Artikel

Tata kelola AI kini menjadi isu penting di level eksekutif, seiring makin luasnya penggunaan kecerdasan buatan di perusahaan. Teknologi ini tidak lagi sekadar eksperimen, tetapi sudah dipakai untuk pengambilan keputusan, otomatisasi proses, hingga meningkatkan layanan pelanggan.

Perubahan ini membuat pimpinan perusahaan harus berpikir ulang. Fokusnya bukan lagi apakah AI perlu digunakan, tetapi bagaimana memastikan penggunaannya aman, terkontrol, dan sesuai tujuan bisnis.

Risiko AI Kini Masuk Risiko Perusahaan

Penggunaan AI membawa dampak langsung ke berbagai aspek bisnis. Mulai dari laporan keuangan, kepatuhan regulasi, hingga reputasi perusahaan.

Masalahnya, risiko AI sering kali tidak terlihat di awal. Misalnya keputusan yang dihasilkan AI sulit dijelaskan, atau muncul bias yang merugikan kelompok tertentu. Ada juga risiko kebocoran data dan penyalahgunaan informasi.

Karena itu, risiko AI tidak bisa dianggap sebagai urusan tim teknologi saja. Risiko ini menyentuh seluruh organisasi dan perlu diawasi di tingkat manajemen.

Dari Uji Coba ke Sistem yang Terstruktur

Banyak perusahaan memulai AI dari proyek kecil. Biasanya berupa uji coba di satu divisi. Pendekatan ini memang cepat, tetapi tidak bisa dipakai dalam jangka panjang. Saat penggunaan AI makin luas, perusahaan butuh sistem yang lebih rapi.

Di sinilah tata kelola AI menjadi penting. Perusahaan perlu menetapkan siapa yang bertanggung jawab atas sistem AI, bagaimana proses persetujuan dilakukan, serta bagaimana kinerja AI dipantau.

Tanpa struktur yang jelas, penggunaan AI justru bisa menimbulkan masalah baru.

Tata Kelola AI Bukan Penghambat Inovasi

Ada anggapan bahwa aturan akan memperlambat inovasi. Namun dalam praktiknya, tata kelola justru membantu perusahaan bergerak lebih pasti.

Dengan aturan yang jelas, perusahaan bisa mengurangi ketidakpastian. Risiko bisa diidentifikasi lebih awal, sehingga keputusan bisnis jadi lebih terarah.

Tata kelola AI juga sebaiknya tidak berdiri sendiri. Perusahaan bisa menggabungkannya dengan sistem yang sudah ada, seperti manajemen risiko dan kontrol internal.

Pendekatan ini membuat proses lebih konsisten tanpa menambah beban baru.

Peran Penting Pimpinan dan Dewan

Penggunaan AI tidak bisa dilepas begitu saja ke tim teknis. Pimpinan bisnis tetap harus bertanggung jawab atas keputusan yang dihasilkan AI.

Artinya, setiap penggunaan AI harus jelas pemiliknya. Selain itu, tim risiko, hukum, dan keamanan perlu dilibatkan sejak awal.

Dewan direksi juga mulai memberi perhatian lebih pada isu ini. Mereka ingin tahu bagaimana AI digunakan, apa risikonya, dan bagaimana perusahaan mengendalikannya.

Tetap Butuh Peran Manusia

Meski AI bisa meningkatkan efisiensi, peran manusia tetap penting. Keputusan akhir tidak bisa sepenuhnya diserahkan ke mesin.

Perusahaan perlu menentukan kapan AI harus ditinjau manusia. Selain itu, kinerja AI harus terus dipantau agar tidak menyimpang dari tujuan awal.

Langkah ini juga penting untuk kebutuhan audit dan evaluasi di masa depan.

AI Harus Dikendalikan

Penggunaan AI akan terus berkembang dan menjadi bagian inti bisnis. Namun tanpa tata kelola AI yang kuat, manfaatnya bisa berubah menjadi risiko.

Perusahaan yang mampu mengelola AI dengan baik akan lebih siap menghadapi tekanan regulasi dan persaingan pasar. Mereka juga lebih dipercaya oleh pelanggan dan mitra.

Pada akhirnya, AI bukan hanya soal teknologi. Ini soal bagaimana perusahaan mengelola risiko dan mengambil keputusan secara bertanggung jawab.

Artikel ini telah diterbitkan oleh ISACA, dengan judul Responsible AI: From Emerging Technology to Executive Governance Imperative. Artikel selengkapnya dapat dibaca di sini.

Risiko AI generatif kini menjadi perhatian banyak perusahaan di tengah penggunaan teknologi kecerdasan buatan yang semakin luas. Teknologi ini memang membantu meningkatkan efisiensi bisnis, tetapi juga membuka celah risiko baru yang tidak bisa dianggap sepele.

