Menentukan gunung besar dan belajar mendakinya bersama AI — Refleksi Entrepreneur Dojo tahun ajaran 2026

Kelas pendidikan kewirausahaan Entrepreneur Dojo Universitas Tokyo tahun ajaran 2026 telah selesai.

Paruh pertama, S1 (April–Juni), terdiri dari 7 sesi yang berfokus pada kuliah dan ceramah tamu, sedangkan paruh kedua, S2 (Juni–Juli), terdiri dari 7 sesi praktik dalam tim. Tahun ini, di keduanya, kami mengubah rancangan kelas secara besar-besaran. Tulisan ini adalah catatan dan refleksinya.

Latar belakang dan konteks

Sebagai konteks, pada akhir tahun lalu saya menulis artikel "Bagaimana AI generatif mengubah pendidikan kewirausahaan". Dengan AI generatif, mahasiswa bisa membuat materi pitch yang tampilannya cukup layak dalam 30 menit. Artinya, usaha dan kemampuan mahasiswa menjadi mudah sekali terpisah jauh dari kualitas hasil kerjanya. Selain itu, kualitas hasil kerja juga sangat berbeda tergantung paket AI generatif yang bisa dipakai mahasiswa. Akibatnya, perbedaan biaya langganan AI dan literasi AI berpengaruh besar pada hasil kerja. Namun jika penggunaan AI dalam kelas tetap dibatasi, jarak dengan situasi nyata yang menuntut kewirausahaan akan semakin lebar.

Saya juga telah menjelaskan bahwa pendidikan kewirausahaan memiliki pengertian luas dan sempit. Kelas ini dirancang agar condong ke kewirausahaan dalam arti yang relatif sempit, tetapi tetap bertujuan menumbuhkan kewirausahaan dalam arti luas. Tujuannya bukan menyampaikan pengetahuan dan keterampilan bisnis, melainkan menumbuhkan kualitas dan kemampuan yang mencakup semua itu dan bisa dipakai di bidang lain, seperti pengujian hipotesis dan perolehan sumber daya, meskipun kelas ini tetap relatif condong ke arti yang sempit. Dan ketika membahas kewirausahaan dalam arti sempit pun, yang dibicarakan bukan berwirausaha secara umum, melainkan dengan asumsi startup berpertumbuhan tinggi.

Dalam lingkungan seperti ini, apa yang harus diajarkan dan dinilai oleh pendidikan kewirausahaan? Artikel akhir tahun itu ditutup dengan pertanyaan tersebut, dan tulisan ini saya bagikan sebagai catatan upaya kami sendiri per 2026 untuk menjawabnya. Namun perlu saya sampaikan sebelumnya bahwa ini tidak dapat diterapkan di semua wilayah maupun untuk semua tujuan pendidikan.

Perubahan besar tahun ini: gagasan besar dan AI

Ada tiga perubahan besar.

Pertama, titik berat pengajaran kami geser dari "menemukan masalah di sekitar kita dan menguji hipotesisnya" ke "menggambarkan gagasan besar dan merancang strategi untuk mencapainya".

Seperti yang sudah saya sampaikan sebelumnya, saya berpendapat bahwa metodologi konvensional seperti Lean Startup dan design thinking memiliki keterbatasan dari sudut pandang melahirkan startup berpertumbuhan tinggi di Jepang. Sebabnya, metodologi itu cenderung bertolak dari ide yang dekat dengan keseharian, dan selama proses pengujian cenderung mengerucut menjadi bisnis kecil.

Tentu saja, proses mencari masalah tersembunyi, memikirkan solusi, lalu mengujinya masih efektif untuk memulai bisnis kecil. Dan sekalipun kita menggambarkan gagasan besar, di tingkat dasarnya tetap saja merupakan rangkaian pengujian hipotesis. Selain itu, sebagai pengajar, saya juga senang karena metodologi pengujian hipotesis mudah diajarkan.

