Literasi Teknologi 2026: AI Jadi Syarat Kerjaya

92% jawatan memerlukan literasi digital—itu dapatan analisis lebih 43 juta iklan kerja (National Skills Coalition, 2023). Dalam masa yang sama, hampir 1/3 tenaga kerja dilaporkan mempunyai kemahiran digital “rendah atau tiada”. Jurang ini bukan isu kecil. Ia jadi sebab kenapa ramai graduan “pandai teori” tetapi kekok bila masuk tempat kerja.

Tambah satu lagi realiti yang makin jelas menjelang 2026: kemahiran AI bukan lagi bonus, tapi mula dianggap penapis awal. Dalam tinjauan global Microsoft & LinkedIn (2024) ke atas lebih 31,000 profesional, 66% pemimpin kata mereka takkan ambil pekerja tanpa kemahiran AI, dan 71% lebih rela ambil calon kurang berpengalaman asalkan ada kemahiran AI.

Untuk siri AI dalam Pendidikan dan EdTech, saya nak tekankan satu pendirian: kalau institusi pendidikan masih menganggap literasi teknologi sebagai “kursus tambahan”, mereka sedang melatih pelajar untuk pasaran kerja yang sudah berlalu. Yang diperlukan ialah literasi teknologi sebagai teras—merentas program, disepadukan dalam kurikulum, dan disokong oleh ekosistem EdTech yang betul.

Literasi teknologi: “pandai guna” tak cukup lagi

Literasi teknologi untuk tenaga kerja masa depan ialah keupayaan pelajar menggunakan, menilai, dan menghasilkan kerja dengan bantuan teknologi—termasuk data, automasi, dan AI—secara bermakna dalam konteks bidang masing-masing.

Kalau dulu “celik IT” mungkin sekadar mahir perisian pejabat, sekarang definisinya lebih tajam:

• Celik data: faham cara data dikumpul, dibersihkan, dianalisis, dan diterjemah kepada keputusan.
• Celik AI: tahu cara menulis arahan (prompt), menyemak fakta, mengesan bias, menjaga privasi, dan menggunakan AI untuk mempercepat kerja.
• Celik sistem: mampu berinteraksi dengan alat industri (contoh: CRM, GIS, CAD, LMS, BI dashboard, sistem makmal digital).
• Celik keselamatan: faham risiko phishing, kebocoran data, akaun dikompromi, serta amalan asas keselamatan siber.

Ini matters sebab majikan sebenarnya mencari satu perkara: graduan yang boleh berfungsi pada minggu pertama bekerja, bukan selepas enam bulan “onboarding”.

AI sebagai kemahiran merentas bidang (bukan untuk pelajar sains komputer sahaja)

AI sudah memasuki hampir semua fungsi kerja: pemasaran, kewangan, reka bentuk, pendidikan, logistik, undang-undang, kesihatan. Jadi pendekatan “AI untuk jabatan IT” semata-mata memang tak kena.

Contoh mudah mengikut bidang:

• Pendidikan: reka rancangan pengajaran, rubrik, dan analisis refleksi pelajar dengan bantuan AI—tetapi kekal patuh etika.
• Perakaunan: automasi semakan transaksi anomali, ringkasan laporan, dan dokumentasi audit.
• Kejuruteraan: penjanaan dokumentasi teknikal, semakan spesifikasi, simulasi awal.
• Komunikasi: draf kandungan, analisis sentimen, dan semakan gaya—dengan polisi editorial yang jelas.

Kuncinya: AI bukan menggantikan asas disiplin. AI mempercepat kerja apabila asas disiplin sudah kukuh.

Jurang kemahiran digital: punca sebenar dan siapa yang perlu bertindak

Jurang kemahiran digital wujud kerana tiga sebab besar—dan institusi pendidikan berada pada posisi paling strategik untuk menutupnya.

