengungkapan dan asesmen. Jaringan universitas Islam lintas negara, dari Malaysia hingga Mesir, sebaiknya menyusun tolok ukur bersama untuk menguji keandalan model bahasa pada teks Arab klasik dan literatur fikih, karena kualitas mesin pada wilayah ini belum terukur secara sistematis. Penyedia teknologi, akhirnya, sebaiknya memenuhi hak transparansi yang telah diatur dalam surat keputusan bersama dengan membuka keterbatasan data dan kinerja produk mereka pada bahasa Indonesia, Arab, dan bahasa daerah, sebelum menawarkan kontrak kampus.

Keterbatasan Kajian

Laporan ini memiliki keterbatasan empiris yang perlu dinyatakan agar pembaca dapat menimbang kekuatan klaimnya. Kajian ini tidak mengumpulkan data primer; seluruh temuan bersandar pada dokumen, survei pihak lain, dan pemberitaan. Survei BRIN terhadap mahasiswa PTKIN hanya mencakup 293 responden dari 17 kampus, sehingga tidak dapat digeneralisasi ke seluruh PTKI, terlebih ke perguruan tinggi keagamaan Islam swasta yang kondisinya sangat beragam, dan pemberitaannya memuat ketidakkonsistenan tanggal acara. Survei Chegg dilakukan secara daring pada kelompok usia 18 sampai 21 tahun dan kemungkinan lebih mewakili mahasiswa perkotaan dengan akses internet baik. Beberapa rincian penting, terutama nomor-nomor surat keputusan bersama dan ketentuan kecerdasan artifisial dalam petunjuk teknis akreditasi jurnal 2026, bersumber dari ringkasan sekunder. Status peraturan presiden diketahui dari pemberitaan hingga pertengahan September 2026, sehingga perkembangan yang belum terliput tetap mungkin terjadi. Perbandingan internasional untuk Tiongkok, Korea Selatan, Singapura, Malaysia, dan Arab Saudi sebagian besar bersandar pada pemberitaan, bukan teks kebijakan asli, dan karena itu lebih tepat dibaca sebagai ilustrasi model daripada penilaian sistem yang lengkap. Studi kognitif yang dikutip masih awal: studi Gerlich bersifat korelasional dan pracetak Kosmyna dan kawan-kawan berbasis sampel kecil, sementara eksperimen terkuat, yaitu studi Bastani dan uji coba Nigeria, dilakukan pada siswa sekolah menengah, bukan mahasiswa.

Keterbatasan konseptual sama pentingnya. Kerangka empat otoritas merupakan konstruksi analitis yang belum diuji secara empiris, dan konsep asesmen berbasis gesekan bersumber dari gagasan frikatifisasi ilmu yang, menurut analisis From Islamisation to Fricativisation: Four Paradigms Transforming Indonesia’s State Islamic Universities yang dimuat KBA13 Insight pada Juli 2026, masih sulit diukur, dapat tampak elitis atau mistis bagi dosen dan mahasiswa biasa, sulit diterapkan pada ilmu-ilmu empiris, dan belum teruji dalam literatur. Laporan ini berupaya mengurangi risiko lingkaran tafsir dengan memperlakukan gagasan itu sebagai hipotesis desain dan menguji kesejajarannya dengan reformasi asesmen di Australia dan Inggris, tetapi pengujian sesungguhnya hanya dapat dilakukan melalui uji coba terkontrol. Dimensi bahasa juga belum terukur: model bahasa umumnya bekerja paling baik dalam bahasa Inggris, sementara mutu keluarannya pada bahasa Arab klasik, literatur kitab, dan bahasa daerah belum dievaluasi secara sistematis dalam konteks PTKI. Agenda riset lanjutan karena itu mencakup survei nasional terhadap dosen PTKI tentang praktik penilaian, etnografi proses pembuatan skripsi di fakultas syariah, ushuluddin, dan tarbiyah, audit sistematis atas pernyataan pemakaian di jurnal-jurnal terakreditasi lingkungan PTKI, uji coba terkontrol asesmen dua jalur di beberapa program studi, serta studi perbandingan dengan universitas Islam di Malaysia, Brunei, Thailand Selatan, dan kawasan Arab.

Kesimpulan

Garis bawah laporan ini dapat dinyatakan secara ringkas. Pemakaian kecerdasan artifisial generatif di PTKI telah menjadi kebiasaan massal, sementara tata kelolanya masih berupa regulasi lunak berlapis tanpa atap dan tanpa lantai: peraturan presiden belum ditetapkan, surat keputusan bersama berfokus pada anak, dan pedoman Kementerian Agama bagi PTKIN masih berupa garis besar. Di ruang kosong itu, otoritas kefasihan mengambil alih fungsi yang semestinya dijalankan otoritas sanad, kelembagaan, dan prosedural. Perbandingan internasional menunjukkan bahwa regulasi berbasis risiko melindungi mahasiswa dari keputusan algoritmik tetapi tidak menjawab soal pembuktian belajar, bahwa batas kuantitatif dan rezim deteksi rapuh serta tidak adil bagi mereka yang menulis dalam bahasa kedua, dan bahwa sistem yang paling maju memindahkan bukti belajar dari produk ke proses. Konsensus ulama di Indonesia dan Mesir bahwa mesin adalah wasilah, bukan mufti, menyediakan landasan normatif yang kuat, tetapi landasan itu belum diterjemahkan menjadi standar akademik.

Karena itu, tugas mendesak PTKI bukan menolak mesin dan bukan pula menunggu atap nasional, melainkan mengisi lapisan tengah dengan pedoman yang mengatur cara membuktikan belajar: memisahkan asesmen aman dari asesmen terbuka, mewajibkan jejak proses dan provenans, serta menghidupkan kembali ujian lisan pada titik-titik kunci. Mesin tidak memiliki sanad, tidak memiliki adab, dan tidak dapat dimintai pertanggungjawaban, sehingga setiap karya yang lahir di kampus harus tetap memiliki pengarang yang dapat ditanya, dibantah, dan dimintai pertanggungjawaban. Bila Indonesia, sebagai salah satu pengguna kecerdasan artifisial generatif paling intens di dunia, berhasil menautkan kosakata sanad dengan reformasi asesmen kontemporer, PTKI tidak hanya akan menutup kesenjangan tata kelolanya sendiri, tetapi juga menyumbangkan model yang dapat dipakai universitas Islam dan sistem pendidikan tinggi lain yang menghadapi pertanyaan serupa. Bila gagal, normalisasi senyap akan menjadi jalur bawaan, dan pertanyaan tentang siapa yang berhak berbicara atas nama ilmu akan dijawab, secara diam-diam, oleh mesin.

