NVIDIA Gelar RTX AI PC Day di UPH dan Dorong Mahasiswa Menjadi AI Builder

RTX AI PC Day di UPH mengajak mahasiswa membangun solusi

NVIDIA gelar RTX AI PC Day di UPH pada 13–14 Oktober 2026 untuk dorong transformasi mahasiswa dari pengguna menjadi pencipta AI. Menurut Jagat Review, acara ini membawa pesan agar mahasiswa tidak berhenti memakai AI untuk menjawab pertanyaan atau membuat konten, tetapi mulai mengembangkan riset, aplikasi, dan solusi atas masalah tertentu.

Pesan ini relevan karena penggunaan AI di kampus sering berhenti pada output instan. Mahasiswa meminta ringkasan, gambar, atau kode, lalu menilai hasil secara sepintas. Peran AI builder lebih luas: menetapkan masalah, memeriksa masukan, menyusun alur kerja, menentukan batas tindakan sistem, menguji kegunaan hasil.

Menurut Olenka, RTX AI PC Day merupakan kolaborasi NVIDIA, UPH Karawaci, serta mitra desktop dan laptop seperti Acer, ASUS, Axioo, HP, Lenovo, MSI, dan ZOTAC GAMING. Adrian Lesmono, Country Consumer Business Lead NVIDIA Indonesia, menilai kampus harus membina mahasiswa multidisipliner sebagai pencipta AI, bukan hanya pengguna.

Arah ini penting karena proyek AI tidak selalu berarti membuat model dari nol. Mahasiswa dapat mengambil masalah dekat dengan bidang studi, lalu merancang proses lebih rapi. Bentuknya dapat berupa pengolahan data, penyusunan materi, pengembangan aplikasi, produksi konten, atau sistem bantuan internal dengan ruang lingkup terbatas.

Perbedaan AI user, automation, dan AI builder

AI user memakai sistem untuk memperoleh bantuan atau output. Contohnya, mahasiswa memasukkan topik ke chatbot untuk meminta kerangka tulisan. Aktivitas ini tetap membutuhkan penilaian manusia, tetapi pengguna belum tentu merancang data, aturan, atau proses di balik hasil.

Automation berbeda dari penggunaan chatbot. Automation menjalankan langkah berulang berdasarkan pemicu dan aturan yang telah ditentukan. Misalnya, formulir masuk memicu pencatatan data ke spreadsheet dan pengiriman notifikasi kepada panitia. Sistem tidak perlu memahami isi formulir secara mendalam untuk menjalankan urutan tersebut.

AI builder menyusun sistem yang memakai AI sebagai salah satu komponen workflow. Ia mempertimbangkan data yang boleh diproses, bentuk keluaran, kemungkinan kesalahan, serta kondisi ketika manusia harus mengambil alih. Perannya bukan sekadar memilih aplikasi, melainkan menerjemahkan masalah menjadi proses yang bisa diuji.

Bayangkan seorang mahasiswa panitia seminar menerima banyak formulir peserta dengan kebutuhan berbeda. Workflow dapat dimulai dari formulir masuk. AI membantu mengelompokkan pertanyaan peserta. Data dicatat ke sistem panitia. Koordinator memeriksa kategori yang belum jelas sebelum jawaban dikirim. AI menyortir informasi; keputusan tentang jadwal, pembayaran, atau informasi resmi tetap berada pada panitia.

Agentic AI perlu dipahami sebagai workflow, bukan sekadar chatbot

Jagat Review mengutip penjelasan NVIDIA bahwa agentic AI dapat menjadi perantara antara pengguna dan aplikasi atau software untuk menjalankan tugas berdasarkan instruksi. Dalam penjelasan sama, AI agent dibedakan dari chatbot karena dapat membuat rencana dan mengeksekusi langkah menggunakan tool yang tersedia.

Pembedaan ini perlu dijaga agar istilah tidak dipakai terlalu longgar. Chatbot terutama berfokus pada percakapan dan jawaban. Automation menjalankan urutan tetap. AI agent, dalam konteks penjelasan NVIDIA kepada Jagat Review, dapat melibatkan beberapa langkah untuk mencapai tujuan. Kemampuan tersebut tetap bergantung pada akses, instruksi, tool, data, serta batas yang diberikan pembuat sistem.

Agentic AI bukan alasan menyerahkan semua pekerjaan kepada sistem. Tugas dengan konsekuensi nyata memerlukan pengawasan. Informasi pribadi, pengumuman publik, keputusan akademik, perubahan data, atau tindakan atas nama organisasi perlu memiliki titik persetujuan manusia. Sistem juga perlu dibatasi pada data dan aplikasi yang relevan dengan tugasnya.