Meski begitu, jika mempertimbangkan lingkungan ekosistem startup Jepang, perkembangan AI seperti yang akan saya uraikan nanti, serta kenyataan bahwa pengujian hipotesis mudah diajarkan (mudah diajarkan = baik), pandangan saya saat ini adalah bahwa menentukan "gunung mana yang akan didaki" terlebih dahulu menjadi semakin penting (lihat Fit Journey v2).

Yang di atas adalah pembahasan tentang kewirausahaan dalam arti sempit, tetapi saya merasa situasinya serupa jika kita melihat kewirausahaan dalam arti luas. Sebab, berbagai gagasan besar mulai dibutuhkan, misalnya bagaimana menggambarkan konfigurasi baru dan mengimplementasikannya dalam gagasan industri, gagasan daerah, dan strategi nasional Jepang saat ini di tengah penyusutan populasi, serta posisi seperti apa yang akan dibangun di tengah goyahnya tatanan internasional.

Kedua, di S2 kami membuat pengajar menetapkan "misi". Misalnya, kami menyiapkan sejak awal tujuan besar beserta batasannya, seperti "membangun dalam 15 tahun bisnis dengan kapitalisasi pasar 300 miliar yen atau lebih di bidang robot bawah laut", lalu mahasiswa memilih salah satunya untuk ditantang. Ukuran gunungnya tidak bisa diubah, tetapi cara mendakinya bebas.

Sebenarnya sejak beberapa tahun lalu, lokakarya S2 sudah tidak lagi dimulai dari ide yang sepenuhnya bebas dari mahasiswa. Alasannya, jika dibebaskan, cenderung muncul ide yang sulit diuji hipotesisnya melalui wawancara dan sebagainya. Karena kami ingin mahasiswa menguji hipotesis lewat wawancara, pemilihan ide yang sepenuhnya bebas kami batasi (meski begitu, ide boleh diubah selama bidangnya sama).

Efek samping dari batasan semacam itu adalah ada mahasiswa yang semangatnya menurun karena itu bukan ide mereka sendiri, dan pengalaman membangun tim oleh pemimpin menjadi sulit didapat. Namun, kami tetap mengutamakan pengalaman menguji hipotesis meskipun ada kekurangan itu. Tahun ini, dari titik itu, kami menurunkan prioritas pengalaman menguji hipotesis lewat wawancara dan menaikkan prioritas pengalaman menantang tujuan besar.

Mungkin saja tujuan besar semacam itu bisa ditetapkan sendiri oleh mahasiswa, tetapi bahkan dalam mendukung para pekerja yang ingin berwirausaha pun, memutuskan "gunung mana yang akan didaki" adalah pekerjaan yang sangat sulit. Karena itulah dalam kelas ini pengajar mengambil alih pemilihan gunung, sehingga mahasiswa dapat fokus berlatih "cara mendaki gunung besar".

Lagi pula, kesempatan untuk menguji ide sendiri terus bertambah, baik di kegiatan ekstrakurikuler kampus maupun di program di luar kampus. Maka kami berpikir, sebaiknya kelas universitas menjadi tempat menyajikan gunung-gunung yang bermakna sosial besar, yang sulit dipilih oleh perorangan. Mempelajari cara mendaki gunung besar dalam waktu singkat sebelumnya sulit, tetapi kami juga memperkirakan bahwa dengan AI hal itu bisa dipercepat.

Ketiga, kami menyusun ulang seluruh kelas dengan asumsi penggunaan AI. AI kami masukkan mulai dari riset, simulasi wawancara, perumusan strategi, rencana penggalangan dana, hingga pembuatan materi pitch, dan kami juga membuat sendiri sekitar lima aplikasi web untuk kelas, sehingga di antara pembelajaran teori dan praktik terdapat tahap "praktik simulasi".

