Korporasi Indonesia Percepat Adopsi AI untuk Kelola Keuangan

Adopsi AI keuangan mulai masuk ke proses treasury

Korporasi Indonesia percepat adopsi AI untuk kelola keuangan, terutama pada treasury, pengolahan dokumen, rekonsiliasi, dan pekerjaan administratif. Menurut survei HSBC Redefining Treasury in Asia Pacific: Voices of Treasury 2026 yang diberitakan Demokratis.co.id pada 29 Oktober 2026, 84% manajer keuangan di Indonesia memperkirakan AI akan memberi manfaat besar bagi fungsi treasury dalam tiga tahun mendatang.

Angka itu lebih tinggi daripada rata-rata Asia Pasifik sebesar 72%, menurut laporan yang sama. Temuan ini menunjukkan pembahasan AI di finance telah bergerak dari eksplorasi menuju penerapan pada proses kerja tertentu.

Namun, adopsi tidak berarti seluruh keputusan keuangan diserahkan kepada sistem. AI dapat membantu membaca data, menganalisis pola, atau menyusun rekomendasi. Treasury tetap membutuhkan pihak yang memahami kebijakan kas, otorisasi pembayaran, kondisi vendor, dan risiko transaksi.

Bedakan otomasi, AI, dan AI agent sebelum menentukan proyek

Otomasi berbasis aturan menjalankan langkah yang sudah ditetapkan. Contoh sederhana: file tagihan masuk, sistem mengambil nilai tagihan, lalu memasukkannya ke antrean rekonsiliasi. Workflow ini bergantung pada trigger, format data, dan aturan yang telah dibuat sebelumnya.

AI menambah kemampuan untuk menangani masukan yang tidak selalu seragam. Menurut Demokratis.co.id pada 29 Oktober 2026, CFO Shipper Group Leonard Pontoh menyampaikan AI membantu menangani dokumen penagihan dari klien dengan standar berbeda. Dalam kondisi seperti ini, AI dapat membantu mengekstrak informasi dari dokumen, lalu menyiapkan data untuk diperiksa tim finance.

AI agent memiliki cakupan tindakan lebih luas. Sistem dapat menjalankan beberapa langkah dengan konteks dan akses alat yang diizinkan, misalnya membaca dokumen, membandingkan data dengan sistem internal, mengelompokkan pengecualian, dan mengirimkannya ke petugas review. Sebutan AI agent tidak tepat untuk setiap aplikasi AI atau workflow otomatis. Sistem baru layak disebut agent bila memang menjalankan rangkaian tindakan menuju tujuan yang ditentukan, bukan sekadar memberi satu hasil analisis.

Sebagai ilustrasi hipotetis, sebuah tim treasury menerima tagihan dari lima klien dengan format PDF berbeda. Workflow dapat membaca dokumen masuk, memakai AI untuk mengambil nomor tagihan dan tanggal jatuh tempo, mencocokkannya dengan catatan internal, lalu membagi hasil ke tiga antrean: sesuai, data kurang, dan selisih nilai. Petugas finance hanya menyetujui transaksi yang sudah sesuai atau menyelesaikan pengecualian pada antrean lain.

Mengapa treasury menjadi titik awal yang relevan

Treasury relevan sebagai titik awal AI karena menangani proses berulang yang bergantung pada banyak dokumen, data, dan pemeriksaan. Fungsinya mencakup arus kas, proyeksi kas, pembayaran, rekonsiliasi, serta visibilitas posisi keuangan dari bank, sistem akuntansi, pelanggan, vendor, dan persetujuan internal. Data ini juga dapat ditinjau untuk menandai anomali yang perlu diperiksa sebagai potensi kesalahan atau fraud, tanpa menjadikan AI sebagai penentu akhir. Bila data terlambat masuk atau sulit dicocokkan, tim harus menghabiskan waktu untuk mencari konteks sebelum mengambil keputusan.

Rmol.id melaporkan 93% responden Indonesia dalam survei HSBC menyatakan telah menggunakan AI. Laporan itu tidak membuktikan seluruh penggunaan AI menghasilkan dampak yang sama, tetapi memperlihatkan bahwa penggunaan AI sudah hadir dalam pekerjaan korporasi sehari-hari.

Nilai awal AI di treasury biasanya bukan keputusan pembayaran otomatis. Nilainya muncul saat sistem membantu menyaring volume kerja. Dokumen yang lengkap dapat disiapkan untuk review lebih cepat. Data yang janggal dapat ditandai sejak awal. Tim lalu memusatkan perhatian pada transaksi bernilai besar, informasi yang tidak cocok, atau kondisi yang membutuhkan penilaian manusia.

Menurut Rmol.id, Anne Suhandojo dari HSBC Indonesia menjelaskan bahwa AI dapat melakukan analisis, rekomendasi, dan review, sementara manusia tetap penting dalam pengambilan keputusan. Prinsip itu dapat diterjemahkan ke desain workflow: AI boleh menyiapkan rekomendasi, tetapi keputusan yang mengubah rekening penerima, menyetujui pembayaran, atau mengakses data sensitif harus tetap berada pada pihak berwenang.