Executive Summary: The Question, the Bottom Line, and the Stakes

This report answers a single question: now that generative artificial intelligence has become a daily habit for students, who holds the authority to declare something legitimate knowledge in Indonesia’s Islamic religious higher education institutions (PTKI), and what kind of governance can return that authority to human beings who can be held accountable? The bottom line is unambiguous. Indonesia is experiencing one of the widest adoption–governance gaps in the world: a survey by the Education Research Centre of BRIN, the national research and innovation agency, of 293 students at 17 state Islamic higher education institutions (PTKIN) found that more than 90 percent of respondents use ChatGPT intensively, four to six times a week, while many of them are unaware of the official guidelines in force, as reported by detikEdu on 12 December 2025. The presidential regulations on the national AI roadmap and AI ethics had not been enacted according to the latest verifiable reports, and in September 2026 the Ministry of Religious Affairs was still at the stage of preparing an outline of guidelines for PTKIN. Between broad national principles and classrooms that depend on individual lecturers’ discretion lies an empty middle layer, and that empty space is now being filled by what this report calls the authority of fluency: the persuasiveness of an answer that derives from the machine’s linguistic smoothness rather than from a chain of transmission or a method that can be examined.

The issue matters beyond Indonesia for three reasons. The first is quantitative: Indonesian students recorded the widest use of generative AI in a fifteen-country survey, and an OECD report of July 2026 concluded that in many countries use of the technology has outpaced institutional governance, as summarised by the Media and Learning Association on 24 July 2026. Indonesia is thus an extreme case of a global trend, and its lessons apply to other systems moving in the same direction. The second is epistemological: the Islamic scholarly tradition possesses a highly developed theory of authority, namely sanad (the chain of transmission), ijazah (certified licence to teach), and the moral responsibility of the scholar, which makes PTKI a natural laboratory for testing whether a tradition of knowledge transmission can offer a governance vocabulary that purely technocratic approaches lack. The third concerns the geopolitics of knowledge: fatwa bodies in Egypt, Indonesia, and other Muslim countries have reached similar conclusions about the limits of machine authority, so the way PTKI translates those conclusions into academic practice will become a reference for Islamic universities from Kuala Lumpur to Cairo.

The report’s principal judgments can be stated together with their confidence levels. With high confidence, individual adoption in PTKI has far outrun institutional norms, and the gap will not close merely because the presidential regulations are issued, since they are designed as a cross-sector umbrella that delegates technical rules to ministries. With moderate confidence, a strategy of detection and prohibition will fail pedagogically and prove socially unjust, especially for students writing in a second language. Also with moderate confidence, the most robust way forward is to redesign how universities prove that learning has actually taken place: by separating secured assessment from open assessment, requiring process and provenance records, and reviving oral examinations at key points in the curriculum. This approach aligns with the direction of assessment reform in Australia and the United Kingdom, but PTKI enjoy a distinctive advantage in the vocabulary of sanad, which can lend cultural legitimacy to such reform. The report closes its analysis with four scenarios to 2029, indicators to watch, and recommendations for national and international actors.

Analytical Framework, Method, and Confidence Levels

The report’s analytical framework distinguishes four forms of knowledge authority. Sanad authority rests on the person of the teacher and the chain of transmission that guarantees every statement can be traced back to someone responsible for it. Institutional authority rests on diplomas, accreditation, and journals that confer a seal of legitimacy. Procedural authority rests on methods that can be examined, replicated, and refuted. These three authorities have long coexisted in Indonesian Islamic higher education. In 1991, H.A. Mukti Ali, in his book Metode Memahami Agama Islam published by Bulan Bintang, proposed a scientific-cum-doctriner approach that combined doctrinal study of the Qur’an and Sunnah with the methods of social science, history, and comparison, and the idea helped shape Islamic studies curricula in religious higher education. That approach effectively brought procedural authority into a house previously inhabited by sanad authority. Generative AI introduces a fourth form, the authority of fluency, in which an answer feels true because it is neat, complete, and convincing, while its reader cannot trace who is responsible for it or what procedure produced it. The danger of the authority of fluency lies not mainly in the machine’s errors, since humans also err, but in the disappearance of an address for accountability, so that errors no longer have an owner.

Three supporting concepts complete the framework. The first is the adoption–governance gap: the distance between the speed at which individuals adopt a technology and the speed at which institutions set its rules; here it is measured by comparing usage data with the status of policy instruments at a given date. The second is the middle layer: the tier of governance that translates general principles into operational rules suited to an institution’s character, such as sectoral guidelines for one type of university, assessment standards, and journal policies. The third is friction-based assessment: assessment design that requires students to show the struggle between machine answers, primary sources, and field data, rather than simply submitting a final product. This third concept is rooted in the idea of the fricativisation of knowledge set out in the book From Islamisation to Fricativisation: Paradigms of Knowledge in Indonesia’s State Islamic Universities (2026), which argues that new knowledge emerges when different intellectual traditions are held in disciplined tension rather than harmonised prematurely. Here the idea is treated as a design hypothesis, not a doctrine, and is tested against international evidence on assessment reform.

Methodologically, the report is desk research using qualitative document analysis of a purposively selected corpus up to 19 October 2026. The corpus comprises official Indonesian government documents and releases, statements by religious bodies in Indonesia and Egypt, national and international usage surveys, UNESCO and OECD reports, regulations and guidance from the European Union, Australia, the United Kingdom, and East Asia, scholarly literature on cognitive and learning effects, and mainstream media reporting. The analysis proceeded in three steps. The first mapped every document onto six layers of governance: national, inter-ministerial, sectoral, religious-normative, institutional, and classroom. The second coded each document’s claims according to the type of authority it presupposes. The third triangulated policy claims, usage data, and integrity evidence to identify points of mismatch. The international comparison is not intended as a ranking but as a way of identifying the available governance models and their consequences, so that Indonesia’s position can be read on the map of the global debate rather than in isolation.

