LMS di Era AI: Bersaing dengan Chatbot atau Mengajar Lebih Baik?

Learning Management System (LMS) selama ini dikenal sebagai tempat menyimpan materi dan mencatat siapa yang sudah menyelesaikan kursus. Kehadiran kecerdasan artifisial (AI) generatif mengubah peran itu dengan cepat. Kini peserta bisa bertanya apa saja kepada chatbot, kapan saja, tanpa membuka LMS sama sekali. Lalu, masih perlukah LMS, dan seperti apa seharusnya LMS dikembangkan?

Dimana posisi LMS sekarang?

Dari sisi bisnis, LMS masih tumbuh. Pasar LMS global diperkirakan mencapai sekitar USD 31,6 miliar pada 2026 dan USD 104 miliar pada 2034, dengan pertumbuhan tahunan sekitar 16 persen. Arah pengembangannya pun seragam: personalisasi adaptif, AI tutor yang membimbing lewat percakapan, pembuatan materi dan kuis secara otomatis, analitik untuk memprediksi peserta yang berisiko tertinggal, modul pendek yang nyaman diakses dari ponsel, serta standar terbuka seperti xAPI dan LTI agar LMS mudah terhubung dengan sistem lain.

Namun posisi LMS sebagai pusat ekosistem belajar mulai dipertanyakan. Survei Synthesia 2026 terhadap 421 praktisi pembelajaran dan pengembangan (L&D) menunjukkan hanya 47 persen yang yakin LMS tetap menjadi tulang punggung pembelajaran pada 2028. Pesaingnya kini datang dari luar kategori LMS: Copilot ditanamkan ke aplikasi perkantoran, Gemini for Education tersedia di Google Workspace, dan Khanmigo sudah dipakai ratusan ribu pengguna. Ketika alternatif tersedia tanpa biaya tambahan, adopsinya cenderung jauh lebih cepat.

AI tutor: desain vs model

Bukti riset tentang AI dalam pembelajaran ternyata menarik. Uji acak terkontrol di mata kuliah fisika Harvard (Kestin dkk., 2025) membandingkan AI tutor yang dirancang dengan prinsip pedagogi terhadap kelas active learning yang dipandu pengajar berpengalaman. Peserta yang belajar dengan AI tutor memperoleh kenaikan belajar lebih dari dua kali lipat, dengan waktu belajar lebih singkat (median 49 menit dibanding 60 menit) dan motivasi yang sedikit lebih tinggi.

Ada catatan penting di balik hasil itu. AI tutor tersebut dibekali solusi langkah demi langkah dan diarahkan untuk membimbing, bukan langsung memberi jawaban. Sebaliknya, peserta yang memakai chatbot umum tanpa kerangka pedagogi memang menghasilkan tugas yang lebih baik, tetapi keunggulan itu hilang ketika mereka diuji tanpa akses AI. Studi ini juga terbatas pada mahasiswa dan topik tertentu, sehingga perlu diuji lebih lanjut untuk konteks pelatihan aparatur.

Risiko menyerahkan proses berpikir ke mesin

Kemudahan AI membawa risiko yang disebut cognitive offloading, yaitu kecenderungan menyerahkan proses berpikir kepada mesin. Sebuah studi pada mahasiswa bisnis di Brasil menemukan belajar dengan ChatGPT memangkas waktu belajar hingga sekitar 45 persen, tetapi daya ingat turun 11 persen dibanding cara konvensional. Studi lain pada 353 mahasiswa di Tiongkok menunjukkan penggunaan AI yang makin dalam berkaitan dengan ketergantungan yang lebih tinggi, dan hanya sekitar 15,6 persen mahasiswa yang benar-benar memakai AI sebagai mitra berpikir kritis.

Meski begitu, dampaknya tidak selalu negatif. Dalam kuasi-eksperimen penulisan esai di Thailand, tugas tingkat rendah dialihkan ke AI secara terstruktur, dan kemampuan berpikir kritis serta kualitas esai mahasiswa justru meningkat. Polanya jelas: AI yang menggantikan proses berpikir melemahkan pemahaman, sedangkan AI yang dipakai dalam rancangan pembelajaran yang terarah memperkuatnya. Di sinilah LMS berperan sebagai penyedia kerangka itu.