Ketiga hal ini bukanlah perubahan yang terpisah. Karena AI generatif menurunkan biaya riset dan pembuatan prototipe untuk pengujian, kemampuan menentukan arah tujuan menjadi relatif langka, dan titik berat pendidikan pun kami geser ke sana. Dan berkat AI generatif yang sama, pengajar sendiri menjadi bisa membuat materi dan aplikasi yang menopang pergeseran titik berat itu. Kelas tahun ini adalah implementasi, yang dibagi menjadi S1 dan S2, dari kebijakan "mempercepat eksplorasi dan pembuatan prototipe dengan AI, dan sebagai gantinya menuntut manusia untuk memilih gunung, menyusun strategi, dan mengambil keputusan".

S1: Menekankan penggambaran gagasan besar

S1 kami tetapkan sebagai semester untuk pengetahuan dasar dan unlearning. Untuk yang terakhir, perlu saya jelaskan bahwa banyak mahasiswa bukan "tidak tahu" tentang bisnis ala startup, melainkan "memiliki pengetahuan yang keliru", sehingga pertama-tama perlu mengurai hal itu. Posisi ini tidak berubah dari sebelumnya. Wadah berupa 7 sesi kuliah dan ceramah tamu juga tidak kami ubah, tetapi dua bagian utama isinya kami ganti.

(1) Pasar dan strategi

Yang pertama adalah penekanan pada pasar dan sifat strategis. Versi lama "Startup Fit Journey" yang kami pakai di FoundX adalah jalur yang dimulai dari pelanggan, lalu menumpuk ke masalah, solusi, produk, dan pasar. Tahun ini kami memakai versi baru yang menambahkan dua tahap sebelumnya, yaitu "pemilihan pasar (Market)" dan "penyusunan strategi (Market/Strategy Fit)". Sebab, pengaturan di tingkat makro sulit diubah belakangan. Jika salah memilih pasar, sekeras apa pun pengujian mikro yang dilakukan sesudahnya, kemungkinan pertumbuhan tinggi menjadi sangat kecil.

Dalam kelas, beberapa kali kami membahas soal "mendapat 95 poin pada ujian berskala 100 poin, atau mendapat 9,5 miliar poin pada ujian berskala 1 triliun poin". Ukuran startup bukanlah peluang keberhasilan, melainkan besarnya hasil ketika berhasil. Bagi mahasiswa Universitas Tokyo yang telah terlatih untuk tidak kehilangan poin dalam skala nilai penuh yang sudah ditetapkan, inilah bagian yang kemungkinan besar paling membutuhkan unlearning.

Dalam refleksi akhir semester pun ada tulisan seperti "Selama ini saya mementingkan seberapa baik hasil yang bisa saya capai untuk tugas yang diberikan, tetapi saya hampir tidak punya sudut pandang tentang tugas mana yang sebenarnya harus digarap". Tanggapan yang kembali bukan sebagai perolehan pengetahuan, melainkan sebagai kesadaran tentang ukuran apa yang selama ini mereka pakai, cukup mendekati sasaran bagi kelas yang membidik unlearning.

(2) Praktik simulasi dengan AI

Yang kedua adalah praktik simulasi dengan AI. Tahun ini saya membuat sendiri aplikasi web dan memasukkannya ke dalam kelas dan tugas rumah. Contohnya sebagai berikut.

Aplikasi kuliah yang mentranskripsikan kuliah secara real time dan, ketika mahasiswa mengirim pertanyaan, AI memberikan saran perbaikan
Aplikasi wawancara untuk mengalami penjualan atau keputusan investasi dengan AI sebagai lawannya
Aplikasi yang mensimulasikan alur berwirausaha dalam 6 langkah (aplikasi pengalaman Fit Journey)
Kumpulan prompt untuk pemilihan pasar dan perumusan strategi

Menurut saya, ada beberapa manfaat menggunakan aplikasi AI.

