Nama: Rahma Amelia
NPM: 2413031026

1. Analisis Kritis
a. Tantangan teori akuntansi tradisional saat perusahaan memakai otomatisasi & blockchain
Ketika PT Delta Finansial memakai AI dan blockchain, konsep akuntansi tradisional seperti pencatatan manual, verifikasi dokumen, dan proses audit berbasis sampling menjadi kurang relevan. Sistem otomatis membuat transaksi tercatat real-time dan terenkripsi, tetapi menimbulkan tantangan baru karena akuntan tidak selalu memahami cara algoritma memproses data. Blockchain yang bersifat permanen juga membuat koreksi kesalahan pencatatan menjadi sulit. Selain itu, teori akuntansi yang sangat bergantung pada judgement manusia menjadi lebih kompleks ketika judgement diambil oleh sistem otomatis yang tidak transparan (black box).

b. Bagaimana digitalisasi menciptakan peluang & risiko manipulasi
Digitalisasi memberi peluang besar untuk efisiensi, pengurangan human error, dan penyajian data keuangan yang cepat serta akurat. Namun, sistem otomatis tetap bisa dimanipulasi melalui pengaturan parameter algoritma, penundaan pengakuan beban, atau penyesuaian estimasi agar laba terlihat lebih stabil. AI yang diprogram secara bias oleh manajemen juga dapat menghasilkan laporan yang tampak valid tetapi tidak mencerminkan kondisi sebenarnya, sehingga risiko fraud berbasis teknologi semakin besar.

2. Etika dan Transparansi
a. Risiko etika ketika judgement digantikan algoritma AI
Risiko etika muncul karena akuntan dapat kehilangan kontrol terhadap proses estimasi dan perhitungan penting, seperti penilaian aset, cadangan kerugian, atau pengakuan pendapatan. Jika AI bekerja tanpa transparansi, akuntan sulit memastikan bahwa keputusan algoritma benar dan sesuai standar akuntansi. Selain itu, jika AI dirancang mengikuti kepentingan manajemen, hal ini dapat menciptakan laporan keuangan yang tampak objektif padahal sebenarnya dimanipulasi.

b. Sikap akuntan terhadap tekanan “menyesuaikan” laporan ke investor
Akuntan profesional harus tetap berpegang pada integritas dan prinsip etika seperti objektivitas dan kejujuran. Saat ditekan untuk “mempercantik” laporan, akuntan harus menolak intervensi tersebut dan mendokumentasikan semua proses estimasi dengan jelas. Mereka perlu menjelaskan kepada manajemen bahwa laporan yang dimodifikasi tidak hanya melanggar standar tetapi juga berisiko merusak reputasi perusahaan dan mengakibatkan sanksi hukum serta audit.

3. Respon Strategis
a. Rekomendasi untuk menyesuaikan audit & pengawasan di era teknologi tinggi
Perusahaan dan akuntan publik harus meningkatkan kompetensi teknologi, termasuk audit terhadap algoritma, pengujian integritas data, dan pengecekan keamanan blockchain. Auditor perlu mengadopsi teknik audit digital seperti continuous auditing, data analytics, serta pengujian model AI (model audit). Selain itu, perusahaan harus membangun kontrol internal yang kuat untuk mencegah penyalahgunaan algoritma dan memastikan setiap perubahan kode sistem didokumentasikan.

b. Apakah standar pelaporan keuangan saat ini cukup adaptif?
Secara umum, standar pelaporan keuangan global (seperti IFRS) sudah mulai adaptif terhadap perkembangan digital, namun belum sepenuhnya mengikuti kecepatan inovasi seperti AI dan blockchain. Banyak area abu-abu terkait perlakuan data digital, algoritma, serta transaksi yang terjadi di jaringan blockchain. Dengan demikian, standar saat ini cukup memadai, tetapi masih perlu pembaruan untuk mengakomodasi kompleksitas bisnis digital, volatilitas global, dan pengendalian risiko teknologi modern.

