Mengapa Excel Dapat Menentukan Masa Depan AI dalam Akuntansi

Penelitian baru menunjukkan bahwa hambatan terbesar bagi kecerdasan buatan dalam akuntansi mungkin bukan ketidakpercayaan terhadap AI itu sendiri. Hambatan tersebut mungkin terletak pada kenyamanan, fleksibilitas, dan bobot institusional Microsoft Excel. Hal ini menjadikan spreadsheet sekaligus penghalang bagi gangguan dan sekaligus pintu gerbang yang berpotensi kuat bagi Microsoft.

Sebuah studi baru terhadap 271 profesional akuntansi meneliti mengapa beberapa organisasi mengadopsi kecerdasan buatan sementara yang lain tetap terikat pada alat analitik yang familiar.¹ Temuan utama mereka tampak sangat sederhana: penggunaan Excel untuk analitik data berhubungan negatif dengan adopsi AI, sedangkan pelatihan AI dan adopsi yang lebih luas terhadap alat analitik data berhubungan positif dengan AI.

Ini tidak berarti bahwa Excel sudah usang atau bahwa akuntan tidak rasional. Excel tetap fleksibel, dipahami secara luas, dan sangat terintegrasi dalam penganggaran, rekonsiliasi, peramalan, pelaporan, serta persiapan audit. Pelajaran yang lebih penting adalah bahwa adopsi teknologi bergantung pada alur kerja, kebiasaan, persepsi risiko, dan pelatihan sama seperti kemampuan teknis.

Bagi investor, hal ini mengubah cara peluang AI perusahaan harus dievaluasi. Pemenang yang kemungkinan besar bukanlah perusahaan yang menawarkan penggantian paling dramatis untuk pekerjaan yang sudah mapan. Mereka mungkin adalah perusahaan yang mampu menyisipkan AI ke dalam perangkat lunak yang sudah dibuka pekerja setiap pagi.

Mengapa Excel Dapat Memperlambat Adopsi AI dalam Akuntansi

Para peneliti mendekati adopsi AI melalui model dua faktor. Alih-alih memperlakukan adopsi sebagai pertanyaan sederhana apakah pengguna melihat manfaat yang cukup, mereka mempertimbangkan baik pendorong maupun penghambat. Seorang karyawan dapat menyadari bahwa AI berguna namun tetap menolaknya karena perubahan alat menimbulkan ketidakpastian, biaya pelatihan, pekerjaan integrasi, dan kemungkinan kesalahan.

Ketegangan itu terutama penting dalam akuntansi. Draf pemasaran eksperimental dapat diperbaiki. Kesalahan dalam model keuangan, rekonsiliasi, pengajuan regulasi, atau kertas kerja audit dapat menimbulkan konsekuensi material. Oleh karena itu, akuntan memiliki alasan kuat untuk memilih sistem yang formula, kontrol, dan keterbatasannya mereka pahami.

Excel juga mendapat manfaat dari pengetahuan organisasi yang terakumulasi. Perusahaan telah menghabiskan puluhan tahun membangun templat, makro, model, prosedur pelaporan, dan proses persetujuan di sekitar spreadsheet. Karyawan tahu cara memeriksa formula dan melacak perhitungan. Mengganti lingkungan itu berarti melepaskan lebih dari sekadar aplikasi. Itu berarti mengganggu sistem operasi untuk pekerjaan keuangan.

Studi ini menafsirkan hal tersebut melalui bias status quo. Keakraban menghasilkan kepercayaan dan rasa kontrol, sementara potensi kerugian yang terkait dengan peralihan dapat tampak lebih mendesak dibandingkan potensi keuntungan. Hal ini membantu menjelaskan mengapa sekadar menunjukkan bahwa platform AI lebih maju mungkin tidak cukup untuk mendorong adopsi.

Apa yang Ditemukan dalam Studi AI Akuntansi

Sampel akhir mencakup 271 profesional akuntansi yang terlibat dalam inisiatif AI, pembelajaran mesin, atau analitik data. Sekitar 92% bekerja di organisasi akuntansi atau layanan‑konsultansi terkait, dan 62% bekerja di organisasi dengan kurang dari 500 karyawan.