Sebelumnya, langkah berikutnya setelah belajar teori langsung berupa praktik nyata (meski di dalam kelas mahasiswa melakukan latihan simulasi satu sama lain). Kini, di antaranya kami sisipkan satu tempat latihan yang biaya kegagalannya hampir nol.

Manfaat praktik simulasi dengan AI terletak pada kenyataan bahwa AI memberi saran kapan saja. Misalnya, aplikasi wawancara langsung memberikan usulan perbaikan pertanyaan dan "alasan mengapa pertanyaan itu tidak baik". Yang khas dalam refleksi mahasiswa adalah "meski saya sendiri mengira itu pertanyaan yang bagus, ternyata saya menggiring lawan bicara, atau tidak bisa menggali sampai ke masalah yang sebenarnya dihadapi". Dalam kuliah teori kita bisa menjelaskan "jangan mengajukan pertanyaan yang menggiring", tetapi kita tidak menyadari bahwa diri kita sendiri sedang menggiring sampai ada yang menunjukkannya. Namun, bagi pengajar sulit menunjukkan hal itu kepada setiap orang satu per satu, sehingga penilaian kami adalah bahwa AI dan sejenisnya bisa dipakai sebagai pendukung.

Kami juga memperhatikan mekanisme yang tidak mengumpulkan data pribadi dan rancangan yang membuat pihak penyelenggara tidak melihat isian mahasiswa (misalnya, ketika tugas rumah selesai, kode kelulusan diterbitkan dan mahasiswa melaporkannya melalui Google Forms). Selain itu, dari sisi pengembangan aplikasi, sebenarnya saya membuat satu lagi aplikasi bertema strategi, tetapi tidak berhasil dan akhirnya menyerah. Kesan saya, menjadikan AI lawan berpikir pada tingkat abstraksi tinggi masih sulit.

Yang berkesan adalah kesadaran akan keterbatasan AI. Untuk tugas rumah memilih pasar dengan AI di bawah kondisi hipotetis kapitalisasi pasar 300 miliar yen, seorang mahasiswa menulis, berdasarkan kesan dari mencobanya berkali-kali sendiri, bahwa "jika bergantung pada AI, kita mudah terseret ke ide rata-rata dari pasar yang besar dan pasti". Agak paradoks bahwa hasil kelas yang membahas pemanfaatan AI adalah perasaan langsung akan keterbatasan AI, tetapi menurut saya itu juga hasil yang wajar.

Ini tip kecil, tetapi saya terbantu karena bisa memikirkan pertanyaan lembar refleksi bersama AI. Dalam refleksi, pembelajaran peserta didik sangat berubah tergantung pertanyaan apa yang disajikan. Perancangan pertanyaan refleksi yang dulu dibahas di dalam tim, kini bisa dilakukan dengan AI yang bisa diajak berkonsultasi kapan saja dan menjawab dengan mempertimbangkan wawasan ilmu pendidikan, dan itu sangat membantu.

S2: Menetapkan gunung, mendakinya bersama AI

S2 berupa 7 sesi dengan format lokakarya. Mahasiswa dibagi menjadi tim, dimulai dari riset awal, lalu maju ke penyusunan hipotesis bisnis, strategi dan rencana prototipe, rencana penggalangan dana, dan pembuatan materi pitch. Pada dua sesi terakhir, kami mengundang 5 pengusaha aktif dan 5 investor sebagai juri, dan seluruh mahasiswa melakukan pitch secara individu dengan metode jigsaw. Ini untuk memberi pengalaman menguji hipotesis di hadapan pengusaha dan investor sebagai penilai dunia nyata, yaitu penilaian dengan keautentikan tinggi (authentic assessment) dalam istilah ilmu pendidikan.

Di atas itu, tahun ini kami melakukan perubahan berikut.