The report uses three confidence levels. High confidence is assigned when a judgment is supported by several independent sources, including official ones, with no significant contrary evidence. Moderate confidence is assigned when a judgment rests on strong but incomplete evidence, for example because it depends on secondary summaries or limited samples. Low confidence is assigned when a judgment rests mainly on analytical inference. Several important details, such as the numbers of the joint ministerial decree and the content of the 2026 technical guidelines for journal accreditation, are accessible only through third-party summaries and are treated as indicative. This study was also prepared from within the PTKIN ecosystem, including experience of managing a reputable scholarly journal. That proximity gives access to practices rarely recorded in official documents, such as how manuscripts reach the editorial desk and how undergraduate theses are graded, but it also carries a risk of institutional bias. That risk is controlled by separating clearly the findings supported by data from normative proposals, and by treating international evidence as a comparator that can refute, not merely confirm, the report’s argument.

The Global Landscape: Four Models for Governing Generative AI in Higher Education

Multilateral norms on generative AI in education took shape quickly, but implementation at campus level has lagged. UNESCO launched its first guidance on generative AI in education and research on 7 September 2023, recommending an age limit of 13 for classroom use, seven regulatory steps for governments, and teacher training, while noting that a survey of more than 450 schools and universities found fewer than 10 percent had formal policies or guidance, as reported by UNESCO’s GCED Clearinghouse. A year later, during Digital Learning Week 2024, UNESCO issued AI competency frameworks for students and teachers, with a human-centred mindset and the ethics of AI as their two shared principles, as described by the New Zealand National Commission for UNESCO. A UNESCO survey released on 2 September 2025, with 400 respondents from 90 countries, found that only 19 percent of higher education institutions had a formal policy and 42 percent were developing one, that about 70 percent of institutions in Europe and North America had or were developing guidance compared with 45 percent in Latin America and the Caribbean, and that one in four respondents reported ethical problems at their institution, as set out in UNESCO’s official release. The OECD report Policies Supporting Responsible and Systematic GenAI Adoption in Higher Education of July 2026 then mapped five areas of policy response: guidance on responsible use, common compliance and procurement approaches, competence development, evidence gathering and piloting, and education-specific tools.

From the diversity of national responses, this report identifies four governance models. The first is risk-based regulation of systems, most clearly visible in the European Union. The EU Artificial Intelligence Act classifies as high-risk those systems that determine access or admission to educational institutions, evaluate learning outcomes, assess the level of education a person can access, and monitor prohibited behaviour during tests, while banning emotion-recognition systems in educational settings since February 2025, as explained in a Rockefeller Institute of Government policy brief of November 2025. Through the Digital Omnibus package approved by the Council of the EU on 29 June 2026, the deadline for obligations on Annex III high-risk systems, including education, was moved from 2 August 2026 to 2 December 2027, according to a Cloud Security Alliance research note. An important lesson of this model is often missed: Europe regulates the AI systems institutions use to make decisions about students, not students’ own use of chatbots. In other words, risk-based regulation protects students from unfair algorithmic decisions, but it does not answer the pedagogical question of how to prove that learning has occurred.

The second model is assessment-centred governance, with Australia and the United Kingdom as its leading examples. Australia’s quality agency, TEQSA, launched guiding principles titled Assessment Reform for the Age of Artificial Intelligence on 23 November 2023 after consultation with experts in assessment and academic integrity, as announced by TEQSA. The University of Sydney translated these into a two-lane framework: lane one consists of secure, in-person supervised assessments that confirm individual achievement, and lane two of open assessments built on authentic challenges that actively encourage responsible use; all 2025 assessments were mapped to the framework, with curriculum redesign the focus for 2026, as explained by the university’s educational innovation unit in October 2025. In the United Kingdom, the 24 Russell Group universities agreed five principles on 4 July 2023, covering AI literacy, adapting teaching and assessment, and upholding academic rigour and integrity, as announced by the Russell Group. The model springs from the recognition that student use cannot be prevented; a HEPI survey of 1,041 undergraduates in December 2024 found that 92 percent used AI tools and 88 percent used them for assessed work, up from 53 percent a year earlier, as reported by HEPI in February 2025.

The third model is governance through shared procurement and infrastructure. California State University, with 23 campuses, has provided ChatGPT Edu to more than 460,000 students and over 63,000 staff since February 2025, as reported by Campus Technology, while the OECD notes Italy’s national agreement with the provider of ChatGPT Edu, the cooperation of fourteen French universities with Mistral, and the eduGenAI platform in the Netherlands, as summarised by University World News on 24 July 2026. The logic of this model is that institutionally managed tools are safer for data and fairer to students who cannot afford subscriptions. The fourth model is restrictive governance through quantitative caps and prohibitions, visible at a number of Chinese universities: since November 2024 Fudan University has banned generative tools in core research stages such as study design and data analysis, while several other institutions cap machine-generated content in theses at 20 or 40 percent, as reported by Asia News Network in May 2025. Such percentage limits look firm, but they depend on detection tools whose reliability, as Section VI shows, remains doubtful.

In Asia and the Muslim world, the emerging picture is one of high adoption and uneven governance. In South Korea, a mass cheating scandal in an online course of about 600 students at Yonsei University in October 2025 occurred at a time when a survey by the Korean Council for University Education found that 77.1 percent of 131 universities had no formal policy on AI use in classrooms, while 91.7 percent of 726 student users used it for assignments or research, according to Asia News Network in November 2025. In Singapore, Nanyang Technological University convened an appeal panel including AI experts in June 2025 after three students were accused of academic misconduct, one of them for using an AI-powered site to alphabetise citations, as reported by Malay Mail. Malaysia’s Ministry of Higher Education has provided a framework that universities use to draft their own guidelines and standard operating procedures, according to The Sun Malaysia in July 2026, and Saudi Arabia’s Ministry of Education, together with the data and AI authority SDAIA, issued guidance on the use of generative AI in education in January 2025, as reported by Gulf News. For the Arab region, an analysis in Al-Fanar Media in June 2026 noted that comprehensive data remain limited and proposed that national quality-assurance agencies add AI readiness to accreditation criteria, as written by Mohammad El Hawary. Read together, the four models show that the most mature systems do not rely on a single instrument, but combine protection against algorithmic decisions, assessment reform, and institutionally managed infrastructure.