Jagat Review mencatat contoh NVIDIA tentang arsitek yang memakai agentic AI untuk mendesain rumah, termasuk mengoptimalkan bentuk bangunan dan membantu rendering visual. Dalam pembelajaran, workflow dapat dipersempit agar mudah diperiksa. Mahasiswa arsitektur dapat mengumpulkan kebutuhan ruang dari brief, meminta AI mengelompokkan kebutuhan, menyusun daftar pertanyaan yang belum terjawab, lalu meninjau hasil bersama dosen atau pemilik proyek. AI tidak menggantikan penilaian desain, kelayakan, maupun tanggung jawab profesional.

Peran RTX AI PC dalam pembelajaran berbasis proyek

Menurut Olenka, GeForce RTX 50 Series Laptop GPUs diposisikan untuk menjalankan software STEM, pengembangan model AI, pemrosesan data, pembuatan konten, dan pengembangan aplikasi. Olenka juga menyebut RTX GPUs dirancang dengan Tensor Cores untuk mempercepat workload AI. Fokus ini menjelaskan peran perangkat dalam acara tersebut, bukan jaminan bahwa setiap proyek otomatis lebih baik hanya karena memakai GPU tertentu.

Komputasi lokal dapat berguna saat mahasiswa perlu bereksperimen dengan aset, data, atau aplikasi di perangkat sendiri. Namun, perangkat hanya satu bagian proyek. Masalah yang jelas, data layak, aturan kerja, serta evaluasi hasil tetap menentukan apakah solusi dapat dipakai. Memakai perangkat AI tidak otomatis membuat seseorang menjadi AI builder.

NVIDIA juga menghadirkan program GeForce Campus Leaders di UPH dengan dukungan Acer, menurut Olenka. Mahasiswa terpilih memperoleh kesempatan mengembangkan proyek yang menunjukkan pemanfaatan akselerasi AI dan komputasi GPU untuk bidang kesehatan, ilmu komputer, pertanian, serta produk digital. Olenka melaporkan mahasiswa terpilih menerima dukungan laptop Acer dengan NVIDIA GeForce RTX 50 Series Laptop GPU untuk pengembangan proyek berikutnya.

Program seperti ini menunjukkan pembelajaran dapat dimulai dari proyek berbatas jelas. Mahasiswa pertanian, misalnya, dapat membuat prototipe untuk merapikan catatan observasi lapangan. Masukan berupa catatan teks dan data yang diizinkan. AI membantu memberi label awal. Mahasiswa memeriksa label meragukan. Hasil akhirnya berupa data lebih terstruktur untuk dianalisis, bukan keputusan otomatis tentang kondisi lahan.

Cara memulai proyek kecil sebagai AI builder

Mulailah dari pekerjaan berulang yang benar-benar dikenal. Jangan membuka proyek dengan pertanyaan, “Tool AI apa yang sedang populer?” Mulailah dari proses yang ingin diperbaiki. Tulis pengguna proses, masukan yang diterima, keputusan yang dibuat, hasil yang dibutuhkan, serta risiko jika sistem salah.

Setelah itu, petakan batas peran AI. Tentukan bagian yang cukup memakai automation, bagian yang membutuhkan bantuan AI untuk memahami informasi, serta bagian yang wajib diperiksa manusia. Peta sederhana mencegah proyek berubah menjadi demo tanpa tujuan operasional.

Gunakan urutan kerja berikut untuk proyek pertama:

1. Pilih satu proses sempit, misalnya memilah brief konten dari formulir.
2. Tentukan data yang boleh dipakai, hapus data tidak diperlukan.
3. Tulis kategori hasil jelas, termasuk kondisi “tidak yakin”.
4. Buat titik pemeriksaan editor sebelum hasil dipakai untuk tindakan eksternal.
5. Catat kesalahan sistem, perbaiki instruksi atau aturan berdasarkan temuan.

Bayangkan seorang kreator mengelola brief konten dari beberapa klien. Sistem dapat menerima brief, mengelompokkan topik, mendeteksi informasi belum lengkap, lalu membuat daftar pertanyaan klarifikasi untuk editor. Editor memeriksa pertanyaan sebelum mengirimkannya. Ukuran keberhasilan bukan jumlah teks yang dihasilkan, melainkan apakah brief lebih mudah ditinjau dan kesalahan komunikasi berkurang.

Pilih satu workflow yang bisa diuji dalam satu minggu. Dokumentasikan input, hasil, kesalahan, titik persetujuan manusia, serta data yang tidak boleh masuk sistem. Minta satu pengguna menilai bagian membingungkan. Catatan tersebut menjadi dasar perbaikan proyek berdasarkan masalah nyata, bukan asumsi tentang kemampuan AI.