(1) Perancangan misi

Misi yang kami siapkan terutama berada di bidang yang condong ke deep tech, seperti laut × robot, hidrogen alami, antariksa, tenaga angin, material × AI, serta perumahan × energi. Untuk misi komersial, kami menetapkan batasan bersama berupa "kapitalisasi pasar 300 miliar yen atau lebih dalam 15 tahun" (untuk yang bergerak di kewirausahaan sosial, kami menetapkan tujuan besar dalam bentuk lain). Setiap misi dilengkapi lembar yang merangkum contoh usulan proyek, pesaing, hipotesis yang harus diuji di tahap awal, usulan prototipe yang dapat dibuat dengan sekitar 100.000 yen, hingga referensi. Usulan proyek boleh diubah, tetapi bidang dan syarat batasnya tidak boleh diubah.

(2) Memasukkan AI ke setiap langkah

AI kami masukkan ke setiap langkah. Untuk riset, kami memakai NotebookLM dan "AI Wiki" yang kami siapkan untuk kelas. Ini adalah lingkungan riset dan pengorganisasian yang mencakup kumpulan templat prompt; setiap kali mahasiswa bertanya sesuatu kepada AI, seluruh percakapannya disimpan di Wiki, dan ketika halaman Wiki terkumpul dalam jumlah tertentu, LLM merapikan wawasan secara otomatis. Singkatnya, ini semacam versi kelompok dari LLM Wiki. AI dijalankan melalui OpenRouter, dan kami memilih sendiri yang kecepatan, kinerja, dan biayanya terbaik pada saat itu.

Hasil

Kecenderungannya, kesan saya waktunya lebih kurang dibandingkan sebelumnya. Tampaknya memang sangat sulit mengejar ketertinggalan di bidang di luar keahlian walaupun memakai AI. Di sisi lain, saya kira tanpa AI, riset yang sematang ini tidak akan mungkin dilakukan.

Pembelajaran mahasiswa pun terasa agak berubah. Dibandingkan pembelajaran konvensional seperti "menyadari pentingnya pengujian hipotesis", ada komentar yang menunjukkan tumbuhnya perasaan bahwa "bahkan dengan target yang tinggi, kalau diteliti dengan benar dan didaki, kita bisa sampai ke titik tertentu". Menurut saya ini juga sesuai dengan rancangan kelas.

Tanggapan dari sisi juri pun berubah. Sampai tahun lalu, mungkin karena jarak antara "aplikasi untuk masalah di sekitar kita" buatan mahasiswa dan ide yang biasa dihadapi investor terlalu besar, mereka mengatakan "sulit memberi komentar". Tahun ini kami mendapat kesan "komentar lebih mudah diberikan, tetapi karena berada di meja yang sama, kekurangannya lebih menonjol". Karena itu pula ada komentar yang kira-kira meminta mahasiswa lebih banyak mewawancarai dan turun ke lapangan untuk meningkatkan resolusi. Ini mungkin bisa dilakukan jika waktunya sedikit lebih panjang. Meski begitu, saya menganggap fakta bahwa mereka kini dinilai di meja yang sama dengan pengusaha pada umumnya adalah satu kemajuan.

Yang dikurangi dan yang sulit

Di sisi lain, ada pula hal yang kami kurangi demi rancangan ini.

Pertama, latihan membuat ide dari nol tidak bisa dilakukan, karena misinya ditetapkan oleh pengajar. Selain itu, tim juga dibentuk oleh penyelenggara, sehingga tidak ada pengalaman mengumpulkan rekan sendiri dan membentuk tim (namun kerja sama di dalam tim tentu tetap dibutuhkan).