Hanya 33% responden melaporkan telah menerima pelatihan AI. Sementara itu, hanya 36% responden yang menggunakan Excel untuk analitik data yang beralih ke solusi AI yang lebih maju. Pengetahuan tentang Excel saja tidak menjadi prediktor yang signifikan secara statistik setelah model lengkap dipertimbangkan, namun penggunaan analitik berbasis Excel secara aktual memiliki asosiasi negatif yang signifikan dengan adopsi AI.

Perbedaan ini penting. Mengetahui Excel tidak secara inheren menghalangi seseorang mengadopsi AI. Hambatan muncul ketika alur kerja spreadsheet yang sudah mapan sudah memenuhi kebutuhan langsung, sehingga biaya dan ketidakpastian dalam mengubah sistem menjadi sulit dibenarkan.

Pelatihan AI Lebih Penting daripada Lisensi Perangkat Lunak Tambahan

Organisasi sering memperlakukan adopsi AI sebagai keputusan pengadaan. Mereka membeli lisensi, mengaktifkan fitur, dan mengharapkan penggunaan mengikuti. Studi ini menunjukkan bahwa pendekatan ini mencampuradukkan ketersediaan perangkat lunak dengan kemampuan organisasi.

Pelatihan memiliki hubungan positif dengan adopsi AI, begitu pula adopsi sebelumnya terhadap alat analitik data yang lebih luas. Bersama-sama, hasil tersebut menunjukkan bahwa organisasi mendapat manfaat dari membangun progresi kemampuan. Akuntan yang telah melampaui analisis spreadsheet dasar lebih siap untuk mengevaluasi, mengawasi, dan mengintegrasikan AI.

Oleh karena itu, program adopsi yang praktis harus fokus pada alur kerja spesifik:

• Rekonsiliasi dan deteksi anomali
• Analisis varians dan pelaporan manajemen
• Peramalan dan pengembangan skenario
• Peninjauan dokumen dan persiapan audit

Aplikasi terbatas ini lebih mudah divalidasi dibandingkan mandat penggunaan AI yang bersifat umum. Mereka juga menghasilkan hasil yang dapat diukur, seperti lebih sedikit langkah manual, siklus penutupan yang lebih cepat, atau lebih banyak transaksi yang ditinjau. Hal ini semakin penting karena departemen keuangan diminta menunjukkan pengembalian atas pengeluaran AI daripada melaporkan jumlah lisensi atau minat karyawan.

Temuan ini juga melengkapi analisis Securities.io yang lebih luas yang berargumen bahwa data proprietari dan pengetahuan institusional dapat menjadi benteng AI paling berharga. Dalam akuntansi, model hanyalah satu komponen. Keunggulan yang lebih sulit direproduksi adalah kombinasi data keuangan yang tepercaya, kontrol yang telah ditetapkan, prosedur khusus perusahaan, dan karyawan yang memahami seperti apa output yang valid seharusnya.

Mengapa Perangkat Lunak yang Familiar Dapat Menjadi Saluran Distribusi AI Terbaik

Makalah tersebut menggambarkan Excel sebagai penghambat, namun hal itu tidak berarti spreadsheet harus menghilang. Wawasan komersial yang lebih kuat adalah bahwa mengurangi biaya beralih mungkin lebih efektif daripada meminta pengguna meninggalkan alat yang mereka kenal.

Microsoft sudah mengejar jalur tersebut. Finance Agent menghubungkan Excel dengan sistem keuangan yang ada dan dirancang untuk mendukung aktivitas seperti rekonsiliasi, analisis varians, dan wawasan keuangan real-time. Hal ini penting secara strategis karena membawa AI ke antarmuka yang sudah dipercaya akuntan.

Menyematkan AI di dalam perangkat lunak yang sudah ada dapat mengatasi beberapa hambatan adopsi sekaligus. Hal ini membatasi gangguan alur kerja, mempertahankan spreadsheet yang familiar, memungkinkan output ditinjau dalam format yang telah ditetapkan, dan mengurangi beban psikologis dalam mencoba kemampuan baru. Pengguna tidak diminta menggantikan Excel dengan AI. Pengguna diajak memperluas Excel melalui AI.

Pola ini tidak terbatas pada akuntansi. AI perusahaan semakin bersaing pada distribusi, integrasi, tata kelola, dan akses ke konteks daripada hanya kinerja model. Liputan terbaru Securities.io tentang UiPath dan pergeseran menuju otomatisasi perusahaan berbasis agen menggambarkan realitas komersial yang sama: otomatisasi menjadi lebih berharga ketika dapat beroperasi di seluruh aplikasi dan proses yang sudah digunakan perusahaan.