Indonesia’s Regulatory Architecture 2024–2026: A Delayed Roof, Walls Built First

Indonesia’s national framework for AI was still in draft at the time of writing, and the history of its delays is instructive. A plenary meeting of the inter-ministerial committee on 11 February 2026, involving more than 30 ministries and agencies and following up Presidential Decree No. 38 of 2025, targeted finalisation of the draft Presidential Regulation on the National Artificial Intelligence Roadmap 2026–2029 in the first quarter of 2026, as recorded by the legal information network of the Ministry of Communication and Digital Affairs (Komdigi). On 7 April 2026, the head of Komdigi’s AI roadmap and ethics regulation team, Irma Handayani, stated that two drafts, on the roadmap and on ethics, had been submitted to the President, according to detikNews. On 11 June 2026, Minister of Communication and Digital Affairs Meutya Hafid explained that the drafts had been revised after public consultation with several US companies, had been sent to the State Secretariat, and would regulate ten sectors including education, as reported by ANTARA. On 3 September 2026, Director General of Digital Ecosystem Edwin Hidayat Abdullah said that both drafts awaited only the President’s signature and that the ethics regulation would sort uses into prohibited, strictly supervised, and lower-risk categories, with sectoral technical rules left to the relevant ministries, according to Selular.id. A week later, Deputy Minister Nezar Patria said the drafts were still under review at the State Secretariat and explained that a presidential regulation had been chosen because it is more agile than a statute, as quoted by Koran Jakarta on 11 September 2026. This report found no reporting of a signature up to 19 October 2026, so the not-yet-enacted status is judged with moderate confidence.

While the national roof was delayed, sectoral walls went up first. On 11 October 2024, the education ministry released the Guidelines for the Use of GenAI in Higher Education Learning, which ask lecturers to state in writing when AI may or may not be used, and require students to document their use, provide attribution, and verify machine outputs, as summarised by detikEdu. On 12 March 2026, seven ministers, including Minister of Religious Affairs Nasaruddin Umar and Minister of Higher Education, Science and Technology Brian Yuliarto, signed a joint decree on Guidelines for the Use and Learning of Digital Technology and Artificial Intelligence, with the message that the higher the level of education, the greater the room for using technology. The joint press release shows that the document’s centre of gravity is children’s readiness and protection, under the principle of waiting until the child is ready, as published by InfoPublik. A third-party summary records that the decree was issued as a series of numbers from each ministry, including Minister of Religious Affairs Decree No. 211 of 2026, and that provisions specific to higher education mainly concern universities’ right to demand transparency from vendors about data limitations and encouragement of cooperation with industry, according to Veritask. These details have not been checked against the official text and are assessed with moderate confidence.

The pattern that emerges is layered soft regulation without a roof, and comparison with global models clarifies what is missing. Indonesia has elements of a guidance-led model, but it lacks the assessment component at the heart of the Australian and British models, lacks institutionally managed infrastructure at system scale, and lacks protection against algorithmic decisions about students of the kind found in the European model. Even the most recent joint decree speaks more about children than about theses, journals, and research. At the regional level, ASEAN digital ministers launched an expanded guide on AI governance and ethics for generative technology in January 2025, on a voluntary basis, as reported by Asia News Network, while Coordinating Minister for Economic Affairs Airlangga Hartarto stressed in July 2026 that Indonesia does not want to be merely a global AI market and will play a role through its participation in WAICO, according to the same Selular.id report. The conclusion for religious higher education is straightforward: even if the presidential regulations were issued tomorrow, their design as a cross-sector umbrella means that technical rules for PTKI must still be made by the Ministry of Religious Affairs. With high confidence, waiting for the national roof is not a strategy available to PTKI.

Evidence on Use and Learning: Highest Adoption, Weakest Governance

Usage data place Indonesia at the forefront of global adoption. Chegg’s Global Student Survey 2025, conducted online from 1 to 23 October 2024 among 11,706 students aged 18 to 21 in fifteen countries, found that 95 percent of Indonesian respondents use AI in their studies, the highest among the countries surveyed, with nine percent asking the machine questions more than ten times a day compared with a global average of six percent, as compiled by GoodStats on 20 July 2025. OpenAI’s chief economist Aaron Chatterji said Indonesia has consistently ranked among the top three countries for weekly users, while Nezar Patria estimated a need for about 12 million digital professionals by 2030 against a supply of only about 3 million, as reported by The Jakarta Post via Asia News Network in July 2025. In July 2026, Nezar added that Indonesia is among the world’s top five in using ChatGPT for programming, data analysis, and education, according to Bisnis.com. Indonesia’s figures are comparable with those of high-income countries: the OECD records that use among UK undergraduates rose from 66 percent in 2024 to 95 percent in 2026, while the EU average in 2025 was 72 percent, as summarised by University World News. The difference lies on the institutional side: the same report notes that 38 percent of UK institutions provide tools to students, whereas in Indonesia use still takes place largely through personal accounts.

