Keunggulan AI Agentik: Agen Keuangan yang Menggerakkan Angka
Navigasi Cepat
Tag
Bagikan slide
Keunggulan AI Agentik: Agen Keuangan yang Menggerakkan Angka
Tampilan detail setiap halaman slide, termasuk tata letak, konten utama dan elemen visual.
Slide judul dengan merek KPMG. Subjudul: Apa yang dibangun, bagaimana menskalakan, dan bagaimana mengukur nilai. KPMG Thought Leadership, Februari 2026.
Teks judul rata kiri dengan ilustrasi wajah robot AI di kanan, latar belakang gradien biru tua/ungu
Kata Pengantar oleh Reindolf Annor, Partner di KPMG Accounting Advisory Services. AI bergerak dari tools menjadi agen yang mengambil tindakan dalam keuangan. Fokus pada hasil: data keuangan berkualitas, penutupan lebih cepat, kontrol yang lebih kuat. Kepercayaan tidak dapat dinegosiasikan. Mulai dengan use case kecil, buktikan nilai, lalu skala.
Bilah navigasi di atas, layout teks tiga kolom dengan foto dan bio penulis di kanan bawah
Daftar isi dengan delapan bagian: Apa itu Finance AI Agent (04), Era agentic finance (05), Nilai yang dipertaruhkan (07), Empat cara untuk membuka nilai (08), Spektrum agen yang berkembang (10), Fondasi untuk finance agent journey (14), Langkah praktis selanjutnya (23), Bagaimana KPMG dapat membantu (26).
Daftar isi dua kolom bernomor dengan angka biru, grafik gelombang abstrak di bagian bawah
Definisi Finance AI Agent: pekerja digital yang memenuhi tujuan keuangan dengan menggabungkan LLM dengan perencanaan, orkestrasi, pengambilan data, dan tata kelola. Membaca data terstruktur dan tidak terstruktur, menerapkan kebijakan akuntansi dan aturan pajak, mengambil tindakan dalam sistem, belajar dari umpan balik.
Judul besar, deskripsi kemampuan tiga kolom, diagram arsitektur di bagian bawah yang menunjukkan AI agents + LLM + Instructions + Planning + Knowledge + Tools
Data KPMG Quarterly Pulse Survey: 65% perusahaan melakukan piloting AI agents (naik dari 37% kuartal lalu), 99% merencanakan penerapan produksi, tetapi hanya 11% yang telah menerapkan dalam produksi. GenAI membangun asisten digital; agentic AI sepenuhnya mengotomatiskan.
Hero banner dengan gambar robot AI, dua grafik statistik melingkar (65%, 99%), dan teks penjelasan di kanan
Adopsi AI di Ghana tumbuh 28% setiap tahun sejak 2017. National AI Strategy (2023-2033) dan One Million Coders Program. Pasar AI global diperkirakan akan tumbuh 25 kali lipat dari $189B menjadi $4.8T pada tahun 2033. KPMG GenAI Value Assessment: 17 juta perusahaan, 3 miliar titik data. Agentic AI paling cocok untuk tugas dengan kompleksitas tinggi.
Layout terpisah - Konteks AI Ghana dengan latar belakang ungu di kiri, langkah-langkah KPMG GenAI Value Assessment di kanan dengan ikon
Dua dari empat proposisi nilai: 1) Agents memperluas aperture untuk otomatisasi - mengambil tugas seperti pengecekan faktur, persiapan jurnal, rekonsiliasi, validasi PPN, aturan kredit. 2) Agents tidak tidur - operasi berkelanjutan, pemrosesan paralel, menanggapi peristiwa di luar jam kerja.
Judul besar dengan dua bagian, masing-masing dengan ikon dan teks deskriptif
Dua proposisi nilai lainnya: 3) Agents terhubung untuk perubahan - beradaptasi dengan alur kerja baru, mengurangi kebutuhan manajemen perubahan, menyesuaikan secara otomatis dengan perubahan kebijakan. 4) Agents mengubah pengetahuan menjadi tindakan - menangkap keahlian tacit ke dalam kebijakan dan playbooks, kemudian bertindak berdasarkan kebijakan tersebut untuk pelaporan, penagihan, kepatuhan.
