BPK Siapkan Sistem Audit Berbasis AI Mulai 2027, Seperti Apa Teknologi di Baliknya?
Depok, Stapo.id – Badan Pemeriksa Keuangan (BPK) berencana mulai menerapkan sistem audit berbasis kecerdasan buatan (Artificial Intelligence/AI) pada 2027 melalui sebuah inisiatif yang disebut **Artificial Intelligence Forecast Audit (AIFOR)**. Berbeda dengan metode audit konvensional yang banyak mengandalkan pengambilan sampel (sampling), pendekatan baru ini diarahkan untuk memanfaatkan AI sebagai alat bantu dalam menganalisis data, menghimpun masukan dari berbagai pemangku kepentingan, hingga meningkatkan kualitas rekomendasi hasil pemeriksaan.
BPK menjelaskan bahwa sistem tersebut bukan ditujukan untuk menggantikan auditor. Sebaliknya, AI akan menjadi “co-pilot” yang membantu auditor menemukan pola, anomali, serta potensi risiko yang sebelumnya membutuhkan waktu berhari-hari bahkan berminggu-minggu untuk dianalisis secara manual. Anggota I BPK, Nyoman Adhi Suryadnyana, juga menegaskan bahwa integritas, etika, dan kepemimpinan tetap tidak dapat digantikan oleh teknologi.
Jika melihat arah pengembangan teknologi audit modern di berbagai lembaga pemeriksa dunia, AI yang digunakan kemungkinan tidak hanya berupa chatbot generatif. Audit keuangan membutuhkan kombinasi beberapa teknologi AI sekaligus. Salah satunya adalah machine learning untuk mendeteksi pola transaksi yang tidak lazim (anomaly detection). Sistem ini dapat mempelajari jutaan transaksi keuangan, kemudian menandai pengeluaran yang berbeda dari pola normal sehingga auditor dapat memprioritaskan pemeriksaan pada area yang memiliki risiko lebih tinggi.
Teknologi kedua adalah Natural Language Processing (NLP). Berbeda dengan AI yang hanya memahami angka, NLP memungkinkan sistem membaca dokumen dalam jumlah besar, seperti kontrak pengadaan, laporan keuangan, notulen rapat, hingga regulasi. AI kemudian dapat merangkum isi dokumen, menemukan ketidaksesuaian antarberkas, bahkan menghubungkan informasi yang tersebar di berbagai sumber menjadi satu gambaran yang utuh.
Selain itu, knowledge graph diperkirakan akan menjadi salah satu komponen penting dalam audit berbasis AI. Teknologi ini memungkinkan sistem memetakan hubungan antara kementerian, proyek, kontraktor, vendor, anggaran, hingga realisasi belanja. Dengan pemetaan tersebut, auditor dapat lebih mudah melihat pola hubungan yang sebelumnya sulit dideteksi menggunakan analisis spreadsheet biasa.
Pendekatan serupa sebenarnya mulai diterapkan oleh BPK dalam berbagai pengembangan internal. Melalui publikasi Warta BPK, lembaga tersebut telah mengembangkan sejumlah kapabilitas AI seperti chatbot pemeriksaan, fitur speech-to-text untuk mengubah hasil wawancara menjadi teks, auto-summary untuk merangkum rapat, hingga platform analitik **IDense** yang digunakan untuk eksplorasi data melalui teknik regresi, pengelompokan (clustering), dan analisis statistik. Dalam implementasi tersebut, AI diposisikan sebagai alat bantu yang memberikan indikasi awal, sementara keputusan pemeriksaan tetap berada di tangan auditor.
Menariknya, konsep AIFOR yang diperkenalkan BPK juga menunjukkan perubahan filosofi audit. Selama ini proses pemeriksaan lebih banyak dimulai setelah objek audit ditentukan. Ke depan, AI akan membantu menghimpun masukan dari kementerian, DPR, DPD, akademisi, maupun pemangku kepentingan lainnya sebelum proses pemeriksaan dimulai. Pendekatan yang disebut sebagai audit by design ini diharapkan mampu menghasilkan pemeriksaan yang lebih menyeluruh karena mempertimbangkan lebih banyak perspektif sejak tahap awal.
Secara global, pemanfaatan AI dalam audit bukan lagi hal baru. Empat firma akuntansi terbesar dunia atau Big Four telah menggunakan AI untuk membantu analisis jurnal transaksi, membaca ribuan kontrak secara otomatis, mendeteksi potensi fraud, hingga melakukan penilaian risiko berbasis data. Teknologi yang digunakan umumnya menggabungkan machine learning, NLP, predictive analytics, serta process mining untuk memahami bagaimana proses bisnis berjalan dan menemukan penyimpangan yang tidak mudah terlihat oleh auditor manusia.
Keunggulan terbesar AI dibanding metode audit konvensional terletak pada skalanya. Jika auditor sebelumnya harus menggunakan teknik sampling karena keterbatasan waktu, AI memungkinkan analisis terhadap hampir seluruh populasi data transaksi dalam waktu jauh lebih singkat. Dengan demikian, peluang menemukan transaksi tidak wajar atau pola penyimpangan dapat meningkat tanpa harus memeriksa dokumen satu per satu secara manual.
Meski demikian, AI juga memiliki keterbatasan. Model bahasa generatif dapat menghasilkan informasi yang keliru (*hallucination*), sementara algoritma pembelajaran mesin sangat bergantung pada kualitas data yang digunakan. Karena itu, praktik terbaik di berbagai lembaga audit tetap menerapkan prinsip **human in the loop**, yakni seluruh temuan AI harus diverifikasi oleh auditor sebelum dijadikan dasar kesimpulan atau rekomendasi resmi.
Apabila implementasi AIFOR berjalan sesuai rencana pada 2027, BPK berpotensi menjadi salah satu lembaga pemeriksa negara di kawasan Asia Tenggara yang memanfaatkan AI secara lebih luas dalam proses audit. Namun, keberhasilan transformasi tersebut tidak hanya ditentukan oleh kecanggihan algoritma, melainkan juga kualitas data pemerintah, keamanan informasi, tata kelola AI, serta kemampuan auditor untuk memanfaatkan teknologi sebagai alat pendukung dalam menghasilkan pemeriksaan yang lebih akurat, transparan, dan berdampak bagi pengelolaan keuangan negara.