BRIN’s findings on PTKIN students narrow this picture to the focus of this report. Besides usage intensity above 90 percent, the research dissemination presented by BRIN researcher Aflahah found that many students were unaware of the higher education ministry’s official guidelines, and that those who knew them wanted specific PTKIN guidelines that reflect Islamic values. BRIN researcher Farida Hanun, drawing on a review of 44 indexed articles, compared Singapore as the most advanced, Malaysia as strengthening policy, Thailand as emphasising balanced use, and the Philippines as requiring disclosure, and concluded that Indonesia is high at the individual level but weak in governance, as reported by detikEdu. Qualitative evidence from lecturers reinforces the diagnosis. A study by Aflahah and colleagues in Jurnal Ilmiah Islam Futura, February 2026, based on interviews with lecturers at two PTKIN, identified two risk-management orientations, technical control through plagiarism detection and supervised examinations, and ethical guidance through verification and the cultivation of critical awareness, and observed that Islamic values are frequently invoked but remain declarative and have not been institutionalised in formal governance. With high confidence, it can be concluded that in PTKI individual adoption has run far ahead of institutional norms, and that the demand for guidelines with an Islamic character comes from students themselves, not only from leadership.

Evidence on learning effects is now rich enough to show that design, not the tool, determines outcomes. A field experiment by Hamsa Bastani and colleagues with nearly 1,000 secondary school students in Turkey, published in Proceedings of the National Academy of Sciences in 2025, found that the group using a ChatGPT-like interface without guardrails performed 48 percent better during practice but 17 percent worse in unassisted exams, while a tutor version that gave hints instead of answers caused no such harm, as explained by Knowledge at Wharton. By contrast, a World Bank pilot in Edo State, Nigeria, in June and July 2024 found gains of about 0.3 standard deviations in six weeks when generative AI was used with teacher support, as reported on the World Bank’s education blog in January 2025. The OECD Digital Education Outlook 2026 summarises the pattern: benefits arise when tools are embedded in structured teaching models, while over-reliance can reduce metacognitive engagement and weaken the link between performance and genuine learning, as summarised by Mexico Business News. Michael Gerlich’s study of 666 participants in the journal Societies in January 2025 found a negative correlation between intensive use and critical-thinking ability, mediated by cognitive offloading, and a preprint by an MIT Media Lab team led by Nataliya Kosmyna, Your Brain on ChatGPT, reported the weakest brain connectivity and the lowest sense of essay ownership among language-model users in a sample of 54 participants. The latter two studies are correlational or small-scale, so the judgment that use without pedagogical design harms learning is given with moderate confidence.

Academic Integrity and the Publication Economy: An Old Crisis, a New Machine, and the Limits of Detection

The integrity problem in Indonesian higher education was not born with ChatGPT; it is rooted in a publication economy that makes the number of reputable articles a condition for promotion, programme accreditation, and university rankings. In 2025, the Research Integrity Risk Index designed by Lokman Meho placed several major Indonesian universities in high-risk categories on the basis of two indicators: the rate of retractions for misconduct and the share of publications in journals later delisted from Scopus or Web of Science. Muhammad Iqhrammullah and colleagues, in the journal Publications on 4 August 2025, rebutted the index, showing that at one flagged university the share of publications in delisted journals exceeded 17 percent while the retraction rate was below two percent, so that the high score reflected journal-level decisions more than individual misconduct. The debate reveals two things at once: the reputation of Indonesian research is vulnerable to crude external metrics, and problematic publication practices do exist. Generative AI is entering an ecosystem already strained by quantitative incentives, so it can be judged with moderate confidence that, without changing incentives, the technology is more likely to accelerate the production of manuscripts than to deepen the quality of ideas.

The state has begun to respond with firmer instruments. On 8 June 2026, the Ministry of Higher Education, Science and Technology, together with BRIN and Yogyakarta State University, announced the preliminary results of an investigation team into the alleged misuse of identities and research data, identified four alleged perpetrators, and said it would trace publications suspected of using invalid data for correction or retraction, with Minister Brian Yuliarto stressing that academic integrity is the main foundation of scientific progress, as published in the ministry’s official release. At the level of journal regulation, a summary by Universitas Pasir Pengaraian dated 13 August 2026 reports that the 2026 Technical Guidelines for Scientific Journal Accreditation, implementing Ministerial Regulation No. 9 of 2026, require journal websites to publish an AI-use policy, require every article to include an AI-use statement, author contributions, and editing history, prohibit peer reviewers from using AI tools in review, and deduct up to 20 points for plagiarism violations. If these details are accurate, and confidence in them is moderate because they come from a campus summary, Indonesian scholarly journals are being asked to shift from gatekeepers to provenance auditors: institutions that not only judge the quality of a manuscript but also record the origins of its making.

That shift is easier to write down than to carry out, above all because tools for detecting machine text cannot be relied on as evidence. A Stanford research team found that seven popular detectors classified 61.22 percent of TOEFL essays by non-native English writers as machine-generated, while essays by US-born eighth graders were judged almost perfectly, as reported by Stanford HAI in May 2023. This finding is highly relevant to PTKI, whose lecturers and students write reputable articles in English or Arabic as a second language, so that a detection-based regime risks punishing precisely the group most in need of language assistance. The cases of Nanyang Technological University and Yonsei University described in Section III show the institutional costs of such an approach: appeal disputes, loss of trust, and the migration of use into hidden spaces. A sturdier direction was articulated by the Head of the Agency for Religious Moderation and Human Resource Development of the Ministry of Religious Affairs, Ali Ramadhani, at a briefing at UIN Walisongo on 12 September 2026: researchers may use machines for initial searches, language editing, and thematic clustering, but generating data, citations, and analysis must be done and verified by researchers themselves, with material use disclosed, as reported on the UIN Walisongo website. This formulation shifts the burden of proof from detection machines to process design, and that is the shift this analysis considers most decisive.

Religious Authority Facing the Machine: Convergence Across Muslim Countries

Indonesia’s religious bodies formulated normative positions faster than the state. On 19 September 2023, the Bahtsul Masail Waqi’iyah Commission at the National Conference of Nahdlatul Ulama scholars ruled that asking AI about religious matters is permissible, but taking its answers as a guide for practice is not, on the grounds that the truth of its answers is not guaranteed, that it may hallucinate, and that it is biased because most systems are developed in non-Muslim contexts, as reported by NU Online. The Indonesian Ulema Council (MUI) took a similar line. On 4 November 2025, MUI’s chair for preaching and fraternity, KH Cholil Nafis, said AI is treated not as a teacher and guide but merely as information, while MUI’s chair for information and communication, Masduki Baidlowi, stressed that religion does not reside in algorithms, as reported by NU Online. Neither ruling rejects the technology; both draw a sharp distinction between the machine as a source of information and the machine as a source of authority for religious practice, a distinction that, in this report’s framework, parallels the distinction between the authority of fluency and sanad authority.

