Bahasa Indonesia

AI dalam Alur Kerja Controller: Di Mana AI Membantu, Di Mana AI Gagal, dan Cara Menghindari Kerugian

Setiap platform akuntansi di pasaran kini memiliki tombol "AI". Sebagian besar menghasilkan rekonsiliasi yang secara percaya diri salah, melewatkan nuansa audit, dan mengkode transaksi dengan cara yang tidak akan bertahan dalam tinjauan PCAOB yang serius. Demo vendor semuanya terlihat hebat. Restatement 10-K-nya lebih senyap.

Tugas Controller adalah menjadi garis pertahanan terakhir sebelum laporan keuangan keluar. AI tidak mengubah itu. AI hanya meningkatkan taruhannya, karena sekarang Anda membela posisi yang dihasilkan model dalam skala besar, dalam hitungan milidetik, tanpa pemahaman tentang mengapa aturan itu ada.

Inilah Playbook yang akan saya berikan kepada Controller yang bekerja dan diperintahkan oleh CFO yang telah membaca satu laporan McKinsey untuk "melakukan sesuatu dengan AI". Ini bukan anti-AI. Saya menggunakannya setiap hari untuk hal-hal yang tepat. Tetapi urutannya penting: kontrol dulu, produktivitas kedua. Dapatkan urutan itu salah dan Anda akan mendapat restatement.

Mengapa Ini Penting Sekarang

Tiga kekuatan sedang bertabrakan di meja Anda secara bersamaan.

Siklus penutupan semakin pendek. Lima hari adalah standar baru dari sepuluh hari. Tiga hari adalah standar baru dari lima hari. CFO menginginkan narasi flux pada hari kedua, bukan hari kedelapan.

Biaya audit meningkat. Tarif per jam Big Four naik dua digit selama beberapa tahun terakhir, dan para partner semakin tidak sabar dengan kertas kerja yang berantakan.

Dan tim keuangan diperintahkan untuk "melakukan lebih banyak dengan AI." Kalimat itu, dalam praktiknya, berarti "lebih sedikit permintaan jumlah karyawan yang akan disetujui tahun depan." Controller yang menolak untuk terlibat akan tersisih. Controller yang mengadopsi tanpa pikir panjang mendapat restatement, temuan audit, atau keduanya.

Langkah yang tepat bukan salah satu dari itu. Ini adalah mengadopsi dengan hati-hati, dengan mengedepankan pengendalian, pada daftar pendek alur kerja di mana mode kegagalannya dapat dipulihkan.

Di Mana AI Benar-Benar Membantu (daftar lampu hijau)

Inilah alur kerja di mana saya telah melihat penghematan waktu nyata tanpa menciptakan risiko kontrol baru. Benang merahnya: AI membuat draf, manusia meninjau dan menandatangani, dan biaya kesalahan yang terlewat dibatasi.

Penyusunan komentar selisih. Ambil aktual kuartal lalu, aktual saat ini, anggaran, dan perkiraan. Masukkan ke model dengan prompt terstruktur: "Jelaskan selisih material di atas ambang batas X%, dikelompokkan berdasarkan kategori GL, dengan gaya template memo FP&A." Anda mendapatkan draf pertama narasi flux dalam dua menit. Controller mengedit, menambahkan warna kualitatif yang tidak dapat diketahui model (kontrak yang tertunda ke kuartal berikutnya, penundaan jumlah karyawan, biaya hukum satu kali). Yang tadinya membutuhkan empat jam menjadi empat puluh lima menit.

Kategorisasi tagihan vendor. Ini adalah pekerjaan pengkodean GL dengan volume tertinggi dan penilaian terendah di perusahaan. Alat otomasi AP modern dengan model yang disesuaikan dapat menyarankan akun GL dan pusat biaya dengan skor kepercayaan. Apa pun di atas ambang batas tertentu (misalnya 95%) secara otomatis diarahkan ke antrean persetujuan dengan kode yang disarankan sudah terisi. Apa pun di bawahnya diarahkan ke antrean tinjauan manusia. Anda tidak membiarkan AI membukukan entri tanpa pengawasan. Anda membiarkannya mengusulkan, dan manusia yang memutuskan.

