Keuangan Mengotomatiskan Bagan Organisasi, Bukan Siklus Kas

Bidang keuangan telah menghabiskan banyak waktu untuk memperdebatkan apakah karyawan akan mengadopsi AI, apakah CFO akan mendanainya, dan apakah teknologinya sudah cukup matang untuk diterapkan di luar tahap eksperimen. Saya bahkan tidak yakin pertanyaan-pertanyaan ini masih relevan, karena kita sudah melihat adopsi AI yang konsisten di kantor CFO.

Dalam riset terbaru Auditoria pada 2026, 66,5% organisasi keuangan menyatakan akan meningkatkan investasi mereka dalam AI, dan rata-rata tim keuangan menggunakannya di 2,43 fungsi, naik 36% dalam setahun. Namun, hanya 21% yang menyatakan bahwa inisiatif AI mereka telah menghasilkan dampak yang berarti dan terukur.

Beberapa teori tentang penyebabnya menyebutkan bahwa perusahaan mungkin memilih perangkat yang keliru, bergerak terlalu cepat, atau gagal mendorong cukup banyak orang untuk menggunakannya. Namun, saya kurang sependapat, karena kita telah menerapkan AI mengikuti struktur organisasi bidang keuangan, sehingga kini bagian utang usaha, piutang usaha, perbendaharaan, bahkan FP&A menjadi lebih cerdas.

Kas tidak bergerak dengan cara seperti itu. Kas melintasi semua batas tersebut, dan saya rasa kita mulai menyadari keterbatasan upaya mencerdaskan setiap bagian keuangan tanpa melakukan hal yang sama terhadap siklus keuangan yang mereka kelola bersama.

Kita Telah Membuat Setiap Bagian Lebih Cerdas

Salah satu kesenjangan yang lebih janggal dalam bidang keuangan modern adalah bahwa kita telah membangun cara yang sangat canggih agar setiap fungsi memahami bagiannya dalam pengelolaan kas. Bagian utang usaha mengelola arus kas keluar, bagian piutang usaha berfokus pada arus kas masuk, perbendaharaan mengelola likuiditas, dan FP&A berupaya memperkirakan arah pergerakan angka-angka. Setiap tim dapat menjalankan tugasnya dengan baik, tetapi tetap saja tidak ada pihak yang jelas bertanggung jawab kepada CFO atas apa yang terjadi pada kas saat berpindah di antara fungsi-fungsi tersebut.

Lihatlah days payable outstanding (DPO) dan days sales outstanding (DSO). Tim utang usaha dapat meningkatkan days payable outstanding selama lima hari dan, dengan alasan yang kuat, melaporkannya sebagai kemajuan, sementara penagihan melambat pada kuartal yang sama dan DSO memburuk selama tujuh hari. Kedua tim mungkin telah melakukan tepat seperti yang diminta, dan keduanya mungkin memiliki penjelasan yang sangat masuk akal atas hasil tersebut. Namun, pada akhir kuartal, kemampuan bisnis mengubah modal kerja menjadi kas justru memburuk dua hari.

Bidang keuangan sangat piawai menetapkan penanggung jawab untuk setiap fungsi, tetapi hasil keuangan sering kali terbentuk di antara fungsi-fungsi tersebut.

Kita telah membangun sistem untuk mengotomatiskan faktur, merekonsiliasi akun, memperkirakan arus kas, mengelola penagihan, dan membuat laporan. Kini AI mulai diterapkan dalam kategori-kategori yang sama, sehingga kita berisiko membuat setiap bagian keuangan lebih efisien tanpa mengurangi keterpecahan bidang keuangan itu sendiri.

Pekerjaan yang Lebih Cepat Tidak Berarti Proses yang Lebih Singkat

Satu temuan dalam riset kami terus terlintas di benak saya karena sangat menggambarkan masalah ini. Kini, 43,8% menjawab permintaan dalam 24 jam, angka tertinggi yang kami catat dalam empat tahun. Pada saat yang sama, 44,5% tim menghabiskan 11 jam atau lebih setiap minggu untuk menindaklanjuti vendor, pelanggan, dan pemangku kepentingan internal, naik dari 29,7% setahun lalu. Sebanyak 13,4% lainnya menghabiskan lebih dari 30 jam seminggu untuk hal tersebut.

Angka-angka itu hanya tampak bertentangan jika kita berasumsi bahwa respons yang lebih cepat berarti pekerjaan lebih dekat ke tahap penyelesaian. Misalnya, pemasok membalas email, tetapi informasinya masih belum lengkap; atau pelanggan menanggapi permintaan penagihan dengan menyanggah faktur. Bagian keuangan menemukan ketidaksesuaian tersebut, lalu harus mencari seseorang di bagian lain bisnis yang dapat menjelaskannya.

