Nama : Alfiantika Putri
Npm : 2413031095
Jawaban Pertanyaan :
1. Dalam pendekatan tradisional, penilaian fair value menggunakan metode yang jelas dan dapat dijelaskan sehingga auditor bisa menelusuri asumsi dan menilai kewajarannya, ini sesuai teori akuntansi. Pendekatan AI lebih cepat dan memakai data real-time sehingga informasinya lebih relevan, tetapi prosesnya sering tidak transparan. Karena itu, AI berpotensi meningkatkan relevansi tetapi menurunkan keandalan jika mekanisme perhitungannya tidak bisa dijelaskan.
2. Secara epistemologis, sumber pengetahuan akuntansi berubah dari penilaian manusia berbasis asumsi yang dapat dijelaskan menjadi hasil algoritma yang bergantung pada kualitas data dan cara model dilatih. Validitas nilai wajar menjadi tergantung pada data input dan performa model, bukan hanya metode. Resiko data, kesalahan model, dan kurangnya penjelasan membuat pengetahuan nilai wajar menjadi lebih sulit diverifikasi secara tradisional.
3. Agar sesuai IFRS 13, perusahaan perlu memastikan AI tetap akuntabel yaitu menjelaskan metode yang digunakan, mendokumentasikan sumber data, melakukan uji validasi terhadap model, serta menyajikan analisis sensitivitas. Perusahaan juga perlu menyediakan penjelasan yang dapat dipahami auditor (misalnya melalui teknik penjelasan AI), dan tetap melibatkan penilai manusia untuk meninjau dan menyetujui hasil akhir. Dengan cara ini, penggunaan AI tetap memenuhi kebutuhan transparansi dan verifikasi yang diwajibkan IFRS 13.
Npm : 2413031095
Jawaban Pertanyaan :
1. Dalam pendekatan tradisional, penilaian fair value menggunakan metode yang jelas dan dapat dijelaskan sehingga auditor bisa menelusuri asumsi dan menilai kewajarannya, ini sesuai teori akuntansi. Pendekatan AI lebih cepat dan memakai data real-time sehingga informasinya lebih relevan, tetapi prosesnya sering tidak transparan. Karena itu, AI berpotensi meningkatkan relevansi tetapi menurunkan keandalan jika mekanisme perhitungannya tidak bisa dijelaskan.
2. Secara epistemologis, sumber pengetahuan akuntansi berubah dari penilaian manusia berbasis asumsi yang dapat dijelaskan menjadi hasil algoritma yang bergantung pada kualitas data dan cara model dilatih. Validitas nilai wajar menjadi tergantung pada data input dan performa model, bukan hanya metode. Resiko data, kesalahan model, dan kurangnya penjelasan membuat pengetahuan nilai wajar menjadi lebih sulit diverifikasi secara tradisional.
3. Agar sesuai IFRS 13, perusahaan perlu memastikan AI tetap akuntabel yaitu menjelaskan metode yang digunakan, mendokumentasikan sumber data, melakukan uji validasi terhadap model, serta menyajikan analisis sensitivitas. Perusahaan juga perlu menyediakan penjelasan yang dapat dipahami auditor (misalnya melalui teknik penjelasan AI), dan tetap melibatkan penilai manusia untuk meninjau dan menyetujui hasil akhir. Dengan cara ini, penggunaan AI tetap memenuhi kebutuhan transparansi dan verifikasi yang diwajibkan IFRS 13.