The same distinction has emerged independently at other centres of Islamic authority, and that convergence is an important finding for the global debate. Egypt’s Dar al-Ifta, in a fatwa published on 2 December 2025, held that AI may in principle be used, but that relying on its applications to obtain fatwas is not permitted, because issuing a fatwa requires knowledge, piety, and the ability to weigh context, custom, and public interest as they change across time and place, capacities the machine lacks, as published on Dar al-Ifta’s official website. The same body also ruled that interpreting the Qur’an by relying wholly on AI applications is impermissible, as reported by MEA Tech Watch in January 2026. An analysis by Martin Pimentel at CSIS in October 2023 noted that state experiments with machine-assisted sermons and fatwas in Egypt created tension with clerics, that the Qom Seminary in Iran partnered with an AI research centre, and that Dubai’s Virtual Ifta’ programme, launched in 2019, was discontinued within two years. Within PTKI itself, Nur Ahmadi Akmal and colleagues at UIN Ar-Raniry concluded in Jurnal Ilmiah Al-Mu’ashirah in 2026 that machines can serve as a wasilah (instrument) for tracing textual evidence, processing data, and mapping scholarly opinions, while the final decision remains with the mufti. With high confidence, it can be stated that mainstream Sunni religious authority in Indonesia and Egypt has converged on the formula that the machine is a wasilah, not a mufti.

The problem is that the intellectual life of PTKI is far broader than fatwa, and a fence around fatwa does not automatically become a fence around the classroom. Sharia students write theses on religious court decisions, ushuluddin students write thematic exegesis, tarbiyah students design teaching materials, and lecturers write articles for accredited journals. In these spaces, the question is not whether the machine may issue fatwas, but how to assess scholarly work in which some literature summaries or translations of Arabic texts were produced with machine assistance, and how to ensure that students still undergo the intellectual struggle at the core of education. The presentation Wacana Kontemporer dalam Studi Islam: Peradaban, Otoritas, dan Kesadaran di Hadapan Kecerdasan Buatan at the International Conference on Islamic Studies in Ponorogo, September 2026, identified the risk of algorithmic rationality displacing the spiritual dimension of religion and a shift from reactive to predictive knowledge; that risk is most tangible in the classroom, not in the fatwa council. This gap between scholarly consensus and academic practice is not peculiar to Indonesia: Islamic universities in Malaysia, the Gulf, and Egypt face the same question, and the Al-Fanar Media analysis cited in Section III notes that some universities in the Arab region have banned the tools outright while others have done nothing. Whoever first translates the wasilah consensus into operational assessment standards will provide a model for the entire world of Islamic higher education.

Analysis: The Empty Middle Layer and Three Shifts in Authority

Triangulating regulation, data, and religious positions reveals three shifts in authority taking place simultaneously in PTKI. The first affects lecturers, who are moving from being sources of knowledge to designers of verification. The 2024 GenAI guidelines already presuppose this new role when they ask lecturers to train students to compare independent work with assisted work, and one general university has operationalised it: Universitas Padjadjaran, through Rector’s Regulation No. 8 of 2025, permits the use of generative AI for assignments, forbids raw copying, requires arguments and conclusions to come from students’ own thinking, provides Gemini Pro and NotebookLM to its academic community, and asks lecturers to test students’ understanding of what they have learned, as reported by GNFI on 14 February 2026. The second shift affects journals, which are moving from gatekeepers to provenance auditors, as described in Section VI. The third affects religious scholars and the sanad tradition, which are moving from being the sole reference to being the bearers of final responsibility, while initial searching is increasingly done by machines. The common thread is clear: authority no longer lies mainly in command of information, since information is now abundant, but in the willingness and capacity to bear the consequences of a claim.

The emptiness of the middle layer is confirmed in official sources. At the briefing at UIN Walisongo on 12 September 2026, the Special Staff to the Minister of Religious Affairs for Communication and Public Policy, Ismail Cawidu, stated that the Ministry of Religious Affairs was preparing an outline of guidelines for PTKIN and proposed five agendas: setting the status and limits of use in standard operating procedures, protecting data through classification and a list of institutionally approved services, raising literacy across the academic community, measuring impact through periodic audits, and overseeing implementation through a task force and a consultation channel, together with a RACI accountability model and classification of data into public, internal, sensitive, and confidential, as reported on the UIN Walisongo website. His remark that the problem is not the use of AI but who holds control names the question of authority precisely. Yet the agenda deals almost entirely with data security and organisational governance; assessment of learning, the format of final projects, and standards for proving authorship remain untouched. The fact that, some two years after the 2024 GenAI guidelines and six months after the joint decree, the ministry was still at the stage of preparing an outline shows, with high confidence for the position as of September 2026, that PTKI do not yet have shared operational guidelines.

The consequences of this vacuum can be read through the logic of habit. When habits form before norms, late-arriving norms must fight practices already regarded as normal, and the BRIN survey shows this clearly, since awareness of risk does not reduce intensity of use. Under such conditions, each study programme may draft its own rules, producing fragmentation that confuses students across courses, or draft nothing at all, producing silent normalisation. Fragmentation weakens institutional authority because assessment standards are no longer comparable, while silent normalisation weakens procedural authority because methods are no longer examined. Between the two, the authority of fluency fills the empty space with great efficiency. This challenge is sharper for PTKI than for general universities, since general universities can rely wholly on scientific procedural authority, whereas PTKI carry an additional promise to preserve the ethics of learning and the continuity of sanad. For PTKI, the loss of an address for accountability is not only a matter of quality but also a matter of institutional identity.

