AI di Sistem ERP: Apa yang Dilakukan AI Tertanam untuk Keuangan

Oleh Jane Ha · Diperbarui 11 Oktober 2026

AI di sistem ERP berarti fitur pembelajaran mesin dan AI generatif yang dibangun langsung ke dalam suite enterprise resource planning yang menyimpan buku besar, buku besar pembantu, dan persetujuan Anda, sehingga AI bekerja pada data transaksi Anda di tempat, bukan di alat terpisah. Di bidang keuangan, hal ini biasanya muncul dalam tiga bentuk: penanda pada transaksi yang tidak lazim, saran yang mempercepat pencocokan dan klasifikasi, serta asisten bergaya obrolan yang menjawab pertanyaan atau menyusun draf pekerjaan.

Panduan ini ditujukan bagi controller (kepala akuntansi), direktur keuangan, dan pemilik ERP yang diberi tahu bahwa "AI-nya sudah ada di dalam suite" dan perlu memutuskan apa yang diaktifkan, apa yang diabaikan, dan bagaimana menilainya. Panduan ini netral vendor. Untuk gambaran lebih luas tentang di mana AI cocok di seluruh fungsi, mulailah dari AI di bidang keuangan dan akuntansi.

Fakta Utama

• Dokumentasi Business Central dari Microsoft menjelaskan fitur Copilot yang memeriksa transaksi bank yang tidak berhasil dicocokkan oleh pencocokan otomatis standarnya, lalu mengusulkan lebih banyak kecocokan berdasarkan tanggal, jumlah, dan deskripsi. Tidak ada usulan kecocokan yang disimpan sebelum pengguna meninjaunya (Microsoft Learn).
• Dokumentasi yang sama mencantumkan batas operasional fitur tersebut, misalnya jumlah entri buku besar bank yang terbuka dalam rentang tanggal laporan tidak boleh melebihi sekitar 3.000 pada release wave 2 tahun 2025 dan sesudahnya (Microsoft Learn).
• Rencana rilis 2024 Microsoft yang diarsipkan untuk agen keuangannya menjelaskan bantuan rekonsiliasi di Excel yang dapat menyiapkan laporan rekonsiliasi dan butir tindakan yang terdokumentasi "untuk referensi dan audit di kemudian hari" (Microsoft Learn).
• NIST AI Risk Management Framework bersifat sukarela dan tersusun di sekitar empat fungsi: Govern, Map, Measure, dan Manage (NIST).

Apa Arti "Tertanam" yang Sebenarnya

Ada tiga cara AI sampai ke ERP tim keuangan, dan masing-masing membawa risiko yang berbeda.

1. Dibangun ke dalam suite. Vendor mengirimkan fitur itu di dalam produk. Fitur ini membaca catatan buku besar, vendor (pemasok), dan pelanggan yang sama dengan yang sudah Anda kelola, dan biasanya tampil sebagai tombol, kolom saran, atau asisten panel samping.
2. Ditambahkan lewat aplikasi mitra atau marketplace. Pihak ketiga terhubung ke ERP melalui API-nya. Data keluar dari suite, dan kontrak serta tinjauan keamanannya terpisah dari perjanjian ERP Anda.
3. Dibangun oleh tim Anda sendiri. Anda memanggil model dari skrip atau lapisan integrasi Anda sendiri. Anda mengendalikan semuanya, dan Anda memiliki seluruhnya.

Artikel ini berfokus pada jenis pertama, karena inilah yang cenderung datang tiba-tiba lewat catatan rilis.

Satu peringatan soal penamaan. Nama fitur, pengemasan, dan ketersediaan di suite ERP berubah dari rilis ke rilis. Kemampuan yang disebut satu nama tahun ini bisa diganti namanya, dilebur ke produk lain, atau dihentikan tahun depan. Evaluasi kemampuannya, bukan nama merek di menu.

