AI dalam Pelaporan Keuangan: Antara Efisiensi dan Celah Akuntabilitas

Penggunaan kecerdasan buatan dalam pelaporan keuangan perusahaan terbuka kian meluas, tetapi risiko akuntabilitas justru mengintai di balik efisiensi yang ditawarkan. Laporan KPMG Global AI in Finance 2026 mencatat lebih dari tiga perempat organisasi di dunia telah mengintegrasikan AI untuk perencanaan keuangan, pelaporan, dan analisis komersial—dan 71% di antaranya mengaku imbal hasil investasi teknologi itu memenuhi atau melampaui ekspektasi.

Di Indonesia, tren serupa mulai terlihat. Sejumlah emiten memanfaatkan AI untuk mempercepat proses tutup buku, rekonsiliasi data, hingga menyusun narasi manajemen. Namun, di balik efisiensi itu, muncul pertanyaan krusial: siapa yang bertanggung jawab ketika AI menghasilkan angka yang salah—atau lebih berbahaya lagi, angka yang tampak benar tetapi menyesatkan investor?

Setidaknya ada tiga celah akuntabilitas yang perlu diwaspadai. Pertama, kesenjangan antara penggunaan dan pemahaman. Dalam dunia audit, prinsip professional skepticism—sikap kritis untuk tidak menerima bukti begitu saja—menjadi standar internasional (ISA 200). Risiko muncul ketika tim keuangan menggunakan output AI tanpa benar-benar memahami bagaimana sistem itu menghasilkan angka atau narasi. Kedua, sisi regulasi. Otoritas Jasa Keuangan (OJK) memang telah menerbitkan panduan Tata Kelola Kecerdasan Artifisial Perbankan, tetapi belum ada pedoman spesifik yang mengatur penggunaan AI dalam penyusunan laporan keuangan emiten. Ketiga, kaburnya sistem operasional pertanggungjawaban. Ketika AI digunakan untuk menghasilkan draf laporan, lalu manusia hanya melakukan telaah terbatas sebelum menyetujui, proses persetujuan berpotensi berubah menjadi formalitas belaka.

Bahaya terbesar, menurut para pengamat, bukanlah kesalahan yang terdeteksi, melainkan kesalahan yang lolos dari pemeriksaan otomatis dan masuk ke laporan keuangan tanpa verifikasi mendalam. AI mampu menyusun narasi manajemen yang ciamik, mendeteksi variansi, dan mengelompokkan data, tetapi belum tentu memahami konteks bisnis atau perubahan kondisi yang membuat pola lama tak lagi relevan. Risiko juga muncul dari asumsi tersembunyi, data pelatihan yang tidak lengkap, validasi yang lemah, dan output yang terlalu percaya diri.

Dalam konteks Indonesia, literasi digital para direksi menjadi kunci. Teori upper echelons dalam manajemen strategis menjelaskan bahwa karakteristik dan cara berpikir pimpinan puncak memengaruhi keputusan organisasi. Kualitas tata kelola AI tidak hanya bergantung pada kecanggihan sistem, tetapi juga pada kemampuan direksi, komite audit, dan pimpinan fungsi keuangan untuk memahami risiko teknologi yang mereka setujui. Tanpa pemahaman itu, risiko kesalahan yang lolos verifikasi semakin besar.

Laporan keuangan pada akhirnya adalah bahasa kepercayaan antara perusahaan dan investor, kreditur, karyawan, regulator, serta publik. Jika sebagian proses pelaporan dibantu AI, tanggung jawab atas ketepatan, kewajaran, dan integritas informasi tetap berada pada manusia yang menyusun, menelaah, dan menyetujuinya. Bukan berarti perusahaan harus mundur ke era anti-AI; sebaliknya, mereka perlu memastikan setiap output AI ditelaah oleh manusia kompeten yang memahami transaksi, menguji kewajaran, mengkritisi kesimpulan sistem, serta mendokumentasikan alasan menerima atau menolaknya.

Ke depan, perusahaan dan regulator pasar modal perlu mulai mempertimbangkan kerangka keterbukaan dan tata kelola penggunaan AI. Jika AI rutin digunakan dalam proses pelaporan, perusahaan sebaiknya mendokumentasikan ruang lingkup penggunaannya, proses validasi, telaah manusia, serta pihak yang memegang pertimbangan dan tanggung jawab akhir. Pertanyaannya: apakah OJK dan Bursa Efek Indonesia akan segera menyusun aturan khusus, atau membiarkan pasar mengatur sendiri sejauh mana AI boleh 'menulis' laporan keuangan?