Tadbir Urus EdTech: Apa Kita Boleh Belajar dari EDUCAUSE

Kurang daripada seorang daripada lima wakil ahli mengundi dalam pemilihan lembaga EDUCAUSE pada tahun-tahun kebelakangan ini. Itu bukan sekadar statistik yang “sedih”—itu petanda amaran. Bila penyertaan rendah, keputusan kepimpinan boleh jadi tidak cukup mewakili realiti lapangan: institusi kecil, kampus luar bandar, pasukan IT yang kurus, atau sekolah yang bergelut dengan keselamatan siber.

Pada 2026 dan seterusnya, EDUCAUSE (sebuah persatuan besar dalam ekosistem teknologi pendidikan) memutuskan untuk beralih daripada pemilihan kepada proses pelantikan bagi ahli lembaga pengarah. Bagi saya, ini bukan cerita dalaman persatuan semata-mata. Ini kisah tentang satu perkara yang ramai organisasi AI dalam pendidikan dan EdTech selalu terlepas pandang: inovasi tak akan stabil kalau tadbir urus lemah.

Jika siri “AI dalam Pendidikan dan EdTech” banyak bercakap tentang model, data, platform, dan impak pembelajaran diperibadikan—post ini fokus pada “tulang belakang” yang menentukan sama ada semua itu boleh berjalan secara bertanggungjawab: struktur kepimpinan dan proses membuat keputusan.

Apa sebenarnya yang EDUCAUSE ubah—dan kenapa ia relevan

EDUCAUSE mengekalkan proses pencalonan dan tapisan calon yang terbuka serta ketat, tetapi mengubah langkah akhir: tiada lagi undian ahli untuk memilih ahli lembaga baharu. Sebaliknya, jawatankuasa berkaitan (NLDC dan Jawatankuasa Tadbir Urus) akan menilai calon dan mencadangkan senarai akhir untuk diputuskan oleh lembaga.

Perincian penting yang patut kita ambil serius:

• Bilangan ahli lembaga kekal (kira-kira 12 orang, CEO sebagai ahli tanpa undi).
• Kitaran pelantikan disusun lebih seragam (semua bermula dalam kitaran Januari–Disember).
• Rasional utama: penyertaan mengundi terlalu rendah dan hasilnya kadang-kadang tidak mencerminkan kepelbagaian komuniti pendidikan tinggi.

Dari sudut AI dan EdTech, ini relevan kerana keputusan yang melibatkan:

• dasar penggunaan AI dalam pengajaran,
• pemilihan vendor dan platform,
• pengurusan data pelajar,
• keselamatan siber,
• pematuhan polisi,

…bukan keputusan “IT” semata-mata. Itu keputusan institusi—dan ia memerlukan lembaga yang benar-benar seimbang dari segi pengalaman dan perspektif.

Mengapa tadbir urus yang “strategik” lebih penting daripada populariti

Jawapan ringkas: AI mempercepatkan kesan keputusan. Bila keputusan salah, kesannya juga pantas—terutama bila melibatkan data, automasi, dan integrasi sistem.

Dalam banyak organisasi pendidikan, pemilihan kepimpinan (atau perlantikan jawatan tertentu) kadang-kadang cenderung kepada populariti, jaringan, atau “yang selalu ada”. Itu manusiawi. Tapi bila kita masuk era AI, kita perlukan sesuatu yang lebih tegas: pemetaan keperluan kompetensi.

EDUCAUSE menyebut cabaran lama mereka: lembaga dan jawatankuasa perlu menyeimbangkan keperluan seperti:

• lebih kepakaran keselamatan maklumat,
• lebih wakil institusi kecil,
• lebih pengalaman kewangan,
• mengelakkan dominasi wilayah/negara bahagian tertentu.

Itu sebenarnya satu prinsip yang boleh dipindahkan ke konteks Malaysia/serantau: bukan semua institusi ada masalah yang sama. Sekolah bandar mungkin fokus pada analitik pembelajaran dan platform awan. Institusi yang lebih kecil mungkin fokus pada kos, latihan guru, dan pematuhan.

Prinsip yang saya pegang: AI yang baik bermula dengan tadbir urus yang jelas—siapa memutuskan, berdasarkan data apa, dan siapa menanggung risiko bila ia silap.

“Pelantikan” bukan anti-demokrasi—kalau dibuat dengan telus

Ada kebimbangan biasa: bila tiada pilihan raya, adakah suara ahli akan mengecil?