Pemeriksaan kelayakan estimasi akrual. Jalankan dua belas bulan terakhir akrual berdasarkan kategori. Minta model untuk menandai apa pun di mana akrual bulan ini menyimpang lebih dari X% dari rata-rata trailing, atau di mana polanya terputus (akrual yang tumbuh linier selama sembilan bulan tiba-tiba turun setengah). AI tidak memutuskan akrual. AI menunjuk pada yang perlu dilihat oleh manusia. Itu adalah perluasan peninjau, bukan pengganti peninjau.

Draf dokumen penelusuran proses audit. Ambil catatan proses Anda yang ada, deskripsi kontrol, dan memo penelusuran proses tahun lalu. Minta model untuk membuat draf pertama penelusuran proses tahun ini dalam format yang disukai auditor. Controller mengedit untuk akurasi, menambahkan perubahan sejak tahun lalu, dan mengirimkan ke auditor. Beban halaman kosong dalam dokumentasi berkurang sekitar tujuh puluh persen.

Deteksi anomali transaksi. Pembayaran duplikat, jurnal akuntansi yang diposting pada akhir pekan, pola angka bulat, entri yang mengenai kombinasi GL yang tidak biasa, vendor yang tiba-tiba menerima pembayaran jauh lebih besar dari rata-rata trailing mereka. Ini adalah pencocokan pola dalam skala besar, yang memang keunggulan model-model ini. Sesuaikan tingkat false-positive, buat laporan pengecualian harian, dan proses sebelum penutupan.

Perhatikan apa yang sama di kelima hal ini: AI menghasilkan draf, manusia meninjau, dan tanda tangan manusia yang tercantum dalam kertas kerja.

Di Mana AI Gagal (daftar lampu merah)

Inilah alur kerja di mana mode kegagalannya bersifat diam, mahal, dan cenderung muncul saat audit. Saya tidak akan membiarkan AI dekat-dekat dengan hal ini tanpa kepengarangan manusia aktif di setiap langkah.

Penilaian tentang materialitas, ruang lingkup, dan estimasi manajemen. Apa yang material bagi laporan keuangan bergantung pada perspektif pengguna, faktor kualitatif, implikasi tren, dan panduan SEC yang tidak tertangkap dalam data pelatihan model mana pun dengan spesifisitas yang Anda butuhkan. Begitu pula dengan cadangan kerugian kredit, cadangan garansi, dan estimasi apa pun yang melibatkan melihat dunia dan membentuk pandangan. Model dapat meringkas metodologi. Model tidak dapat membela posisi.

Posisi akuntansi teknis. Pelingkupan pendapatan ASC 606 pada kontrak non-standar. Akuntansi modifikasi sewa ASC 842. Alokasi harga pembelian kombinasi bisnis. Model akan menghasilkan sesuatu yang terdengar benar dan terkadang memang benar. Tetapi ketika salah, ia salah dengan cara yang sulit dideteksi kecuali Anda sudah mengetahui jawabannya. Jika Anda sudah mengetahui jawabannya, Anda tidak membutuhkan model. Jika tidak, model menjadi penguat keyakinan pada posisi yang salah. Itulah mode kegagalan terburuk dalam akuntansi teknis.

Nuansa GAAP (kesenjangan antara aturan dan semangat aturan). Setengah dari akuntansi praktis adalah "aturan secara teknis mengizinkan X, tetapi auditor Anda akan berselisih, dan mereka akan benar." Kesenjangan itu ada dalam percakapan, surat komentar, perilaku rekan sejawat, dan selera risiko auditor spesifik Anda. Tidak ada satupun dari itu yang ada dalam data pelatihan.

Dokumentasi tinjauan audit. Kertas kerja yang membela posisi yang memerlukan penilaian membutuhkan tanda tangan manusia, penalaran manusia, dan jejak dokumen yang menunjukkan bahwa seseorang yang berkualifikasi benar-benar memikirkannya. Kutipan yang dikarang oleh AI dalam kertas kerja adalah temuan audit yang menunggu terjadi. Saya pernah melihat model menciptakan nomor paragraf ASC yang tidak ada, dengan keyakinan penuh. Bayangkan itu lolos tinjauan dan auditor menarik kutipan tersebut.

