Keputusan yang dihasilkan oleh AI bersifat final dan tidak bisa diubah oleh auditor.

Auditor tetap memegang kendali penuh; AI hanya menyediakan data dan wawasan untuk membantu pengambilan keputusan.

Jika terjadi perbedaan, pendapat auditor harus dikesampingkan untuk mengikuti hasil AI.

AI dan auditor harus mencapai mufakat sebelum sebuah keputusan audit bisa diambil.

Sebuah era persaingan antara kecerdasan manusia melawan kecerdasan mesin.

Sebuah masa di mana pekerjaan audit sepenuhnya akan dijalankan oleh mesin.

Sebuah periode transisi di mana peran auditor perlahan akan menghilang.

Sebuah era kolaborasi, di mana kehebatan audit lahir dari kerja sama "Manusia + Mesin"

Satu alat tunggal yang berfungsi menggantikan pekerjaan auditor.

Sebuah keluarga teknologi yang meniru kemampuan kognitif manusia seperti belajar dan menalar.

Perangkat lunak yang hanya bertugas untuk menyimpan data keuangan.

Sistem yang berfungsi untuk melakukan pemeriksaan secara manual.

Hanya melakukan penghitungan matematis sederhana.

Menggantikan peran manajer audit dalam pengambilan keputusan akhir.

Mengidentifikasi anomali, menginterpretasi kontrak, mengenali pola kecurangan, dan menyusun draf laporan audit.

Melakukan wawancara tatap muka dengan dewan direksi.

Dari pengujian seluruh populasi menjadi pengujian dengan sampel.

Dari pemantauan proaktif (lebih aktif) menjadi pengecekan yang reaktif (segera bereaksi terhadap sesuatu yang timbul atau muncul)

Dari pengujian sampel menjadi pengujian seluruh populasi data (full-population testing).

Dari interpretasi otomatis kembali ke dokumentasi yang bersifat manual.

Menghitung penyusutan aset perusahaan.

Meringkas ratusan perjanjian sewa (lease agreements).

Mengirimkan email konfirmasi kepada pelanggan.

Membuat presentasi laporan keuangan.

Karena terlalu banyak menggunakan teknologi canggih.

Karena prosesnya sangat padat karya (Labor-Intensive, auditor menghabiskan banyak waktu untuk mengumpulkan data, melakukan rekonsiliasi angka, dan memastikan kepatuhan terhadap regulasi), memakan waktu untuk pengumpulan data dan rekonsiliasi.

Karena kurangnya peraturan yang harus dipatuhi.

Karena auditor tidak perlu melakukan analisis mendalam.

Model AI mengenali pola penipuan yang belum pernah terdeteksi sebelumnya.

Auditor menilai risiko keuangan perusahaan secara berkelanjutan sepanjang tahun.

Otomatisasi tugas berulang seperti pemindaian entri jurnal, sehingga auditor bisa fokus ke area berisiko tinggi.

Auditor mendapatkan akses instan ke data yang komprehensif.

Dengan mengurangi kesalahan manusia dan mampu mendeteksi skema penipuan yang rumit dengan lebih presisi.

Dengan mengotomatiskan pengiriman email dan jadwal rapat.

Dengan memberikan auditor lebih banyak waktu untuk pekerjaan manual.

Dengan memastikan semua auditor mengikuti jadwal kerja yang sama.

Auditor hanya melihat data historis di akhir tahun saja.

Kemampuan untuk menilai risiko secara terus-menerus (continuously) sepanjang tahun menggunakan analisis prediktif.

Mengurangi jumlah data yang perlu diperiksa oleh auditor.

Menggantikan sepenuhnya kebutuhan akan penilaian auditor.

Audit Tahunan (Annual Auditing).

Audit Berbasis Sampel (Sample-Based Auditing).

Audit Berkelanjutan (Continuous Auditing) dan Assurance.

Audit Manual (Manual Auditing).

Menggantikan auditor junior secara penuh untuk mengurangi biaya.

Menambah dan memperkuat kemampuan yang sudah dimiliki auditor. (Augmentation)

Menjadi satu-satunya pengambil keputusan dalam proses audit.