Nama: Rahma Amelia
NPM: 2413031026

1) Pengaruh blockchain terhadap reliabilitas & transparansi
Penggunaan blockchain dapat meningkatkan reliabilitas dan transparansi dalam sustainability reporting karena setiap data (misalnya jejak karbon atau asal bahan baku) dicatat dalam sistem yang tidak mudah diubah dan memiliki jejak audit yang jelas. Hal ini memperkuat kepercayaan terhadap integritas data. Namun, blockchain tidak otomatis menjamin kebenaran isi data—kalau data awalnya salah, maka catatan blockchain tetap salah. Jadi, kualitas bukti akuntansi tetap bergantung pada proses input dan verifikasi off-chain.

2) Tantangan regulasi di Indonesia dan global
Tantangan utama PT Hijau Lestari adalah belum adanya regulasi Indonesia yang secara spesifik mengatur penggunaan blockchain untuk sustainability reporting, sehingga perusahaan harus memastikan kesesuaian dengan standar GRI, OJK, dan prinsip perlindungan data. Tantangan lainnya termasuk biaya implementasi, kemampuan pemasok kecil untuk beradaptasi, serta kebutuhan auditor untuk tetap melakukan verifikasi manual. Secara global, persyaratan standar IFRS/ISSB juga makin ketat, sehingga integrasi blockchain harus memenuhi tuntutan bukti yang dapat diaudit.

3) Rekomendasi strategis
PT Hijau Lestari sebaiknya menerapkan tata kelola data yang kuat, memverifikasi data sebelum masuk ke blockchain, dan menggunakan model hybrid (on-chain untuk integritas, off-chain untuk data mentah). Perusahaan juga perlu melibatkan auditor sejak awal, memastikan kepatuhan hukum, dan memulai implementasi bertahap melalui pilot project. Dalam laporan GRI, perusahaan harus menjelaskan bagaimana blockchain digunakan, batasannya, dan proses verifikasi sehingga pengguna laporan memahami tingkat keandalan data.

Nama: Rahma Amelia
NPM: 2413031026

1. Perbandingan pendekatan tradisional vs AI
Pendekatan tradisional menggunakan metode penilaian yang jelas, seperti market approach atau income approach, dengan data pasar yang dapat diobservasi dan asumsi yang dapat dijelaskan. Prosesnya transparan, sehingga auditor mudah menelusuri sumber nilai, sesuai dengan tuntutan IFRS 13. Sebaliknya, pendekatan AI mengolah data dalam jumlah besar dengan model pembelajaran mesin. AI mampu memberikan nilai wajar secara cepat dan mendeteksi pola kompleks, tetapi sering dianggap “black box” karena cara kerjanya sulit dijelaskan. Akibatnya, meski lebih efisien, pendekatan AI memiliki tantangan dalam hal transparansi dan auditabilitas.

2. Implikasi epistemologis penggunaan AI
Penggunaan AI mengubah sumber pengetahuan akuntansi: dari data dan asumsi yang eksplisit menjadi hasil model yang dipengaruhi kualitas data latih dan algoritma. Output AI tampak objektif, tetapi sebenarnya dapat bias karena bergantung pada desain model dan data historis. Selain itu, hasil AI sulit direproduksi tanpa akses penuh ke model, sehingga menimbulkan pertanyaan tentang validitas dan keandalan nilai wajar. Hal ini membuat pengetahuan akuntansi menjadi lebih bergantung pada teknologi dibanding penilaian profesional yang dapat dijelaskan.

3. Strategi akuntabilitas dan pelaporan agar sesuai IFRS 13
Agar sesuai IFRS 13, perusahaan perlu menerapkan tata kelola model (model governance) yang jelas, termasuk dokumentasi sumber data, asumsi, dan proses validasi. Perusahaan juga harus melakukan pengujian seperti backtesting dan analisis sensitivitas untuk memastikan hasil AI konsisten dengan kondisi pasar. Dalam pelaporan, perusahaan harus mengungkapkan bagaimana AI digunakan, jenis data yang dipakai, serta risiko dan keterbatasan model. Transparansi ini membantu auditor dan pengguna laporan menilai apakah nilai wajar yang dihasilkan tetap dapat dipercaya.