Laporan dari Aon menyebutkan, penggunaan AI generatif sudah memicu berbagai insiden serius. Salah satunya adalah penipuan yang memanfaatkan teknologi ini untuk meniru suara dan wajah eksekutif perusahaan. Dalam satu kasus, pelaku berhasil menipu perusahaan hingga kerugian mencapai jutaan dolar.

Selain itu, gangguan teknologi seperti insiden CrowdStrike menunjukkan bagaimana kegagalan satu sistem bisa berdampak luas ke operasional bisnis dan rantai pasok.

Risiko AI Generatif Semakin Kompleks

Risiko AI generatif tidak hanya datang dari satu sisi. Ada beberapa jenis ancaman yang kini mulai muncul seiring adopsi teknologi ini.

Pertama, serangan siber berbasis AI. Pelaku kejahatan kini memanfaatkan AI untuk membuat serangan lebih cepat dan sulit dideteksi. Mereka bisa membuat malware baru atau menjalankan penipuan dengan teknik rekayasa sosial yang lebih meyakinkan.

Kedua, penggunaan AI tanpa pengawasan. Banyak perusahaan mulai bereksperimen dengan AI tanpa melalui proses pengujian dan pengamanan yang memadai. Praktik ini sering disebut sebagai “shadow AI”. Akibatnya, celah keamanan makin besar dan mudah dimanfaatkan.

Ketiga, dampak yang tidak disengaja. AI bisa menghasilkan informasi yang bias atau tidak akurat. Jika digunakan dalam layanan pelanggan atau keputusan bisnis, hal ini bisa merusak reputasi perusahaan.

Perusahaan Perlu Perkuat Manajemen Risiko

Menghadapi risiko AI generatif, perusahaan perlu memperkuat manajemen risiko secara menyeluruh. Tim risiko harus memahami bagaimana AI digunakan di dalam organisasi, termasuk potensi dampaknya.

Langkah pertama adalah meningkatkan koordinasi dengan tim teknologi. Perusahaan perlu memetakan penggunaan AI yang sedang berjalan maupun yang masih dalam tahap rencana. Dari situ, risiko bisa diidentifikasi lebih awal.

Langkah berikutnya adalah bekerja sama dengan mitra eksternal, seperti vendor dan perusahaan asuransi. Saat ini, banyak polis asuransi belum secara jelas mengatur risiko AI. Karena itu, perusahaan perlu mengevaluasi apakah perlindungan yang dimiliki sudah cukup.

Kasus gangguan CrowdStrike menjadi pelajaran penting. Dampaknya tidak hanya dirasakan oleh perusahaan yang menggunakan layanan tersebut, tetapi juga oleh pihak lain dalam ekosistem bisnis. Ini menunjukkan pentingnya perlindungan risiko yang mencakup seluruh rantai pasok.

Risiko AI generatif juga berkaitan dengan komunikasi perusahaan kepada publik. Banyak perusahaan mulai menyebut AI sebagai bagian dari strategi bisnis mereka.

Namun, pernyataan yang berlebihan bisa berujung masalah. Di beberapa negara, otoritas mulai menindak perusahaan yang dianggap melebih-lebihkan kemampuan AI mereka. Hal ini bisa berdampak pada kepercayaan investor dan harga saham.

Karena itu, manajemen perlu memastikan bahwa setiap klaim terkait AI sesuai dengan kondisi sebenarnya di lapangan.

Penggunaan AI generatif diperkirakan akan terus meningkat dalam beberapa tahun ke depan. Teknologi ini menawarkan banyak peluang, tetapi juga membawa risiko yang terus berkembang.

Perusahaan yang mampu memahami risiko AI generatif sejak awal akan lebih siap menghadapi perubahan. Sebaliknya, perusahaan yang mengabaikan aspek ini berpotensi menghadapi kerugian yang lebih besar di masa depan.

Artikel ini telah diterbitkan oleh AON, dengan judul The Role of Risk Management in the Age of Generative Artificial Intelligence. Artikel selengkapnya dapat dibaca di sini.

AI dalam manajemen risiko mulai mengubah cara perusahaan mengenali dan mengelola berbagai potensi ancaman bisnis. Teknologi kecerdasan buatan membantu organisasi membaca data dalam jumlah besar dan menemukan pola risiko yang sebelumnya sulit terlihat.

Banyak perusahaan kini memanfaatkan AI untuk mendukung proses pengambilan keputusan. Teknologi ini membantu tim risiko bekerja lebih cepat dan lebih akurat ketika menilai potensi masalah yang bisa mempengaruhi bisnis.

Laporan KPMG Future of Risk Survey menunjukkan bahwa teknologi AI akan menjadi alat penting bagi fungsi manajemen risiko dalam tiga hingga lima tahun ke depan. Sebanyak 98 persen responden menyebut percepatan digital seperti AI dan analitik data membantu mereka meningkatkan kemampuan memantau dan mengurangi risiko.

AI dalam Manajemen Risiko Mengubah Proses Tradisional

Selama bertahun-tahun, banyak perusahaan mengelola risiko dengan cara manual. Tim risiko biasanya mengandalkan spreadsheet, laporan statis, dan analisis berdasarkan data masa lalu. Pendekatan tersebut sering memakan waktu lama. Risiko baru juga sering terlambat terdeteksi karena perubahan bisnis terjadi sangat cepat.

