Terlalu Banyak AI, Terlalu Cepat: Apakah Tim Keuangan Menyiapkan Diri untuk Kegagalan?

Tim keuangan berada di bawah tekanan besar untuk mengadopsi AI, terutama didorong oleh dewan yang menginginkan peningkatan efisiensi, CFO yang mengejar penutupan lebih cepat, dan vendor yang menjanjikan otomatisasi belum pernah terjadi sebelumnya. 

Asumsi yang beredar adalah bahwa lebih banyak AI akan secara alami menghasilkan hasil yang lebih baik, karena dapat menganalisis data secara efisien dalam hitungan detik. Namun kecepatan saja bukan satu‑satunya faktor yang menjamin keberhasilan, terutama jika proses dasar memiliki cacat atau belum berkembang. 

Saat organisasi bergegas menyematkan AI ke dalam alur kerja keuangan, mereka berisiko mengabaikan kebenaran mendasar: AI hanya seefektif sistem yang diotomatisasinya. 

AI dapat mempercepat tugas, tetapi tidak dapat menggantikan kontrol yang lemah, data yang terfragmentasi, atau proses yang tidak konsisten.

Meskipun demikian, teknologi ini semakin menonjol di dalam perusahaan besar, dan semakin banyak perusahaan yang berharap AI akan memberikan hasil segera. 

Untuk tahun 2025, proporsi eksekutif tingkat C yang mengidentifikasi risiko perilaku AI sebagai kekhawatiran material utama telah meningkat dari 16% selama tiga tahun terakhir menjadi 56% ke depan, menjadikannya risiko non‑keuangan teratas. Pada saat yang sama, insiden perilaku bisnis utama telah naik sebesar 55% antara 2023 dan 2025, dengan biaya rata‑rata $14 juta per insiden, yang menyebabkan investasi reaktif alih‑alih proaktif dalam tata kelola dan kualitas data. 

Tidak ada bidang lain di mana penggunaan AI lebih krusial daripada di keuangan, di mana penutupan akhir bulan bergantung pada kontrol, rekonsiliasi, dan verifikasi. AI dapat meningkatkan kecepatan proses tersebut, tetapi tanpa fondasi yang kuat, AI dapat dengan mudah memperbesar kelemahan yang ada sama seperti menghilangkannya. 

Pertanyaannya, kemudian, apakah keuangan telah melakukan cukup persiapan untuk siap menghadapi pengambilalihan AI secara masif. 

AI Adalah Pengganda, Bukan Solusi

Meskipun tak diragukan lagi AI adalah alat yang hebat untuk mempermudah tugas, terdapat kesalahpahaman umum bahwa AI dapat memperbaiki semua proses yang rusak, padahal pada kenyataannya, AI hanya memperkuat apa yang sudah ada. 

Jika data dasar tidak konsisten, kontrol lemah, atau praktik rekonsiliasi cacat, AI akan sekadar mengeksekusi kekurangan tersebut lebih cepat dan pada skala yang lebih besar. Prinsip lama “sampah masuk, sampah keluar” tidak menghilang; kini ia beroperasi dengan kecepatan mesin.

Semua ini bukan berarti AI tidak berguna; sebaliknya, AI mengotomatisasi tugas yang memakan banyak tenaga seperti ekstraksi data dan penyajian, membebaskan profesional keuangan untuk fokus pada pekerjaan bernilai lebih tinggi. AI memungkinkan mereka menginvestasikan lebih banyak waktu pada pemikiran kritis, menarik kesimpulan, dan memastikan pengawasan atas apa yang dijalankan mesin.

Namun, ketergantungan berlebih pada AI dapat menimbulkan kerentanan jika sistem gagal atau menghasilkan hasil yang tidak terduga. Misalnya, jika model AI yang digunakan untuk prediksi pasar mengalami kegagalan selama krisis, hal itu dapat memperbesar kerugian atau mengganggu stabilitas pasar.

Komite Basel tentang Pengawasan Perbankan dan badan lainnya khususnya khawatir tentang risiko sistemik, di mana kegagalan AI secara luas dapat mengancam stabilitas keuangan. 

Alih‑alih memperlakukan AI sebagai obat untuk inefisiensi operasional, organisasi harus fokus membangun infrastruktur keuangan yang memungkinkan otomatisasi berfungsi secara andal. Itu berarti proses rekonsiliasi yang terstandarisasi, kontrol internal yang lebih kuat, tata kelola data yang lebih baik, dan visibilitas yang lebih besar terhadap proses penutupan.

“Ada kesalahpahaman umum bahwa AI adalah solusi untuk masalah proses. Itu tidak benar. AI hanyalah penguat apa yang sudah ada. Pemimpin keuangan sering datang ke AI mencari kelegaan dari pekerjaan manual, penutupan yang lambat, atau pelaporan yang memakan waktu terlalu lama,” kata Shagun Malhotra, CEO perangkat lunak penutupan akhir bulan otomatis SkyStem, dalam percakapan dengan Unite AI. 

Namun jika proses dasarnya cacat, tambahnya, AI tidak memperbaiki cacat tersebut. Sebaliknya, AI menjalankannya lebih cepat dan pada skala yang lebih besar. “Kesalahpahaman adalah bahwa teknologi melakukan pekerjaan diagnostik padahal tidak. Bagian itu masih membutuhkan profesional di belakangnya.” 

SkyStem fokus utama membantu organisasi yang platform penutupan keuangannya menstandarisasi rekonsiliasi, mengotomatisasi alur kerja, dan memperkuat kontrol internal sebelum menambahkan AI pada proses akuntansi kritis. Alih‑alih menggantikan operasi keuangan yang disiplin dengan AI, perusahaan membangun fondasi operasional yang andal sehingga otomatisasi dapat memberikan hasil yang akurat tanpa mengorbankan data. 