Hambatan terbesar ada pada integrasi dan fondasi data

Pemilihan model AI bukan satu-satunya pekerjaan. Menurut Demokratis.co.id, 80% responden Indonesia menyebut integrasi AI dengan sistem yang telah digunakan sebagai hambatan terbesar. Integrasi menjadi rumit karena data dan proses treasury dapat tersebar di beberapa aplikasi dengan format, identitas data, hak akses, serta jalur persetujuan yang berbeda.

Sebelum membuat automasi, perusahaan perlu memetakan proses yang berjalan. Catat dari mana dokumen datang, siapa yang memvalidasi, sistem apa yang menyimpan data utama, keputusan apa yang boleh dibuat otomatis, dan kondisi apa yang harus dihentikan untuk diperiksa. Peta ini membantu tim menemukan titik integrasi yang aman, bukan hanya titik yang mudah dihubungkan.

Manoj Dugar, Head of Global Payments Solutions Asia ex Greater China HSBC, menyatakan dalam laporan Demokratis.co.id bahwa implementasi AI membutuhkan pembenahan fondasi berupa data, tata kelola, dan kontrol. Artinya, proyek AI treasury perlu memiliki data rujukan yang jelas. Jika nama vendor ganda, kode transaksi tidak konsisten, atau aturan persetujuan hanya diketahui secara informal, sistem akan sulit memberi hasil yang dapat dipercaya.

Andaikan perusahaan ingin menguji klasifikasi dokumen tagihan. Tahap awalnya bukan langsung memberi AI akses ke sistem pembayaran. Tim dapat memakai dokumen historis terbatas, menentukan kolom yang wajib diekstrak, membandingkan hasil AI dengan pemeriksaan manual, lalu mencatat jenis kesalahan. Bila nomor dokumen sering terbaca salah, perbaiki proses ekstraksi atau format masukan sebelum workflow diperluas.

Kontrol manusia perlu dirancang sejak awal

Keamanan siber menjadi perhatian dalam transaksi treasury, sebagaimana disorot Demokratis.co.id dalam laporannya mengenai survei HSBC. Karena proses ini berhubungan dengan data dan transaksi keuangan, kontrol tidak boleh ditambahkan setelah workflow berjalan. Hak akses, jejak aktivitas, prosedur eskalasi, dan batas tindakan harus ditentukan sebelum AI diberi akses ke sistem kerja.

Langkah praktisnya adalah membagi tindakan ke dalam tiga tingkat. Pertama, tindakan baca saja, seperti meringkas dokumen atau menandai ketidaksesuaian. Kedua, tindakan yang menyiapkan perubahan, seperti membuat draft rekonsiliasi. Ketiga, tindakan berdampak langsung, seperti mengubah data vendor atau meneruskan instruksi pembayaran. Tingkat ketiga harus membutuhkan persetujuan manusia dengan otoritas yang sesuai.

Contoh hipotetis lain: AI menemukan perbedaan nilai antara tagihan dan catatan internal. Sistem boleh membuat tiket pemeriksaan serta melampirkan dokumen sumber. Sistem tidak boleh membetulkan nilai transaksi sendiri atau meneruskan pembayaran tanpa persetujuan. Petugas yang ditunjuk memeriksa sumber selisih, memutuskan tindak lanjut, lalu catatan keputusan disimpan sebagai bagian dari audit workflow.

Kinerja uji coba dapat dipantau tanpa menjanjikan hasil tertentu. Tim dapat melihat berapa dokumen yang berhasil diproses, berapa banyak yang masuk antrean pengecualian, jenis kesalahan yang berulang, waktu penyelesaian, serta jumlah rekomendasi yang diterima atau ditolak reviewer. Indikator tersebut membantu perusahaan menilai apakah masalah ada pada data, aturan bisnis, integrasi, atau kemampuan sistem membaca dokumen.

Langkah awal untuk tim finance dan IT

Mulailah dari satu workflow yang sempit, berulang, dan memiliki risiko yang masih dapat dikendalikan. Klasifikasi dokumen tagihan atau persiapan rekonsiliasi dapat menjadi titik awal karena hasilnya masih dapat diperiksa manusia sebelum memengaruhi transaksi. Hindari mengotomatisasi proses yang alurnya belum terdokumentasi atau datanya masih kacau.

Susun sesi kerja singkat antara finance, treasury, IT, keamanan informasi, dan pemilik proses. Pilih satu masalah, gambarkan alur manualnya, tetapkan sumber data, tentukan batas akses, dan tulis kondisi yang harus memicu review manusia. Setelah itu, uji pada data terbatas. Jangan memperluas akses sistem sebelum tim memahami pola kesalahan dan jalur penanganannya.

Untuk konteks strategi AI yang lebih luas, pembaca dapat melihat artikel pilar Telkom Beberkan Strategi Percepat Adopsi AI Nasional Demi Ekosistem Digital Indonesia. Langkah berikutnya: pilih satu proses treasury minggu ini, tunjuk pemilik prosesnya, dan buat daftar tindakan yang boleh dibantu AI serta tindakan yang wajib menunggu persetujuan manusia.