Bagaimana AI Mengubah Peran Tim Keuangan: Dari Pemrosesan ke Business Partnering

Oleh Jane Ha · Diperbarui 11 Oktober 2026

AI mengubah peran tim keuangan dengan mengambil alih pekerjaan berulang yang berbasis aturan (mengodekan faktur, mencocokkan transaksi, menyusun laporan draf pertama) sehingga orang dapat menghabiskan lebih banyak waktu untuk meninjau output, menganalisis hasil, dan memberi masukan kepada bisnis. Pekerjaan-pekerjaan itu tidak lenyap menurut jadwal tertentu. Yang bergeser adalah komposisi di dalam setiap pekerjaan: dari menghasilkan angka menjadi memeriksanya, menjelaskannya, dan bertindak berdasarkan angka tersebut.

Panduan ini ditujukan bagi CFO, controller (kepala akuntansi), direktur keuangan, dan manajer keuangan yang perlu merencanakan jumlah karyawan, perekrutan, dan pelatihan selagi alat-alat di bawah mereka terus berubah. Isinya mencakup apa yang ditunjukkan bukti tenaga kerja, pandangan per peran tentang apa yang berpindah, keterampilan yang makin bernilai, dan urutan praktis untuk reskilling. Untuk sisi teknologinya, lihat AI di bidang keuangan dan kasus penggunaan AI di keuangan yang konkret.

Fakta Utama

• Biro Statistik Tenaga Kerja AS (BLS) memproyeksikan lapangan kerja akuntan dan auditor tumbuh 5% dari 2025 hingga 2035, dan menyatakan bahwa AI dan otomatisasi dapat mengambil alih sebagian tugas rutin sambil membuat pekerjaan penasihat dan analitis lebih menonjol, tanpa mengurangi permintaan secara keseluruhan (BLS Occupational Outlook Handbook: Accountants and Auditors).
• Sumber yang sama memproyeksikan petugas pembukuan, akuntansi, dan audit turun 6% pada 2025 hingga 2035, dengan catatan bahwa perangkat lunak telah mengotomatiskan banyak tugas mereka (BLS: Bookkeeping, Accounting, and Auditing Clerks).
• Dalam survei CFO Signals Q4 2025 dari Deloitte terhadap 200 CFO di perusahaan Amerika Utara dengan pendapatan minimal $1 miliar, 49% menyebut otomatisasi proses untuk membebaskan karyawan bagi pekerjaan bernilai lebih tinggi sebagai prioritas utama talenta keuangan untuk 2026 (Deloitte CFO Signals).
• Dalam survei terhadap 1.446 pemimpin keuangan senior dari AICPA dan CIMA, yang dilaksanakan pada Agustus hingga September 2025, 56% menyebut AI generatif sebagai kesenjangan keterampilan yang paling menonjol dan 32% menyebut business partnering (survei Future-Ready Finance dari AICPA & CIMA).
• ACCA dan CA ANZ mensurvei 1.600 profesional keuangan pada 2026: 72% melaporkan hanya memiliki keterampilan GenAI dasar atau tidak sama sekali, dan 93% khawatir tentang integritas dan keterverifikasian wawasan yang dihasilkan AI (ACCA dan CA ANZ, Enabling finance insight).

Apa yang Sebenarnya Berubah

Pekerjaan keuangan selalu punya dua lapisan. Yang pertama adalah produksi: mencatat transaksi, merekonsiliasi akun, menutup buku, menyusun laporan. Yang kedua adalah penilaian: memutuskan apa arti angka-angka itu, apa yang harus dilakukan terhadapnya, dan apakah angka itu bisa dipercaya. Selama puluhan tahun, sebagian besar jam kerja tim keuangan tersedot ke lapisan pertama, dan lapisan kedua mendapat sisa waktu yang ada.

AI, dan alat otomatisasi yang lebih lama seperti RPA, menyerang lapisan pertama. Pembelajaran mesin membaca faktur dan mencocokkannya dengan pesanan pembelian. AI generatif menyusun komentar varians dari buku besar. Agen dapat mengejar persetujuan dan menyiapkan entri jurnal, seperti dijelaskan dalam agen AI untuk keuangan. Ketika lapisan produksi menjadi lebih murah, lapisan kedua menjadi kontribusi utama tim.