AI dalam manajemen risiko menawarkan pendekatan berbeda. Sistem berbasis kecerdasan buatan mampu membaca data secara otomatis dan memantau indikator risiko secara langsung. Teknologi ini dapat memberi sinyal lebih awal ketika muncul potensi masalah. Perusahaan juga bisa menerima rekomendasi analisis yang membantu pimpinan mengambil keputusan lebih cepat.

AI Membantu Identifikasi Hingga Pelaporan Risiko

Penggunaan AI dapat diterapkan pada berbagai tahap pengelolaan risiko perusahaan.

Pada tahap identifikasi risiko, AI membantu menemukan potensi ancaman baru. Sistem dapat memetakan hubungan antara proses bisnis, kontrol internal, dan area yang memiliki kerentanan.

Pada tahap penilaian risiko, AI menganalisis data untuk menentukan tingkat risiko dengan lebih akurat. Proses yang sebelumnya memerlukan banyak perhitungan manual kini bisa dilakukan secara otomatis.

AI juga membantu proses pemantauan risiko secara berkelanjutan. Tim manajemen risiko dapat melihat perubahan indikator secara real time. Selain itu, proses pelaporan risiko menjadi lebih cepat. Informasi dapat disusun secara otomatis sehingga tim risiko bisa fokus pada analisis dan strategi mitigasi.

Walau membawa banyak manfaat, penggunaan AI dalam manajemen risiko juga menimbulkan tantangan baru. Salah satu isu yang sering dibahas adalah bias algoritma. Sistem AI bisa menghasilkan analisis yang tidak akurat jika data yang digunakan tidak seimbang.

Risiko lain berkaitan dengan privasi data. Penggunaan data dalam jumlah besar harus diikuti pengawasan yang ketat agar tidak melanggar aturan perlindungan informasi. Karena itu, banyak perusahaan tetap menempatkan manusia dalam proses pengawasan. AI digunakan sebagai alat bantu analisis, bukan pengganti keputusan manusia.

Artikel ini telah diterbitkan oleh KPMG, dengan judul AI is Helping Revolutionize Risk Management. Artikel selengkapnya dapat dibaca di sini.

Dampak cuaca ekstrem terhadap harga asuransi kini menjadi perhatian utama pelaku bisnis global, meski pasar asuransi sedang berada dalam fase melunak atau soft market. Tren peningkatan kejadian cuaca ekstrem akibat perubahan iklim mulai memberi sinyal tersembunyi terhadap premi, kapasitas, dan ketersediaan perlindungan asuransi di berbagai sektor.

Amy Barnes, Head of Energy & Power sekaligus Head of Climate & Sustainability Strategy di Marsh Risk, mengungkapkan bahwa kekhawatiran ini bukan lagi bersifat spekulatif. Dalam survei yang dilakukan saat COP30, sebanyak 60% responden menyatakan bahwa keterjangkauan dan ketersediaan asuransi sudah menjadi isu mendesak. Angka ini diproyeksikan meningkat menjadi 74% pada 2030.

Dalam presentasi TED terbarunya, Barnes menegaskan, “Asuransi hanya berfungsi selama cuaca ekstrem masih menjadi risiko. Ketika itu menjadi hampir pasti, asuransi menjadi tidak terjangkau dan berpotensi tidak tersedia.” Pernyataan ini menyoroti perubahan mendasar dalam persepsi risiko industri asuransi global.

Dampak Cuaca Ekstrem Terhadap Harga Asuransi Mulai Terlihat

Analisis Guy Carpenter menunjukkan bahwa perubahan tahunan rata-rata kerugian global yang diasuransikan akibat perubahan risiko fisik terkait iklim diproyeksikan sekitar 1% dari perspektif bahaya murni. Meski terlihat kecil secara global, beberapa pasar menunjukkan sinyal iklim yang jauh lebih kuat.

Dalam jangka pendek, faktor seperti variabilitas cuaca alami, urbanisasi, inflasi, perubahan tenaga kerja, serta peningkatan eksposur sering kali memiliki dampak lebih besar dibandingkan faktor bahaya iklim itu sendiri. Namun demikian, sinyal iklim dalam penetapan harga asuransi mulai terasa, terutama di pasar properti residensial.

Di sektor komersial, dampaknya tidak terlihat. Perlu analisis untuk memahami bagaimana tren cuaca ekstrem memengaruhi struktur program asuransi perusahaan.

Pasar asuransi secara historis bergerak dalam siklus keras (hard market) dan lunak (soft market). Saat ini, pasar global cenderung melunak. Dalam kondisi ini, perusahaan asuransi biasanya lebih fleksibel dalam underwriting risiko terkait cuaca ekstrem.