1) Kurikulum bergerak terlalu perlahan berbanding pasaran

Pasaran AI bergerak dalam kitaran mingguan. Kurikulum pula sering bergerak mengikut kitaran semester dan mesyuarat jawatankuasa. Akibatnya, pelajar belajar alat yang betul… tapi versi dan amalan kerja sudah berubah.

Apa yang lebih praktikal: kurikulum berasaskan hasil (outcomes) dan tugasan autentik, bukan berasaskan “nama alat”. Ajar pelajar:

• cara menilai alat,
• cara menguji hasil,
• cara menyemak ketepatan,
• cara mengurus risiko privasi,

…dan barulah tukar alat bila perlu.

2) Akses teknologi tak sekata

Ada pelajar yang ada laptop bagus, langganan perisian, dan internet laju. Ada yang bergantung pada makmal kampus atau data telefon. Bila akses tak adil, kemahiran pun tak boleh disamakan.

Di sini, EdTech boleh membantu melalui:

• lesen institusi untuk alat AI/analitik tertentu,
• akses single sign-on (SSO) guna akaun pelajar,
• makmal maya (virtual labs) dan persekitaran awan,
• peranti pinjaman dan ruang pembelajaran digital.

3) “Celik teknologi” diajar terpisah daripada tugasan sebenar

Bila literasi digital diajar dalam kursus umum tanpa kaitan dengan tugasan bidang, pelajar cepat lupa. Cara yang lebih berkesan ialah integrasi dalam kursus teras.

Contoh: Dalam kursus metodologi penyelidikan, pelajar wajib menggunakan alat analitik, membuat visualisasi data, dan menulis refleksi “apa yang AI bantu, apa yang AI tak boleh buat”. Itu terus melekat.

Apa yang boleh dipelajari daripada pendekatan UCLA

EDUCAUSE menonjolkan contoh UCLA yang memberi tumpuan pada keselesaan dan kecekapan pelajar dengan teknologi sebagai komponen kesiapsiagaan kerja.

Inti pendekatan yang saya suka ialah dua perkara:

1. Akses alat secara tersusun: pelajar diberi akses kepada alat dan lesen melalui log masuk pelajar—ini mengurangkan halangan permulaan.
2. Kerangka tadbir urus dan penggunaan bertanggungjawab: bukan sekadar “pasang AI di mana-mana”, tetapi bina peraturan jelas, latihan, dan amalan baik.

“Ini bukan sekadar meletakkan AI di mana-mana; ia tentang rangka kerja berkoordinasi yang menyokong pertumbuhan akademik dan profesional.”

Pelajaran untuk konteks tempatan (kolej, universiti, TVET, EdTech provider): jangan jadikan inisiatif AI sebagai projek ad hoc yang bergantung pada individu. Jadikan ia program institusi—ada standard, ada latihan, ada audit.

Rangka kerja 90 hari: bina literasi teknologi yang boleh diukur

Kalau anda pentadbir akademik, pemimpin EdTech, atau ketua program yang nak mula sekarang (Disember 2025, sebelum intake 2026), ini pelan ringkas yang saya biasanya cadangkan.

Fasa 1 (Hari 1–30): Tetapkan standard literasi teknologi mengikut program

Mulakan dengan satu dokumen ringkas: “Profil Graduan Digital” untuk setiap program.

Komponen minimum yang patut ada:

• 5–8 kemahiran digital teras (data, AI, keselamatan, alat industri)
• tahap penguasaan (asas / pertengahan / mahir)
• bukti (assessment) yang boleh dinilai

Tip praktikal: jangan tulis terlalu umum. Contoh yang bagus:

• “Pelajar boleh menghasilkan laporan analisis menggunakan data sebenar dan menerangkan batasan model/AI yang digunakan.”

Fasa 2 (Hari 31–60): Reka tugasan autentik dan rubrik yang menilai proses, bukan hanya output

Masalah biasa: pelajar guna AI, hasil nampak cantik, tapi proses tak jelas.

