Survei HSBC 84% Manajer Keuangan Indonesia Optimistis AI untuk Treasury

Survei HSBC menunjukkan AI treasury sudah masuk agenda implementasi

Sebanyak 84% manajer keuangan korporasi di Indonesia memperkirakan AI akan memberi manfaat besar bagi pengelolaan treasury dalam tiga tahun mendatang, menurut KabarBursa. Survei HSBC Redefining Treasury in Asia Pacific: Voices of Treasury 2026, dikutip KabarBursa serta Infobanknews, mencatat angka tersebut melampaui rerata Asia Pasifik 72%.

Temuan tersebut penting karena treasury berhubungan dengan arus kas, pembayaran, likuiditas, dan informasi yang mendukung keputusan keuangan perusahaan. Optimisme terhadap AI tidak otomatis berarti setiap proses siap diotomatisasi. Pesan utama survei ini justru ada pada kesiapan fondasi: data, integrasi sistem, tata kelola, kontrol internal, dan keamanan.

Angka adopsi tersebut perlu dibaca dengan hati-hati. Penggunaan AI dalam treasury bisa berbentuk sangat berbeda, dari klasifikasi dokumen hingga workflow yang menyiapkan rekomendasi tindakan. Perusahaan perlu membedakan fungsi yang sekadar membantu staf dengan sistem yang dapat memengaruhi proses transaksi.

Integrasi sistem menjadi hambatan yang lebih nyata daripada memilih tool

Hambatan terbesar bukan selalu memilih model AI atau membeli platform baru. KabarBursa melaporkan banyak responden Indonesia menilai integrasi AI ke sistem eksisting sebagai kendala utama.

Treasury jarang bekerja dari satu sumber data. Tim dapat memakai sistem perbankan, ERP, basis data internal, dokumen pendukung, serta workflow persetujuan yang berbeda antarunit. Bila format data tidak konsisten, akses terlalu tersebar, atau proses persetujuan belum terdokumentasi, output AI berisiko sulit diverifikasi oleh pengguna.

Sebagai ilustrasi hipotetis, perusahaan ingin memakai AI untuk membantu memeriksa permintaan pembayaran. Dokumen masuk dari beberapa unit kerja dengan format berbeda. Sebelum AI dipakai, tim perlu menentukan data minimum yang wajib tersedia, seperti identitas pemohon, tujuan pembayaran, dokumen pendukung, dan status persetujuan. Tanpa struktur itu, AI hanya akan memproses informasi yang tidak lengkap.

Tahap integrasi juga perlu memisahkan akses baca dan akses tindakan. Sistem boleh membaca data untuk membuat ringkasan atau memberi tanda pada dokumen yang tidak lengkap. Namun, akses untuk membuat instruksi pembayaran, mengubah rekening tujuan, atau menyetujui transaksi sebaiknya tidak diberikan hanya karena AI mampu menghasilkan rekomendasi.

Bedakan otomasi, AI automation, dan AI agent dalam proses treasury

Otomasi biasa menjalankan langkah berdasarkan pemicu dan aturan tetap. Contohnya, formulir pembayaran yang sudah lengkap diteruskan ke sistem pencatatan. Tidak ada penilaian atas isi dokumen selain aturan yang sudah ditentukan sebelumnya.

AI automation menambahkan kemampuan untuk memahami atau mengelompokkan informasi yang tidak selalu seragam. Sistem dapat membaca deskripsi transaksi, mengidentifikasi dokumen yang kurang, lalu memberi klasifikasi awal untuk diperiksa staf. Hasilnya tetap perlu diuji karena klasifikasi AI dapat keliru ketika data ambigu atau konteksnya tidak tersedia.

AI agent memiliki cakupan yang lebih luas. Sistem jenis ini dapat menjalankan beberapa langkah dengan konteks dan alat yang diizinkan untuk mencapai tujuan tertentu. Dalam treasury, contohnya bukan sekadar membaca dokumen, melainkan mengumpulkan informasi dari sumber yang diizinkan, menyiapkan ringkasan pengecualian, membuat daftar tindak lanjut, lalu menyerahkan kasus kepada peninjau manusia.

