Nama : Esa Azalia Zahra
NPM : 2413031084

Setelah menyimak video tersebut, Pelaporan SDGs pada dasarnya mencerminkan perubahan fundamental dalam cara perusahaan melihat dan menyajikan kinerjanya. Hal terpenting adalah bahwa SDGs kini tidak hanya sekadar proyek filantropis atau program Tanggung Jawab Sosial Perusahaan (CSR) yang terpisah, melainkan telah bertransformasi menjadi kerangka kerja strategis global untuk menilai dampak sebuah organisasi terhadap masa depan bumi dan masyarakat.
Dari sudut pandang kritis, pelaporan ini mendorong perusahaan untuk beralih dari metode pelaporan konvensional yang hanya menyoroti hasil finansial menuju pendekatan pelaporan yang terintegrasi. Ini dilakukan dengan mengevaluasi secara sistematis bagaimana aktivitas operasional mereka, mulai dari rantai pasokan hingga penggunaan energi dan perlakuan terhadap karyawan, berkontribusi atau menghalangi pencapaian 17 Tujuan Global (SDGs), seperti Mengentaskan Kelaparan, Tindakan Iklim, atau Pekerjaan Layak dan Pertumbuhan Ekonomi.
Dalam konteks pemangku kepentingan dan akuntabilitas, pelaporan SDGs berfungsi sebagai alat transparansi yang sangat kuat. Dengan menyajikan metrik khusus yang berhubungan dengan target-target SDGs (contohnya, volume air yang didaur ulang atau persentase pekerjaan layak yang tercipta), perusahaan dapat membangun kepercayaan. Ini sangat krusial bagi investor masa kini (investor ESG) yang memanfaatkan data ini untuk menilai risiko jangka panjang dan keberlanjutan model bisnis perusahaan. Oleh karena itu, pelaporan SDGs menjadi jembatan yang mengaitkan kinerja operasional harian perusahaan dengan tanggung jawab globalnya, mengubah komitmen menjadi tindakan yang terukur dan dapat diperiksa.

Nama : Esa Azalia Zahra
NPM : 2413031084
Kelas : 24 C

ANALISIS KRITIS
1. Tantangan Teori Akuntansi Tradisional
Implementasi sistem otomatisasi yang menggunakan AI dan blockchain oleh PT Delta Finansial menghadapi hambatan besar bagi teori akuntansi konvensional, terutama yang berfokus pada aspek keandalan dan penilaian profesional. Teori konvensional, seperti Positive Accounting Theory, beranggapan bahwa pencatatan dan estimasi membutuhkan pemikiran manusia yang dapat dipertanggungjawabkan. Namun, saat transaksi dicatat secara otomatis oleh AI dan diverifikasi secara permanen oleh blockchain, perhatian terhadap keandalan berpindah dari penilaian manusia menuju kemampuan verifikasi yang melekat pada sistem. Masalah yang muncul adalah terkait "kotak hitam" pada AI: akuntan dan auditor kesulitan memahami alasan di balik keputusan algoritma dalam memberikan estimasi tertentu (seperti estimasi piutang tak tertagih atau usia manfaat aset), yang mengancam prinsip transparansi dan verifikasi yang sangat penting. Selain itu, karakteristik tidak bisa diubah dari blockchain juga menantang prinsip konservatisme dan penyesuaian mundur, karena memperbaiki data yang salah menjadi jauh lebih rumit setelah data terkonfirmasi dalam jaringan.

2. Peluang dan Risiko Manipulasi Digital
Proses digitalisasi membuka peluang signifikan untuk meningkatkan relevansi dan ketepatan waktu informasi akuntansi, sesuai dengan tujuan konseptual laporan keuangan. Dengan otomatisasi yang didorong AI, pelaporan secara langsung dan analisis data besar dapat menghasilkan estimasi yang lebih tepat secara prediktif. Meskipun demikian, digitalisasi juga menimbulkan ancaman baru terkait manipulasi yang lebih rumit. Risiko utama muncul dari manipulasi estimasi berbasis algoritma, yang memungkinkan manajemen mengubah parameter input data atau bobot algoritma (kesalahan algoritmik) untuk mendapatkan angka laba yang diinginkan (misalnya, menunda pengakuan biaya atau merubah asumsi usia aset) tanpa meninggalkan jejak audit yang jelas dan konvensional. Risiko lain timbul dari teknik pengolahan pada data blockchain yang, meskipun keras untuk dimanipulasi setelah dicatat, mungkin sudah terkontaminasi atau salah saat entri awal (kualitas data buruk, kualitas hasil buruk), menciptakan ilusi integritas data padahal sebenarnya sudah dimanipulasi pada tahap awal.

ETIKA DAN TRANSPARANSI
1. Risiko Etika dari Algoritma AI
Masalah etika utama yang dihadapi oleh akuntan PT Delta Finansial berasal dari penggantian penilaian manusia dengan algoritma AI. Masalah ini menciptakan penurunan dalam akuntabilitas moral. Ketika estimasi keuangan tidak tepat, akuntan dapat berlindung di balik "keputusan algoritma," yang mengurangi perasaan tanggung jawab profesional individu. Risiko lainnya adalah adanya bias yang sudah diprogram. Jika algoritma dibangun dengan menggunakan data sejarah yang bias (seperti dalam penilaian kredit yang mungkin mendiskriminasi kelompok tertentu secara tidak adil), AI dapat memperkuat dan memperbesar bias tersebut, yang bertentangan dengan prinsip keadilan dan objektivitas dalam akuntansi. Akuntan berisiko kehilangan kemampuan untuk membuat penilaian etis dan menolak hasil yang secara teknis benar tetapi secara substansial tidak etis atau tidak mencerminkan kondisi ekonomi yang sebenarnya.

2. Menyikapi Tekanan Penyesuaian Laporan
Akuntan profesional di PT Delta Finansial harus menghadapi tekanan untuk mengubah hasil laporan dengan tetap berpegang pada Kode Etik Akuntan Profesional (IAI) yang menegaskan pentingnya integritas dan objektivitas. Mereka wajib menolak segala bentuk manipulasi data atau parameter algoritma yang bertujuan untuk menyesatkan penerima laporan keuangan. Secara strategis, para akuntan perlu berperan sebagai pengawas (gatekeepers) yang melakukan pengawasan terhadap sistem AI. Ini meliputi memastikan bahwa: (a) semua asumsi dan parameter dalam model AI didokumentasikan dengan jelas dan sesuai dengan Standar Akuntansi Keuangan (SAK), (b) setiap modifikasi manual atau penyesuaian pada hasil AI diungkapkan dengan jelas, dan (c) menerapkan sikap skeptis profesional yang tinggi terhadap hasil yang tampak terlalu konsisten di saat pasar tidak stabil, seperti yang dicurigai oleh analis luar.

RESPON STRATEGIS
1. Penyesuaian Praktik Audit dan Pengawasan
Dalam menghadapi sistem akuntansi yang berteknologi tinggi, perusahaan dan akuntan publik harus menyesuaikan metode audit mereka dengan model Audit 4. 0. Pertama, Audit Berkelanjutan: Akuntan publik perlu beralih dari audit berbasis sampel dan tahunan menuju audit berkelanjutan (Continuous Auditing) yang menganalisis aliran data transaksi secara real-time dan tidak dapat diubah yang tercatat di blockchain. Kedua, Jaminan Algoritmik: Akuntan perlu mengasah keterampilan dalam bidang forensik digital dan data science untuk dapat melakukan audit terhadap algoritma (Audit of the Algorithm). Ini berarti perlu memverifikasi validitas dan pemahaman model AI itu sendiri, bukan hanya hasil yang dihasilkannya. Ketiga, Kerangka Pengelolaan Teknologi: PT Delta Finansial perlu menerapkan kerangka tata kelola TI (seperti COBIT) dan Kontrol Internal atas Laporan Keuangan (ICFR) yang khusus mengatur kontrol terhadap akses dan perubahan parameter AI serta data awal yang dimasukkan ke blockchain.

2. Adaptasi Standar Pelaporan Keuangan (SAK/IFRS)
Saya berpendapat bahwa standar pelaporan keuangan yang ada saat ini (IFRS/SAK) masih belum cukup fleksibel untuk sepenuhnya menangani kompleksitas keuangan digital serta globalisasi. Walaupun standar seperti IFRS 13 (Pengukuran Nilai Wajar) memperbolehkan penggunaan model, mereka masih bergantung pada harapan akan transparansi dalam penilaian manusia dan struktur input yang jelas, yang sulit diterapkan pada hasil model "kotak hitam" AI yang tidak dapat dilihat dan komprehensif. Selain itu, standar akuntansi saat ini tidak memberikan pedoman yang jelas mengenai: (a) Pengakuan dan pengukuran aset digital/tokenisasi yang spesifik, (b) Pengungkapan wajib tentang arsitektur dan parameter model AI yang diterapkan dalam estimasi material, dan (c) Perlakuan akuntansi terhadap kontrak pintar (smart contracts). Dibutuhkan upaya global dari badan standarisasi (seperti IASB) untuk mengembangkan standar yang berfokus pada Jaminan atas Pengelolaan AI dan mewajibkan pengungkapan yang lebih detail (berbasis prinsip pengungkapan) untuk menjembatani kesenjangan antara penilaian algoritmik dan kebutuhan verifikasi dari pengguna laporan.

Nama : Esa Azalia Zahra
NPM : 2413031084
Kelas : 24 C

1. Dampak Blockchain pada Teori Akuntansi dalam Pelaporan Keberlanjutan
Pemanfaatan teknologi blockchain dapat sangat memperkuat teori akuntansi, terutama yang berhubungan dengan karakteristik kualitas seperti reliabilitas dan transparansi informasi. Reliabilitas (keandalan) ditingkatkan melalui sifat blockchain yang tidak dapat diubah dan buku besar terdistribusi. Setiap data transaksi terkait keberlanjutan, seperti pengukuran jejak karbon atau sertifikasi sumber bahan, direkam dalam bentuk blok yang dienkripsi dan diverifikasi oleh jaringan, sehingga sulit untuk dimanipulasi setelah dicatat. Ini secara langsung meningkatkan verifiability (kemampuan untuk diverifikasi) data, yang merupakan elemen penting dari reliabilitas. Di sisi lain, transparansi juga meningkat karena informasi yang tercatat dalam blockchain publik atau izin dapat diakses dan diaudit oleh pemangku kepentingan secara langsung atau hampir langsung, tergantung pada desainnya. Akses yang langsung ini mengurangi information asymmetry (ketidaksetaraan informasi) antara perusahaan dan pemakai laporan, sejalan dengan prinsip teori agensi yang menyatakan bahwa transparansi data keberlanjutan dapat menurunkan biaya pemantauan dan membangun kepercayaan. Secara umum, blockchain menawarkan tingkat keandalan data yang bersifat teknis dan mendasar, melengkapi jaminan audit eksternal yang biasa dilakukan.

2. Tantangan Penerapan Blockchain dalam Regulasi di Indonesia dan Dunia
PT Hijau Lestari kemungkinan akan menghadapi sejumlah rintangan berkaitan dengan regulasi dan operasional. Di Indonesia, tantangan utama adalah ketidakjelasan mengenai peraturan yang spesifik tentang penggunaan blockchain untuk laporan non-finansial, terutama terkait dengan keabsahan data elektronik dan legalitas kontrak pintar sebagai bukti transaksi keberlanjutan menurut hukum atau regulator seperti OJK dan Bappebti, jika aset keberlanjutan diperdagangkan. Isu mengenai privasi data, terutama yang bersifat sensitif, juga menjadi perhatian di bawah undang-undang perlindungan data pribadi. Secara global, tantangannya lebih kepada interoperabilitas standar data. Meskipun ada standar GRI, perusahaan perlu memastikan bahwa data yang dikumpulkan dan dicatat dalam blockchain memiliki interoperabilitas semantik yang memungkinkan pertukaran data yang lancar dengan platform lain atau sistem pelaporan global seperti TCFD dan ISSB. Selain itu, ada tantangan etika dan governance, seperti menegakkan akuntabilitas dan otoritas dalam memasukkan data awal ke dalam blockchain, serta mengatasi konsumsi energi dari beberapa jenis blockchain yang dapat bertentangan dengan tujuan keberlanjutan perusahaan.