Hal-hal itu dimungkinkan karena kesempatan menguji ide sendiri dan mencari rekan relatif banyak tersedia di kegiatan ekstrakurikuler kampus dan program di luar kampus, tetapi menurut saya sangat besar pula sisi bahwa semua itu bisa dikurangi justru karena Tokyo diberkahi kesempatan semacam itu. Memang benar kami sudah menjelaskan "yang ingin menguji ide sendiri silakan di kelas lain atau kegiatan ekstrakurikuler", tetapi ada pula ketidakpuasan terhadap perubahan ini dan mahasiswa yang mengundurkan diri. Meski begitu, jika keterampilan yang dibutuhkan sudah berubah, saya berpendapat yang harus disampaikan adalah keterampilan yang dibutuhkan, bukan reputasi kelas.

Yang paling sulit adalah wawancara. Sampai tahun lalu, mahasiswa sendiri menetapkan ide yang pelanggannya bisa jadi diri mereka sendiri, sehingga pengujian hipotesis melalui wawancara pelanggan mudah dilakukan. Tahun ini, karena berpusat pada bidang deep tech yang berorientasi misi, menjangkau narasumber wawancara itu sendiri menjadi sulit. Tahun ini pun ada satu perusahaan yang membantu kami dan ada tim yang benar-benar dapat melakukan wawancara, tetapi kesan saya agak sulit. Tahun depan, hal ini mungkin bisa diringankan sedikit lewat upaya seperti mempersempit misi pada yang berkaitan dengan teknologi Universitas Tokyo, atau mengurangi jenis misi dan meminta bantuan calon pelanggan sebelumnya.

AI generatif dan pendidikan kewirausahaan

Pada akhirnya, saya rangkum apa yang saya pikirkan dari pengalaman tahun ini.

Pertama, menurut saya sangat besar artinya bahwa pengajar bisa membuat sendiri materi interaktif. Sampai sekarang, perangkat lunak pendidikan hanyalah alat efisiensi seperti Zoom atau LMS. Ia memproses prosedur yang sudah ditetapkan dengan cepat dan akurat, tetapi tidak banyak mengubah isi kelas. AI generatif berbeda. Aplikasi yang beberapa tahun lalu mungkin memerlukan biaya beberapa juta yen dan beberapa bulan jika dialihdayakan, kini bisa dibuat oleh pengajar secara pribadi dan diperbaiki setiap minggu. Selain itu, personalisasi oleh AI juga sedikit banyak dimungkinkan. Kini perangkat lunak bisa ada sebagai alat khusus hanya untuk satu poin yang ingin disampaikan, di sesi tertentu, di kelas sendiri. Menurut saya ini bukan perubahan yang terbatas pada pendidikan kewirausahaan.

Kedua, sebagai gantinya, perancangan kelas menjadi lebih sulit. Sebab, pada struktur yang tadinya terdiri dari tiga pihak, yaitu mahasiswa, pengajar, dan materi, kini perangkat lunak masuk secara serius sebagai unsur keempat. Di zaman ketika kita bisa segera membuat perangkat lunak khusus yang sesuai dengan satu sesi kuliah, bukan hanya alat serbaguna, saya kira masa pencarian tentang bagaimana menempatkan perangkat lunak dan AI generatif dalam pembelajaran aktif akan berlangsung untuk beberapa waktu.

Ketiga, meski begitu, hampir pasti bahwa jika AI tidak digunakan, kesenjangan antara dunia nyata dan pendidikan akan terus melebar. Seperti yang juga saya singgung dalam artikel sebelumnya, justru karena pendidikan kewirausahaan dekat dengan dunia nyata, saya merasa kita perlu terus memikirkan kembali bagaimana mencari titik temu dengan dunia nyata dan bagaimana memaksimalkan pembelajaran mahasiswa dalam waktu singkat.

Upaya serupa di dunia

Bagaimana berdampingan dengan AI generatif tampaknya juga menjadi kegelisahan dunia pendidikan di luar negeri.

