Dan Durn, kepala keuangan Adobe, sedang mengubah organisasi finansial perusahaan menjadi tempat uji coba untuk AI agen—menggunakan agen perangkat lunak otonom untuk memprediksi hasil, memindai kontrak, dan bahkan menjawab ratusan ribu email.
Langkah ini mencerminkan strategi Adobe yang lebih luas tentang AI agen. Bagi pelanggan, perusahaan memungkinkan mereka memilih model AI, menggabungkannya dengan data mereka sendiri dan data Adobe, dan mengarahkan agen untuk mencapai tujuan bisnis tertentu.
Di internal, Durn, yang juga bertanggung jawab atas teknologi, keamanan, dan operasi, mengambil pendekatan serupa di bidang keuangan: menggabungkan fungsi berbasis aturan dan padat data dengan AI, dalam struktur di mana keuangan, TI, dan keamanan melapor ke satu pemimpin agar proyek percobaan bisa cepat diterapkan. “Akurasi tidak bisa ditawar,” tambahnya; itu sebabnya Adobe berinvestasi dalam data terstruktur dan tata kelola agar bisa bergerak cepat tanpa mengorbankan ketepatan.
Kebangkitan AI dengan cepat mengubah kepemimpinan perusahaan, mempercepat pergantian dan mengangkat eksekutif yang bisa memberikan hasil cepat dan nyata. Bahkan pemimpin yang sudah lama menjabat menghadapi tekanan dari investor untuk bergerak agresif dalam AI. Perubahan kepemimpinan baru-baru ini, termasuk pengumuman pensiunnya CEO Adobe Shantanu Narayen, menunjukkan betapa sedikitnya kesabaran pasar terhadap keraguan. Di waktu yang sama, Adobe melaporkan pendapatan tahunan dari produk AI-pertama mereka naik lebih dari tiga kali lipat di kuartal pertama 2026, yang berakhir 27 Februari. Di perusahaan Fortune 500, dinamika ini menciptakan tempat uji coba internal baru di mana eksekutif dinilai dari seberapa efektif dan cepat mereka menggunakan AI untuk mendorong pertumbuhan, efisiensi, dan inovasi.
Menggunakan AI di keuangan
Di dalam departemen keuangan, Durn mengelompokkan penggunaan AI jadi tiga: peramalan, deteksi anomali, dan produktivitas umum.
Untuk peramalan, AI menemukan pola dan sinyal dalam data yang sulit dideteksi manusia dengan cepat, jelasnya. Agen deteksi anomali menandai kinerja yang sangat kuat atau lemah secara tak terduga—”hal-hal yang bisa hilang di lautan data”—agar tim keuangan bisa turun tangan lebih cepat.
Tapi, Durn bilang contoh terbaik saat ini ada di bidang produktivitas, dengan menyebut tiga contoh:
1. Mengekstrak informasi dari PDF
Salah satu contoh paling berkembang melibatkan “kontainer” informasi—kumpulan PDF seperti transkrip investor, laporan kuartalan, dan riset analis. Tim keuangan menggunakan Adobe PDF Spaces untuk memuat dokumen ke ruang kerja digital bersama dan menggunakan asisten AI agen untuk menemukan tema, wawasan, dan petunjuk pesan dalam hitungan menit, bukan jam.
Sebuah studi Forrester TEI baru-baru ini menemukan Asisten AI agen di Acrobat meningkatkan efisiensi dalam ringkasan dan analisis dokumen sebesar 45%. Durn mengatakan itu penting karena “informasi dunia ada di PDF,” dan AI mengubah konten statis menjadi wawasan yang bisa dipakai.
2. Memotong waktu tinjau kontrak jadi separuh
Adobe juga menggunakan AI agen untuk memperbarui tinjauan kontrak di fungsi keuangan dan pengadaan, termasuk jaminan pendapatan, operasi kontrak, pemenuhan produk, dan manajemen vendor. Alih-alih profesional keuangan memeriksa setiap klausa, asisten AI memindai ribuan kontrak, menyoroti ketentuan yang relevan untuk setiap fungsi, dan menandai syarat yang tidak standar.
