Courtesy of Forbes

Mengapa AI Finansial Terkendala Tata Kelola dan Kepercayaan Meski Ambisi Besar

Menjelaskan mengapa adopsi AI agentik dalam fungsi keuangan masih lamban meskipun ada ambisi besar, dengan menyoroti pentingnya tata kelola, keamanan data, dan integrasi sistem sebagai fondasi utama untuk membangun kepercayaan dan keberhasilan implementasi.

28 Feb 2026, 02.43 WIB

69 dibaca

Ikhtisar 15 Detik

Kepercayaan adalah kunci dalam penerapan AI di sektor keuangan.
Tata kelola data dan keamanan menjadi hambatan utama yang harus diatasi sebelum adopsi AI.
Organisasi yang membangun infrastruktur tata kelola yang kuat akan lebih berhasil dalam mengimplementasikan AI secara luas.

Amerika Utara - Banyak eksekutif keuangan percaya AI agentik dapat menggantikan pekerjaan rutin seperti mengelola spreadsheet, laporan rekonsiliasi, dan penutupan kuartalan. Meski teknologi ini menjanjikan efisiensi yang jauh lebih cepat, banyak perusahaan masih belum berhasil mengimplementasikannya secara luas karena berbagai hambatan yang berkaitan dengan tata kelola data serta keamanan.

Sebuah laporan dari Savant Labs menunjukkan, meskipun 76% pemimpin keuangan menargetkan tahun 2026 sebagai waktu investasi besar dalam AI agentik, hanya 30% yang memiliki pilot fungsional dan hanya 6% yang mencapai implementasi menyeluruh. Kurangnya kepercayaan dan tantangan integrasi ERP disebut sebagai penyebab utama, bukan soal biaya atau kurangnya keahlian.

Sektor keuangan sangat berhati-hati karena kesalahan AI dalam mengelola data dapat berdampak serius, mulai dari kesalahan pelaporan pajak hingga risiko regulasi dan lembaran audit yang merugikan reputasi organisasi. Ini membuat para pemimpin keuangan lebih menitikberatkan pada aspek auditabilitas dan penjelasan hasil AI dibandingkan sekadar kinerja teknologi.

Tim akuntansi dan operasi yang menangani proses bisnis berulang dan berbasis aturan lebih percaya diri dalam mengadopsi AI karena hasilnya jelas dan terukur. Sedangkan di bidang pajak, kehati-hatian meluas karena konsekuensi regulasi yang lebih rumit dan tuntutan audit yang ketat, sehingga peta jalan adopsi AI menjadi lebih lambat dan berhati-hati.

Dari semua temuan, yang membedakan perusahaan sukses adalah mereka yang memprioritaskan pembangunan tata kelola yang kokoh terlebih dahulu, termasuk audit trail, kontrol peran, dan jalur eskalasi, bukan hanya mengejar kecepatan implementasi. Pendekatan ini membuat AI menjadi alat yang dipercaya dan dapat digunakan dalam skala luas di lingkungan keuangan.

Referensi:
[1] https://www.forbes.com/sites/kolawolesamueladebayo/2026/02/27/new-report-reveals-the-hidden-force-stalling-agentic-ai-in-finance/

Analisis Ahli

Tom Davenport

"Fokus pada tata kelola data dan transparansi adalah kunci agar AI dapat diterima dalam lingkungan keuangan yang sangat regulatif."

McKinsey AI Research Team

"Kebanyakan perusahaan gagal dalam skala AI karena mengabaikan kebutuhan tata kelola yang kuat dan integrasi lintas departemen sejak awal."

Analisis Kami

"Penundaan dalam adopsi AI di sektor keuangan bukan karena kekurangan teknologi, tapi lebih karena pendekatan yang dilakukan sebagian besar organisasi terkesan tergesa-gesa tanpa membangun fondasi kepercayaan dan tata kelola yang memadai. Organisasi yang mengutamakan aspek ini akan jauh lebih unggul dalam menghadapi regulasi ketat dan menjaga reputasi di tengah transformasi digital."

Prediksi Kami

Di masa depan, perusahaan keuangan yang fokus pada pembangunan tata kelola dan keamanan data sejak awal akan berhasil menjalankan AI agentik secara menyeluruh, sementara yang lain akan tertinggal karena masih berjuang dengan kepercayaan dan integrasi sistem.

Pertanyaan Terkait

Apa yang dimaksud dengan AI Otonom?

AI Otonom adalah sistem kecerdasan buatan yang dapat bertindak secara mandiri untuk menjalankan tugas.

Apa yang menjadi hambatan utama adopsi AI di industri keuangan?

Hambatan utama adopsi AI di industri keuangan adalah masalah tata kelola data dan keamanan, serta kompleksitas integrasi ERP.

Mengapa integrasi ERP menjadi tantangan dalam penerapan AI?

Integrasi ERP menjadi tantangan karena sistem ini sering kali telah dimodifikasi dan terhubung ke banyak proses keuangan, sehingga integrasi AI memerlukan koordinasi yang cermat.

Apa perbedaan sikap antara tim akuntansi dan pajak terhadap AI?

Tim akuntansi cenderung lebih percaya diri dalam menerapkan AI karena hasil kerja mereka dapat diukur dan jelas, sedangkan tim pajak lebih berhati-hati karena risiko kesalahan yang dapat menyebabkan konsekuensi regulasi.

Apa yang seharusnya dilakukan organisasi untuk mencapai implementasi AI secara luas?

Organisasi perlu membangun infrastruktur tata kelola yang kuat seperti jejak audit dan kontrol berbasis peran sebelum meluncurkan AI.