Selamat pagi. AI berkembang sangat cepat, tapi banyak perusahaan masih belum memutuskan siapa yang harus bertanggung jawab untuk mengubah momentum ini menjadi nilai bisnis yang terukur.
Pada acara makan malam Modern CFO Fortune di San Francisco minggu lalu, yang disponsori oleh Deloitte dan ServiceNow, Melissa Valentine, seorang senior fellow di Stanford Institute for Human-Centered Artificial Intelligence, menyampaikan pesan jelas untuk para CFO: kesempatan mereka untuk memimpin penciptaan nilai AI semakin sempit.
Valentine merujuk artikel Harvard Business Review terbaru oleh pendiri Return on AI Institute, yang menyebutkan temuan survei yang menegaskan peluang ini. Hanya 2% dari eksekutif C-suite yang disurvei mengatakan CFO ditugaskan untuk menangkap nilai dari AI. Namun, ketika CFO yang bertanggung jawab, 76% melaporkan menghasilkan nilai yang besar, jauh di depan fungsi lainya. Laks Srinivasan, penulis laporan itu, mengatakan bahwa kepala keuangan memiliki posisi unik untuk mendefinisikan, mengevaluasi, mendanai, dan mengukur inisiatif AI, lalu menerapkan kerangka kerja itu di seluruh perusahaan.
Valentine, seorang profesor tetap di Stanford, mengatakan kepada para kepala keuangan bahwa CFO memiliki peluang strategis untuk memimpin AI jika mereka bersedia mengkuantifikasi nilainya dan bertanggung jawab atasnya. Dia berargumen bahwa AI generatif sedang keluar dari fase eksperimen dan masuk ke sesuatu yang CFO pahami dengan baik: pengukuran sistematis. Dua tahun lalu, akuntabilitas yang ketat akan terlalu dini. Sekarang, itu sangat penting.
Pada pertanyaan tentang pengawasan, Valentine menunjuk insiden terbaru di mana Anthropic tanpa sengaja mengekspos kode sumber internal untuk alat coding Claude-nya, memberikan gambaran langka tentang bagaimana lab AI melindungi model mereka. Dia menyoroti konsep "harness engineering," infrastruktur di sekitar model untuk membuatnya bisa digunakan dan aman, termasuk sistem AI sekunder yang dirancang untuk memantau sistem utama. Saran dia untuk CFO: Pelajari arsitektur itu karena pemimpin harus memahami apakah sistem di sekitar model cukup kuat untuk diatur, dipantau, dan dipercaya pada skala perusahaan.
Contoh itu memperkuat poin yang lebih luas dalam ucapan Valentine: persyaratan untuk AI tingkat produksi yang aman pada dasarnya berbeda dengan eksperimen sehari-hari karyawan. