Bahasa Indonesia
AI Generatif di Bidang Akuntansi: Penggunaan Praktis dan Batas Akurasinya
Turn this article into takeaways for your work.
Each assistant summarizes the article only for you and suggests best practices for your work.
AI generatif di akuntansi berarti memakai model bahasa untuk menyusun dan merangkum pekerjaan akuntansi yang sarat teks (memo teknis, riset kebijakan, komentar varians, bantuan rumus, dokumentasi) sementara orang yang berkualifikasi memverifikasi setiap angka, kutipan, dan kesimpulan sebelum dipakai. Model menulis dengan lancar dan cepat. Mereka tidak menghitung dengan andal, tidak mengenal buku besar Anda, dan dapat menyebut standar yang salah dengan keyakinan penuh. Jadi pertanyaan yang berguna bukanlah "bisakah ia mengerjakan tugas ini?" melainkan "pemeriksaan apa yang dibutuhkan keluarannya?"
Panduan ini ditujukan bagi CFO, controller (kepala akuntansi), direktur keuangan, dan manajer akuntansi. Panduan ini mencakup tugas-tugas di mana AI generatif terbukti bermanfaat, tabel tugas, kesesuaian, dan pemeriksaan yang diperlukan, urutan penerapan, serta mode kegagalan yang penting dalam profesi di mana angka diaudit. Untuk gambaran yang lebih luas tentang AI di seluruh fungsi, mulailah dari AI di bidang keuangan.
Fakta Utama
- Panduan AI generatif ICAEW menyatakan model dapat "mengarang kutipan dan referensi" dan "bertentangan dengan dirinya sendiri ketika ditantang," serta memperingatkan bahwa orang rentan terhadap bias otomatisasi, yaitu terlalu bergantung pada keluaran teknologi (ICAEW, Generative AI guide: risks and limitations).
- AICPA menyatakan tugas inti berupa kompetensi, kehati-hatian profesional, kerahasiaan, dan independensi tetap berlaku ketika AI dipakai, dan bahwa tanggung jawab atas produk kerja akhir tetap berada pada profesional, baik alatnya dibangun sendiri maupun oleh pihak ketiga (Journal of Accountancy, AICPA Professional Ethics Division, Agustus 2026).
- Dalam penjangkauan staf PCAOB kepada kantor audit yang lebih besar (Juli 2024), kantor-kantor itu menjelaskan memakai AI generatif terutama untuk pekerjaan administratif dan riset, seperti draf awal memo dan riset atas panduan akuntansi dan audit internal, serta menyatakan bahwa tinjauan manusia atas keluarannya tetap esensial (PCAOB staff Spotlight, Juli 2024).
- Dalam studi 2025 terhadap GPT-4o, o1, DeepSeek-V3, dan DeepSeek-R1 pada soal aritmetika, aljabar, dan teori bilangan, kesalahan prosedural adalah jenis kesalahan yang paling sering, dan akurasinya berbeda tajam antarmodel (Mathematical Computation and Reasoning Errors by Large Language Models, arXiv).
Apa yang Dikuasai AI Generatif di Akuntansi, dan Apa yang Tidak
AI generatif memprediksi teks yang mungkin. Itu kekuatan untuk pekerjaan yang sebagian besar berupa bahasa: merangkum sewa sepanjang 40 halaman, menyatakan ulang sebuah kebijakan dalam bahasa sederhana, menyusun draf pertama memo dari poin-poin Anda. Itu kelemahan untuk pekerjaan yang harus tepat: sebuah jumlah, sebuah tarif, sebuah rujukan paragraf, sebuah ambang batas.
Tiga batasan mendorong hampir semua kontrol dalam artikel ini.
Ia mengarang. Perilaku ini disebut halusinasi AI. Laporan staf PCAOB mencatat bahwa kantor audit menyadari keluaran generatif bisa salah atau menyesatkan, atau miring dan bias, dan beberapa kantor sedang membangun alat yang mendokumentasikan data sumber yang dipakai agar peninjau dapat menelusurinya. Kutipan yang terdengar meyakinkan ke paragraf standar yang tidak ada adalah versi klasik di akuntansi.