Fokus yang makin pendek dengan tingkat penyelesaian yang rendah

Tantangan lain datang dari peserta sendiri. Waktu rata-rata seseorang fokus pada satu tugas di layar dilaporkan turun dari sekitar 2,5 menit pada awal 2000-an menjadi sekitar 45 detik. Konsumsi video pendek pada mahasiswa juga dikaitkan dengan rentang perhatian yang lebih pendek dan prestasi akademik yang lebih rendah. (Klaim populer bahwa rentang perhatian manusia hanya 8 detik, kalah dari ikan mas, sebaiknya tidak dipercaya karena metodologinya banyak dikritik.)

Tingkat penyelesaian kursus daring mandiri pun tetap rendah. Rata-rata penyelesaian MOOC hanya sekitar 12,6 persen. Angkanya melonjak pada format yang memberi struktur, komitmen, atau interaksi sosial: sekitar 60 sampai 65 persen pada MOOC bersertifikat berbayar, sekitar 80 persen pada modul microlearning, dan sekitar 85 persen pada kursus berbasis angkatan (cohort). Kursus dengan komunitas belajar yang aktif tercatat 30 sampai 40 persen lebih tinggi tingkat penyelesaiannya.

Lalu apa yang membuat peserta bertahan? Studi terhadap 416 peserta MOOC Universitas Granada menemukan bahwa kepuasan, yaitu perasaan bahwa kursus itu bermanfaat, menjadi prediktor terkuat penyelesaian. Artinya, mengirim lebih banyak pengingat atau menambah konten saja tidak cukup. Pengalaman belajarnya yang harus dijaga tetap memuaskan dari awal sampai akhir.

Ke mana LMS harus melangkah

Dari temuan-temuan tersebut, LMS tidak akan menang jika bersaing dengan chatbot dalam kecepatan menjawab pertanyaan. Strategi yang lebih realistis adalah memperkuat hal-hal yang tidak dimiliki chatbot umum:

1. AI yang mengajar, bukan sekadar menjawab. AI tutor bergaya Sokratik yang terikat pada kurikulum dan materi yang terkurasi.

2. Validasi kompetensi yang tepercaya. Asesmen tanpa bantuan AI, ujian berbasis komputer dengan pengawasan, dan sertifikasi berbasis bukti.

3. Komunitas dan angkatan belajar. Kelas berangkatan, forum, mentoring, dan tenggat bersama.

4. Microlearning dengan pengulangan berjarak. Modul pendek yang diikuti latihan mengingat kembali secara terjadwal, bukan sekadar memotong video menjadi lebih pendek.

5. Desain untuk kepuasan. Materi yang langsung relevan dengan pekerjaan, umpan balik yang cepat, dan tanda kemajuan yang jelas.

6. Integrasi, bukan isolasi. LMS terhubung ke sistem SDM dan kinerja, serta dapat dipanggil dari aplikasi kerja melalui standar terbuka.

Bagi lembaga pelatihan seperti BPPK, pesan utamanya sederhana: AI bukan ancaman bagi LMS, asalkan LMS tidak lagi sekadar menjadi gudang materi. Nilai tambahnya ada pada struktur kurikulum, bimbingan yang benar-benar mengajar, pengakuan kompetensi yang dapat dipercaya, dan komunitas belajar yang membuat peserta bertahan.

Referensi utama: Kestin, G. dkk. (2025), AI tutoring outperforms in-class active learning, Scientific Reports; Synthesia, AI in Learning and Development Report 2026; Journal of Intelligence 14(7), 116 (2026), When Thinking Is Outsourced; Aznar-Diaz, I. dkk. (2025), Exploring predictors of success in MOOC, RIED; Celik, B. dan Cagiltay, K. (2024), Uncovering MOOC Completion, Open Praxis 16(3). Sebagian angka pasar dan tren berasal dari laporan industri dan dipakai sebagai gambaran arah, bukan ukuran pasti.