Pembedaan ini membantu perusahaan menetapkan kontrol sesuai risiko. Formulir masuk lalu dicatat otomatis memiliki tingkat risiko berbeda dengan sistem yang menyarankan prioritas pembayaran. Sistem yang dapat memicu tindakan keuangan memerlukan batas kewenangan, log aktivitas, pemilik proses, dan jalur penghentian ketika ditemukan anomali.

Kontrol manusia dan keamanan perlu dirancang sejak tahap uji

Kontrol manusia dan keamanan perlu dirancang sejak tahap uji, sebelum penggunaan AI diperluas. Fokus ini selaras dengan kesiapan arsitektur data, tata kelola, dan kontrol internal dalam survei.

Dalam praktiknya, kontrol manusia tidak berarti setiap langkah harus kembali dikerjakan manual. Kontrol berarti perusahaan menentukan tindakan mana yang boleh dilakukan otomatis dan keputusan mana yang wajib melalui persetujuan. Untuk proses treasury, persetujuan pembayaran, perubahan data rekening, atau penanganan informasi sensitif layak ditempatkan pada jalur review manusia.

Misalnya, AI dapat membantu membuat daftar permintaan pembayaran yang dokumennya belum lengkap. Sistem lalu mengirimkan notifikasi kepada pemohon atau staf treasury. Bila AI menemukan perbedaan antara nama penerima dan data pendukung, kasus tersebut tidak diteruskan sebagai transaksi. Kasus masuk antrean pengecualian agar diperiksa pihak yang memiliki kewenangan.

Pendekatan ini juga membuat pengujian lebih terukur. Tim dapat mencatat dokumen yang salah diklasifikasikan, data yang tidak terbaca, kasus yang berulang, serta alasan staf membatalkan rekomendasi AI. Catatan tersebut lebih berguna daripada menilai implementasi hanya dari kelancaran demo awal.

Cara memulai AI treasury tanpa memperluas risiko terlalu cepat

Langkah pertama adalah memilih satu proses sempit dengan volume pekerjaan berulang dan hasil yang dapat diperiksa. Contohnya, penyiapan ringkasan permintaan pembayaran, pemeriksaan kelengkapan dokumen, atau pengelompokan awal transaksi. Jangan memulai dari proses yang langsung memberi AI kewenangan menjalankan pembayaran.

Setelah proses dipilih, petakan lima hal: sumber data, pengguna yang membutuhkan hasil, aturan proses yang sudah ada, tindakan yang memerlukan persetujuan, dan pemilik keputusan ketika terjadi kesalahan. Peta ini membantu tim melihat apakah masalah utamanya benar-benar membutuhkan AI atau cukup diselesaikan dengan perbaikan data dan otomasi aturan.

Andaikan tim treasury ingin membuat ringkasan posisi pembayaran harian. Pada tahap awal, AI cukup membuat draf ringkasan dari data yang sudah disetujui untuk diakses. Staf treasury membandingkan draf itu dengan sumber data, mencatat perbedaan, lalu memperbaiki aturan atau integrasi. Cakupan baru diperluas setelah hasilnya konsisten dan jalur eskalasi berjalan.

Prioritas berikutnya adalah menetapkan indikator evaluasi yang relevan dengan proses, bukan mengejar penggunaan AI sebanyak mungkin. Tim dapat memantau waktu penyiapan ringkasan, jumlah dokumen yang perlu dikoreksi, jumlah kasus pengecualian, dan alasan rekomendasi AI ditolak peninjau. Indikator tersebut memberi dasar untuk memutuskan apakah workflow layak dipertahankan, diperbaiki, atau dihentikan.

Bagi pemimpin keuangan, langkah praktis minggu ini adalah memilih satu workflow treasury, menunjuk pemilik proses, lalu mengadakan sesi pemetaan selama satu jam bersama tim treasury, TI, dan pengendali internal. Hasil yang perlu dibuat bukan daftar tool, melainkan daftar data yang dipakai, batas akses, titik persetujuan manusia, dan kriteria keberhasilan uji terbatas.

Untuk konteks adopsi AI korporasi yang lebih luas, pembaca dapat melihat artikel pilar berjudul Survei HSBC 84 Persen Korporasi Indonesia Sebut AI Bermanfaat untuk Bisnis. Artikel ini berfokus pada kesiapan implementasi AI dalam fungsi treasury.