Apa yang Dilakukan AI Tertanam di Keuangan, menurut Fungsi

Sebagian besar fitur tertanam jatuh ke dalam beberapa jenis kemampuan. Berikut wujud masing-masing dalam praktik.

Pencocokan dan rekonsiliasi

Ini penggunaan yang paling matang. Pencocokan berbasis aturan klasik menangani item yang mudah, dan AI mengambil sisanya. Dokumentasi Business Central dari Microsoft memberi contoh yang jelas: pencocokan otomatis berjalan lebih dulu, lalu Copilot memeriksa transaksi yang tidak dapat dicocokkan dan mengusulkan lebih banyak kecocokan memakai tanggal, jumlah, dan deskripsi. Dokumentasi itu menggambarkan pelanggan yang membayar beberapa faktur sekaligus dalam satu jumlah yang dicocokkan dengan beberapa entri buku besar. Untuk baris yang tidak cocok dengan apa pun, fitur ini membandingkan deskripsi bank dengan nama akun dan menyarankan akun yang paling mungkin untuk diposting, dengan "Fuel Stop 24" yang dipetakan ke akun transportasi sebagai contohnya (Microsoft Learn).

Perhatikan rancangannya: usulan dulu, penyimpanan kemudian, dan pengguna dapat menghapus baris mana pun atau membuang semuanya. Itulah pola yang perlu dicari di suite mana pun. Untuk sudut pandang sisi keuangan atas tugas yang sama, lihat rekonsiliasi bank dengan AI.

Penanda anomali

Deteksi anomali membandingkan transaksi atau saldo dengan baseline (garis dasar) dan mengangkat penanda ketika ada yang tidak lazim. Di ERP, sasaran yang umum adalah:

• Faktur vendor ganda atau nyaris ganda
• Jumlah pembayaran atau detail rekening bank yang berbeda dari riwayat vendor
• Entri jurnal yang diposting pada waktu janggal, oleh pengguna yang tidak biasa, atau tepat di bawah batas persetujuan
• Klaim biaya yang melanggar pola seseorang atau suatu kategori
• Ayunan mendadak pada akun neraca antarperiode

Penanda anomali bukanlah temuan. Ia adalah alasan berprioritas untuk memeriksa. Nilainya bergantung pada berapa banyak penanda yang nyata, itulah sebabnya masa uji coba harus menghitung positif palsu, bukan hanya yang tepat sasaran. AI di utang usaha membahas sisi fakturnya.

Pengambilan dokumen dan usulan pemostingan

Fitur dokumen tertanam membaca faktur, struk, atau kontrak dan mengisi kolom: vendor, tanggal, jumlah, pajak, pengodean. Sebagian lalu menyarankan akun buku besar atau pusat biaya berdasarkan pemostingan sebelumnya. Akurasinya biasanya tinggi pada dokumen yang bersih dan familier, lalu turun pada tata letak yang tidak biasa, hasil pindai, dan vendor satu kali. Kualitas pengambilan data menentukan batas atas untuk semua yang ada di hilirnya.

Tutup buku dan kas prediktif

"Tutup buku prediktif" adalah istilah yang longgar. Dalam praktik, artinya model yang memperkirakan kapan tugas tutup buku selesai, menandai rekonsiliasi atau akrual yang kemungkinan terlambat, dan memproyeksikan di mana saldo akan mendarat sebelum periode berakhir. Fitur prakiraan terkait memperkirakan penerimaan kas dari perilaku pembayaran pelanggan atau memproyeksikan belanja dari komitmen yang terbuka. Kualitasnya hanya sebaik riwayat di baliknya. Bisnis dengan riwayat pendek atau berubah-ubah, seperti akuisisi baru-baru ini atau lini produk baru, akan mendapat prakiraan yang lebih lemah. Untuk sudut pandang prosesnya, lihat AI dan tutup buku akhir bulan.

