Pekerjaan keuangan AI: bisakah kamu mengawasi pekerjaan yang dilewatkan AI?

Antrean faktur dulu terasa membosankan, tetapi dengan cara yang berguna. Seorang analis junior belajar dengan menemukan ketidaksesuaian, bertanya mengapa sebuah persetujuan terhenti, dan melihat bagaimana proses yang tampak rapi bisa menjadi berantakan. Kini AI keuangan sangat baik dalam melakukan jenis pengulangan seperti itu. Risiko kariernya bukan hanya berkurangnya tugas yang dianggap rendah. Risikonya juga berkurangnya kesempatan untuk belajar seperti apa data yang buruk, kontrol yang lemah, dan pengecualian yang aneh sebelum kamu diminta untuk mengawasinya.

Masa magang sedang dipadatkan

The Next Web, dalam laporannya tentang Basware, menggambarkan pekerjaan keuangan junior sebagai masa magang, bukan sekadar tumpukan tugas membosankan. Contohnya mencakup pemrosesan faktur, rekonsiliasi akun, investigasi pengecualian, dan tindak lanjut persetujuan, semua pekerjaan yang membantu orang membangun penilaian melalui pengulangan. Laporan yang sama mengatakan bahwa sistem AI kini menangani operasi keuangan seperti ekstraksi data, validasi, perpindahan persetujuan, dan sebagian penyelesaian masalah tanpa campur tangan manusia. Kevin Kamau dari Basware menyampaikan risiko intinya dengan jelas kepada The Next Web: "Kamu tidak bisa mengawasi sesuatu yang tidak pernah kamu pelajari untuk dilakukan."

@title Pekerjaan junior baru
@source Korn Ferry Report

  Junior role
     │
     ├─ Research with AI
     ├─ Analyze data
     ├─ Test AI output
     ├─ Automate workflows
     └─ Apply judgment

@caption Peran awal bergeser ke arah pengawasan dan analisis.

Ini bukan masalah uji coba kecil. The Next Web mengatakan platform Basware didukung oleh lebih dari 2,5 miliar faktur dan mendukung lebih dari satu miliar tindakan AI setiap tahun di seluruh basis pelanggannya. Kamau juga mengatakan kepada The Next Web bahwa AI agentik mengambil alih pekerjaan manual accounts payable seperti mengejar faktur, memeriksa data, dan mengarahkan persetujuan. Jika tugas-tugas itu meninggalkan meja kerja junior, maka pembelajarannya harus dipindahkan ke tempat lain secara sengaja.

Perekrutan tidak menghilang, tetapi pekerjaan pertama sedang berubah

AMS, perusahaan Korn Ferry, melaporkan bahwa 81% pemberi kerja berencana meningkatkan perekrutan talenta awal karier, berdasarkan riset dengan lebih dari 5.000 kandidat dan 500 pemimpin HR serta akuisisi talenta di 13 negara. Laporan yang sama mengatakan bahwa 76% pemimpin akuisisi talenta tidak melihat pekerjaan level awal menghilang dari organisasi mereka. Itulah perbedaan penting bagi pelajar: tangganya mungkin tetap ada, tetapi anak tangga pertamanya sedang dibangun ulang.

Menurut laporan Korn Ferry, karyawan junior di beberapa organisasi terdepan mulai bergeser dari eksekusi berulang menuju riset dengan AI, analisis data, pengujian output mesin, otomatisasi alur kerja, dan penerapan penilaian manusia. Bagi pencari kerja, itu berarti jabatan tidak sepenting kata kerja dalam pekerjaannya. Tanyakan apakah peran itu memberimu paparan terhadap pengecualian, rekonsiliasi, catatan tinjauan, jalur eskalasi, dan kepemilikan proses. Pekerjaan yang hanya membiarkanmu memberi prompt pada sebuah alat mungkin mengajarkan lebih sedikit daripada pekerjaan yang membiarkanmu menjelaskan mengapa alat itu salah.

Kemampuan diaudit menjadi sinyal keterampilan yang sebenarnya

The Journal of Accountancy, mengutip survei Datarails 2026 CFO Sentiments terhadap 270 CFO dan pemimpin keuangan di AS, melaporkan bahwa hanya 3% yang secara aktif mengurangi jumlah karyawan keuangan ketika AI telah menggantikan pekerjaan. Jauh lebih banyak, 60%, mengatakan AI membantu mereka memindahkan staf ke pekerjaan bernilai lebih tinggi. Itu terdengar menenangkan sampai kamu membaca kesenjangan kesiapan: 76% melaporkan tekanan tinggi atau sangat tinggi untuk menerapkan AI sepenuhnya, sementara hanya 7% mengatakan fungsi keuangan sudah sepenuhnya siap di semua alur kerja.

Hambatan praktisnya adalah kepercayaan. The Journal of Accountancy melaporkan bahwa 75% menyebut ketidakmampuan untuk mengaudit atau menjelaskan output AI sebagai alasan ragu mempercayai AI untuk pekerjaan yang sangat penting, dan 40% menghabiskan lebih dari seperempat hari kerja mereka untuk memverifikasi atau mengoreksi output AI keuangan. FIS menemukan pola serupa dalam manajemen kas dan likuiditas di Inggris: 90% direktur keuangan senior memiliki business case AI yang jelas, tetapi hanya 71% yang dapat mengukur nilai yang dihasilkan dengan jelas. FIS juga melaporkan bahwa 72% menunjuk kekhawatiran tentang akurasi, kemampuan dijelaskan, atau tata kelola sebagai pembatas adopsi, sementara 76% menyebut risiko keamanan data.

Hal yang sebaiknya dibangun pelajar dan manajer berikutnya

FINRA Regulatory Notice 24 09 adalah pengingat yang berguna untuk pekerjaan keuangan yang diatur: aturan sekuritas tetap berlaku ketika perusahaan menggunakan AI generatif atau alat serupa. FINRA juga mengatakan bahwa ketika AI menjadi bagian dari pengawasan, kebijakan dan prosedur harus mencakup tata kelola teknologi, manajemen risiko model, privasi dan integritas data, keandalan, dan akurasi model. Itu seharusnya membentuk pelatihan, bukan hanya dokumen kepatuhan.

Bagi profesional keuangan awal karier, langkah cerdasnya adalah mencari pekerjaan yang dibuat terlihat oleh AI tetapi tidak dibuat sederhana olehnya. Ajukan diri untuk meninjau antrean pengecualian, mendokumentasikan mengapa suatu output diterima atau ditolak, memetakan logika persetujuan, dan membandingkan hasil AI dengan catatan sumber. Bagi manajer, jangan mengotomatiskan sebuah tugas sampai seseorang bisa mengatakan apa yang dulu dipelajari pemula dari tugas itu dan di mana pembelajaran tersebut terjadi sekarang. Masa magang keuangan berikutnya akan lebih sedikit tentang melakukan setiap langkah berulang secara manual, dan lebih banyak tentang membuktikan bahwa kamu memahami proses dengan cukup baik untuk menantang mesin.