3. Rekomendasi Strategis yang Berbasis pada Teori Akuntansi dan Teknologi
Untuk menunjang keberhasilan pelaksanaan, PT Hijau Lestari harus mengambil langkah-langkah strategis yang menggabungkan teori akuntansi dengan inovasi teknologi. Pertama, berdasarkan teori akuntansi positif dan teori legitimasi, perusahaan perlu memilih model blockchain dengan Struktur Tata Kelola yang jelas (seperti Permissioned Consortium Blockchain) yang mengikutsertakan pemangku kepentingan utama seperti auditor, pemasok, dan regulator sebagai titik verifikasi. Langkah ini tidak hanya meningkatkan kemampuan verifikasi data tetapi juga memperkuat legitimasi di pandangan publik dan regulator. Kedua, perusahaan perlu menerapkan Penilaian Materialitas Digital untuk mengidentifikasi metrik data keberlanjutan yang paling signifikan (contohnya, data jejak karbon pada scope 1 dan 3) dan fokus pada integrasi sistem IoT/sensor untuk Otomatisasi Pencatatan ke dalam blockchain, yang dapat mengurangi kesalahan manusia dan risiko manipulasi. Ketiga, dari perspektif akuntansi biaya, perusahaan harus melakukan Analisis Biaya-Manfaat yang menyeluruh, membandingkan biaya implementasi blockchain (infrastruktur, kontrak pintar, pemeliharaan) dengan keuntungan yang diharapkan, seperti pengurangan biaya audit, peningkatan nilai merek, dan kemungkinan premium harga pada produk berkelanjutan. Terakhir, PT Hijau Lestari harus secara aktif bekerja sama dengan regulator dan organisasi industri di Indonesia (misalnya IAI dan Bursa Efek Indonesia) untuk merumuskan pedoman dan standar pelaporan yang berbasis blockchain demi memastikan kepatuhan terhadap regulasi di waktu mendatang.

Nama : Esa Azalia Zahra
NPM : 2413031084
Kelas : 24 C

1. Perbandingan Penilaian Nilai Wajar Tradisional dan Berbasis AI
Pendekatan konvensional dalam penilaian nilai wajar (berdasarkan IFRS 13/PSAK 68) sangat tergantung pada penilaian profesional, penggunaan model diskonto arus kas (DCF), dan rujukan ke data pasar yang tersedia (Level 1 dan Level 2). Dalam kerangka teori akuntansi positif, metode ini berlandaskan pada asumsi bahwa penilaian manusia yang berpengalaman, yang diuji melalui audit biasa, menghasilkan informasi yang dapat dipercaya dan terverifikasi. Di sisi lain, pendekatan yang memanfaatkan AI menggunakan machine learning dan analisis big data untuk menganalisis jutaan data pasar secara langsung untuk menghasilkan estimasi nilai. Dari sudut pandang teori informasi, AI berpotensi untuk meningkatkan relevansi dan ketepatan waktu informasi akuntansi secara signifikan. Namun, AI mengubah dasar dari reliabilitas; bukan lagi pada penilaian manusia, tetapi pada algoritma serta kualitas data yang digunakan. Perbedaan utama antara keduanya terletak pada transparansi proses: pendekatan tradisional mengandalkan penilaian yang dapat dicatat, sementara AI menghadapi tantangan "kotak hitam," yang dapat merusak prinsip verifikasi karena metode penentuan nilai dan pembobotan oleh algoritma tidak selalu mudah untuk dijelaskan.