Layout lanjutan yang cocok dengan slide sebelumnya dengan dua bagian dan ikon
Pengantar KPMG TACO Framework: Taskers, Automators, Collaborators, Orchestrators. Klasifikasi progresif berdasarkan kompleksitas. Konsistensi dalam komponen inti (LLM, knowledge, MCP) tetapi perbedaan utama dalam kompleksitas tujuan. Konsep AI factory terpusat.
Layout terpisah - deskripsi teks di kiri, diagram framework TACO piramida/gunung 3D di kanan yang menunjukkan empat tingkatan
Taskers: tujuan tunggal, kompleksitas rendah, instruksi yang jelas, data tepercaya. Automators: tujuan kompleks di banyak sistem, pengetahuan tacit, mengelola dependensi. Studi kasus: perusahaan perdagangan online merampingkan procure-to-pay dengan KPMG dan sistem multi-agen Ema (proses akrual: jam, bukan 10 hari oleh 3 FTE).
Layout tiga kolom - Taskers di kiri, Automators di tengah, studi kasus di kanan. Contoh aplikasi tercantum di bawah masing-masing.
Kolaborator: rekan tim adaptif yang bekerja dengan orang-orang dengan tujuan multi-dimensi. Orkestrator: menara kontrol tingkat lanjut yang mengoordinasikan banyak agen di seluruh entitas dan pasar. Setiap agen TACO pada dasarnya adalah sistem multi-agen dengan sub-agen.
Tiga kolom - Kolaborator di kiri, Orkestrator di tengah, penjelasan TACO di kanan. Contoh aplikasi di bawah.
Tabel perbandingan komprehensif antara Tasker, Automator, Kolaborator, dan Orkestrator. Baris: Kompleksitas keseluruhan, Penggunaan utama, Kemampuan perencanaan, Proposisi nilai, Pengetahuan dan alat yang diperlukan termasuk kebutuhan MCP.
Tabel perbandingan lebar penuh dengan empat kolom (satu per jenis agen) dan lima baris kriteria
Agentic AI mungkin lebih disruptif daripada generative AI. Hasil dapat ditetapkan dalam 12-36 bulan. Empat fondasi yang perlu ditangani: Strategi, Tenaga Kerja, Tata Kelola/Kepercayaan, Teknologi/Data/Keamanan.
Judul besar, foto siluet orang yang melihat layar digital, kotak keterangan teks di kanan
Tiga pilar strategis: Tinjau strategi perusahaan (persingkat siklus, uji skenario, kuantifikasi nilai), Bentuk strategi agen (tentukan postur, pilih area bernilai tinggi, gunakan ukuran sederhana), Kembangkan ekosistem mitra (pilih penyedia tepercaya, seimbangkan platform dengan spesialis).
Ikon strategi dengan tata letak panduan tiga kolom, kutipan referensi di bagian bawah
Kodifikasi cara Anda bekerja: bagi menjadi pekerjaan terstruktur (potensi agen jangka pendek) dan pekerjaan tacit (lebih sulit tetapi dampaknya lebih tinggi). 78% akan menggunakan agentic AI untuk analisis data kompleks, 66% untuk admin rutin. Fungsi yang paling diuntungkan: TI (76%), operasi (56%), risiko/kepatuhan (56%), keuangan (39%), pemasaran (35%).
Dua kolom dengan bagian Tenaga Kerja di kiri, panel Mendorong Adopsi di kanan dengan poin-poin
Manajemen perubahan: pendekatan perilaku daripada mandat dari atas ke bawah. Organisasi hibrida yang fleksibel: agen sebagai rekan kerja digital dengan garis pelaporan dan manajemen kinerja. Contoh: agen penutup bulan, aturan kredit order-to-cash, pencocokan tiga arah procure-to-pay.
Tiga kolom dengan manajemen perubahan di kiri, organisasi hibrida di tengah, contoh manusia-agen di kanan dengan ikon
Agen AI memerlukan kontrol yang lebih ketat dan prinsip Trusted AI. Empat area: Tingkatkan keamanan dan privasi (pengujian stres, deteksi bias, mekanisme fail-safe), Hindari pelanggaran etika (tetapkan protokol etika sejak dini), Tempatkan manusia on-the-loop (bukan in-the-loop untuk agen otonom).