“AI menciptakan nilai luar biasa dalam volume, konsistensi, dan kecepatan untuk tugas yang terdefinisi dengan baik […] Namun area di mana manusia harus tetap mengendalikan adalah tepat di mana pengalaman paling penting: intuisi risiko, pengenalan pola dalam situasi ambigu, dan yang terpenting, pengambilan keputusan di bawah tekanan,” tambah Malhotra.  

Fondasi Sebelum Otomatisasi

Keuangan memiliki ruang toleransi kesalahan yang sangat kecil. Pelaporan yang akurat, rekonsiliasi, kepatuhan regulasi, dan auditabilitas sangat penting; AI harus meningkatkan dan menyederhanakan proses ini, bukan mengorbankannya dengan mempercepat kelemahan yang ada dalam sistem. 

Kognia Labs, perusahaan konsultan AI dan pengembangan perangkat lunak, memiliki pandangan serupa. Mereka membantu organisasi menerapkan sistem yang mendeteksi cacat atau inkonsistensi dalam laporan before menjadi terlalu mahal. 

Sebelum AI masuk ke alur kerja di mana pelanggan menunggu jawaban, tiga hal harus benar dalam institusi: koneksi antar sistem, mengakses informasi yang tidak disimpan sebagai dokumen, dan kemampuan memverifikasi sumber jawaban, menurut Alexandra Ollé, direktur strategi di Kognia Labs. 

“Informasi yang dibutuhkan penasihat tersebar di berbagai sistem dan format, dan sistem‑sistem tersebut umumnya tidak berkomunikasi satu sama lain. Itulah yang membuat jawaban menjadi lambat dan tidak konsisten pada awalnya,” kata Ollé kepada Unite AI. “AI tidak menyelesaikannya dengan hanya ditambahkan di atasnya.” 

Kesenjangan itu, antara mempercepat proses dan benar‑benar memperbaikinya, adalah tempat taruhannya menjadi konkret: ketika dana dipertaruhkan, keandalan tidak bersifat opsional, dan salah mengelola sistem AI membawa risiko hukum yang nyata. 

“AI meningkatkan proses ketika perusahaan menggunakannya untuk mengubah cara kerja sebenarnya. Hal itu biasanya dimulai dengan memahami mengapa proses gagal, sesuatu yang kebanyakan institusi tidak dapat lihat jelas karena bukti berada dalam ribuan percakapan pelanggan yang tidak ada tim yang memiliki waktu untuk menelusurnya,” tegas Ollé.   

Jalan ke Depan: Jembatan AI‑Manusia

Sebelum mengandalkan AI untuk mengotomatisasi alur kerja keuangan kritis, organisasi harus terlebih dahulu memastikan proses mereka siap. Hal itu dimulai dengan menilai kematangan proses, mengatasi hambatan dan masalah kualitas data, serta memperkenalkan AI secara bertahap di area berisiko rendah sebelum memperluas ke operasi keuangan yang lebih kompleks. 

Membangun fondasi operasional yang kuat terlebih dahulu, secara singkat, memungkinkan otomatisasi meningkatkan efisiensi tanpa mengorbankan akurasi atau pengawasan. Dan inilah bagian di mana manusia tidak boleh lengah; ada hal‑hal yang AI tidak dapat lakukan sendiri. 

Sudah ada beberapa perusahaan yang fokus pada penerapan AI dengan pendekatan “manusia pertama” yang memastikan adanya pengawasan manusia dan kredibilitas atas sistem otomatis. Solvd, misalnya, adalah perusahaan rekayasa perangkat lunak berbasis California yang mengembangkan, mengimplementasikan, dan mengelola sistem AI untuk perusahaan, berspesialisasi dalam membangun alur kerja kompleks yang kemudian disempurnakan oleh manusia sebelum ditingkatkan melalui otomatisasi. 

“Perusahaan yang menganggap AI serius akan belajar lebih cepat, mengumpulkan wawasan pelanggan yang lebih kaya, beroperasi lebih efisien, dan mempersonalisasi lebih efektif. Seiring waktu, mempertahankan kecepatan menjadi lebih sulit karena pesaing tidak hanya menerapkan alat yang lebih baik; mereka membangun data, proses, dan pembelajaran institusional yang lebih baik,” kata Skylar Roebuck, chief technology officer di Solvd, kepada Unite AI. 

Sebuah organisasi benar‑benar siap AI ketika tim eksekutifnya selaras tidak hanya pada pentingnya AI, tetapi juga pada cara AI akan menciptakan keunggulan kompetitif yang berarti bagi bisnis. 

“Pengawasan manusia tidak boleh dipandang sekadar sebagai seseorang yang menyetujui setiap tindakan AI. Pendekatan itu tidak dapat diskalakan dan sering menciptakan ilusi keamanan tanpa memberikan kontrol yang berarti,” tegas Roebuck, menambahkan bahwa sistem harus mampu beroperasi secara mandiri dalam batas yang jelas serta mengenali ketidakpastian untuk eskalasi ketika penilaian diperlukan. 

Intinya, AI memiliki potensi untuk mengubah keuangan, tetapi tidak dapat menggantikan disiplin operasional dan penilaian manusia yang diperlukan dalam pengambilan keputusan keuangan. Tujuan di sini bukan mempercepat penutupan, melainkan mempercepat kepercayaan terhadapnya. 

Organisasi yang benar‑benar sukses bukanlah yang mengotomatisasi terlebih dahulu, melainkan yang membangun fondasi yang tepat, dan menempatkan manusia di pusat proses yang paling penting.