Survei HSBC 84 Persen Korporasi Indonesia Sebut AI Bermanfaat untuk Bisnis

Apa temuan utama survei HSBC tentang AI di korporasi Indonesia?

Menurut pemberitaan RM.ID dan Media Asuransi yang mengutip survei HSBC Redefining Treasury in Asia Pacific: Voices of Treasury 2026, sebanyak 84 persen korporasi Indonesia menilai AI akan sangat bermanfaat bagi treasury dalam tiga tahun mendatang. Angka ini cenderung melampaui rata-rata Asia Pasifik.

Optimisme tersebut sudah diikuti pemakaian teknologi pada proses tertentu.

Treasury merupakan fungsi yang menangani arus kas, likuiditas, transaksi, pendanaan, dan risiko keuangan tertentu. Karena prosesnya berhubungan dengan data finansial serta keputusan yang dapat berdampak besar, pemakaian AI di area ini tidak cukup dinilai dari kemampuan menghasilkan ringkasan atau otomatisasi tugas. Perusahaan juga perlu menilai sumber data, hak akses, proses persetujuan, dan jejak audit.

Pernyataan Manoj Dugar, Head of Global Payments Solutions Asia ex Greater China HSBC, yang dikutip RM.ID pada 29 Oktober 2026, menyoroti pergeseran diskusi AI dari rasa ingin tahu menuju kapabilitas implementasi. Ia menempatkan data, tata kelola, dan kontrol sebagai fondasi agar AI dapat diterapkan pada skala lebih besar. Artinya, survei ini lebih tepat dibaca sebagai sinyal kesiapan operasional, bukan bukti bahwa semua perusahaan telah siap memberi AI kewenangan atas tindakan finansial.

Mengapa AI untuk treasury perlu dibaca bersama masalah proses bisnis?

Nilai AI pada treasury bergantung pada proses yang ingin dibantu. Otomatisasi berbasis aturan dapat memindahkan data dari satu sistem ke sistem lain setelah ada pemicu tertentu. AI dapat membantu membaca keterangan transaksi yang tidak seragam, mengelompokkan informasi, atau menandai data yang perlu diperiksa. AI agent dapat menjalankan rangkaian langkah memakai konteks dan alat yang disediakan, tetapi ruang tindakannya harus dibatasi.

Perbedaan ini penting agar perusahaan tidak menyebut semua integrasi sebagai AI agent. Formulir masuk yang langsung diteruskan ke sistem pencatatan adalah otomatisasi. Data transaksi yang dibaca lalu diklasifikasikan berdasarkan isi keterangannya merupakan penggunaan AI dalam workflow. Sistem yang meninjau data, meminta informasi tambahan dari sumber yang diizinkan, menyusun prioritas, lalu menyiapkan tindakan untuk ditinjau petugas dapat memiliki pola kerja AI agent.

Sebagai ilustrasi hipotetis, tim treasury menerima mutasi transaksi dari beberapa rekening dan sistem internal. Tahap awalnya bukan memberi AI akses untuk mengubah catatan transaksi. Tim lebih dahulu memetakan sumber data, format yang dipakai, pemilik setiap data, serta transaksi mana yang membutuhkan pemeriksaan manual. AI kemudian dapat membantu menandai keterangan yang tidak lengkap atau transaksi yang tidak cocok dengan kategori awal.

Hasil pemeriksaan itu sebaiknya masuk ke daftar pengecualian untuk analis, bukan langsung menjadi instruksi pembayaran atau perubahan pembukuan. Analis memeriksa alasan penandaan, memperbaiki kategori bila diperlukan, dan mencatat keputusan. Dari sini, perusahaan dapat mengukur waktu penyelesaian, jumlah koreksi, jumlah pengecualian, serta jenis kesalahan yang berulang. Ukuran tersebut lebih berguna untuk menilai kelayakan perluasan workflow daripada janji penghematan yang tidak didukung data internal.