Sistem ini memotong waktu tinjau sekitar separuh, mempercepat tinjauan individu dan memungkinkan tim untuk bertanya ke seluruh repositori kontrak—misalnya, mengidentifikasi kontrak mana yang memiliki fitur pembatalan otomatis atau jendela penyesuaian nilai tukar asing, kata Durn. Adobe membuat prototipe pertamanya pada April 2024 dan mulai mengenalkannya ke tim pada Januari 2025.
3. Mengotomatisasi “kotak masuk” umum
Area ketiga adalah “kotak masuk umum” yang menangani email internal dan eksternal dalam volume tinggi—alamat bersama untuk penjualan, perbendaharaan, keuangan, dan pertanyaan pemasok. Adobe menggunakan asisten AI agen yang secara otomatis memberi tag, memprioritaskan, mengarahkan, dan saat kriteria terpenuhi, membalas otomatis email. Pertanyaan khas termasuk masalah penagihan pemasok atau pertanyaan standar tentang kualitas kredit yang masuk ke perbendaharaan dari Salesforce.
“Pada 2025 saja, sistem ini membalas otomatis sekitar 300.000 email di 19 kotak masuk, menghemat lebih dari 5.000 jam pekerjaan manual dan membebaskan tim untuk fokus pada masalah yang lebih kompleks,” katanya. Alat ini butuh sekitar enam bulan untuk dibangun; tim beta mulai menggunakannya sekitar Agustus 2024, dengan peluncuran penuh pada Januari 2025.
Hasilnya, dia tekankan, bukanlah pengurangan karyawan tetapi kemampuan untuk berkembang lebih efisien seiring pertumbuhan Adobe.
Ide dari bawah, pembangunan selama dekade
Durn melacak contoh penggunaan AI di keuangan ini ke perjalanan panjang Adobe dan aliran ide dari bawah. Perusahaan telah berinvestasi dalam pembelajaran mesin dan AI selama lebih dari sepuluh tahun, awalnya untuk memahami pola penggunaan pelanggan dan menyematkan kecerdasan ke produk—pekerjaan yang menjadi dasar untuk AI generatif dan agen.
Banyak aplikasi terbaik datang dari “menjangkau ke bawah dalam organisasi” dan menanyai karyawan di mana AI bisa menghilangkan hambatan atau mempermudah pekerjaan mereka, ujarnya. Ada lebih banyak ide daripada kapasitas, jadi tim memprioritaskan yang memiliki dampak terbesar.
Saat memutuskan untuk menyetujui investasi AI, Durn fokus pada kecepatan organisasi—kemampuan fungsi kantor belakang untuk mengikuti inovasi produk yang lebih cepat. Jika keuangan tidak mengadopsi AI, ia berpendapat, itu berisiko menjadi “pembatas pertumbuhan.”
Pengeluaran sebenarnya sederhana, tambahnya; sebagian besar pekerjaan melibatkan manajemen perubahan dan perancangan ulang proses yang ditambahkan ke teknologi Adobe.
Perspektif Durn tentang manajemen perubahan bertepatan dengan riset baru dari McKinsey. Untuk mendapatkan nilai penuh dari AI, organisasi perlu melampaui “pendekatan sepotong-sepotong dan mendorong transformasi ganda—baik teknis maupun organisasional—yang termasuk membayangkan ulang bagaimana pekerjaan dilakukan di berbagai fungsi dan alur kerja,” menurut laporan tersebut. Sementara 88% organisasi yang disurvei kini bereksperimen dengan AI, kurang dari 20% melaporkan hasil nyata bagi keuntungan, temuan riset itu.
Bagaimana AI mengubah pekerjaannya sendiri
Untuk alur kerjanya sendiri, Durn bergantung pada AI terutama untuk menghasilkan wawasan. Menjelang pengumuman pendapatan, timnya memuat laporan riset pra-pendapatan, dokumen Adobe, dan transkrip perusahaan sejenis ke ruang kerja bertenaga AI untuk menemukan tema dan pertanyaan investor yang mungkin.
Naskah dan persiapan tanya jawab kemudian dijalankan melalui model dengan pengaman untuk menguji apakah pesan menjawab tema-tema itu dan bertanya, “Jika saya seorang investor, apa poin penting yang saya dapat?”
Dia melihatnya sebagai pemeriksaan yang berguna untuk kejelasan dan konsistensi—menggunakan AI untuk memvalidasi insting dan mempertajam cara Adobe berkomunikasi dengan pasar.