Polanya: apa pun yang memerlukan pembelaan posisi kepada auditor manusia yang skeptis harus dikarang oleh manusia. Gunakan model sebagai alat bantu penyusunan saja.

Alat-Alat, dengan Penilaian yang Jujur

Inilah cara saya memikirkan tumpukan alat aktual, dibagi dalam dua kelompok.

Asisten AI generik (Claude, ChatGPT, Gemini). Ini berguna untuk penyusunan memo, ringkasan interpretasi kebijakan, dokumen penelusuran proses, penulisan narasi persiapan dewan, dan "jelaskan komentar auditor ini kepada saya dalam bahasa sederhana." Mereka tidak terhubung ke GL Anda. Mereka tidak mengetahui kebijakan akuntansi Anda kecuali Anda menempelkannya. Claude cenderung lebih baik untuk dokumen keuangan yang panjang dan terstruktur serta dalam menolak membuat kutipan palsu ketika ditanya dengan hati-hati. Alat mana pun yang Anda pilih, jalankan semuanya melalui alat riset akuntansi teknis Anda yang sebenarnya (PwC Inform, EY Atlas, KPMG Accounting Research Online) untuk jawaban yang otoritatif. Asisten menyusun. Alat riset memutuskan. Anda yang menandatangani.

Platform penutupan dan rekonsiliasi (FloQast, BlackLine). Keduanya telah merilis fitur AI dalam delapan belas bulan terakhir. Pencocokan rekonsiliasi memang benar-benar berguna dan telah bekerja diam-diam di balik layar selama bertahun-tahun sebelum siapa pun menyebutnya AI. Fitur analitik flux terus berkembang. Fitur "auto-draft tugas penutupan Anda" masih biasa-biasa saja. Mereka cenderung menghasilkan tugas generik yang tidak mencerminkan ritme aktual tim Anda. Yang perlu diwaspadai: fitur apa pun yang secara otomatis memposting jurnal akuntansi berdasarkan saran AI. Di situlah saya akan mematikan auto-posting, menyimpan saran, dan mengarahkan ke tinjauan manusia hingga Anda telah menguji hasilnya selama minimal dua kuartal penuh. Vendor akan mengatakan model mereka sudah disetel dengan baik. Auditor Anda tidak akan peduli apa yang dikatakan vendor.

Pitch "platform serbaguna" dari ERP Anda. NetSuite, Sage Intacct, dan ERP yang lebih besar semuanya meluncurkan copilot AI. Perlakukan mereka dengan cara yang sama: berguna untuk menyusun, berbahaya untuk memposting. Baca dokumentasi tentang apa yang dilakukan setiap fitur di tingkat jurnal sebelum mengaktifkannya.

Jebakan "AI Salah Mengategorikan Itu"

Ini adalah mode kegagalan spesifik yang perlu dipahami setiap Controller secara mendalam, karena inilah yang berakhir dengan restatement.

Begini skenarionya. Anda mengaktifkan kategorisasi transaksi berbasis AI untuk tagihan vendor. Model memiliki akurasi 92%, yang terdengar bagus. Anda menjalankan sampel, sampel terlihat baik, Anda langsung gunakan. Selama tiga bulan berikutnya, 8% yang salah dikategorikan mencakup beberapa ratus entri yang mengenai pusat biaya yang salah, beberapa yang mendapat akun GL yang salah (beban operasional vs. dikapitalisasi vs. harga pokok pendapatan), dan sebagian kecil yang membalik tanda pada akrual.

Tidak ada dari ini secara individual yang memicu peringatan. Semuanya di bawah ambang batas materialitas. Lolos dari penutupan. Lolos dari penutupan berikutnya. Lolos dari penutupan setelah itu.