The design response offered by this report translates the wasilah consensus into three assessment practices. The first is the friction trail: a requirement to attach notes on how the machine’s answer was compared with, contested by, or corrected against primary sources, classical texts, court decisions, and field data, so that what is assessed is the struggle and not only the final product; a student who asks the machine to summarise the debate on the minimum age of marriage in fiqh and national law, for example, must show where that smooth summary conceals tensions between text, judicial decision, and social reality. The second is the digital sanad: a provenance chain recording sources, tool versions, and the decisions of the person answerable for the work, as a modern counterpart of the transmission tradition that ensures every claim has an owner. The third is oral examination and guided discussion at key points in the curriculum, functionally equivalent to the secured-assessment lane in the University of Sydney’s two-lane model and consistent with BRIN’s recommendation of authentic assessment. These three practices are not an isolated local invention. Their convergence with assessment reform in Australia and the United Kingdom shows that the sanad tradition and contemporary pedagogy have arrived at the same conclusion by different routes: in an environment flooded with machine text, evidence of learning must move from product to process and from text to conversation that can be tested.

The Strongest Counter-Argument and the Response

The strongest counter-argument to this report has three mutually reinforcing layers. The first holds that generative AI is merely a tool, like the calculator and the search engine, and that the best evidence actually shows its benefits: the World Bank pilot in Nigeria produced gains of about 0.3 standard deviations in six weeks, and the OECD found that pedagogically designed tools can improve learning. From this angle, focusing on authority and risk is a moral panic that slows productive adoption in a country already lagging in digital talent. The second layer holds that PTKI-specific guidelines would worsen regulatory fragmentation: Indonesia already has GenAI guidelines, a seven-minister joint decree, journal accreditation provisions, and soon two presidential regulations, so adding another layer would only increase the compliance burden, while shared procurement of tools and lecturer training are more effective than documents. The third layer holds that the language of sanad romanticises tradition, risks paternalism towards adult students, and that oral examinations are unrealistic in large classes with skewed lecturer–student ratios, so the proposal would burden lecturers without improving quality.

Each layer contains truths that must be acknowledged, but none overturns the core conclusion. On the first, the evidence of benefit cited is itself conditional on design: the Nigerian results were achieved with teacher support, and the Turkish experiment showed that the version without guardrails lowered exam performance by 17 percent. The calculator analogy also breaks down at the decisive point, because calculators do not produce argumentative prose that is then claimed as an author’s work; questions of authorship and accountability are new questions, not an old panic. On the second, this report does not propose a separate regime but the filling of a middle layer that is administratively unavoidable: the Minister of Religious Affairs co-signed the joint decree, and the draft presidential regulation itself leaves technical rules to sectoral ministries, so the Ministry of Religious Affairs must issue something regardless. The choice is not between having guidelines and not having them, but between guidelines that regulate only data security and guidelines that also regulate how learning is proven. Shared procurement of tools, which is indeed more effective than documents alone, actually needs such guidelines as its legal and ethical basis.

On the third layer, the objection about workload is the most serious and requires an adjustment to the proposal. The two-lane model does not require oral examinations for every task, but places secured assessment at key points such as the end of the year, comprehensive examinations, and the defence of final projects, where PTKI already have a tradition of munaqasyah (oral defence). This adjustment makes the proposal more realistic without losing its function. As for romanticisation, the language of sanad is used here as a source of cultural legitimacy for a principle substantively identical to the principles of provenance and accountability in the international literature, not as a claim that the old tradition is already sufficient. The report should also state what would change its judgment. If the presidential regulations and the higher education ministry’s regulations eventually include assessment standards explicitly applicable to PTKI, the need for specific guidelines would diminish. If longitudinal research in Indonesia shows that honestly disclosed use is not correlated with lower learning outcomes, the weight placed on secured assessment could be reduced. Until such evidence is available, design caution remains the most defensible position.

Scenarios 2026–2029, Indicators, and Recommendations

The scenario horizon is aligned with the National AI Roadmap period 2026–2029 so that it can be evaluated alongside state policy, and it is built from four drivers: the enactment and content of the two presidential regulations, whether the Ministry of Religious Affairs issues guidelines that include assessment provisions, how firmly AI-use statements are enforced in journal accreditation, and whether study programmes are willing to redesign assessment. The following probabilities are the author’s assessment based on patterns in the data, not the result of statistical modelling, and describe the dominant tendency at the level of the PTKI system. The first scenario, silent normalisation, at about 40 percent, occurs if the presidential regulations are issued without detailed derivatives for religious higher education, the ministry’s guidelines appear in a general form focused on data security, and assessment does not change, so that use statements become a formality and the authority of fluency quietly becomes the standard of quality. The second scenario, layered governance, at about 30 percent, occurs if PTKI guidelines combine the principles of the joint decree, the ministry’s five agendas, and assessment provisions, followed by lecturer training and periodic audits. The third scenario, a detection regime, at about 20 percent, emerges if one or two major scandals push universities to rely on detection tools and sanctions, repeating the Yonsei and NTU experiences on a national scale. The fourth scenario, a friction leap, at about 10 percent, envisages a number of PTKI making the friction trail, the digital sanad, and oral examinations at key points their standard, so that PTKI emerge as international pioneers of governance rooted in the tradition of knowledge transmission.

Five indicators can be monitored to judge which scenario is strengthening. The first is the date of enactment and the content of the education provisions in the two presidential regulations, especially whether the evaluation of learning outcomes is placed in the strictly supervised category, as in Annex III of the EU AI Act. The second is the issuance of a Ministry of Religious Affairs decision on guidelines for state and private PTKI, and whether those guidelines contain assessment provisions and not merely data security. The third is the share of accredited journals within PTKI that actually publish AI-use policies and statements for every article. The fourth is change in the format of final projects, such as more oral examinations, process portfolios, or provenance appendices. The fifth is a repeat survey of PTKI students with a larger sample than the 2025 BRIN survey and including private institutions. If within two years the second and fourth indicators move, the second or fourth scenario strengthens; if only the first indicator moves, the first scenario will most likely materialise; if a major scandal erupts before the second indicator moves, the risk of the third scenario rises sharply.