Itu tidak berarti tim keuangan beranggotakan sepuluh orang menjadi tiga orang. Temuan Deloitte berbicara tentang niat: para CFO mengatakan mereka ingin otomatisasi membebaskan orang untuk pekerjaan bernilai lebih tinggi. Apakah waktu itu dialihkan atau biayanya sekadar dipangkas, itu adalah pilihan manajemen.

Apa yang Ditunjukkan Bukti Tenaga Kerja

Prospek pemerintah: komposisinya bergeser, bukan seluruh profesinya

BLS Occupational Outlook Handbook adalah sumber data publik yang paling bersih karena melaporkan setiap pekerjaan secara terpisah. Setiap angka di bawah berasal dari halaman pekerjaan masing-masing, jadi jangan membacanya lintas baris seolah satu populasi.

Bacalah polanya dengan cermat. Pekerjaan yang paling dekat dengan pemrosesan transaksi murni adalah yang diproyeksikan menyusut. Pekerjaan yang dibangun di sekitar analisis dan penilaian diproyeksikan tumbuh. Dan peran yang tidak menyusut diperkirakan berubah isinya, bukan hanya alatnya.

Satu catatan dalam memakai data ini. Ini adalah proyeksi untuk pasar tenaga kerja AS, dan menggambarkan jumlah pekerjaan, bukan apa yang terjadi di dalam satu perusahaan. Penurunan 6% pada 1,5 juta pekerjaan petugas tetap bisa disertai sekitar 144.100 lowongan per tahun, menurut halaman BLS yang sama, semuanya berasal dari pekerja yang pindah ke pekerjaan lain atau keluar dari angkatan kerja. Rencana Anda sendiri sebaiknya dibangun di atas data proses Anda sendiri.

Prioritas CFO: otomatisasi adalah keputusan talenta

Survei Q4 2025 dari Deloitte menempatkan otomatisasi di puncak prioritas talenta keuangan untuk 2026, dengan 49% CFO menyebutnya. Survei yang sama menemukan 87% CFO memperkirakan AI akan sangat penting atau penting dalam operasi keuangan pada 2026, dan 54% mencantumkan integrasi agen AI ke keuangan di antara prioritas transformasi utama mereka. Ketika orang yang menetapkan anggaran jumlah karyawan mengatakan tujuan otomatisasi adalah pekerjaan bernilai lebih tinggi, peran yang tersisa harus dirancang untuk mewujudkannya.

Badan profesi: kesenjangan keterampilan adalah hambatan utama

Survei AICPA dan CIMA terhadap 1.446 pemimpin keuangan senior melaporkan bahwa 88% memandang AI sebagai tren teknologi paling transformatif bagi akuntansi dan keuangan dalam 12 hingga 24 bulan ke depan, namun hanya 8% yang menyatakan organisasinya sangat siap. AI generatif adalah kesenjangan keterampilan yang paling menonjol dengan 56%, diikuti data dan analitik (36%), komunikasi, memengaruhi, dan berpikir kritis (33%), serta business partnering (32%). Pelatihan sambil bekerja dinilai sebagai cara paling efektif untuk menutup kesenjangan oleh 61% responden.

Laporan ACCA dan CA ANZ tahun 2026, berdasarkan 1.600 profesional keuangan, memperkuat gambaran itu dari sisi staf: 72% hanya memiliki keterampilan GenAI dasar atau tidak sama sekali, 41% mencari pelatihan di waktu mereka sendiri, dan 93% mengkhawatirkan integritas dan keterverifikasian wawasan yang dihasilkan AI. Daftar hambatannya layak selalu ada di depan tim Anda: masalah kualitas data (42%), kurangnya keterampilan yang sesuai (42%), dan sulitnya mengintegrasikan banyak sumber data (40%). CEO ACCA menggambarkan pergeserannya sebagai tim keuangan yang berevolusi dari mesin pelaporan retrospektif menjadi penggerak strategis wawasan di seluruh perusahaan.