Mengurangi tingkat skeptisisme profesional yang dibutuhkan auditor.

Machine Learning (ML)

Computer Vision

Natural Language Processing (NLP)

Intelligent Process Automation (IPA)

Machine Learning (ML)

Computer Vision

Natural Language Processing (NLP)

Robotic Process Automation (RPA)

Machine Learning (ML)

Computer Vision

Natural Language Processing (NLP)

Generative AI

Menjadikan audit lebih lambat namun lebih mudah didokumentasikan.

Memungkinkan audit yang lebih cerdas, proaktif, dan berbasis pada pengujian seluruh populasi data.

Mengurangi jumlah data yang perlu diaudit oleh tim.

Menghilangkan semua risiko audit secara permanen.

Audit populasi penuh otomatis

Audit pengambilan sampel manual dan spreadsheet

Audit dengan dasbor live

Audit berbasis AI fairness (Keadilan)

AI untuk audit ESG

NLP untuk mengaudit kontrak sewa

AI untuk audit populasi penuh

Real-time risk flagging

Audit manual dengan spreadsheet

Pengujian populasi penuh dan dokumentasi AI

Audit algoritma fairness saja

Melakukan audit sekali setahun

Audit dilakukan secara manual dengan kertas

Audit hanya fokus pada laporan keuangan saja

Audit berkelanjutan dengan cakupan isu ESG (Environmental, Social, and Governance) dan AI fairness (Keadilan)

Audit dihentikan karena AI mengambil alih sepenuhnya

Kurangnya spreadsheet yang baik

Proses manual yang terlalu cepat

Potensi besar sekaligus tantangan serius

Ketidaktersediaan data digital

Menyusun laporan keuangan secara otomatis

Mengidentifikasi anomali dalam data jurnal

Mengambil teks dari dokumen yang discan seperti faktur dan kontrak

Meringkas isi dokumen panjang dengan bahasa alami.

Mendeteksi kesalahan dalam perhitungan angka

Mengotomatiskan tugas administratif audit

Membantu meringkas dan menyoroti bagian penting dari dokumen kontrak.

Mengambil teks dari dokumen yang discan.

Mendeteksi anomali dalam entri jurnal dan arus pendapatan.

Mengotomatisasi pengumpulan data klien.

Mengubah dokumen gambar menjadi teks.

Meringkas dokumen teks panjang.

Membantu auditor membuat ringkasan dokumen.

Memeriksa dan mencari kesalahan dalam catatan keuangan.

Mengotomatiskan tugas administratif seperti menyiapkan permintaan audit.

Mengidentifikasi risiko dalam laporan keuangan.

Karena AI sederhana sangat mahal untuk digunakan.

Karena alat AI sederhana sudah terbukti membantu memperbaiki audit, seperti mendeteksi risiko lebih baik dan mempercepat proses.

Karena AI sederhana masih dalam tahap percobaan dan jarang digunakan.

arena AI sederhana menggantikan auditor sepenuhnya.

Memprediksi pola anomali dalam data entri jurnal

Mengubah teks gambar menjadi teks digital yang dapat diproses

Mengotomatisasi pengumpulan bukti dan reminder

Membaca dan menginterpretasi bahasa alami dalam dokumen

Dengan mengotomatisasi tugas manual seperti mengetik ulang data.

Dengan mengenali pola-pola kejanggalan di dalam data transaksi.

Dengan membaca dan memahami bahasa alami di dalam dokumen audit.

Dengan mengonversi dokumen gambar menjadi teks.

Mempercepat review dokumen dan memperbaiki akurasi input data

Memprediksi anomali berdasarkan pola data dan membantu mendeteksi risiko

Mengotomatisasi pengumpulan bukti dan pengiriman pengingat

Membaca bahasa alami dalam kontrak dan dokumen audit

Membaca teks dari gambar untuk mengeliminasi pengetikan manual

Membaca dan menganalisa bahasa dokumen kontrak

Mengotomatisasi tugas manual dan mengingatkan auditor saat ada tugas penting

Memprediksi anomali dalam data jurnal

Masih dalam tahap eksperimen dan belum bisa digunakan.