2. Implikasi Epistemologis Penggunaan AI dalam Penentuan Nilai Wajar
Penerapan AI dalam penentuan nilai wajar membawa dampak epistemologis yang penting terkait dengan asal-usul dan keabsahan pengetahuan. Secara tradisional, pengetahuan akuntansi (termasuk mengenai nilai wajar) berasal dari positivisme, yaitu fakta yang dapat diamati di pasar atau menggunakan metode matematika yang mapan (misalnya, DCF). Namun, AI memperkenalkan jenis pengetahuan baru yang disebut pengetahuan algoritmis. Nilai yang diperoleh oleh AI berasal dari inferensi statistik yang rumit serta pola yang ditemukan dalam data, alih-alih dari hubungan sebab akibat ekonomi yang jelas. Banyak yang meragukan keabsahan pengetahuan tersebut akibat masalah "kotak hitam. " Auditor mempertanyakan: Apakah nilai yang sah adalah yang dapat dijelaskan, atau yang paling akurat dalam prediksi? Jika proses pengambilan keputusan AI sulit untuk ditelusuri (explainability rendah), nilai wajar yang dihasilkan akan menjadi fakta yang tidak bisa langsung diamati atau diinterpretasikan secara logis oleh manusia. Ini menantang prinsip dasar akuntansi yang menuntut transparansi dalam proses (substansi di atas bentuk) untuk membangun kepercayaan publik terhadap laporan keuangan.

3. Strategi Pertanggungjawaban dan Pelaporan Berdasarkan IFRS 13
Untuk memastikan bahwa pendekatan AI PT Cerdas Digital selaras dengan IFRS 13 (Pengukuran Nilai Wajar) dan prinsip akuntabilitas, perusahaan perlu menerapkan strategi pelaporan serta tata kelola yang fokus pada Explainable AI (XAI) dan pengungkapan berjenjang. Pertama, Akuntabilitas dan Tata Kelola: Perusahaan sebaiknya membentuk komite khusus untuk tata kelola AI yang bertanggung jawab dalam memilih, menguji, dan memvalidasi model AI agar terjamin bebas dari bias sistemik. Kedua, Penerapan XAI: PT Cerdas Digital harus menerapkan teknik XAI, seperti LIME dan nilai SHAP, untuk menjelaskan bagaimana kontribusi fitur data (contohnya, harga sewa di area tertentu, suku bunga) berpengaruh terhadap hasil akhir dari nilai wajar. Penjelasan ini wajib didokumentasikan sebagai dasar bagi kesimpulan profesional, menggantikan dokumentasi penilaian tradisional. Ketiga, Pelaporan IFRS 13 yang Diperluas: Pengungkapan harus diperluas sehingga mencakup: (a) Penjelasan mengenai model AI yang digunakan (termasuk jenis algoritma dan frekuensi pelatihan ulang), (b) Metode dan asumsi penting yang diterapkan dalam melatih model, dan (c) Analisis Sensitivitas yang menunjukkan bagaimana perubahan parameter AI (misalnya, rentang data input, bobot fitur) akan berdampak pada hasil nilai wajar. Strategi ini menjamin bahwa meskipun AI digunakan, pengetahuan yang mendasari nilai wajar tetap dapat diverifikasi dan disampaikan secara transparan, sesuai dengan ketentuan Level 3 IFRS 13 yang menekankan pada unobservable inputs.

Nama : Esa Azalia Zahra
NPM : 2413031084

Jurnal ini membahas masalah penting dalam pelaporan keberlanjutan perusahaan, yaitu kerumitan dan keterpisahan panduan pelaporan dari berbagai standar utama (seperti GRI dan IIRC) yang digunakan oleh perusahaan untuk menilai dan menyampaikan kontribusi mereka terhadap Tujuan Pembangunan Berkelanjutan (SDGs). Penelitian ini menawarkan dan menguji sebuah pendekatan struktural serta metodologis yang kuat. Kerangka ini dirancang agar perusahaan dapat menggabungkan panduan SDGs dari beragam kerangka pelaporan ke dalam empat pilar utama manajemen keberlanjutan strategis: penilaian keberlanjutan, sudut pandang internal, strategi keberlanjutan, serta akuntansi dan kontrol manajemen keberlanjutan. Melalui analisis kasus di sektor telekomunikasi, hasil penelitian menunjukkan bahwa penerapan pendekatan ini dapat secara signifikan meningkatkan performa dan kualitas laporan SDGs perusahaan. Implikasinya, perusahaan dapat memberikan informasi keberlanjutan yang lebih menyeluruh, konsisten, singkat, dan dapat dibandingkan, yang pada akhirnya akan menambah nilai strategis dari laporan tersebut bagi para pemangku kepentingan.