Jawapan bergantung pada reka bentuk proses. Dalam kes EDUCAUSE, mereka mengekalkan:

• pencalonan terbuka,
• semakan bahan calon,
• penilaian berlapis (NLDC → Jawatankuasa Tadbir Urus → Lembaga).

Untuk organisasi EdTech, cara mengekalkan elemen “member-driven” dalam sistem pelantikan ialah:

1. Kriteria calon dipaparkan awal (kemahiran, pengalaman, konflik kepentingan).
2. Sesi dialog terbuka (contohnya townhall 2 kali sepanjang proses).
3. Laporan ringkas rasional pelantikan (tanpa mendedahkan maklumat sensitif).

Kalau 80% ahli tak mengundi, “demokrasi” di atas kertas tak banyak membantu. Yang membantu ialah ketelusan + perwakilan yang disengajakan (intentional representation).

Apa kaitan perubahan ini dengan AI dalam pendidikan dan EdTech

Jawapan terus: perubahan ini memudahkan organisasi membina lembaga yang sesuai untuk mengurus AI—bukan sekadar menyokong AI.

AI dalam pendidikan biasanya menyentuh 4 zon risiko yang memerlukan tadbir urus kuat:

1) Data pelajar dan privasi

AI untuk pembelajaran diperibadikan perlukan data: markah, interaksi LMS, tugasan, kehadiran, kadang-kadang data tingkah laku.

Tanpa tadbir urus, organisasi akan tersangkut pada soalan asas:

• data apa yang “wajar” dikumpul?
• berapa lama disimpan?
• siapa boleh akses?
• bagaimana pelajar dan ibu bapa diberi makluman?

Lembaga yang seimbang (pendidik, IT, undang-undang/pematuhan, keselamatan) menjadikan keputusan ini lebih waras.

2) Bias dan keadilan penilaian

Ramai institusi sedang menguji AI untuk pemarkahan rubrik, maklum balas karangan, atau analitik risiko keciciran.

Kalau lembaga tidak mewakili kepelbagaian pelajar dan konteks institusi, risiko “AI mengekalkan ketidakadilan” jadi tinggi. Tadbir urus perlu memaksa soalan yang tak selesa:

• adakah model ini adil untuk pelajar B40, pelajar OKU, atau pelajar dari latar bahasa berbeza?
• apa mekanisme semakan manusia?
• bagaimana rayuan dibuat?

3) Keselamatan siber dan rantaian vendor

Bila AI masuk, vendor pun bertambah: plugin, API, penyedia awan, analitik.

Tadbir urus yang matang biasanya menuntut:

• penilaian risiko vendor,
• piawaian kontrak (SLA, insiden, pemilikan data),
• pengauditan akses.

Kalau lembaga lemah atau tidak cukup kepakaran, keputusan mudah jadi “ikut trend” atau “ikut harga”, bukan ikut risiko.

4) Kejelasan KPI: impak pembelajaran, bukan sekadar penggunaan

AI dalam pendidikan selalu tersasar pada metrik mudah: bilangan pengguna, log masuk, masa skrin.

Lembaga yang strategik akan memaksa metrik yang lebih bermakna:

• peningkatan penguasaan topik (mengikut domain),
• kadar kelulusan kursus sukar,
• pengurangan beban kerja guru (jam seminggu),
• kualiti maklum balas formatif.

Pelan tindakan: 7 amalan tadbir urus untuk organisasi AI/EdTech

Jawapan ringkas: ambil semangat perubahan EDUCAUSE—bina proses yang lebih “fit for purpose” untuk AI—dan jalankan 7 amalan ini.

1) Bentuk “Matriks Kompetensi Lembaga”

Senaraikan kompetensi yang diperlukan, kemudian petakan siapa dalam lembaga memilikinya.

Contoh kompetensi untuk AI dalam pendidikan:

• pedagogi & reka bentuk instruksional
• sains data/analitik pembelajaran
• keselamatan siber
• pematuhan & privasi
• kewangan/perolehan
• operasi sekolah/kampus
• inklusiviti & kesejahteraan pelajar

Jika lebih separuh kosong, itu bukan masalah individu—itu masalah reka bentuk.

2) Tetapkan “AI Governance Charter” satu halaman

Dokumen ringkas yang menyatakan:

• skop (AI apa dibenarkan/ tidak dibenarkan)
• peranan (siapa meluluskan apa)
• prinsip (privasi, keadilan, ketelusan)
• proses eskalasi (bila perlu hentikan sistem)

3) Standardkan kitaran onboarding dan kalendar keputusan

EDUCAUSE menekankan manfaat kitaran Januari–Disember yang seragam. Untuk organisasi EdTech, ini mengelakkan “orang baharu masuk tengah-tengah” ketika projek AI sedang panas.