Sudah matang dan banyak dipakai dalam audit.

Hanya digunakan untuk pelatihan auditor baru.

Sudah wajib digunakan dalam semua audit.

Membuat draft laporan audit secara otomatis.

Mengganti manual stocktaking dengan pengenalan gambar otomatis.

Memberi saran prosedur audit berikutnya.

Membantu auditor menilai risiko.

Biaya pengembangan AI terlalu mahal.

Regulasi yang belum jelas dan kebutuhan penyesuaian tiap audit berbeda.

Kurangnya auditor yang paham teknologi.

AI belum bisa bekerja tanpa pengawasan manusia.

Mengotomasi penghitungan inventaris.

Membuat draft laporan, memo, dan penilaian risiko.

Membantu menjadwalkan audit.

Mengganti prosedur audit manual.

Sistem manual sepenuhnya

Deep Learning

Penghitungan manual stok

Pembuatan laporan tanpa teknologi

Membuat laporan keuangan secara manual

Menghitung stok fisik secara otomatis

Menghapus kesalahan data tanpa verifikasi

Menyusun daftar audit tanpa pengawasan

Pemantauan berkelanjutan

Dokumentasi dengan gaya yang konsisten

Pengurangan jumlah auditor secara drastis

Cakupan penuh dan jaminan visual

Auditor sepenuhnya digantikan oleh mesin

Auditor hanya membuat laporan tanpa cek

Auditor fokus memeriksa hasil yang sudah ditandai AI

Auditor tidak perlu melakukan pengujian risiko sama sekali

Memverifikasi identitas auditor

Drafting working papers (membuat dokumen audit)

Menentukan gaji auditor

Menghapus transaksi ilegal secara otomatis

Melakukan pengujian audit inti seperti analisis faktur

Mengelola tugas-tugas administratif seperti jadwal dan daftar permintaan

Mengembangkan strategi audit baru

Mengambil keputusan audit secara otomatis

Karena RPA mahal dan sulit didapat

Karena alat audit harus transparan, konsisten, dan dapat diuji, sementara banyak RPA belum memenuhi itu

Karena auditor lebih suka mengerjakan semuanya secara manual

Karena RPA belum bisa mengakses data audit

Menjadwalkan pertemuan audit

Mengisi template atau dokumen kerja audit secara otomatis

Melakukan prosedur analitis substantif dan pencocokan faktur tiga-arah

Mengelola daftar permintaan audit

Harus cepat dan murah

Harus mampu belajar sendiri dan berkembang

Harus transparan, konsisten, dan dapat diuji kebenarannya

Harus bekerja secara otomatis tanpa intervensi manusia

RPA digunakan hanya di kantor administratif, sedangkan AI hanya di lapangan

RPA belum memenuhi standar regulasi yang ketat untuk pengujian audit inti, sedangkan sistem AI canggih sudah

RPA tidak bisa mengoperasikan komputer, sedangkan AI bisa

RPA lebih cepat dari AI dalam melakukan analisis data

Audit tradisional menggunakan data, sedangkan audit AI hanya menggunakan informasi dari manusia

Audit tradisional bertanya kepada manusia untuk mendapatkan jawaban, sedangkan audit AI meminta bukti langsung dari data melalui AI.

Audit tradisional tidak memerlukan skeptisisme, sedangkan audit AI menghilangkan peran auditor.

Audit tradisional lebih cepat, sedangkan audit AI membutuhkan waktu lama untuk analisis data.

Pengumpul data manual saja.

Pemeriksa hasil AI tanpa harus mengerti data.

Interpreter data (Menafsirkan data) yang mampu mengenali pola dan memahami hasil AI

Pengganti AI dalam proses audit.

Mengerti pola data, memahami hasil AI, dan menerapkan skeptisisme profesional.

Membuat program AI sendiri dan mengumpulkan data manual saja.

Hanya percaya pada hasil AI tanpa perlu analisis lebih jauh.

Bertanya kepada manusia tanpa menggunakan data.

Secara otomatis menerima semua hasil yang diberikan oleh mesin.

Mengabaikan hasil AI dan hanya fokus pada data manual.