Namun situasinya akan berbeda ketika pasar kembali mengeras. Lokasi atau aset yang terdampak iklim berpotensi mengalami lonjakan premi, peningkatan retensi, hingga pembatasan cakupan. Di titik ini, organisasi yang tidak siap akan menghadapi tekanan biaya signifikan.

Strategi Mengantisipasi Kenaikan Harga Asuransi

Kondisi pasar yang relatif lunak saat ini justru menjadi peluang strategis. Perusahaan dapat menginvestasikan penghematan premi untuk memperkuat ketahanan (resilience) terhadap risiko iklim.

Menurut US Chamber of Commerce, “setiap US$1 yang diinvestasikan dalam ketahanan dan kesiapsiagaan menghasilkan penghematan jangka panjang dan biaya yang terhindarkan sebesar US$13.” Ini menunjukkan bahwa investasi pada adaptasi bukan hanya soal asuransi, tetapi juga keberlanjutan operasional dan perlindungan aset.

Ada empat langkah strategis yang direkomendasikan:

1. Memanfaatkan analitik iklim dan strategi adaptasi

Pemodelan kerugian di bawah berbagai skenario iklim membantu perusahaan memahami performa program asuransi mereka di masa depan.

2. Rekayasa risiko berbasis kesadaran perubahan iklim

Evaluasi eksposur aset secara menyeluruh dapat meningkatkan kualitas risiko dan memperkuat posisi negosiasi dengan penanggung.

3. Mengintegrasikan ketahanan dalam proses penempatan asuransi

Perusahaan perlu menunjukkan peningkatan kualitas risiko melalui pemodelan bencana alam yang lebih canggih.

4. Menggunakan solusi transfer risiko alternatif

Opsi seperti captive insurance dan produk parametrik semakin dilirik sebagai lini pertahanan pertama terhadap kenaikan kerugian akibat cuaca ekstrem.

Dampak cuaca ekstrem terhadap harga asuransi menunjukkan bahwa perubahan iklim telah menjadi faktor struktural dalam manajemen risiko korporasi. Perusahaan yang proaktif membangun ketahanan akan lebih siap menghadapi siklus pasar berikutnya.

Artikel ini telah diterbitkan oleh Marsh, dengan judul The silent signal: How extreme weather can impact pricing in a soft market. Artikel selengkapnya dapat dibaca di sini.

AI dalam Merger dan Akuisisi manajemen aset semakin penting di tengah gelombang konsolidasi industri wealth dan asset management global. Perusahaan tidak lagi hanya mengejar skala aset kelolaan, tetapi juga mencari keunggulan khusus seperti pengelolaan indeks, manajemen collateralized loan obligation, dan integrasi data alternatif untuk memperkuat proposisi kepada klien.

Grant Thornton menilai bahwa penggunaan kecerdasan buatan (AI) dan analitik lanjutan membantu tim Merger dan Akuisisi mengidentifikasi pendorong nilai dan risiko sejak awal. Di tengah persaingan ketat, termasuk meningkatnya transaksi yang didukung private equity, pendekatan berbasis data menjadi kunci untuk memenangkan target sekaligus menjaga kualitas keputusan.

AI dalam Merger dan Akuisisi Manajemen Aset Percepat Analisis

Ronan Curran dari Grant Thornton Advisors LLC mengatakan bahwa volume data dalam transaksi saat ini jauh lebih besar dibandingkan satu dekade lalu. Menurutnya, AI memungkinkan tim memproses data dalam jumlah besar sekaligus fokus pada faktor utama seperti retensi penasihat, pertumbuhan organik, kompleksitas integrasi teknologi, dan preferensi klien.

Sagar Bansal dari Grant Thornton | Stax menambahkan bahwa pembeli kini lebih selektif. Mereka mencari perusahaan dengan kekuatan khusus, bukan sekadar yang terbesar. AI memungkinkan analisis data mentah dari sistem internal untuk menjawab pertanyaan penting, seperti tingkat retensi penasihat terbaik dan konsentrasi pendapatan.

Uji Tuntas Keuangan dan Integrasi Lebih Akurat

John Cristiano menjelaskan bahwa analitik data kini memungkinkan tim mengakses detail buku besar dan transaksi secara menyeluruh dalam periode eksklusivitas yang terbatas. Hal ini membantu mengidentifikasi anomali pendapatan, struktur biaya yang tidak efisien, dan risiko tersembunyi sebelum transaksi ditandatangani.

Pada tahap integrasi, AI membantu memetakan sistem teknologi, struktur organisasi, dan kualitas data sejak awal. Ross Sheridan menekankan bahwa memahami tantangan integrasi lebih dini akan menghasilkan nilai yang lebih besar setelah akuisisi berlaku.

Dengan proyeksi peningkatan Merger dan Akuisisi dalam lima tahun ke depan, pemanfaatan AI menjadi strategi penting agar transaksi lebih cepat, akurat, dan menghasilkan nilai berkelanjutan.

Artikel ini telah diterbitkan oleh Grant Thornton, dengan judul AI Brings Clarity to Asset Management M&A. Artikel selengkapnya dapat dibaca di sini.

