Deep Learning in Auditing
Halo!! Selamat Malam Sobat Gogo! Apa kabarnya ? Semoga semakin baik setiap harinya dengan Kultweet Gogo ya Sob. Beberapa minggu yang lalu, kita membahas mengenai Artificial Intelligence yang digembar-gemborkan dapat menggantikan peran Akuntan. Pada masih ingat kan Sob apa itu Artificial Intelligence ? dan seberapa besar sih dampak maupun manfaatnya bagi Akuntan ? Yang belum baca ataupun sudah pada lupa, silakan cek Timeline kita atau cek tagar #AKUNTANvsAI ya Sob 😀 Menyambung materi mengenai Artificial Intelligence, pada kesempatan ini kita akan membahas mengenai “Deep Learning di Dunia Auditing”.
Deep Learning merupakan Pendalaman dari Artificial Intelligence, yang bisa dilatih untuk mengenali pola dari volume data yang luar biasa banyak yang bisa dibilang tidak mungkin dapat diproses oleh manusia tanpa bantuan teknologi. Deep Learning memungkinkan kita untuk menganalisa “Big Data” untuk menyediakan bukti audit pendukung yang bisa meningkatkan efektivitas dan efisiensi dari automasi dalam dunia Auditing dan pengambilan keputusannya.
Dalam dunia bisnis sekarang ini, Pengembangan dari teknologi berbasis data (Seperti ERP System, cloud storage, dan berbagai teknologi lain), Menghasilkan jumlah data yang sangat besar, untuk memanfaatkan data tersebut, dibutuhkanlah Deep Learning. Beberapa Kantor Akuntan terkemuka sudah mulai menggunakan Deep Learning untuk melakukan tugas-tugas audit. KPMG menggunakan IBM-Watson’s Deep Learning system untuk menganalisa data kredit bank untuk portofolio kredit agunan aset. Deloitte pun sudah beraliansi dengan Kira Systems untuk mereview kontrak-kontrak, perjanjian leasing, invoices and bahkan tweets.
Memang benar, penggunaan Deep Learning dalam dunia profesi Akuntansi masih dalam tahap awal, untuk mempercepat dan memperluas Deep Learning penting untuk menciptakan skala ekonomi dengan mengintegrasikan kemampuan belajar dari Deep Learning ke wilayah analisas tekstual, Pengenalan suara, pemilahan gambar dan video, juga judgment support ke dalam proses Audit itu sendiri. Kedepannya, dipercayai bahwa Deep Learning akan diaplikasikan ke berbagai prosedur audit untuk membantu proses audit dan pembuatan keputusannya. Namun, pengaplikasian hal tersebut tidak juga bisa dibilang mudah, namun bukan mustahil. Ada beberapa pekerjaan yang dapat kita lakukan tanpa mengeluarkan usaha sama sekali, Sebagai contoh sederhana, otak manusia dapat dengan mudah membedakan antara kucing dan anjing juga kita dapat menganalisa tulisan dengan mudah, namun tidak dengan mesin, informasi tersebut harus diubah ke format yang dapat dibaca oleh mesin. Sehingga, dalam rangka untuk meningkatkan efektifitas prediksi, Deep Learning dilatih dengan jumlah data yang sangat besar agar Deep Learning dapat menemukan batasan-batasan yang bisa meminimalkan kesalahan dalam prediksi.
Proses belajar dari Deep Learning akan berulang hilang jutaan hingga miliaran kali hingga error dalam prediksinya diminimumkan. Semakin banyak contoh model yang digunakan, semakin tinggi akurasi yang dapat dihasilkan oleh Deep Learning, hal tersebut dapat digunakan misalnya untuk mendekteksi kesalahan penyajian dalam laporan keuangan dengan mudah dan sangat cepat. Efisiensi dari Deep Learning juga ditunjukan dengan fakta bahwa Deep Learning dapat mempelajari pola tanpa intervensi dari manusia dan membutuhkan lebih sedikit langkah langkah proses dibandingkan dengan pendekatan pembelajaran data tradisional lainnya. Lebih spesifik ke ranah auditing, Deep Learning dapat memberikan nilai tambah pada pekerjaan-pekerjaan rutin yang melibatkan jumlah data yang besar bagi Auditor untuk dianalisa. Deep Learing juga bisa mengurangi pekerjaan manual dengan mengotomasi berbagai prosedur substantive seperti Konfirmasi maupun Pengecekan. Lebih jauh lagi, kemampuan ini membuat membantu Auditor dapat menganalisa berbagai kontrak perusahaan yang sekarang ini terlalu memakan biaya dan terlalu kompleks dan menghabiskan banyak waktu dan energi Auditor.
Teknologi tersebut juga dapat membantu Auditor untuk menganalisa lebih banyak sample, bahkan hingga mendekati 100%. Seperti yang kita ketahui, dalam pengerjaannya, Auditing menggunakan Audit Sampling untuk menentukan jumlah sample yang dianggap dapat mewakili keseluruhan dari objek audit, namun dengan adanya Deep Learning, Auditor dapat mengecek keseluruhan dokumen dari perusahaan, sehingga dipercayai dapat meningkatkan kualitas dari Audit tersebut. Luar Biasa kan Sob ? Contoh lainnya yaitu pada Penghitungan Inventory, suatu proses yang memakan waktu panjang bagi Auditor untuk melakukan stock opname di tempat klien. Belum lagi, dengan jumlah persediaan yang sedemikian besar dan rumit, akan sangat memakan waktu dan tenaga untuk proses ini, Deep Learning juga diharapkan dapat membantu auditor dalam proses ini dengan memproses data melalui foto realtime, untuk mengkalkulasi jumlah, jenis baik dari bahan material maupun dari Produk dari klien, hal tersebut dianggap memungkinkan bagi Deep Learning di kemudian hari. Dengan banyak proses otomasi yang mempersingkat waktu dan tenaga, Auditor dapat lebih focus untuk mengingkatkan kualitas dengan menghabiskan waktu yang lebih banyak untuk menggunakan Professional Judgment mereka untuk melengkapi kerja dari Deep Learning.Sekian sharing pengetahuan mengenai Deep Learning dalam dunia Auditing ini ya Sob, Semoga pengetahuan ini bermanfaat dan jangan lupa tetap semangat untuk mengembangkan diri ya Sob. Dan Keep Learning, Sharing, and Inspiring ! #DeepLearninginAuditing
Komentar Terbaru