Kemudian audit terjadi. Auditor menarik sampel. Sampel mencakup salah satu entri yang salah dikategorikan. Auditor meminta dokumentasi pendukung. Dokumentasi pendukung mengatakan "dikategorikan AI, kepercayaan 92%." Auditor meminta tinjauan manusia. Tidak ada tinjauan manusia, karena ambang batas ditetapkan untuk auto-post di atas 90%.

Anda sekarang memiliki temuan kontrol. Kemungkinan kekurangan kontrol SOX. Kemungkinan restatement, tergantung pada agregasi. Sudah pasti menjadi minggu yang panjang.

Pelajarannya: skor kepercayaan bukan kontrol. "85% percaya diri" atau "92% percaya diri" menggambarkan kondisi internal model. Ini tidak menggambarkan apakah entri tersebut benar, dan ini tidak memberi Anda jejak audit yang dapat dipertahankan. Kontrol nyata memerlukan tinjauan manusia pada ambang batas yang dapat Anda pertahankan, pemisahan tugas, dan dokumentasi yang mencantumkan nama seseorang.

Pengaman Manusia-dalam-Lingkaran (hal yang tidak dapat dinegosiasikan)

Jika Anda tidak mengambil apa pun dari artikel ini, ambillah daftar ini. Inilah kontrol yang tidak akan saya gunakan AI dalam proses penutupan tanpanya.

  1. Ambang batas kepercayaan untuk auto-post adalah 100%, atau tidak ada auto-post sama sekali. Apa pun di bawah itu masuk ke antrean tinjauan. Pola "auto-post di atas 95%" adalah tempat jebakan itu berada.
  2. Pemisahan tugas seputar entri yang dihasilkan AI. Orang yang meninjau output AI tidak dapat menjadi orang yang mengonfigurasi prompt AI atau menyetel model. Auditor Anda akan menanyakan hal ini.
  3. Persyaratan jejak audit. Setiap entri, draf, atau saran yang dihasilkan AI membutuhkan catatan tercatat: prompt atau data input, model dan versi, stempel waktu, ID peninjau manusia, keputusan setujui/tolak/edit. Jika alat Anda tidak menghasilkan ini, Anda akan memiliki percakapan yang sulit dalam audit.
  4. Pengujian balik kuartalan. Tarik sampel entri yang dikategorikan AI dari kuartal sebelumnya. Minta akuntan senior untuk meninjaunya secara buta. Lacak tingkat akurasi aktual, diurai berdasarkan kategori. Jika tingkatnya menurun, setel ulang atau nonaktifkan fitur tersebut. Ini adalah padanan tinjauan tahunan manajemen atas akurasi estimasi.
  5. Kebijakan tertulis yang terdokumentasi. Alur kerja mana yang menggunakan AI, apa kontrolnya, siapa yang meninjau, apa ritme pengujian baliknya, siapa yang memiliki kebijakan tersebut. Auditor Anda akan meminta ini. Konsultan SOX Anda akan meminta ini. Jika Anda tidak memilikinya, Anda tidak memiliki lingkungan kontrol seputar AI. Anda hanya punya perasaan.

Ini bukan opsional, dan ini tidak memakan waktu lama. Pertama kali Anda melaluinya membutuhkan satu minggu. Setelah itu, ini hanya sebuah daftar periksa.

Rencana Adopsi AI 30 Hari Anda

Tahan keinginan untuk meluncurkan tiga hal sekaligus. Pola yang berhasil:

Minggu 1, pilih satu alur kerja dan ukur kondisi awal. Pilih alur kerja berisiko rendah dari daftar lampu hijau. Saya akan mulai dengan penyusunan komentar selisih atau kategorisasi tagihan vendor. Ukur waktu yang saat ini digunakan: berapa lama ini sebenarnya membutuhkan waktu hari ini, dalam jam per penutupan? Dokumentasikan proses saat ini. Anda tidak dapat mengukur penghematan jika Anda tidak mengukur titik awalnya.