Ia tidak andal dalam aritmetika. Model bahasa tidak menjalankan kalkulator kecuali Anda memberinya satu. Studi arXiv di atas menemukan bahwa kesalahan prosedural adalah yang paling umum di semua model yang diuji. Model berfokus penalaran dalam studi itu bekerja jauh lebih baik daripada yang lain, jadi kesenjangannya menyempit, tetapi "lebih baik" bukan berarti "setara buku besar." Apa pun yang dihitung model harus dihitung ulang di spreadsheet atau sistem Anda.
Ia tidak mengenal fakta Anda. Kecuali Anda menyediakan neraca saldo, kontrak, atau kebijakannya, model mengisi celah dengan asumsi generik. Membumikannya pada dokumen Anda, misalnya lewat retrieval-augmented generation, mengurangi hal ini tetapi tidak menghilangkannya.
Tugas demi Tugas: Kesesuaian dan Pemeriksaan yang Diperlukan
Tabel ini adalah inti kerja artikel ini. "Kesesuaian" adalah penilaian tentang risiko, bukan janji kualitas: ia mencerminkan seberapa besar kerusakan yang bisa ditimbulkan kesalahan yang tak terdeteksi dan seberapa mudah keluaran itu diverifikasi.
| Tugas | Kesesuaian | Apa yang dilakukan AI | Pemeriksaan yang diperlukan sebelum dipakai |
|---|---|---|---|
| Memo akuntansi teknis, draf pertama | Baik dengan tinjauan | Menyusun struktur memo dari fakta dan kesimpulan Anda, menulis draf latar belakang dan analisis | Peninjau teknis mengonfirmasi setiap kutipan standar terhadap sumbernya, dan memastikan kesimpulannya milik Anda, bukan milik model |
| Riset kebijakan dan standar | Hanya sebagai titik awal | Merangkum sebuah standar, menyarankan di mana mencari, mendaftar pertanyaan yang perlu dipertimbangkan | Baca sendiri standar primernya. Perlakukan kutipan atau rujukan paragraf apa pun sebagai belum terverifikasi sampai ditemukan di sumbernya |
| Komentar varians | Baik dengan tinjauan | Mengubah tabel varians dan catatan pendorong Anda menjadi narasi yang enak dibaca | Penyusun mencocokkan setiap angka dalam teks dengan jadwal, dan mengonfirmasi setiap penyebab yang disebut dengan pemilik anggaran |
| Dukungan rekonsiliasi | Beragam | Menjelaskan item yang tidak lazim, menyusun email tindak lanjut, mengusulkan alasan pencocokan yang mungkin untuk ditinjau | Pencocokan dan totalnya berasal dari sistem atau spreadsheet Anda, bukan dari model. Seseorang menyelesaikan setiap pengecualian |
| Rumus dan makro spreadsheet | Baik dengan pengujian | Menulis atau menjelaskan rumus, mengonversi logika antarfungsi | Uji pada input yang diketahui dengan jawaban yang diketahui, dan periksa kasus tepi seperti sel kosong, angka negatif, dan batas tanggal |
| Draf dokumentasi audit | Baik dengan tinjauan | Menyusun narasi walkthrough, merapikan redaksi kertas kerja, menandai bagian yang hilang | Orang yang melakukan prosedur mengonfirmasi bahwa isinya sesuai dengan yang dikerjakan. Jangan pernah biarkan AI menggambarkan pekerjaan yang tidak dilakukan |
| Deskripsi entri jurnal dan penjelasan akun | Baik | Menyusun deskripsi yang jelas dan penjelasan dalam bahasa sederhana | Pemeriksaan acak terhadap entrinya. Risiko rendah, volume tinggi |
| Perhitungan (depresiasi, sewa, pajak, FX) | Buruk jika sendirian | Dapat menjelaskan metode dan menguraikan langkah-langkahnya | Hitung di spreadsheet atau sistem akuntansi. Pakai model hanya untuk menjelaskan metodenya |
| Posisi pajak final dan opini audit | Tidak sesuai | Dapat merangkum fakta atau menyusun latar belakang | Pertimbangan profesional dan persetujuan resmi tetap pada orang yang bertanggung jawab |
| Apa pun yang melibatkan data rahasia klien atau karyawan | Hanya di alat yang disetujui | Bergantung pada ketentuan data alat tersebut | Gunakan hanya alat yang disetujui firma atau perusahaan Anda, dengan ketentuan penanganan data yang sudah ditinjau |
Polanya: AI adalah lapisan penyusunan dan penjelasan. Apa pun yang menghasilkan angka, kutipan, atau kesimpulan melewati langkah verifikasi yang tidak bergantung pada model.