Misalnya, di Lean LaunchPad Stanford pada musim semi 2026, 8 tim melakukan 978 wawancara dalam sekitar 10 minggu, dan semua tim memakai AI generatif. Yang dilaporkan di sana adalah masalah bahwa kecepatan membuat produk dengan AI melampaui kecepatan belajar dari pelanggan. Dikatakan bahwa mahasiswa bisa membuat MVP yang rapi dalam beberapa jam, tetapi ada yang tidak bisa menjelaskan hipotesis mana yang hendak diuji dengannya. Ini hampir sama dengan kesadaran masalah saya tentang unbundling antara usaha dan hasil kerja.

Format penetapan misi sudah lebih dahulu dilakukan oleh Hacking for Defense yang berasal dari Stanford. Ini adalah kelas tempat tim mahasiswa menantang masalah nyata yang dibawa oleh lembaga pemerintah dan sejenisnya, dan telah diperluas ke sekitar 70 universitas. Perbedaannya, Hacking for Defense menangani "masalah yang sedang dihadapi saat ini", sedangkan Dojo di sini, pengajar menetapkan "bidang yang seharusnya menjadi besar di masa depan". Selain itu, Generative AI Labs milik Wharton membuat simulasi latihan pitch tempat AI memerankan mentor atau investor, dan bahkan membayangkan lingkungan tempat pengajar dapat membuat simulasi khusus untuk kelasnya sendiri.

Dengan kata lain, kelas kami tahun ini dapat diposisikan sebagai eksperimen yang memadukan unsur-unsur yang di dunia diuji secara terpisah, yaitu kelas dengan misi yang ditetapkan, simulasi AI, pengujian hipotesis, dan penalaran mundur dari gagasan jangka panjang, ke dalam satu metafora dan kurikulum, yaitu "mendaki gunung besar bersama AI". Namun demi keadilan, perlu dikatakan bahwa sebagian besar contoh luar negeri pun masih berada pada tahap laporan praktik, dan pembuktian ketat bahwa penggunaan AI meningkatkan hasil belajar jangka panjang masih akan datang. Saya harap klaim dalam tulisan ini dibaca bukan sebagai metode yang telah terbukti efektif, melainkan pada tingkat bahwa eksperimen ke arah yang sama sedang dimulai di seluruh dunia secara serentak.

Penutup

Siklus pengujian hipotesis tentang masalah di sekitar kita menjadi lebih cepat berkat AI. Dalam dunia seperti itu, jika pekerjaan yang tersisa bagi manusia adalah "menentukan gunung mana yang akan didaki, merancang cara mendakinya, dan terus mengambil keputusan", maka titik berat pendidikan pun perlu bergeser ke sana. Dojo tahun ini adalah salah satu percobaannya.

Dalam kelas saya bertanya kepada mahasiswa, "mendapat 95 poin pada skala 100 poin, atau mendapat 9,5 miliar poin pada skala 1 triliun poin", tetapi saya kira pertanyaan yang sama juga ditujukan kepada kami para pengajar. Apakah membuat kelas yang sedikit lebih baik di dalam kerangka yang ada, atau membangun ulang dari pertanyaan tentang apa yang seharusnya diajarkan.

Dan saya merasa kami sendiri, yang terlibat dalam pendidikan kewirausahaan, harus selalu bertanya "apakah kami sendiri sudah menunjukkan kewirausahaan?" dan "bukankah kami juga menantang hal baru setiap tahun dalam pendidikan?". Upaya itulah yang menjadi upaya tahun ini.

Hipotesis kami mungkin keliru, dan belum tentu tahun depan kami masih menjalankan kelas yang sama (kemungkinan besar akan kami ubah), tetapi saya merangkumnya dalam artikel ini sebagai berbagi informasi tentang upaya kami saat ini.

Perlu diketahui bahwa kami tidak berencana mempublikasikan aplikasi yang dipakai kali ini, tetapi kumpulan prompt-nya telah dipublikasikan di situs FoundX. Jika ada pihak di bidang pendidikan maupun pembuat kebijakan yang sedang melakukan percobaan serupa, semoga ini dapat menjadi rujukan.