Rubrik yang lebih adil menilai:

• log prompt (apa arahan yang dicuba)
• semakan fakta dan rujukan dalaman
• justifikasi keputusan
• refleksi risiko (privasi, bias, hak cipta)

Anda tak perlu jadikan semua ini “membebankan”. Pilih 1–2 tugasan flagship setiap semester.

Fasa 3 (Hari 61–90): Hidupkan ekosistem EdTech—akses, latihan, dan polisi

Tiga elemen mesti bergerak serentak:

1. Akses: SSO, lesen, makmal maya, akaun institusi.
2. Latihan: bengkel mikro 60–90 minit untuk pensyarah dan pelajar.
3. Polisi: garis panduan penggunaan AI dalam tugasan—apa dibenarkan, apa perlu diisytihar, apa dilarang.

Saya berpendapat polisi AI yang baik bukan polisi yang panjang. Ia polisi yang jelas, boleh dilaksana, dan konsisten.

Soalan lazim yang selalu timbul (dan jawapan yang terus terang)

“Kalau pelajar guna AI, mereka jadi malas berfikir?”

Tidak semestinya. Yang buat pelajar malas ialah tugasan yang hanya menilai hasil akhir. Bila tugasan menilai proses, hujah, dan semakan, AI jadi alat latihan berfikir—bukan jalan pintas.

“Patutkah AI dijadikan syarat graduasi?”

Jika “syarat” bermaksud ada bukti penguasaan literasi digital dan AI yang minimum, saya cenderung setuju. Pasaran kerja dah buat AI sebagai syarat tidak rasmi; institusi patut melindungi pelajar daripada ‘terkejut’ selepas tamat belajar.

“Macam mana nak pastikan semua bidang relevan?”

Jawapannya kolaborasi: pemimpin teknologi + ketua program + industri. Setiap disiplin ada alat, data, risiko, dan amalan kerja yang berbeza. Standard perlu spesifik mengikut program.

Kerjasama industri: jambatan yang paling cepat untuk rapatkan jurang

Hubungan dengan industri bukan sekadar jemput penceramah. Yang paling bernilai ialah:

• pemetaan kemahiran (skills mapping) berdasarkan peranan kerja sebenar
• projek capstone bersama industri dengan data/masalah dunia sebenar
• pensijilan mikro (micro-credential) yang diiktiraf industri
• latihan industri yang diselia dengan KPI kemahiran digital

Bila ini berjalan, kurikulum jadi lebih tangkas tanpa mengorbankan kualiti akademik.

Apa yang patut dibuat minggu ini (langkah kecil, kesan besar)

Kalau anda nak mula tanpa menunggu “projek besar”, buat tiga perkara ini dalam 7 hari:

1. Audit 10 tugasan utama dalam program: tugasan mana yang sesuai untuk integrasi AI dan literasi data?
2. Wujudkan satu templat “pengisytiharan penggunaan AI” pada semua tugasan (2–3 baris pun cukup).
3. Pilih satu alat EdTech/AI institusi untuk latihan asas (contoh: alat penulisan, analitik, atau makmal maya) dan susun 2 sesi latihan ringkas.

Konsistensi mengalahkan gimik.

Arah 2026: AI fluency ialah baseline, dan itu berita baik—jika kita bersedia

Literasi teknologi untuk tenaga kerja masa depan bermaksud pelajar bukan sekadar “pandai guna aplikasi”, tetapi mampu bekerja dengan data, AI, dan sistem industri secara bertanggungjawab. Statistik 92% keperluan literasi digital dan kecenderungan majikan menapis calon tanpa kemahiran AI menunjukkan satu perkara: standard pasaran sudah berubah.

Kalau institusi pendidikan dan penyedia EdTech bergerak sekarang—dengan integrasi kurikulum, akses teknologi yang adil, rubrik yang menilai proses, serta tadbir urus yang jelas—kita bukan sekadar “ikut trend”. Kita sedang bina generasi graduan yang tahan lasak bila teknologi berubah.

Persoalan yang patut kita tanya menjelang sesi 2026: adakah pelajar kita akan masuk kerja dengan keyakinan… atau hanya dengan sijil?