Transisi energi global memasuki fase krusial menjelang 2030, namun laju pengembangan teknologi rendah karbon dinilai belum cukup untuk mencapai target net zero pada 2050. Evaluasi terbaru pada 2025 menunjukkan bahwa meski investasi energi bersih terus meningkat, implementasinya masih tertinggal dibanding ambisi yang telah ditetapkan sejak Perjanjian Paris lebih dari satu dekade lalu.

Saat ini, sekitar 77 persen ekonomi dunia telah memiliki target net zero, baik dalam bentuk usulan maupun regulasi resmi. Namun, kurang dari 15 persen teknologi rendah emisi yang dibutuhkan untuk mencapai target 2050 telah benar-benar diterapkan. Angka ini hanya naik beberapa persen dibanding dua tahun sebelumnya.

Transisi Energi dan Tantangan Menuju Target 2030

Transisi energi tidak hanya soal komitmen, tetapi juga soal realisasi proyek di lapangan. Analisis terhadap sembilan teknologi dekarbonisasi utama di China, Eropa (Uni Eropa, Norwegia, Swiss, dan Inggris), serta Amerika Serikat menunjukkan bahwa sebagian besar wilayah tersebut belum berada di jalur yang tepat untuk memenuhi target teknologi bersih 2030.

Secara global, emisi karbon justru meningkat 9 persen sejak 2015 hingga 2024, atau bertambah sekitar 3,3 gigaton. Kenaikan ini dipicu oleh pertumbuhan populasi, industrialisasi, peningkatan pendapatan, serta permintaan energi baru seperti pusat data. Meski demikian, terdapat perkembangan positif dari sisi intensitas karbon: emisi CO2 per unit PDB menurun, yang berarti dunia semakin efisien dalam menghasilkan nilai ekonomi dengan emisi lebih rendah.

China mencatat kenaikan emisi sebesar 21 persen dalam periode tersebut, seiring pertumbuhan ekonomi dan industrialisasi. Namun, China juga menjadi pemimpin dalam pembangunan energi terbarukan. Kapasitas gabungan angin dan surya telah mencapai sekitar 1,2 terawatt, melampaui target 2030 lebih cepat dari jadwal. Meski begitu, untuk selaras dengan ambisi net zero 2060, China diperkirakan membutuhkan 3,4 terawatt pada 2030.

Sebaliknya, emisi di Eropa turun 18 persen dan di Amerika Serikat turun 8 persen sejak 2015, sebagian berkat kebijakan seperti sistem perdagangan emisi Uni Eropa dan regulasi pembangkit listrik di AS. Namun, penurunan di Eropa juga dipengaruhi oleh melemahnya output industri, yang berpotensi memindahkan, bukan menghilangkan emisi.

Dari sisi teknologi, energi surya menjadi pendorong utama transisi energi. Pada 2024, kapasitas energi terbarukan global naik 15 persen atau 585 gigawatt, dan penjualan kendaraan listrik meningkat 25 persen menjadi sekitar 17 juta unit. Biaya panel surya yang semakin murah membuat adopsinya meluas, termasuk untuk atap rumah dan sektor komersial.

Sebaliknya, angin lepas pantai dan hidrogen hijau tertinggal dari target 2030. Banyak proyek ditunda atau dibatalkan akibat inflasi biaya, kenaikan suku bunga, dan ketidakpastian regulasi. Sistem penyimpanan energi baterai berkembang cepat, tetapi kapasitas yang direncanakan masih belum cukup untuk memenuhi target.

Perlambatan transisi energi dipengaruhi tiga faktor utama: pergeseran fokus kebijakan, kenaikan biaya proyek, dan ketidakpastian geopolitik. Sejak 2020, sejumlah negara meninjau ulang komitmen iklimnya. Kenaikan suku bunga juga meningkatkan biaya pembiayaan proyek energi bersih hingga 10–20 persen.

Dengan waktu kurang dari lima tahun menuju 2030, percepatan implementasi teknologi rendah karbon menjadi kunci. Tanpa langkah konkret dalam waktu dekat, target net zero 2050 akan semakin sulit dicapai.

Artikel ini telah diterbitkan oleh McKinsey, dengan judul Tracking the energy transition: Where are we now?. Artikel selengkapnya dapat dibaca di sini.

Analis pasar menilai reformasi pasar modal Indonesia sangat penting untuk menjaga kepercayaan investor dan meningkatkan daya saing di tingkat global. Pembenahan ini dinilai menjadi kunci agar pasar saham Indonesia semakin kuat, transparan, dan dipercaya.

Ketua Umum Perkumpulan Analis Efek Indonesia (PAEI), David Sutyanto, menyatakan dukungannya terhadap delapan langkah reformasi yang digagas Otoritas Jasa Keuangan (OJK) dan Bursa Efek Indonesia (BEI).