Mempertanyakan dan memeriksa hasil yang diberikan AI dengan kritis.

Membiarkan AI memutuskan tanpa intervensi manusia.

Mengatur parameter data yang akan diekstrak

Mengumpulkan dokumen hasil pindai seperti faktur dan kuitansi

Menjalankan mesin OCR untuk membaca dokumen

Melakukan validasi data hasil OCR

Menentukan bidang teks yang akan diekstraksi (misal nomor faktur)

Meng-upload dokumen ke software OCR

Melakukan pengujian kehandalan mesin OCR sebelum menjalankan audit

Menggunakan platform audit yang sudah terintegrasi dengan OCR seperti PwC Halo

Memvalidasi data hasil audit secara manual

Mengubah gambar dokumen yang dipindai menjadi teks yang dapat dibaca komputer

Melakukan audit penuh tanpa campur tangan manusia

Membuat dokumen baru untuk audit

Untuk mempercepat proses upload dokumen

Agar bisa mengganti data yang sudah benar

Mengontrol akurasi dan melakukan spot check terutama pada transaksi bernilai besar

Melaporkan semua dokumen tanpa pengecualian

Menambah jumlah dokumen yang harus diperiksa auditor manual

Menguji keakuratan dan kelengkapan transaksi pembelian atau pengeluaran

Menghapus dokumen yang tidak diperlukan

Menghindari pemeriksaan manual dan audit rutin

Mengabaikan nilai-nilai itu dan melanjutkan proses

Menandai data tersebut untuk diperiksa lebih lanjut oleh auditor

Menghapus data duplikat secara otomatis tanpa pemberitahuan

Mengubah nilai-nilai menjadi rata-rata transaksi normal

Mendefinisikan entitas penting seperti lessor dan lessee

Memuat dokumen perjanjian sewa ke dalam alat NLP

Membuat ringkasan otomatis dari dokumen

Memeriksa hasil ekstraksi secara manual

Untuk merangkum dokumen dengan cepat

Agar mesin dapat mencari dan mengekstrak informasi penting dengan tepat

Untuk menilai risiko audit

Memastikan dokumen sudah sesuai standar jurnal klien

Mengupload dokumen ke dalam database

Membuat rangkuman hasil ekstraksi data

Memvalidasi perhitungan aset hak guna

Membandingkan dengan catatan audit sebelumnya

Untuk memastikan akurasi hasil ekstraksi NLP

Agar dapat mempercepat pengolahan dokumen

Menandai klausul yang tidak biasa dalam dokumen

Memperbarui ketentuan perpanjangan kontrak

Membuat semua dokumentasi audit menjadi otomatis

Menandai klausul seperti biaya pengakhiran awal atau pembayaran variabel yang tidak biasa

Menghapus ketentuan yang tidak sesuai dari dokumen

Memvalidasi catatan jurnal klien secara langsung

Menerbitkan opini audit berdasarkan data NLP saja

Mengunggah ulang dokumen sewa yang sama

Melakukan pemeriksaan manual terhadap hasil dan risiko yang terdeteksi

Mengabaikan risiko kecil yang ditemukan oleh NLP

Memberikan skor risiko pada entri jurnal

Melatih model ML dengan data historis

Ekspor dan bersihkan data dari sistem ERP

Melakukan pengujian dokumen pendukung

Agar bisa memberikan skor antara 0-100

Untuk mengenali pola entri jurnal yang dianggap normal

Untuk menghapus data duplikat dalam sistem ERP

Agar auditor bisa menandai entri manual

Penilaian bahwa entri benar-benar valid

Tanda bahwa entri perlu diperiksa manual karena kemungkinan anomali

Menandakan entri sudah disetujui oleh auditor

Menunjukkan entri sudah memiliki dokumentasi lengkap

Apakah entri dilakukan pada akhir pekan atau tengah malam

Apakah model machine learning sudah dilatih ulang

Apakah entri tersebut sudah didokumentasikan dalam kertas kerja audit

Apakah entri tersebut memiliki kode akun yang tidak valid

Melatih model ML lebih banyak untuk akurasi

Memilih entri berisiko untuk dilakukan pemeriksaan dokumen asli dan bukti persetujuan