Ikon tata kelola dengan tata letak panduan tiga kolom, ikon jabat tangan
Pastikan data kepemilikan dapat diakses, berkualitas tinggi, dan agen dapat berinteraksi satu sama lain. Analisis Build vs Buy vs Partner untuk mendapatkan agen. Build: kustomisasi dan kontrol tetapi membutuhkan keahlian. Mulai bangun rantai pasokan agentic.
Ikon teknologi, dua kolom dengan fondasi data di kiri, detail opsi Build di kanan
Buy: eksekusi cepat, 67% metode yang disukai menurut survei KPMG, tetapi kustomisasi terbatas dan potensi usang. Partner: menggabungkan manfaat keduanya, berbagi risiko dan biaya, tetapi kontrol lebih sedikit. Pertanyaan kunci untuk mengevaluasi jalur mana yang akan diambil.
Kelanjutan dua kolom dengan detail opsi Buy dan opsi Partner, panduan fondasi data di kiri
Identitas dan keamanan agen: identitas unik, izin yang dibatasi, isolasi runtime, tindakan yang dapat diaudit. Standar umum untuk komunikasi lintas-agen menggunakan MCP (Model Context Protocol). Komponen MCP: Klien, Server, Transport. Memungkinkan sistem AI yang lebih kecil dan lebih terarah.
Dua kolom dengan panduan keamanan di kiri, penjelasan MCP dan diagram tiga komponen di kanan
Sebagian besar perusahaan masih menjajaki atau melakukan uji coba. Perlu visi yang jelas, alasan yang kuat untuk melakukan scaling, dan transformasi data yang dipercepat serta tata kelola Trusted AI. Foto seorang profesional yang bekerja di depan layar komputer.
Judul besar, tiga poin-poin pada overlay biru di atas foto orang yang melakukan coding
Langkah 1: Artikulasikan visi - definisikan bagaimana agen mengubah bisnis, identifikasi pain point. Langkah 2: Mulai pilot agentic - tiga pendekatan: Fokus pada hot spot, Mendalami suatu fungsi, Pemanfaatan luas di seluruh value stream.
Dua bagian bernomor dengan ikon dan teks panduan terperinci
Langkah 3: Scaling agen dalam fungsi utama menggunakan KPMG TACO Framework. Langkah 4: Kembangkan buku pedoman tata kelola Trusted AI dengan katalog aktif dan pemantauan. Langkah 5: Implementasikan evaluasi Trusted AI dengan kartu sistem AI, purple team, dan skor kepercayaan.
Tiga bagian bernomor dengan ikon dan teks panduan
Langkah 6: Tetapkan metrik kinerja talenta agentic - evaluasi dampak pilot, kumpulkan umpan balik pemangku kepentingan, kembangkan metrik kinerja yang jelas, implementasikan telemetri. Kutipan penutup: meletakkan dasar sekarang memposisikan organisasi untuk meningkatkan operasi dan bisnis.
Bagian langkah tunggal dengan kutipan miring penutup dalam kotak callout berbingkai
Lima area layanan: AI Strategy (visi dan business case), AI Technology (proof-of-concept yang dapat direplikasi, TACO Framework), AI Jumpstart (solusi cepat, proof-to-scale), AI Workforce (peningkatan keterampilan, tata kelola), AI Trust (scaling yang aman, 10 pilar etika AI).
Lima kartu layanan dalam tata letak grid dengan ikon dan poin-poin, teks pengantar biru di bagian atas
Tiga kontak: Reindolf Annor (Partner, Accounting Advisory Services), Nathaniel Adjin-Tettey (Associate Director), Frank Osei Tutu (Assistant Manager). Semuanya KPMG Ghana dengan telepon dan email. Tautan media sosial.
Kartu kontak tiga kolom pada latar belakang gradien ungu dengan foto kepala, ikon media sosial di bagian bawah
Pertanyaan umum tentang slide ini dan konten presentasi yang mendasarinya.
Ini adalah makalah Kepemimpinan Pemikiran KPMG berjudul Keunggulan AI Agentik: Agen Keuangan yang Menggerakkan Angka, yang diterbitkan pada Februari 2026. Ini menjelaskan apa itu agen AI keuangan, bagaimana mereka cocok dengan Model Pengiriman Keuangan, dan bagaimana organisasi dapat memulai perjalanan adopsi AI mereka secara terstruktur dan aman, dengan fokus pada pasar Ghana.