Menurut saya, kita terlalu banyak mengukur kecepatan setiap tugas dan terlalu sedikit mengukur berapa lama waktu yang dibutuhkan sejak suatu masalah ditemukan hingga diselesaikan dengan cara yang mengubah hasil keuangan.

Agen AI Membuat Taruhannya Semakin Besar

Otomatisasi tradisional telah membantu kita mempercepat proses yang sangat terpecah-pecah. Namun, AI telah mengubah segalanya. Agen AI dapat mulai mengambil keputusan di dalam proses otomatis. Artinya, tujuan yang kita tetapkan bagi sistem ini jauh lebih penting dibandingkan saat perangkat lunak hanya memindahkan informasi dari satu kolom ke kolom lain.

Masalahnya menjadi lebih jelas ketika AI mulai bertindak di seluruh bagian keuangan. Bagian utang usaha mungkin berupaya mengoptimalkan waktu pembayaran, bagian piutang usaha mempercepat penagihan, dan bagian perbendaharaan melindungi likuiditas—masing-masing dengan tujuan yang masuk akal. Risiko muncul ketika sistem-sistem tersebut mengambil keputusan berdasarkan definisi keberhasilan yang berbeda, tanpa pemahaman bersama mengenai hasil keuangan yang ingin dicapai bisnis.

Inilah sebabnya masalah AI berikutnya di bidang keuangan bukanlah adopsi. Masalahnya adalah menentukan apa yang harus dioptimalkan oleh sistem dan apa yang terjadi ketika keputusan yang masuk akal secara lokal bertentangan dengan hasil keuangan yang lebih luas. Izin, ambang batas persetujuan, jejak audit, dan aturan eskalasi memang penting, tetapi semua itu hanya menjawab apa yang boleh dilakukan sistem AI. CFO juga perlu menentukan apa yang hendak dicapai sistem tersebut dalam kerangka aturan keuangan dan tata kelola.

Integrasi Menjadi Persoalan Operasional

Kurangnya integrasi dengan sistem yang sudah ada kini menjadi hambatan yang paling sering disebut dalam adopsi AI; penelitian kami menempatkannya pada angka 36,7%. Resistansi terhadap adopsi teknologi, yang sebelumnya berada di urutan teratas, kini turun ke posisi ketujuh. Penelitian terpisah pada 2026 dari ACCA dan CA ANZ menemukan bahwa 40% profesional keuangan menganggap kesulitan mengintegrasikan berbagai sumber data sebagai hambatan dalam meningkatkan wawasan bisnis.

Para pemimpin keuangan tidak lagi menghabiskan sebagian besar energi mereka untuk meyakinkan orang bahwa AI memiliki peran dalam fungsi keuangan. Mereka mulai memahami apa yang terjadi ketika berbagai kemampuan AI harus bekerja dengan transaksi, kebijakan, persetujuan, pengecualian, dan hasil keuangan yang sama.

Kemampuan AI yang bermanfaat dapat diterapkan dalam satu fungsi. Namun, model operasi keuangan yang bermanfaat tidak bisa hanya mencakup satu fungsi.

Jadi, alih-alih menghitung berapa banyak kasus penggunaan yang telah diterapkan, mulailah mengidentifikasi berapa banyak serah terima yang masih terjadi antara ditemukannya masalah dan diselesaikannya dampak finansialnya. Alih-alih hanya melihat berapa jam yang dihemat di bagian utang usaha (AP) atau piutang usaha (AR), saya akan bertanya apakah arus kas dalam bisnis menjadi lebih mudah diprediksi. Dan alih-alih menetapkan definisi keberhasilan AI yang berbeda untuk setiap fungsi keuangan, saya akan bertanya siapa yang bertanggung jawab atas hasilnya ketika definisi-definisi tersebut berbenturan.

Selama bertahun-tahun, teknologi keuangan dibangun mengikuti struktur organisasi, jadi tidak mengherankan jika AI diterapkan dengan cara yang sama. CFO bertanggung jawab atas kinerja fungsi-fungsi tersebut, tetapi pada akhirnya, bisnis tidak menilai fungsi keuangan berdasarkan apakah AP, AR, perbendaharaan, atau FP&A masing-masing mencapai target efisiensi di unitnya. Yang menjadi perhatian bisnis adalah hasil keuangan yang dicapai bersama oleh fungsi-fungsi tersebut.

Jika AI benar-benar akan mengubah fungsi keuangan secara bermakna, hasil keuangan itulah yang harus menjadi unit transformasi. Jika tidak, kita akan mengotomatisasi fungsi-fungsi, meningkatkan metrik lokal, tetapi tetap membiarkan hasil keuangan terfragmentasi di sepanjang sekat-sekat yang seharusnya kita benahi.