Nama : Aura Liyanti Fani
NPM : 2413031089
1. Dalam pendekatan tradisional, penilaian fair value dilakukan menggunakan metode yang diakui dalam teori dan praktik akuntansi, seperti market approach, income approach, dan cost approach. Pendekatan ini menekankan penilaian profesional dari penilai atau manajemen, dengan asumsi bahwa akuntan mampu menafsirkan data pasar dan memilih asumsi yang paling relevan. Dari perspektif teori akuntansi normatif, pendekatan tradisional dianggap lebih bertanggung jawab karena auditor dapat melacak, menjelaskan, dan menilai kembali proses penilaian.
Sementara pendekatan berbasis AI yang digunakan oleh PT Cerdas Digital mengandalkan algoritma, machine learning, dan big data untuk memproses informasi pasar secara real-time. Dari perspektif akuntansi positif, AI dianggap sebagai alat yang mampu meningkatkan efisiensi dan mengurangi bias subjektif manusia. Namun, kelemahan utama dari pendekatan ini adalah sifatnya yang seringkali buram (black box), yang membuatnya sulit untuk menjelaskan hubungan sebab-akibat antara input dan output fair value.
Oleh karena itu, perbedaan mendasar antara kedua pendekatan tersebut terletak pada sumber penilaian yaitu pendekatan tradisional bergantung pada penilaian profesional manusia, sedangkan pendekatan AI didasarkan pada logika algoritmik yang tidak selalu mudah dipahami.
2. Secara epistemologis, penggunaan AI menggeser sumber pengetahuan akuntansi dari pengalaman dan teori berdasarkan penilaian ke pengetahuan berdasarkan pola statistik dan korelasi data. Hal ini menimbulkan pertanyaan tentang validitas pengetahuan yang dihasilkan oleh AI yaitu apakah nilai wajar benar-benar mewakili kondisi ekonomi asset atau hanya mencerminkan pola historis dan asumsi tentang data yang digunakan. Masalah epistemologis juga muncul ketika akuntan dan auditor tidak sepenuhnya memahami cara kerja algoritma. Dalam situasi ini, pengetahuan akuntansi menjadi sekunder dan para profesional hanya menerima hasilnya tanpa sepenuhnya memahami prosesnya. Hal ini dapat merusak prinsip representasi yang jujur, karena keandalan informasi ditentukan tidak hanya oleh akurasi numerik tetapi juga oleh kemampuan untuk menjelaskan dan memverifikasi proses penilaian.
3. Untuk memastikan bahwa penilaian berbasis AI sesuai dengan IFRS 13, PT Cerdas Digital harus menerapkan beberapa strategi akuntabilitas. Pertama, perusahaan harus memastikan bahwa hasil AI dapat ditetapkan pada hierarki nilai wajar (Level 1, 2, atau 3) sebagaimana diatur dalam IFRS 13, dan mengungkapkan asumsi utama yang digunakan oleh sistem AI.
Kedua, diperlukan pendekatan yang melibatkan manusia, di mana akuntan profesional terus meninjau hasil AI secara kritis dan membenarkan penggunaan nilai-nilai tersebut. Hal ini menjaga keseimbangan antara efisiensi teknologi dan tanggung jawab profesional.
Ketiga, perusahaan harus meningkatkan pengungkapan informasi termasuk deskripsi model AI, sumber data, keterbatasan sistem, dan analisis sensitivitas terhadap perubahan asumsi. Strategi ini dapat meningkatkan transparansi dan akuntabilitas dalam penilaian nilai wajar tanpa mengorbankan kepatuhan terhadap standar akuntansi internasional.
NPM : 2413031089
1. Dalam pendekatan tradisional, penilaian fair value dilakukan menggunakan metode yang diakui dalam teori dan praktik akuntansi, seperti market approach, income approach, dan cost approach. Pendekatan ini menekankan penilaian profesional dari penilai atau manajemen, dengan asumsi bahwa akuntan mampu menafsirkan data pasar dan memilih asumsi yang paling relevan. Dari perspektif teori akuntansi normatif, pendekatan tradisional dianggap lebih bertanggung jawab karena auditor dapat melacak, menjelaskan, dan menilai kembali proses penilaian.
Sementara pendekatan berbasis AI yang digunakan oleh PT Cerdas Digital mengandalkan algoritma, machine learning, dan big data untuk memproses informasi pasar secara real-time. Dari perspektif akuntansi positif, AI dianggap sebagai alat yang mampu meningkatkan efisiensi dan mengurangi bias subjektif manusia. Namun, kelemahan utama dari pendekatan ini adalah sifatnya yang seringkali buram (black box), yang membuatnya sulit untuk menjelaskan hubungan sebab-akibat antara input dan output fair value.
Oleh karena itu, perbedaan mendasar antara kedua pendekatan tersebut terletak pada sumber penilaian yaitu pendekatan tradisional bergantung pada penilaian profesional manusia, sedangkan pendekatan AI didasarkan pada logika algoritmik yang tidak selalu mudah dipahami.
2. Secara epistemologis, penggunaan AI menggeser sumber pengetahuan akuntansi dari pengalaman dan teori berdasarkan penilaian ke pengetahuan berdasarkan pola statistik dan korelasi data. Hal ini menimbulkan pertanyaan tentang validitas pengetahuan yang dihasilkan oleh AI yaitu apakah nilai wajar benar-benar mewakili kondisi ekonomi asset atau hanya mencerminkan pola historis dan asumsi tentang data yang digunakan. Masalah epistemologis juga muncul ketika akuntan dan auditor tidak sepenuhnya memahami cara kerja algoritma. Dalam situasi ini, pengetahuan akuntansi menjadi sekunder dan para profesional hanya menerima hasilnya tanpa sepenuhnya memahami prosesnya. Hal ini dapat merusak prinsip representasi yang jujur, karena keandalan informasi ditentukan tidak hanya oleh akurasi numerik tetapi juga oleh kemampuan untuk menjelaskan dan memverifikasi proses penilaian.
3. Untuk memastikan bahwa penilaian berbasis AI sesuai dengan IFRS 13, PT Cerdas Digital harus menerapkan beberapa strategi akuntabilitas. Pertama, perusahaan harus memastikan bahwa hasil AI dapat ditetapkan pada hierarki nilai wajar (Level 1, 2, atau 3) sebagaimana diatur dalam IFRS 13, dan mengungkapkan asumsi utama yang digunakan oleh sistem AI.
Kedua, diperlukan pendekatan yang melibatkan manusia, di mana akuntan profesional terus meninjau hasil AI secara kritis dan membenarkan penggunaan nilai-nilai tersebut. Hal ini menjaga keseimbangan antara efisiensi teknologi dan tanggung jawab profesional.
Ketiga, perusahaan harus meningkatkan pengungkapan informasi termasuk deskripsi model AI, sumber data, keterbatasan sistem, dan analisis sensitivitas terhadap perubahan asumsi. Strategi ini dapat meningkatkan transparansi dan akuntabilitas dalam penilaian nilai wajar tanpa mengorbankan kepatuhan terhadap standar akuntansi internasional.