Buat:

• onboarding 30-60-90 hari
• takwim semakan projek AI (suku tahunan)
• sesi semakan risiko dua kali setahun

4) Wujudkan semakan etika dan privasi yang praktikal

Bukan jawatankuasa yang hanya bertemu bila krisis.

Gunakan semakan ringkas sebelum projek AI dilancar:

• data apa digunakan?
• ada persetujuan/makluman?
• siapa boleh audit output?
• apa pelan jika model memberi keputusan salah?

5) Kurangkan “politik institusi” dengan polisi konflik kepentingan

EDUCAUSE menyebut kebimbangan undi solidariti mengikut jenis institusi. Dalam EdTech, versi yang sama ialah:

• keputusan dipengaruhi vendor tertentu
• hubungan peribadi/kontrak lama

Perlu ada deklarasi konflik kepentingan yang jelas dan direkodkan.

6) Ukur penyertaan komuniti, bukan sekadar undi

Jika organisasi anda masih mahu unsur pemilihan, bagus. Tapi ukur juga:

• kadar kehadiran townhall
• bilangan maklum balas bertulis
• perwakilan geografi dan jenis institusi

Undi tanpa penglibatan bermakna keputusan dibuat oleh minoriti yang paling vokal.

7) Jadikan keputusan AI “boleh dijelaskan” pada tahap lembaga

Jika ahli lembaga tak boleh menerangkan kenapa sistem AI dipilih dan bagaimana ia dikawal, organisasi belum bersedia.

Ayat penanda aras yang saya suka:

Jika kita tak boleh jelaskan kepada ibu bapa dalam 2 minit, kita tak patut laksanakan kepada pelajar.

Garis masa pelantikan EDUCAUSE: contoh proses yang boleh ditiru

EDUCAUSE menyusun garis masa pelantikan yang kemas—dan ini boleh jadi templat untuk organisasi pendidikan yang mahu menstrukturkan pemilihan kepimpinan projek AI.

• Januari–Jun: terima & semak pencalonan
• Julai: calon terbaik dibawa ke jawatankuasa tadbir urus
• Ogos: calon dibentang kepada lembaga
• Oktober: pelantikan rasmi untuk mengisi kerusi kosong
• November/Disember: orientasi komprehensif
• Februari: mesyuarat rasmi pertama ahli baharu

Perkara yang saya suka di sini: ada ruang masa yang realistik untuk semakan, bukan keputusan tergesa-gesa.

Bila model pelantikan ini sesuai—dan bila ia boleh memakan diri

Pelantikan sesuai bila organisasi:

• perlukan keseimbangan kemahiran yang spesifik (contoh: AI, keselamatan, pematuhan)
• ada masalah penyertaan pengundian yang rendah
• mahu onboarding yang seragam

Tetapi ia boleh memakan diri bila:

• proses tidak telus
• kriteria pemilihan kabur
• tiada mekanisme semak dan imbang (contoh: laporan tahunan, had penggal, penilaian prestasi lembaga)

Kalau anda mahu ikut langkah EDUCAUSE, pastikan tiga “penampan” wujud:

1. Kriteria terbuka
2. Laporan ringkas keputusan
3. Semakan prestasi lembaga setiap tahun

Apa yang patut anda buat minggu ini (bukan tahun depan)

Jika anda memimpin sekolah, kolej, universiti, syarikat EdTech, atau unit transformasi digital, mulakan dengan langkah kecil tetapi tegas:

1. Senaraikan 5 keputusan AI/EdTech paling besar untuk 12 bulan akan datang.
2. Nyatakan “siapa meluluskan” dan “siapa yang akan dipersalahkan” jika ia gagal.
3. Bandingkan dengan kompetensi yang ada dalam lembaga/jawatankuasa anda hari ini.

Jika ada jurang, itu jawapannya: anda perlukan tadbir urus yang lebih strategik—sama ada melalui pelantikan, pemilihan yang diperbaiki, atau model hibrid.

Perubahan EDUCAUSE mengingatkan kita bahawa AI dalam pendidikan bukan hanya soal alat. Ia soal keputusan manusia yang mengawal alat tersebut. Jadi, bila organisasi anda melabur dalam analitik pembelajaran, pembelajaran diperibadikan, atau automasi pentadbiran—adakah struktur kepimpinan anda sudah setanding dengan risiko dan peluangnya?

Soalan yang patut dibawa ke mesyuarat seterusnya: adakah tadbir urus kita membantu AI meningkatkan pembelajaran, atau sekadar mempercepatkan kekeliruan?