<![CDATA[Proses akuntansi konsolidasi pada entitas multinasional sering kali menghadapi hambatan akibat kompleksitas eliminasi transaksi timbal balik yang rentan terhadap kesalahan manual dan inefisiensi waktu. Penelitian ini bertujuan mengeksplorasi peran strategis Artificial Intelligence (AI) dan Machine Learning (ML) dalam mentransformasi efisiensi serta akurasi pelaporan konsolidasi sesuai standar IFRS 10 dengan menerapkan metode Sequential Explanatory Mixed Method. Temuan penelitian mengonfirmasi bahwa adopsi AI secara signifikan meningkatkan kinerja konsolidasi melalui otomatisasi proses rekonsiliasi yang mampu mereduksi cycle time sebesar 47,8%, yakni dari rata-rata 14,2 hari menjadi 7,4 hari. Selain itu, integrasi teknologi ini meningkatkan akurasi pelaporan sebesar 83,2% dengan menekan error rate dari 12,5% menjadi 2,1%. Namun, hasil Moderated Regression Analysis (MRA) menunjukkan bahwa dampak positif tersebut dimoderasi secara negatif oleh faktor risiko, termasuk isu AI Black Box, bias algoritma, dan keterbatasan audit trail. Tantangan operasional seperti infrastruktur sistem warisan (legacy systems) dan "utang teknis" juga teridentifikasi sebagai penghambat utama yang dapat menggerus manfaat efisiensi. Oleh karena itu, penelitian menyimpulkan bahwa optimalisasi AI memerlukan implementasi kerangka AI Governance yang ketat serta pergeseran paradigma kompetensi akuntan menuju data science guna menjamin integritas dan akuntabilitas pelaporan keuangan.]]>
Copyrights © 2026