Recommendations for national actors are ordered by urgency. The Directorate General of Islamic Education at the Ministry of Religious Affairs should issue shared guidelines for state and private PTKI before the even semester of the 2026/2027 academic year begins, translating the principles of the joint decree into provisions on assessment, research, and publication, incorporating the wasilah principle as students requested in the BRIN survey, and requiring every study programme to map its assessments to the two-lane model by the end of the 2026/2027 academic year at the latest. The Ministry of Higher Education, Science and Technology, together with the national accreditation board and the independent accreditation agencies, should add AI governance readiness to programme accreditation instruments in the 2027 cycle, and publish the official text of the journal accreditation technical guidelines openly so that the use-statement provisions can be audited. The Ministry of Communication and Digital Affairs and the State Secretariat should ensure that the education chapter of the presidential regulations refers explicitly to the Ministry of Religious Affairs’ authority over religious education, so that PTKI guidelines need not be rewritten. BRIN should repeat its usage survey in 2027 with a national sample that includes private PTKI and lecturers, so that policy impact can be measured. Rectors of PTKIN should provide institutionally managed tools, with the data classification proposed by the Ministry of Religious Affairs, so that students do not depend on personal accounts, while journal managers within PTKI should audit compliance with use statements before the next accreditation cycle. The Indonesian Ulema Council and Nahdlatul Ulama’s bahtsul masail bodies could complement their fatwa rulings with ethical guidance on the use of AI in the preparation of Islamic scholarly work.

Recommendations for international actors are equally important, because the problem crosses borders. UNESCO, through its regional office in Jakarta and IESALC, should explicitly include religious higher education institutions in its monitoring of higher education policy, since the 2025 survey drew only eight percent of its respondents from the Arab States and its published results do not present separate data for religious institutions. The OECD could invite Indonesia and Malaysia into peer-learning forums on generative AI policy in higher education, like the expert seminar that underpinned its 2026 report, so that the experience of middle-income systems with the highest adoption enters the global evidence base. ASEAN digital ministers could extend their voluntary guide with a higher education annex setting minimum standards for disclosure and assessment. Networks of Islamic universities across countries, from Malaysia to Egypt, should develop shared benchmarks for testing the reliability of language models on classical Arabic texts and fiqh literature, since machine quality in this domain has not been systematically measured. Technology providers, finally, should honour the transparency right already set out in the joint decree by disclosing the data and performance limitations of their products in Indonesian, Arabic, and regional languages before offering campus contracts.

Limitations of the Study

This report has empirical limitations that must be stated so that readers can weigh the strength of its claims. The study did not collect primary data; all findings rely on documents, other parties’ surveys, and news reporting. The BRIN survey of PTKIN students covered only 293 respondents at 17 institutions, so it cannot be generalised to all PTKI, still less to private Islamic religious higher education institutions whose conditions vary widely, and its news coverage contains an inconsistency in the event date. The Chegg survey was conducted online among 18- to 21-year-olds and probably better represents urban students with good internet access. Several important details, especially the numbers of the joint decree and the AI provisions in the 2026 journal accreditation technical guidelines, come from secondary summaries. The status of the presidential regulations is known from reporting up to mid-September 2026, so unreported developments remain possible. The international comparison for China, South Korea, Singapore, Malaysia, and Saudi Arabia relies largely on news reporting rather than original policy texts, and is therefore better read as an illustration of models than as a complete assessment of those systems. The cognitive studies cited are early: Gerlich’s study is correlational and the preprint by Kosmyna and colleagues rests on a small sample, while the strongest experiments, the Bastani study and the Nigerian pilot, were conducted with secondary school students, not university students.

The conceptual limitations are just as important. The four-authority framework is an analytical construct not yet tested empirically, and the concept of friction-based assessment derives from the idea of the fricativisation of knowledge which, according to the analysis From Islamisation to Fricativisation: Four Paradigms Transforming Indonesia’s State Islamic Universities published by KBA13 Insight in July 2026, remains hard to measure, may appear elitist or mystical to ordinary lecturers and students, is difficult to apply to the empirical sciences, and is untested in the literature. This report has tried to reduce the risk of circular interpretation by treating the idea as a design hypothesis and testing its parallels with assessment reform in Australia and the United Kingdom, but the real test can only come through controlled trials. The language dimension is also unmeasured: language models generally perform best in English, while the quality of their output in classical Arabic, the kitab literature, and regional languages has not been systematically evaluated in the PTKI context. The further research agenda therefore includes a national survey of PTKI lecturers on assessment practice, ethnographies of thesis production in faculties of sharia, ushuluddin, and tarbiyah, a systematic audit of use statements in accredited PTKI journals, controlled trials of two-lane assessment in several study programmes, and comparative studies with Islamic universities in Malaysia, Brunei, southern Thailand, and the Arab region.

Conclusion

The report’s bottom line can be stated briefly. The use of generative AI in PTKI has become a mass habit, while its governance remains layered soft regulation without a roof and without a floor: the presidential regulations have not been enacted, the joint decree focuses on children, and the Ministry of Religious Affairs’ guidelines for PTKIN are still an outline. In that empty space, the authority of fluency is taking over functions that the authorities of sanad, institution, and procedure should perform. The international comparison shows that risk-based regulation protects students from algorithmic decisions but does not answer the question of proving learning, that quantitative caps and detection regimes are fragile and unfair to those writing in a second language, and that the most advanced systems are moving evidence of learning from product to process. The consensus of scholars in Indonesia and Egypt that the machine is a wasilah, not a mufti, provides a strong normative foundation, but that foundation has not yet been translated into academic standards.

The urgent task of PTKI, therefore, is neither to reject the machine nor to wait for the national roof, but to fill the middle layer with guidelines that govern how learning is proven: separating secured from open assessment, requiring process and provenance records, and reviving oral examinations at key points. The machine has no sanad, no adab (scholarly ethics), and cannot be held accountable, so every work produced on campus must still have an author who can be questioned, challenged, and held to account. If Indonesia, as one of the world’s most intensive users of generative AI, succeeds in linking the vocabulary of sanad with contemporary assessment reform, PTKI will not only close their own governance gap but also contribute a model usable by Islamic universities and other higher education systems facing the same question. If it fails, silent normalisation will become the default path, and the question of who has the right to speak in the name of knowledge will be answered, quietly, by the machine.