Menurutnya, reformasi ini bertujuan memperkuat fondasi pasar modal agar lebih likuid, terbuka, dan berintegritas. Dengan tata kelola yang baik, kepercayaan investor dalam dan luar negeri bisa semakin meningkat.

David menekankan bahwa kualitas informasi dan tata kelola perusahaan sangat penting dalam membangun kepercayaan pasar. Jika informasi terbuka dan pengelolaan perusahaan baik, harga saham akan terbentuk secara lebih adil dan efisien.

Ia menyebut reformasi ini sebagai momentum penting untuk meningkatkan kualitas pasar modal Indonesia.

Delapan Agenda Utama Reformasi

Regulator mendorong delapan agenda utama, antara lain:

• Meningkatkan jumlah saham yang beredar di publik (free float)
• Memperjelas kepemilikan saham melalui sistem Ultimate Beneficial Ownership (UBO)
• Memperbaiki keterbukaan data kepemilikan
• Mendorong demutualisasi bursa
• Memperkuat penegakan aturan dan sanksi
• Meningkatkan kualitas pengurus perusahaan terbuka
• Memperdalam pasar dari sisi permintaan dan infrastruktur
• Memperkuat kerja sama antar pelaku pasar

Langkah-langkah ini dinilai sejalan dengan standar internasional.

Meski mendukung penuh, David mengingatkan agar reformasi dilakukan secara bertahap dan proporsional. Tujuannya agar perlindungan investor tetap terjaga tanpa mengganggu aktivitas perdagangan.

Aturan juga perlu diterapkan secara konsisten dan adil agar hasilnya maksimal.

PAEI menegaskan komitmennya untuk terus mendukung regulator melalui riset dan data. Dengan kerja sama yang baik, reformasi bisa berjalan efektif dan menciptakan pasar modal yang adil, efisien, dan berkelanjutan.

Reformasi pasar modal menjadi langkah penting untuk memperkuat posisi Indonesia di mata investor global. Dengan tata kelola yang baik, transparansi tinggi, dan aturan yang jelas, pasar modal Indonesia mampu bersaing di tingkat internasional.

Artikel ini telah diterbitkan oleh Kompas, dengan judul Analis Efek: Reformasi Pasar Modal Kunci Daya Saing Investor Global. Artikel selengkapnya dapat dibaca di sini.

Sistem Agen AI menjadi sorotan baru dalam lanskap teknologi global karena kemampuannya melampaui generative AI (GenAI). Teknologi ini mampu mengambil keputusan secara mandiri, berkolaborasi dengan agen lain, serta belajar dari lingkungan sekitarnya. Di tengah lonjakan adopsi oleh berbagai perusahaan, muncul pula risiko baru.

Adopsi sistem agen AI berkembang sangat cepat. Survei PwC terhadap 300 eksekutif senior pada Mei 2025 menunjukkan 88 persen responden berencana meningkatkan anggaran AI dalam 12 bulan ke depan karena adopsi teknologi ini. Sebanyak 79 persen perusahaan telah mengadopsi agen AI, dan 66 persen di antaranya melaporkan peningkatan produktivitas yang terukur. Bahkan, separuh responden menilai model operasional perusahaan akan berubah drastis dalam dua tahun mendatang.

Firma konsultan global seperti Gartner, BCG, dan McKinsey juga menyebut sistem agen AI sebagai tren teknologi strategis yang akan membentuk masa depan industri. Di sektor keuangan, teknologi ini digunakan untuk manajemen portofolio otonom dan pengelolaan risiko secara real-time. Di layanan kesehatan, sistem ini mendukung pengambilan keputusan klinis lanjutan dan personalisasi perawatan pasien. Sementara di sektor infrastruktur dan transportasi, penerapannya mencakup pengelolaan jaringan listrik pintar dan optimalisasi lalu lintas secara langsung.

Sistem Agen AI dan Perbedaannya dengan GenAI

Sistem Agen AI dirancang dengan tingkat kemandirian tinggi. Berbeda dengan GenAI yang bergantung pada instruksi manusia dan biasanya hanya merespons perintah, sistem ini mampu memecah tujuan kompleks menjadi tugas-tugas kecil, merencanakan langkah eksekusi, serta menyesuaikan tindakan berdasarkan pembelajaran berkelanjutan.

Secara teknis, terdapat beberapa komponen utama dalam arsitekturnya. Pertama, task orchestration yang memungkinkan sistem mengenali maksud pengguna dan mengeksekusi subtugas menggunakan model bahasa besar serta pembelajaran penguatan. Kedua, memori jangka pendek dan jangka panjang untuk mempertahankan konteks dan mendukung personalisasi. Ketiga, integrasi dengan berbagai alat eksternal seperti database dan API. Keempat, kemampuan berinteraksi langsung dengan lingkungan, termasuk melakukan transaksi atau berkolaborasi dengan agen lain.

Kemampuan ini membuat sistem agen AI ideal untuk lingkungan dinamis seperti perdagangan finansial, diagnosis medis, hingga deteksi ancaman siber secara real-time.