Contoh Nyata menurut Fungsi Akuntansi
Akuntansi teknis dan kebijakan. Seorang controller yang menghadapi jenis kontrak baru meminta model menguraikan pertanyaan yang harus dijawab oleh analisis pengakuan pendapatan dan menyusun bagian latar belakang dari ringkasan kontrak. Controller itu kemudian menulis kesimpulannya, membaca panduan yang dikutip di standar itu sendiri, dan memperbaiki apa pun yang keliru dalam draf. Model menghemat waktu menghadapi halaman kosong; ia tidak melakukan penilaiannya.
Perencanaan keuangan dan komentar tutup buku. Pada akhir bulan, analis menempelkan tabel varians dan beberapa baris tentang pendorongnya, lalu model menyusun narasinya. Risikonya halus: model bisa menyatakan ulang angka dengan sedikit salah atau mengarang alasan yang masuk akal untuk suatu varians. Setiap angka dalam paragraf dicocokkan kembali ke jadwal, dan setiap penyebab dikonfirmasi dengan pemilik anggaran. Alur kerja keuangan terkait dibahas di kasus penggunaan AI di keuangan.
Utang usaha dan piutang usaha. Model membantu menyusun tindak lanjut ke vendor, merangkum rangkaian email panjang tentang faktur yang disengketakan, dan menjelaskan mengapa sebuah pembayaran tidak cocok. Pencocokan itu sendiri termasuk dalam alat deterministik, yang menjadi tempat agen AI untuk keuangan dan otomatisasi berbasis aturan berperan.
Audit dan asurans. Laporan staf PCAOB menggambarkan kantor-kantor yang memakai AI generatif untuk draf awal memo dan presentasi terkait audit serta untuk riset atas panduan internal, dan mendaftar area yang dipandang kantor-kantor itu sebagai calon masa depan, seperti memeriksa kelengkapan dokumentasi audit terhadap persyaratan dokumentasi. Dalam laporan yang sama, beberapa kantor menyatakan tidak mengizinkan AI generatif untuk prosedur audit atau atestasi karena kekhawatiran privasi data dan keandalan. Jika Anda perusahaan yang sedang bersiap menghadapi audit, tanyakan kebijakan auditor Anda, karena hal itu memengaruhi apa yang dapat Anda serahkan dan bagaimana.
FP&A dan Excel. Meminta model menulis rumus pencarian, menjelaskan makro warisan, atau mengubah IF bersarang menjadi sesuatu yang terbaca termasuk penggunaan yang paling aman, karena Anda dapat langsung menguji hasilnya. Risikonya adalah mengirim rumus yang belum diuji ke dalam model yang menyuplai paket materi board.
Kerahasiaan: Apa yang Masuk ke Prompt
Prompt adalah pengungkapan. Panduan etika AICPA mencatat bahwa alat AI publik dapat memakai input pengguna untuk melatih model mendatang, sehingga data yang dimasukkan dapat muncul kembali di tempat lain, dan bahwa anggota yang berpraktik publik perlu mempertimbangkan apakah informasi bersifat rahasia dan apakah persetujuan diperlukan sebelum memasukkan data klien, berdasarkan Confidential Client Information Rule. Sebuah artikel Journal of Accountancy oleh seorang direktur pengendalian risiko CPA merekomendasikan agar firma melarang informasi rahasia dan milik klien maupun firma masuk ke alat AI generatif, dan agar staf memperlakukan input seperti unggahan di situs publik (Journal of Accountancy, Oktober 2023).
Bagi tim keuangan korporat, kekhawatiran yang setara adalah hasil yang belum dirilis, informasi M&A, data penggajian, dan kontrak pelanggan. Aturan praktisnya: tentukan secara tertulis kelas data mana yang boleh masuk ke alat yang disetujui mana, dan jadikan alat yang disetujui itu jalur yang mudah. Orang menempelkan ke apa pun yang sedang terbuka ketika opsi yang disetujui lambat.
Cara Memperkenalkan AI Generatif di Tim Akuntansi Anda
Mulai dengan inventaris tugas. Daftar tugas berulang yang sebagian besar berupa menulis atau menjelaskan: memo, komentar, email, dokumentasi, bantuan rumus. Urutkan menurut volume dan seberapa mudah keluarannya diperiksa.