Asisten dan draf yang dihasilkan

Asisten adalah fitur yang paling terlihat dan yang kualitasnya paling beragam. Tugas khasnya:

• Menjawab pertanyaan tentang data dalam bahasa alami ("berapa biaya perjalanan per departemen kuartal lalu?")
• Menyusun draf penjelasan varians, email penagihan, atau deskripsi jurnal
• Meringkas riwayat pembayaran pelanggan sebelum menelepon
• Memandu pengguna melalui suatu proses langkah demi langkah

Rencana rilis Microsoft yang diarsipkan untuk agen keuangannya menjelaskan pekerjaan semacam ini di area penagihan dan analisis varians: bantuan menyusun email dan menyimpan ringkasan komunikasi, ditambah analisis varians di tabel pivot tempat pengguna menetapkan kriteria dalam bahasa alami (Microsoft Learn). Halaman itu sudah diarsipkan dan tidak lagi diperbarui, yang dengan sendirinya mengingatkan betapa cepatnya produk-produk ini bergerak. Penyusunan draf berisiko rendah ketika seseorang menyunting teksnya. Risikonya lebih tinggi ketika angka dari asisten langsung masuk ke laporan.

Tabel Ringkasan: Jenis Kemampuan Tertanam

Cara Mengevaluasi AI Tertanam Sebelum Diaktifkan

Perlakukan fitur tertanam baru seperti perubahan lain pada proses keuangan. Berikut urutan yang cocok untuk tim berukuran apa pun.

1. Tentukan masalahnya lebih dulu. Pilih satu titik nyeri, seperti baris bank yang belum cocok, faktur ganda, atau komentar analisis fluktuasi (flux) yang terlambat. Fitur tanpa sasaran akan dipakai oleh siapa pun yang penasaran dan tidak diukur oleh siapa pun.
2. Baca dokumentasi vendor sendiri untuk fitur itu. Cari apa yang dilakukan dan tidak dilakukannya, data apa yang dibacanya, wilayah dan bahasa apa yang didukungnya, batas yang dinyatakannya, prasyaratnya, dan apakah fitur itu berlabel pratinjau. Halaman Microsoft di atas, misalnya, mencantumkan catatan dukungan bahasa dan batas volume. Batas seperti ini menentukan apakah fitur itu cocok dengan volume Anda.
3. Periksa data yang menjadi sandarannya. Pencocokan membutuhkan deskripsi yang bersih, penanda anomali membutuhkan riwayat, dan prakiraan membutuhkan periode yang konsisten. Jika data induk vendor Anda penuh duplikat, perbaiki itu sebelum menilai AI-nya. Kesiapan data keuangan untuk AI menguraikan pemeriksaannya.
4. Jalankan di sandbox atau secara paralel. Gunakan lingkungan uji, atau jalankan proses lama berdampingan dengan yang baru selama dua atau tiga siklus. Bandingkan baris demi baris.
5. Ukur terhadap baseline. Sebelum mulai, catat berapa lama tugas berlangsung, tingkat kesalahan, dan jumlah pengecualian. Setelah uji coba, catat angka yang sama, ditambah positif palsu dan seberapa sering peninjau menimpa keputusan AI.
6. Pastikan kontrol manusianya. Cari tahu di mana seseorang menyetujui, apa yang mereka lihat, dan apakah fitur dapat memposting tanpa persetujuan. Matikan pengaturan posting otomatis selama uji coba.
7. Tanyakan ke mana data pergi dan siapa yang dapat melihatnya. Tertanam tidak otomatis berarti tetap berada di tenant Anda. Cari tahu apa yang dikirim ke model, di mana diproses, bagaimana dicatat, dan apakah dipakai untuk melatih sesuatu. Keamanan data keuangan untuk AI mencantumkan pertanyaannya.
8. Tinjau dampak kontrol. Langkah otomatis baru mengubah rancangan kontrol, jejak bukti, dan mungkin pemisahan tugas Anda. Libatkan pimpinan SOX atau audit internal sejak awal.
9. Putuskan, dokumentasikan, dan tetapkan tanggal tinjauan. Catat mengapa Anda mengadopsi atau menolak fitur itu, siapa pemiliknya, dan kapan Anda akan memeriksanya lagi. Karena rilis mengubah perilaku, uji ulang setelah pembaruan yang material.