Risiko Tata Kelola dan Akuntabilitas

Meski menjanjikan efisiensi dan inovasi, sistem agen AI membawa risiko tata kelola yang signifikan. Karena beroperasi secara otonom, sistem ini berpotensi bertindak di luar maksud awal manusia apabila tujuan tidak dirumuskan dengan jelas. Hal ini dapat menimbulkan kesenjangan tanggung jawab dan persoalan akuntabilitas.

Dr. Martin Leo, yang memiliki lebih dari 20 tahun pengalaman di bidang manajemen risiko dan saat ini menjabat sebagai Chief Risk Officer di National University of Singapore, menekankan pentingnya kerangka tata kelola yang fleksibel. Organisasi perlu memastikan bahwa tingkat otonomi AI selaras dengan risk appetite perusahaan, terutama di sektor sensitif seperti layanan kesehatan dan persetujuan kredit.

Risiko Teknis, Operasional, dan Tenaga Kerja

Kompleksitas arsitektur sistem agen AI juga memperbesar risiko keamanan, kecurangan, dan gangguan operasional. Perilaku menyimpang seperti manipulasi sistem penghargaan atau penyimpangan tujuan dapat terjadi jika pengawasan tidak memadai. Oleh karena itu, perusahaan perlu menerapkan pemantauan lanjutan, kontrol keamanan yang kuat, serta mekanisme pengawasan real-time.

Selain itu, penerapan sistem ini berpotensi menggeser peran tenaga kerja tertentu. Pendekatan human-in-the-loop dan human-on-the-loop tetap dibutuhkan untuk menjaga kendali manusia pada titik-titik berisiko tinggi. Dalam sistem multi-agen yang saling terhubung, kegagalan satu komponen dapat berdampak berantai ke unit bisnis lain, sehingga metodologi manajemen risiko perlu diperbarui.

Kemunculan sistem agen AI menandai fase baru transformasi digital global. Teknologi ini membuka peluang besar dalam meningkatkan efisiensi dan kualitas pengambilan keputusan di berbagai sektor. Namun, risiko operasional, teknis, hukum, dan sosial yang menyertainya menuntut pendekatan manajemen risiko yang lebih adaptif dan kolaboratif.

Artikel ini telah diterbitkan oleh PRMIA, dengan judul Emerging Risks in the Era of Agentic AI Systems. 

Perang di Timur Tengah tidak hanya berdampak pada negara yang terlibat langsung. Dalam sistem ekonomi global yang saling terhubung, konflik di kawasan tersebut ikut memengaruhi stabilitas sektor keuangan di banyak negara, termasuk Indonesia. Industri asuransi menjadi salah satu sektor yang terdampak, meski bukan secara langsung melalui klaim akibat perang.

Bagi industri asuransi jiwa dan kesehatan, dampak konflik lebih banyak masuk melalui jalur ekonomi. Kenaikan harga energi, pelemahan nilai tukar rupiah, inflasi medis, hingga perubahan perilaku keuangan masyarakat menjadi faktor utama yang perlu diwaspadai.

Ketegangan di kawasan seperti Gaza Strip yang melibatkan Israel dan dinamika regional yang juga melibatkan Iran sering kali memicu lonjakan harga minyak dunia. Wilayah Timur Tengah merupakan salah satu pusat produksi energi global. Ketika ketidakpastian meningkat, pasar bereaksi cepat.

Pada awal Maret 2026, harga minyak mentah Brent berada di kisaran USD 80–83 per barel. Kenaikan ini berdampak berantai pada biaya transportasi, logistik, dan produksi. Bagi Indonesia yang masih mengimpor energi, tekanan tersebut diperparah oleh pelemahan rupiah yang sempat menyentuh sekitar Rp16.800 per dolar AS.

Inflasi tahunan Indonesia pada Februari 2026 tercatat sekitar 4,76 persen. Meski sebagian dipengaruhi faktor musiman seperti Ramadan dan Idul Fitri, tekanan eksternal tetap memberi kontribusi. Bagi industri asuransi, yang menjadi perhatian bukan hanya inflasi jangka pendek, tetapi potensi kenaikan biaya yang bersifat lebih permanen.

Ancaman yang lebih nyata terlihat pada inflasi medis. Proyeksi menunjukkan inflasi medis di Indonesia dapat mencapai sekitar 15 persen pada 2026, jauh di atas inflasi umum. Ketergantungan pada obat-obatan dan alat kesehatan impor membuat biaya layanan kesehatan sangat sensitif terhadap pelemahan rupiah dan gangguan rantai pasok global.

Dampaknya terasa pada perusahaan asuransi kesehatan. Nilai klaim rata-rata meningkat seiring naiknya biaya tindakan medis dan harga obat. Di sisi lain, premi asuransi kesehatan pada 2025 tercatat sekitar Rp9,35 triliun, turun sekitar 20,9 persen dibandingkan tahun sebelumnya. Artinya, perusahaan menghadapi tekanan ganda: biaya klaim naik sementara premi menurun.