Memberikan skor risiko pada seluruh entri secara otomatis

Melakukan export data dari sistem ERP

Agar auditor bisa menerapkan model ML ke data baru

Untuk memastikan hasil dan prosedur audit terekam dan bisa direview

Untuk melatih model machine learning lebih baik lagi

Untuk memungkinkan model ML menandai entri secara otomatis

Menjadwalkan eksekusi bot setiap beberapa jam

Mengidentifikasi tugas-tugas yang bersifat berulang

Mengirim notifikasi kepada tim audit

Memperbarui dashboard tracking dokumen

Membandingkan checklist dan dokumen yang diunggah klien

Meninjau hasil kerja auditor untuk koreksi

Menjadwalkan rapat dengan klien setiap hari

Menyusun laporan audit akhir secara penuh

Hanya di awal proses audit

Setiap hari atau beberapa jam sekali saat audit berlangsung

Sekali saat audit selesai

Saat auditor merasa perlu

Hanya auditor internal

Tim audit dan/atau klien

Manajemen perusahaan klien saja

Pihak regulator eksternal

Memperbarui dashboard tracking dokumen

Membuat laporan audit akhir

Meminta auditor untuk mengunggah dokumen

Melakukan review manual

Untuk memastikan akurasi hasil bot

Agar bot dapat belajar dari hasil review

Sebagai pengganti audit trail otomatis

Untuk mengganti semua tugas robot

Menyimpan catatan otomatis demi memenuhi standar dokumentasi

Menghapus dokumen yang tidak relevan

Meminta persetujuan klien untuk setiap tindakan bot

Mengganti tugas manual auditor secara permanen

Agar auditor tidak perlu melakukan pemeriksaan fisik sama sekali

Untuk digunakan sebagai data input oleh model AI dalam mengenali dan menghitung barang

Supaya bisa menampilkan gambar ke client sebagai bukti audit

Untuk menggantikan seluruh proses audit manual yang selama ini dilakukan

Agar AI dapat menghapus barang yang tidak penting dari gambar

Untuk meningkatkan kejelasan gambar melalui de-blurring dan penyesuaian kontras serta penandaan objek

Supaya auditor bisa menggunakan gambar untuk presentasi kepada klien

Agar bisa menyimpan gambar dengan ukuran file yang sangat kecil

Recurrent Neural Network (RNN)

Convolutional Neural Network (CNN)

Support Vector Machine (SVM)

Decision Tree

Laporan finansial lengkap klien

Jumlah inventori tiap SKU dengan nilai confidence score

Hanya daftar kode barang tanpa jumlah

Rekaman video proses audit secara otomatis

Auditor memutuskan bahwa hasil AI lebih akurat dan mengganti catatan client

Auditor melakukan pemeriksaan fisik pada barang bermasalah untuk verifikasi

AI secara otomatis mengoreksi catatan client

Proses audit dihentikan sampai semua catatan diperbaiki

Agar dapat digunakan untuk pemasaran jasa audit berikutnya

Menjadi bagian dari arsip audit sebagai bukti dan referensi

Untuk dijual ke perusahaan teknologi AI

Supaya klien bisa melihat proses AI bekerja secara real-time

Auditor memeriksa hasil audit dari AI secara menyeluruh

Auditor menyediakan perintah (prompt) kepada AI untuk membuat ringkasan.

Auditor mengunggah hasil akhir ke dokumen audit.

Auditor memeriksa keamanan data perusahaan.

Data keuangan klien dan hasil uji audit saja.

Hasil uji audit, kertas kerja, neraca saldo klien, dan log korespondensi.

Hanya data korespondensi klien yang relevan.

Semua data internal perusahaan auditor.

Auditor junior yang membuat prompt.

Klien yang diaudit.

Senior associate atau manajer audit.

Sistem AI secara otomatis.

Untuk tujuan backup data saja

Agar dapat digunakan untuk proyek lain

Sebagai bagian dari bukti dokumentasi dan jejak audit

Agar AI dapat belajar dari data tersebut di masa mendatang

Memastikan AI mengakses data sesering mungkin.