Hambatan terbesar bukan sekadar memilih alat AI

Integrasi sistem yang sudah ada menjadi hambatan utama adopsi AI bagi 80 persen responden Indonesia, menurut RM.ID dan Media Asuransi. Temuan ini menunjukkan bahwa perusahaan dapat memiliki minat tinggi terhadap AI, tetapi tetap menghadapi pekerjaan besar saat data tersimpan dalam aplikasi, format, dan proses otorisasi yang berbeda.

Hambatan tersebut saling berkaitan. Data yang tidak konsisten membuat hasil AI sulit diperiksa. Integrasi yang lemah menciptakan pekerjaan manual tambahan. Kekurangan keahlian dapat membuat tim sulit menentukan siapa yang bertanggung jawab ketika hasil sistem keliru.

Dalam pengelolaan treasury waktu nyata, 48 persen manajer keuangan Indonesia menyebut persetujuan anggaran implementasi sistem sebagai tantangan, menurut RM.ID dan Media Asuransi. Proposal implementasi karena itu perlu menjelaskan masalah proses secara spesifik, bukan hanya menampilkan daftar fitur alat.

Contoh hipotetisnya, sebuah perusahaan ingin mempercepat peninjauan transaksi yang selama ini digabungkan dari beberapa file. Proposal yang lebih siap diuji akan memuat proses saat ini, sumber data, peran yang boleh mengakses data, titik pemeriksaan manusia, serta prosedur ketika AI salah memberi klasifikasi. Tim juga perlu menentukan apakah sistem hanya boleh membuat ringkasan, boleh membuat draf tindak lanjut, atau boleh menjalankan tindakan tertentu setelah persetujuan. Batas ini membantu mencegah otomasi melampaui kontrol yang tersedia.

Kontrol manusia yang perlu disiapkan sebelum workflow diperluas

Sistem AI untuk treasury perlu memiliki batas tindakan yang jelas. Ringkasan posisi kas, pengelompokan transaksi, dan penandaan anomali dapat ditempatkan sebagai bantuan analisis. Perubahan data transaksi, pembuatan instruksi pembayaran, atau tindakan yang sulit dibatalkan memerlukan persetujuan manusia sesuai kebijakan perusahaan.

Kontrol juga mencakup penanggung jawab proses, pembatasan akses, rekam keputusan, serta cara menghentikan workflow ketika ditemukan kesalahan. Jika AI memakai data transaksi, perusahaan perlu mengetahui data apa yang diproses, siapa yang dapat melihat hasilnya, dan siapa yang bertugas meninjau pengecualian. Pendekatan ini menjawab hambatan risiko serta keamanan yang disebut responden dalam pemberitaan Media Asuransi dan RM.ID.

Langkah praktis setelah membaca survei HSBC

Mulailah dari satu workflow treasury yang berulang, memiliki pemilik proses, dan hasilnya masih dapat ditinjau manusia. Jangan memulai dari pertanyaan alat AI mana yang paling menarik. Mulailah dari bagian proses yang lambat, sering membutuhkan penggabungan data, atau menghasilkan banyak pengecekan berulang.

Buat daftar sederhana berisi sumber data, format data, pihak yang memiliki akses, keputusan yang boleh dibantu AI, dan keputusan yang wajib disetujui petugas. Setelah itu, uji dalam ruang lingkup terbatas. Catat waktu proses, jumlah data yang perlu dikoreksi, jenis pengecualian, dan masalah akses yang muncul. Hasil uji tersebut dapat menjadi bahan yang lebih kuat untuk meminta anggaran atau menyusun rencana integrasi.

Untuk memahami fondasi teknis dan pengendalian risiko yang lebih luas, pembaca dapat melihat artikel pilar berjudul Dirut Telkom Soroti Infrastruktur dan Keamanan Digital untuk Industri AI. Langkah berikutnya: pilih satu proses treasury minggu ini, petakan alurnya dari data masuk sampai keputusan akhir, lalu tandai titik yang tetap harus berada di tangan manusia.