Pada industri asuransi jiwa, dampak konflik lebih banyak melalui pasar keuangan. Ketidakpastian global meningkatkan volatilitas obligasi dan saham, yang berpengaruh pada hasil investasi perusahaan asuransi. Padahal, kinerja investasi menjadi salah satu penopang utama stabilitas industri.

Pendapatan premi asuransi jiwa pada 2025 tercatat sekitar Rp180,98 triliun dengan pertumbuhan terbatas dibanding tahun sebelumnya. Dalam situasi ekonomi yang tidak pasti, rumah tangga cenderung lebih berhati-hati dalam mengambil komitmen keuangan jangka panjang, termasuk membayar premi asuransi.

Eskalasi konflik juga berpotensi mengganggu rantai pasok bahan baku obat, meningkatkan biaya operasional rumah sakit akibat kenaikan energi, serta memperkuat tekanan nilai tukar. Jika kondisi ini berlangsung lama, perusahaan asuransi kemungkinan perlu menyesuaikan premi, memperketat pengelolaan klaim, atau meninjau ulang desain manfaat produk.

Perang yang terjadi jauh dari Indonesia menunjukkan bahwa risiko industri asuransi tidak lagi hanya berasal dari dalam negeri. Dampaknya bisa masuk lewat kenaikan harga energi, pelemahan nilai tukar, inflasi medis, hingga tekanan pada hasil investasi. Artinya, konflik di Timur Tengah ikut memengaruhi stabilitas industri asuransi karena terhubung dengan dinamika global yang sulit dikendalikan.

Artikel ini disusun berdasarkan berbagai laporan dan publikasi terbaru dengan topik terkait.

Manajemen risiko saat ini menghadapi tantangan besar. Risiko tidak lagi sederhana atau mudah diprediksi, melainkan cepat berubah dan saling terkait. Selama puluhan tahun, pendekatan kuantitatif menjadi andalan dengan keyakinan bahwa risiko harus bisa diukur agar bisa dikelola.

Namun, sejarah menunjukkan keterbatasan pendekatan ini. Kegagalan besar seperti krisis keuangan 1998 dan 2008 membuktikan bahwa model statistik saja tidak cukup untuk memahami risiko secara utuh.

Kecerdasan buatan (AI) kini banyak digunakan dalam manajemen risiko. AI mampu menangani pekerjaan teknis seperti pengolahan data, pemantauan risiko, dan pelaporan secara cepat dan efisien.

Beberapa area yang mulai banyak ditangani AI meliputi:

• Risiko pasar (volatilitas harga dan suku bunga),
• Risiko kredit (skor kredit dan riwayat pembayaran),
• Risiko operasional (deteksi anomali),
• Keamanan siber (pemantauan ancaman).

Akibatnya, nilai tambah manajer risiko tidak lagi terletak pada pengolahan data, melainkan pada pemahaman dan penafsiran hasilnya.

Manajer risiko tidak cukup hanya menguasai teknik kuantitatif. Mereka perlu:

• Berpikir kritis,
• Memahami keterbatasan model AI,
• Mampu menjelaskan hasil analisis ke pengambil keputusan non-teknis.

Tanpa keterampilan ini, peran manajer risiko berisiko tergeser oleh otomatisasi.

Untuk menghadapi kompleksitas ini, diperlukan metode analisis yang lebih terstruktur. Intelligent Analysis adalah pendekatan yang menggabungkan analisis, pengukuran, dan komunikasi risiko secara berkelanjutan.

Metode ini membantu manajer risiko tidak hanya menerima hasil AI, tetapi juga memahami proses dan asumsi di baliknya.

Teknik Analitik Terstruktur 

Ada empat teknik utama untuk mengurangi bias dan meningkatkan kualitas analisis:

• Key Intelligence Question (KIQ): Menentukan pertanyaan yang benar sejak awal.
• Source Collection Plan: Memilih data yang relevan dan tepat.
• Source Assessment: Menilai keandalan sumber data.
• Key Assumptions Check (KAC): Menguji asumsi dalam model AI.

Teknik ini membantu memastikan hasil analisis lebih akurat dan dapat dipercaya.

Komunikasi Risiko dengan BLUF

Analisis yang baik harus disampaikan dengan jelas. Pendekatan Bottom Line Up Front (BLUF) menempatkan kesimpulan utama di awal laporan, sehingga pengambil keputusan langsung memahami:

• Apa risikonya,
• Seberapa besar tingkat keyakinannya,
• Apa yang perlu dilakukan.

Di era AI, peran manajer risiko bergeser dari “pengolah angka” menjadi “penerjemah risiko”. Keahlian analisis terstruktur dan komunikasi yang jelas menjadi kunci agar manajer risiko tetap relevan dan bernilai bagi organisasi.

Artikel ini telah diterbitkan oleh PRMIA, dengan judul Structured Risk Analysis, Measurement and Communication: Skills That No Risk Manager can Afford to Ignore.