Memastikan tidak ada informasi rahasia yang disalahgunakan atau kesalahan AI.

Memastikan AI memilih data terbaik secara otomatis.

Memastikan auditor tidak menggunakan AI secara langsung.

Menilai risiko entri jurnal berdasarkan waktu pembuatan

Ekstrak data entri jurnal dan membersihkan data

Mengirimkan pemberitahuan kepada auditor tentang risiko tinggi

Memeriksa dokumen pendukung secara manual oleh auditor

Entri pada waktu yang tidak biasa

Angka pembulatan (round numbers)

Penggunaan bahasa dalam dokumen pendukung

Entri pembalikan (reversed entries)

Mengirimkan email langsung kepada auditor secara manual

Mengulang proses pemeringkatan risiko untuk setiap entri jurnal secara otomatis

Menulis laporan audit secara otomatis tanpa campur tangan auditor

Menghapus entri jurnal dengan risiko rendah secara otomatis

Entri jurnal langsung dihapus tanpa pemeriksaan

Auditor menerima alert melalui dashboard atau email

Model AI secara otomatis melatih ulang dirinya sendiri

Semua detail entri dibuat rahasia dan tidak ditampilkan auditor

Membuat model AI baru dari awal

Melihat entri yang ditandai dan memeriksa dokumen pendukung di platform audit

Menghapus entri yang dianggap berisiko tinggi tanpa pemeriksaan

Memprogram robot RPA untuk melakukan pembersihan data

Merekam semua entri yang diuji, logika risiko yang dipakai, dan tanggapan auditor

Menghapus data audit yang sudah tidak diperlukan lagi

Mengirimkan reminder ke auditor secara manual

Membuat dokumen pendukung tanpa bantuan auditor

Memungkinkan auditor memilih entri mana yang akan dihapus

Menggunakan validasi auditor untuk melatih ulang model AI agar makin akurat

Menghentikan proses audit jika model AI menghasilkan kesalahan

Otomatis menghapus entri yang dianggap tidak berisiko oleh auditor

Mengumpulkan dan mengolah data dari berbagai sumber agar konsisten dan siap dianalisis

Membuat data menjadi lebih kompleks dan sulit dianalisis agar audit lebih ketat

Menghapus data yang tidak penting dan menggantinya dengan data baru dari sumber eksternal

Menyimpan data dalam format yang tidak bisa diubah untuk keamanan

Karena menunjukkan berapa lama piutang tidak tertagih yang bisa menjadi indikator risiko penipuan

Karena bisa digunakan untuk menghitung total penjualan perusahaan secara akurat

Karena membantu mengidentifikasi pelanggan terbaik untuk promosi khusus

Karena menggantikan kebutuhan penggunaan model AI dalam deteksi fraud

Menggabungkan kekuatan beberapa model untuk hasil yang lebih akurat dan komprehensif

Mempercepat proses audit dengan mengurangi jumlah data yang dianalisis

Mengganti seluruh tim audit manusia dengan sistem otomatis tanpa intervensi

Menghilangkan kebutuhan pembersihan dan normalisasi data awal

Dalam bentuk heatmap atau dashboard yang memvisualisasikan ranking risiko

Sebagai dokumen teks panjang tanpa grafik agar lebih formal

Hanya sebagai daftar angka tanpa konteks apapun

Ditampilkan langsung sebagai keputusan final tanpa penjelasan tambahan

Berdasarkan skor risiko AI sehingga transaksi berisiko tinggi prioritas walau nilainya kecil

Berdasarkan nilai nominal terbesar saja tanpa mempertimbangkan risiko

Memilih secara acak tanpa memakai bantuan AI atau analisis risiko

Hanya memilih transaksi yang mencurigakan secara manual oleh auditor tanpa alat AI

Agar proses audit transparan, dapat direview ulang, dan hasil model dapat dipertanggungjawabkan

Karena dokumentasi bisa menggantikan semua aktivitas audit manual

Supaya model AI bisa dijalankan tanpa perlu audit sama sekali di masa depan

Agar para auditor bisa memodifikasi model AI sesuka hati tanpa batasan