Pilih alat yang disetujui dan tulis aturan datanya. Sebutkan alat mana yang diizinkan, kelas data apa yang boleh masuk, dan siapa yang memutuskan pengecualian. Tinjau ketentuan data vendor bersama bagian hukum atau IT. Jika data Anda belum tertata untuk ini, kerjakan dulu kesiapan data keuangan untuk AI.
Tentukan pemeriksaan untuk setiap tugas. Gunakan tabel di atas sebagai templat. Untuk setiap penggunaan, tuliskan siapa yang memverifikasi apa: angka dicocokkan ke sumber, kutipan ditemukan di standar, kesimpulan dimiliki oleh orang yang ditunjuk.
Pertahankan orang yang bertanggung jawab. AICPA tegas bahwa tanggung jawab tetap pada profesional. Bangun langkah human-in-the-loop (manusia dalam proses) ke dalam alur kerja dan persetujuan resmi, bukan hanya kebijakan.
Uji coba pada satu proses selama satu siklus tutup buku. Pilih komentar varians atau penyusunan memo. Ukur waktu penyusunan yang dihemat, koreksi yang ditemukan dalam tinjauan, dan kesalahan apa pun yang sampai ke peninjau tanpa terdeteksi oleh penyusun.
Putuskan cara mendokumentasikan penggunaan AI. Beberapa firma meminta staf mengungkapkan ketika AI berkontribusi pada pekerjaan agar peninjau tahu untuk memeriksa lebih cermat. Putuskan apakah kertas kerja Anda mencatat alat, input, dan tinjauannya.
Latih skeptisisme. ICAEW merekomendasikan skeptisisme profesional sebagai pengaman utama dan menyarankan mengulang pertanyaan yang sama untuk melihat apakah jawabannya bervariasi. Ajari peninjau memperlakukan keluaran seperti pekerjaan rekan yang percaya diri tetapi kurang berpengalaman.
Tinjau setiap kuartal. Alat, ketentuan vendor, dan panduan profesional berubah. Tinjau kembali alat yang disetujui dan pemeriksaannya sesuai jadwal.
Kesalahan Umum
- Memercayai kutipan karena tampak benar. Referensi yang dikarang adalah kegagalan yang terdokumentasi. Temukan paragrafnya di standar sebelum masuk ke memo.
- Membiarkan model menghitung jumlah. Bahkan ketika ia menunjukkan langkah kerjanya, hitung ulang. Penjelasan lancar atas total yang salah tetaplah salah.
- Bias otomatisasi dalam tinjauan. Peninjau membaca teks draf AI dengan kurang kritis karena tulisannya bagus. ICAEW menyebut bias otomatisasi secara langsung. Tugaskan peninjau untuk memverifikasi, bukan sekadar membaca ulang.
- Mendokumentasikan pekerjaan yang tidak dilakukan. Model yang diminta menyusun narasi walkthrough akan menggambarkan prosedur yang masuk akal. Jika berbeda dari yang dikerjakan tim, kertas kerjanya menyesatkan.
- Alat yang tidak disetujui. Staf memakai akun pribadi untuk data klien atau perusahaan adalah pelanggaran kerahasiaan yang menunggu terjadi. Sediakan opsi yang disahkan.
- Melewatkan aturan data. Kebijakan yang berkata "berhati-hatilah" tidak berfungsi. Tentukan kelas data dan alat yang disetujui.
- Menyembunyikan penggunaan AI dari peninjau. Jika peninjau tidak tahu bahwa suatu bagian disusun mesin, mereka tidak bisa menakar tingkat ketelitiannya.
Langkah Selanjutnya
Jika Anda sedang menentukan anggota tim mana yang memegang verifikasi dan standar prompt, bacalah AI dan peran tim keuangan. Jika Anda lebih suka memetakan seluruh fungsi sebelum memilih uji coba, kasus penggunaan AI di keuangan mengurutkannya menurut nilai dan risiko. Dan jika hanya satu hal yang Anda kerjakan kuartal ini, tulislah aturan satu halaman: alat yang disetujui, data yang diizinkan, dan orang yang ditunjuk yang memverifikasi angka. Setelah aturan itu ada, beri rutinitas "susun, verifikasi, setujui" tempat sebagai tugas yang ditugaskan dengan langkah persetujuan, di alat proses seperti BPM Rework, alih-alih membiarkannya sebagai kebiasaan informal.
Head of Finance Strategy