Pekerjaan tingkat pemula: pertanyaan yang masih terbuka

Dampak yang paling banyak diperdebatkan adalah pada staf junior, yang selama ini belajar profesi ini dengan mengerjakan pemrosesan. ICAEW melaporkan bahwa Big Four mengurangi perekrutan junior dalam dua tahun terakhir, dengan anggapan bahwa AI ikut disalahkan, tetapi kini keempatnya berencana merekrut setidaknya 1.000 orang junior tahun ini, dengan EY memperkirakan 1.600. Seorang perekrut yang dikutip dalam tulisan yang sama mengatakan profesional di awal karier kini lebih sedikit menghabiskan waktu untuk entri data dan lebih banyak untuk meninjau output, dan bahwa pemberi kerja semakin menilai kemampuan beradaptasi dan kenyamanan dengan teknologi (ICAEW). Anggaplah itu sebagai sinyal, bukan data yang sudah final. Yang jelas adalah masalah desainnya: jika staf junior tidak lagi belajar dengan mengetik entri, Anda memerlukan cara lain untuk mengajari mereka bagaimana angka-angka itu dibangun.

Peran demi Peran: Hari Ini Versus dengan AI

Tabel di bawah ini adalah pandangan perencanaan, bukan ramalan untuk satu perusahaan tertentu. Tabel ini menunjukkan di mana lapisan produksi menyusut dan apa yang diharapkan dikerjakan orang sebagai gantinya.

Dua pola menonjol. Pertama, tinjauan menjadi kompetensi inti di setiap level. Orang yang bisa menemukan satu akrual yang salah di antara lautan akrual yang benar lebih berharga daripada orang yang bisa menyiapkan seratus akrual. Kedua, peran business partner tidak lagi menjadi kemewahan. Ketika produksi menjadi lebih murah, batas nilai keuangan adalah seberapa baik ia membantu manajer mengambil keputusan, dan itulah arti kemitraan.

Keterampilan yang Makin Bernilai

Survei-survei menunjuk pada daftar yang singkat.

Penilaian dan tinjauan. Output AI itu fasih dan kadang salah. Orang yang menangkap kesalahan perlu memahami akuntansi dasarnya, asal-usul data, dan kontrolnya. Inilah makna praktis human-in-the-loop (manusia dalam proses) di fungsi keuangan: peninjau yang ditunjuk, pemeriksaan yang jelas, dan wewenang untuk menolak.

Kefasihan data. Tidak setiap akuntan perlu menulis kode. Namun mereka perlu tahu dari mana data berasal, mengapa suatu kolom kosong, dan apa yang tidak bisa dilihat model. Jika fondasi data Anda lemah, mulailah dari kesiapan data keuangan untuk AI, karena AI memperbesar data yang buruk lebih cepat daripada manusia.

Literasi AI generatif. Kesenjangan GenAI sebesar 56% dalam survei AICPA dan CIMA adalah butir tunggal terbesar. Literasi di sini berarti tahu apa yang harus ditanyakan, bagaimana memverifikasi jawabannya, dan data mana yang tidak boleh masuk ke alat yang belum disetujui. Argumen keterampilan yang lebih luas dibahas dalam literasi AI: keterampilan baru di tempat kerja.

Komunikasi dan pengaruh. Analisis yang tidak ditindaklanjuti siapa pun tidak bernilai. Kesenjangan 33% dan 32% untuk komunikasi dan business partnering menunjukkan banyak tim paham angkanya tetapi kesulitan mengubah keputusan dengan angka tersebut.

Pola pikir proses dan kontrol. Seseorang harus memutuskan apa yang dilakukan proses otomatis saat menemui pengecualian, dan membuktikannya kepada auditor. Orang keuangan yang memahami alur kerja sekaligus tujuan kontrolnya menjadi perancang proses yang baru.