Adopsi Tidak Secara Otomatis Menghasilkan Pengembalian Finansial

Studi ini tidak boleh dibaca sebagai bukti bahwa penerapan AI akan otomatis meningkatkan profitabilitas. Studi ini mengukur adopsi, bukan pengembalian finansial yang dihasilkan oleh adopsi tersebut. Surveinya relatif kecil, sangat terkonsentrasi pada konsultan terkait akuntansi, dan dikumpulkan dalam periode singkat. Hasil regresi mengidentifikasi asosiasi daripada membuktikan bahwa pelatihan atau alat analitik menyebabkan organisasi mengadopsi AI.

Ada juga risiko yang tidak sepenuhnya ditangkap model, termasuk privasi data, keamanan siber, kepercayaan pada penyedia pihak ketiga, keandalan output, dan akuntabilitas regulatori. Isu-isu ini sangat penting ketika AI diterapkan pada pelaporan keuangan.

Bukti industri saat ini tetap menunjukkan bahwa adopsi sedang berkembang. 2026 Global AI in Finance Report milik KPMG, yang didasarkan pada lebih dari 1.000 pemimpin keuangan senior, menunjukkan bahwa penggunaan aktif telah meningkat secara signifikan, sementara kinerja luar biasa masih kurang umum dibandingkan adopsi itu sendiri. Kesempatan itu memperkuat pesan mendasar makalah: memperoleh teknologi lebih mudah daripada mengubah organisasi di sekitarnya.

Berinvestasi pada Antarmuka untuk AI Akuntansi

Bagi investor yang mencari eksposur pada adopsi AI dalam akuntansi, Microsoft menawarkan posisi yang sangat relevan. Perusahaan memiliki Excel, alat incumbents yang diidentifikasi dalam studi, sekaligus mengembangkan lapisan AI yang dimaksudkan untuk memodernisasi pekerjaan keuangan.

Hal ini menciptakan keunggulan strategis yang tidak biasa. Kedalaman penggunaan Excel dapat memperlambat migrasi ke platform AI pesaing, namun juga memberi Microsoft akses langsung ke basis pengguna profesional keuangan yang sangat luas. Alih-alih mengatasi bias status quo dengan menghilangkan status quo, Microsoft dapat memonetisasinya dengan menempatkan Copilot dan agen yang berfokus pada keuangan di dalam lingkungan Microsoft 365 yang sudah ada.

Kasus investasi ini melampaui satu fitur akuntansi. Microsoft dapat menggabungkan perangkat lunak produktivitas, infrastruktur cloud, kontrol identitas, koneksi data perusahaan, dan agen AI dalam satu ekosistem komersial. analisis Microsoft sebagai investasi AI yang lebih luas dari Securities.io mengeksplorasi bagaimana Copilot berintegrasi dalam platform yang lebih besar tersebut.

Ada risiko yang signifikan. Pelanggan mungkin menolak biaya langganan tambahan, tim keuangan dapat membatasi akses AI karena kekhawatiran akurasi atau privasi, dan platform pesaing mungkin menawarkan kemampuan akuntansi khusus yang lebih kuat. Microsoft juga harus membuktikan bahwa AI yang terintegrasi menghasilkan nilai yang dapat diukur, bukan sekadar menambahkan fitur berbayar lain ke dalam tumpukan perangkat lunak yang sudah kompleks.

Namun, studi ini menunjukkan adanya prinsip komersial yang tahan lama. Adopsi AI di perusahaan tidak ditentukan semata-mata oleh sistem mana yang paling cerdas. Hal itu juga dipengaruhi oleh sistem mana yang meminta pengguna melakukan perubahan paling sedikit. Dalam akuntansi, Excel mungkin memperlambat transisi ke AI, tetapi pada akhirnya dapat menjadi pintu gerbang bagi transisi tersebut.

Referensi:

¹ Juma’h, A. H., & Li, Y. (2026). Membuka potensi AI dalam akuntansi: Sebuah studi tentang hambatan dan pendorong adopsi. Advances in Accounting, 71, 100905. https://doi.org/10.1016/j.adiac.2026.100905