Keyakinan tinggi, kesiapan belum merata
Adopsi AI perusahaan adalah penggunaan kecerdasan buatan dalam proses bisnis untuk mengolah informasi, mengotomatisasi pekerjaan, dan membantu pengambilan keputusan. Namun, teknologi ini baru memberi hasil ketika perusahaan memiliki data dan sistem yang siap mendukungnya. Survei HSBC Redefining Treasury in Asia Pacific: Voices of Treasury 2026 menunjukkan 84% manajer keuangan korporasi di Indonesia memperkirakan AI akan sangat bermanfaat bagi pengelolaan treasury dalam tiga tahun mendatang, melampaui rata-rata Asia Pasifik sebesar 72%. Keyakinan itu punya alasan: perusahaan perlu mengelola transaksi, menjaga likuiditas, dan mengambil keputusan keuangan lebih cepat di tengah gejolak nilai tukar dan suku bunga. Tetapi optimisme bukan bukti kesiapan. Sekitar sepertiga responden telah memakai AI agent untuk mengotomatisasi transaksi treasury, sementara sebagian lain masih menguji perangkat untuk membantu produktivitas. Perbedaan tingkat penggunaan ini menegaskan bahwa tantangan berikutnya bukan sekadar memilih AI, melainkan membuatnya bekerja di dalam operasi sehari-hari.
Integrasi sistem adalah hambatan utama
Angka paling penting dalam survei AI korporasi ini bukan hanya 84% yang optimistis, melainkan 80% responden yang menyebut integrasi dengan sistem lama sebagai hambatan adopsi. Angka itu lebih tinggi daripada rata-rata kawasan, yakni 70%. Integrasi sistem AI menuntut lebih dari memasang perangkat lunak baru: teknologi harus mendapat akses ke informasi yang relevan, membaca format yang dapat diproses, dan terhubung dengan alur kerja yang benar. Kesenjangan kesiapan terlihat dari perusahaan yang masih mencatat secara manual atau mengandalkan lembar kerja, sementara yang lain telah memiliki sistem ERP dan basis data terkonsolidasi. Menyamakan pendekatan untuk semua perusahaan akan keliru. AI yang tidak tersambung ke proses keuangan berisiko menjadi alat terpisah, bukan pengungkit kinerja. Karena itu, pembenahan koneksi antarsistem perlu diperlakukan sebagai pekerjaan inti transformasi, bukan urusan teknis yang ditunda sampai setelah proyek AI dimulai.
Data, biaya, dan pengawasan menentukan hasil
Kualitas data perusahaan menentukan apakah AI menghasilkan analisis yang bisa dipercaya. Informasi yang tercecer, tidak lengkap, berformat tidak konsisten, atau tercatat ganda dapat merusak rekomendasi. Anne Suhandojo dari HSBC Indonesia menekankan bahwa sistem dan kualitas data merupakan fondasi penerapan AI, seraya mengingatkan: “Kalau datanya pencar-pencar, datanya tidak akurat, bagaimana AI bisa membantu? Karena AI sejatinya hanya tools.” Tantangan lain juga nyata: keterbatasan tenaga ahli dan risiko masing-masing disebut oleh 40% responden, biaya oleh 33%, serta kualitas data oleh 27%. Perusahaan perlu menetapkan siapa yang boleh mengakses data, siapa yang memeriksa keluaran AI, dan siapa yang bertanggung jawab atas keputusan. Tanpa tata kelola dan kontrol, kecepatan otomatisasi bisa memperbesar kesalahan maupun paparan keamanan. Investasi pada AI seharusnya berjalan seiring dengan pembenahan data, kompetensi, dan mekanisme pengawasan.
Mulai dari masalah yang terukur
Perusahaan tidak harus menunggu semua sistem sempurna, tetapi harus memilih langkah awal yang sesuai dengan kesiapan. Mulailah dari proses sederhana yang masalahnya jelas, lalu libatkan departemen terkait untuk menyepakati prioritas dan tahapan implementasi. Contoh penerapan pada perusahaan logistik Shipper menunjukkan manfaat yang bisa dirasakan di operasi: teknologi membantu memangkas waktu penagihan dari 21 hari menjadi lima hari, sehingga dana kembali lebih cepat dan kebutuhan modal kerja dapat ditekan. Itu bukan alasan untuk menganggap setiap proyek AI akan memberi hasil serupa; justru contoh tersebut memperlihatkan pentingnya mengaitkan penggunaan teknologi dengan proses dan sasaran yang konkret. Setelah hasil awal terukur, perusahaan dapat memperluas penggunaan ke fungsi yang lebih kompleks. Optimisme 84% memberi dorongan, tetapi kesiapanlah yang menentukan apakah harapan menjadi manfaat nyata. Bereskan integrasi, rapikan data, dan tetapkan pengawasan sebelum mengejar skala.