Minggu 2, uji coba dengan proses paralel. AI menyusun, Controller juga melakukan pekerjaan dengan cara lama, kemudian membandingkan. Ya, ini lebih banyak pekerjaan di bulan pertama. Ya, ini satu-satunya cara untuk mengetahui apakah alat tersebut benar-benar akurat. Setelah proses paralel pertama, Anda akan memiliki bukti: tingkat akurasi aktual, waktu yang dihemat, pola kesalahan. Tanpanya, Anda mempercayai demo vendor, yang sama saja dengan tidak memiliki kontrol.

Minggu 3, tulis pengamannya. Tetapkan ambang batas kepercayaan. Tulis daftar periksa tinjauan. Tentukan pemisahan tugas. Dokumentasikan persyaratan jejak audit. Dapatkan persetujuan dari firma audit Anda jika Anda perusahaan publik, atau dari penasihat eksternal Anda jika swasta. Ini adalah minggu yang paling sering dilewati tim. Jangan lewati.

Minggu 4, peralihan produksi untuk satu alur kerja tersebut. Beralih dengan pengaman yang sudah terpasang. Lakukan penutupan berikutnya dengan kontrol penuh berjalan. Perhatikan tingkat pengecualian. Pilih kandidat alur kerja berikutnya hanya setelah yang ini telah berjalan bersih melalui satu siklus penutupan penuh.

Itu adalah satu kuartal untuk menambahkan tiga alur kerja dengan aman. Dibandingkan dengan rencana "mari kita langsung gunakan delapan hal dalam enam minggu" yang dipresentasikan konsultan kepada Anda, ini lambat. Dibandingkan dengan restatement, ini sangat cepat.

Opsional: Lensa Kerangka ACE

Bagi Controller yang ingin memikirkan AI secara sistemik daripada alat per alat, Kerangka ACE adalah overlay yang berguna. Kerangka ini memetakan kemampuan AI ke dalam lima lapisan: Ingest, Analyze, Predict, Generate, Execute.

Sebagian besar AI akuntansi saat ini berada di Generate (menyusun memo, dokumen penelusuran proses, narasi flux) dan Analyze (penandaan selisih, deteksi anomali, deviasi tren). Lapisan itulah tempat penghematan waktu nyata dan mode kegagalan yang dapat dipulihkan, karena manusia meninjau sebelum ada sesuatu yang menggerakkan uang atau masuk ke buku.

Lapisan Execute (auto-posting, auto-approving, auto-categorizing tanpa tinjauan) adalah tempat risiko regulasi dan audit berada. Di situlah keputusan model menjadi keputusan laporan keuangan tanpa manusia di antaranya. Sebagian besar kehati-hatian saya di atas adalah tentang batas itu. Jika Anda memetakan peluncuran AI Anda terhadap ACE, aturannya sederhana: naik lapis dari Ingest dan Analyze terlebih dahulu, masuki Generate dengan hati-hati, dan perlakukan Execute sebagai percakapan terpisah yang setara audit.

Penutup

AI tidak menggantikan penilaian Controller. AI mengubah apa yang penilaian Anda diterapkan padanya.

Pekerjaan rutin (mengategorikan tagihan, menyusun komentar flux, menulis versi pertama memo penelusuran proses) semakin didukung mesin. Jam yang Anda hemat di sana tidak menghilang. Jam itu mengalir ke pekerjaan yang tidak dapat disentuh AI: posisi akuntansi teknis, percakapan dengan auditor, kemitraan bisnis dengan operasional, desain kontrol, restatement yang sedang ditangani rekan Anda di perusahaan lain saat ini karena mereka tidak menetapkan batasan-batasan ini.

Controller yang menang dalam lima tahun ke depan bukan mereka yang menolak mengadopsi AI. Mereka bukan pula mereka yang mengadopsi semua yang dipresentasikan vendor. Mereka adalah mereka yang memilih alur kerja dengan cermat, membangun pengaman terlebih dahulu, dan menggunakan jam yang dipulihkan untuk pekerjaan yang benar-benar membutuhkan seorang CPA di kursinya.

Jangan biarkan demo vendor menentukan lingkungan kontrol Anda. Tentukan sendiri, tuliskan, dan biarkan alat melayani kontrol, bukan sebaliknya.

Pelajari Lebih Lanjut