TACO adalah singkatan dari Taskers, Automators, Collaborators, dan Orchestrators. Ini adalah sistem klasifikasi empat tingkat untuk agen AI berdasarkan peningkatan kompleksitas: Taskers menangani tujuan tunggal dengan instruksi yang jelas, Automators mengelola proses multi-langkah di seluruh sistem, Collaborators bekerja bersama manusia pada tujuan yang kompleks, dan Orchestrators mengoordinasikan banyak agen di seluruh entitas dan pasar sebagai menara kontrol tingkat lanjut.
Empat caranya adalah: 1) Agen memperluas apertur untuk otomatisasi dengan mengambil tugas-tugas seperti pengecekan dan rekonsiliasi faktur, 2) Agen tidak tidur dan dapat beroperasi terus menerus 24/7, 3) Agen terhubung untuk perubahan dan beradaptasi dengan alur kerja baru tanpa pelatihan ulang yang ekstensif, dan 4) Agen mengubah pengetahuan menjadi tindakan dengan menangkap keahlian diam-diam dan mengubahnya menjadi operasi yang terkoordinasi.
Menurut Survei Nadi AI KPMG Q1 2025, 65% perusahaan sudah melakukan uji coba agen AI (naik dari 37% pada kuartal sebelumnya), 99% berencana untuk menempatkan agen ke dalam produksi, tetapi hanya 11% yang benar-benar menerapkan agen dalam produksi sejauh ini.
Empat fondasinya adalah: 1) Strategi - tinjau strategi perusahaan, bentuk strategi agen, kembangkan ekosistem mitra, 2) Tenaga Kerja - kodifikasi proses kerja, dorong adopsi, kelola perubahan organisasi, 3) Tata Kelola dan Kepercayaan - tingkatkan keamanan dan privasi, hindari pelanggaran etika, terapkan pengawasan human-on-the-loop, dan 4) Teknologi, Data, dan Keamanan - bangun platform data yang kuat, perkuat identitas agen, dan adopsi standar seperti MCP.
Enam langkahnya adalah: 1) Artikulasikan visi untuk integrasi agen AI, 2) Mulai uji coba agentik yang berfokus pada titik panas atau penyematan fungsi yang mendalam, 3) Bersiap untuk menskalakan agen dalam fungsi utama menggunakan Kerangka Kerja TACO, 4) Kembangkan buku pedoman tata kelola AI Tepercaya Anda, 5) Terapkan evaluasi AI Tepercaya dengan kartu sistem dan pengujian tim ungu, dan 6) Tetapkan metrik kinerja bakat agentik dengan telemetri dan peningkatan berkelanjutan.
Presentasi ini berisi 26 slide dengan estetika desain KPMG profesional yang menampilkan skema warna biru dan putih dengan aksen ungu, citra robot AI futuristik, tipografi bersih dengan judul bagian tebal yang besar, tabel perbandingan terstruktur, dan bilah navigasi yang konsisten. Ini mencakup diagram seperti kerangka kerja piramida TACO dan diagram arsitektur MCP.
Ya, presentasi ini mendedikasikan konten untuk menjelaskan MCP sebagai standar untuk komunikasi lintas agen. Ini menjelaskan tiga komponen inti: Klien MCP (aplikasi AI yang terhubung ke server), Server MCP (program yang memanfaatkan sumber data dan sistem), dan Transportasi MCP (lapisan komunikasi antara klien dan server). Kerangka Kerja TACO juga memetakan persyaratan kompleksitas MCP untuk setiap tingkatan agen.
Create Your Own Slides
Turn your ideas into professional presentations in seconds with 2slides AI.
Referensikan desain profesional, pilih gaya Anda, dan hasilkan slide dengan rendering teks sempurna. Didukung oleh Nano Banana—mulai buat presentasi Anda sekarang.
Agen AI Anda untuk slide. Hemat waktu, bersinar lebih cepat dengan pembuatan presentasi yang cerdas.
© 2026 2slides. Hak cipta dilindungi.