Cara Melatih Ulang Tim Keuangan, Langkah demi Langkah

1. Petakan jam kerja Anda saat ini. Minta setiap tim memperkirakan berapa banyak waktu untuk pemrosesan, peninjauan, analisis, dan penasihatan. Kebanyakan tim mendapati porsi penasihatan kecil. Itulah baseline Anda.
2. Pilih proses yang diotomatiskan lebih dulu. Mulailah dari yang volumenya tinggi dan aturannya jelas, seperti pengambilan data faktur atau rekonsiliasi bank. Panduan kasus penggunaan membantu Anda menyusun daftar pendek.
3. Tentukan ke mana waktu yang dibebaskan akan dialihkan sebelum Anda mengotomatiskan. Tuliskan targetnya: tutup buku lebih cepat, lebih banyak siklus prakiraan, lebih banyak waktu bersama pemilik anggaran. Jika Anda tidak mengalokasikan kapasitasnya, ia akan terserap oleh permintaan ad hoc baru atau dipangkas tanpa rencana.
4. Rancang ulang peran, bukan hanya tugas. Perbarui uraian jabatan agar peninjauan, penanganan pengecualian, dan kemitraan menjadi tugas yang eksplisit. Ubah kriteria kinerja agar sesuai.
5. Latih sambil bekerja. Dalam survei AICPA dan CIMA, 61% menilai pelatihan sambil bekerja sebagai pendekatan paling efektif. Padukan proses pilot dengan rencana belajar singkat: berlatih memverifikasi output dari alat yang sebenarnya, memakai berkas yang nyata.
6. Bangun ulang jalur karier junior. Jika staf tingkat pemula tidak lagi belajar lewat pemrosesan manual, buat rotasi terstruktur, latihan meninjau dan menjelaskan, serta pendampingan bersama controller atau pemimpin FP&A agar mereka tetap membangun fondasi.
7. Tetapkan aturan tinjauan dan kepemilikan. Untuk setiap langkah yang dibantu AI, tunjuk siapa yang meninjau, apa yang diperiksa, dan apa yang terjadi bila mereka tidak setuju dengan sistem. Pertahankan jejak audit.
8. Berkomunikasilah secara terbuka. Sampaikan kepada tim tugas mana yang berubah, apa rencana untuk waktu yang dihemat, dan bagaimana peran akan berkembang. Diam terbaca sebagai rencana PHK.
9. Ukur kedua sisinya. Lacak waktu siklus dan tingkat kesalahan, tetapi juga porsi waktu tim untuk analisis dan kemitraan, serta kepuasan pemilik anggaran. Jika kelompok kedua tidak bergerak, kapasitasnya pergi ke tempat yang tidak membantu.

Jebakan yang Perlu Dihindari

Memangkas sebelum mengalihkan. Mengurangi jumlah karyawan begitu alat aktif menyingkirkan orang-orang yang paling mampu meninjaunya. Tunggu sampai proses berjalan bersih dengan tingkat kesalahan yang terukur.

Memperlakukan tinjauan sebagai stempel. Jika peninjau menyetujui ratusan item yang disiapkan AI per hari tanpa melihatnya, kontrol itu hanya ada di atas kertas. Ambil sampel dengan sengaja, lacak koreksi, dan rotasikan peninjau.

Mengosongkan bangku junior. Otomatiskan semua pekerjaan tingkat pemula tanpa jalur belajar pengganti, dan lima tahun lagi Anda kekurangan controller masa depan.

Merekrut untuk uraian jabatan yang lama. Jika calon karyawan baru disaring berdasarkan kecepatan entri data atau pemformatan Excel, Anda mengoptimalkan pekerjaan yang kini dikerjakan oleh alat.

Mengabaikan kepercayaan. Dengan 93% profesional yang disurvei mengkhawatirkan integritas wawasan yang dihasilkan AI, tim yang tidak memercayai output akan diam-diam mengerjakannya ulang secara manual dan menghapus penghematannya. Tunjukkan bagaimana output diperiksa dan dari mana asalnya.

Langkah Selanjutnya

Mulailah dengan pemetaan jam kerja di langkah pertama. Itu hanya memakan satu sore, dan hasilnya memberi tahu apakah tim Anda saat ini lebih banyak memproduksi atau lebih banyak menasihati. Lalu pilih satu proses untuk diotomatiskan dan satu keterampilan untuk dibangun bersamanya. Jika proses pertama itu adalah persetujuan rutin yang tersangkut di email, alat alur kerja seperti layanan persetujuan Rework (alur berurutan, paralel, atau bersyarat) dapat mengemban tugas itu, sementara tinjauan dan penilaian tetap di tangan orang Anda. Untuk sisi teknologi dan kasus penggunaan, baca AI di bidang keuangan, dan untuk alat penyusunan draf khusus akuntansi lihat AI generatif di akuntansi.