Pertanyaan untuk Diajukan kepada Vendor

Baik itu vendor ERP Anda maupun mitra, pertanyaannya sama.

• Bisakah kami melihat mengapa suatu penanda diangkat atau suatu kecocokan diusulkan? (Ini penting untuk AI yang dapat dijelaskan di bidang keuangan.)
• Pengaturan mana yang memungkinkan kami mewajibkan persetujuan sebelum apa pun diposting?
• Bagaimana perubahan model atau fitur diumumkan, dan bisakah kami menundanya?
• Log apa yang tersedia untuk masukan, keluaran, dan penimpaan oleh pengguna?
• Apa yang terjadi pada data kami, dan bisakah kami menolak pemakaian di luar pemrosesan kami sendiri?
• Apa batas volume, bahasa, dan wilayah yang terdokumentasi?
• Jika kami meninggalkan suite, apa yang terjadi pada aturan, pemetaan, dan riwayat yang telah kami latihkan ke dalamnya?

Kerangka seperti milik NIST dapat memberi struktur pada tinjauan. AI Risk Management Framework bersifat sukarela, dan fungsi Govern, Map, Measure, dan Manage-nya selaras dengan kepemilikan, konteks, pengujian, dan pemantauan berkelanjutan atas fitur AI keuangan (NIST).

Kesalahan Umum

• Mengaktifkan semua fitur sekaligus. Anda tidak bisa tahu apa yang membantu atau apa yang rusak. Aktifkan satu kemampuan pada satu waktu.
• Menilai dari demo. Demo memakai data bersih. Data Anda punya variasi nama vendor selama satu dekade dan akun yang setengah terkodekan.
• Menghitung yang tepat sasaran dan mengabaikan gangguan. Alat anomali yang mengangkat 400 penanda untuk menemukan lima masalah mungkin memakan lebih banyak waktu analis daripada yang dihemat.
• Membiarkan posting otomatis menyala secara bawaan. Pengaturan awal yang paling aman adalah usulkan-dan-tinjau. Beralihlah ke otomatis hanya untuk kategori dengan rekam jejak terbukti.
• Mengira vendor sudah menangani akurasi. Vendor membangun fiturnya. Anda yang memiliki cara pemakaiannya di pembukuan Anda.
• Mengabaikan irama rilis. Pembaruan ERP cloud datang menurut jadwal yang tidak Anda tentukan. Perilaku dapat berubah antarsiklus, jadi pertahankan rutinitas uji.
• Melupakan manusianya. Peninjau yang tidak memercayai keluaran akan mengerjakan ulang secara manual, dan peninjau yang terlalu memercayainya akan berhenti memeriksa. Latih untuk keduanya.
• Menganggap AI tertanam sebagai strategi. Daftar fitur bukan rencana. Masukkan ke dalam peta jalan untuk fungsi keuangan.

Titik Awal yang Sederhana

Jika Anda tidak mengerjakan hal lain kuartal ini, pilih satu tugas tempat tim Anda menghabiskan waktu paling banyak untuk pencocokan atau pemeriksaan berulang, seperti rekonsiliasi bank atau peninjauan faktur. Baca dokumentasi vendor untuk fitur pencocokan di suite Anda, jalankan di lingkungan uji selama dua siklus dengan usulan diatur agar memerlukan persetujuan, lalu hitung saran yang diterima, penimpaan, dan positif palsu. Jika angkanya mengalahkan baseline Anda, perluas dengan hati-hati. Jika tidak, Anda hanya menghabiskan beberapa hari, bukan satu kuartal.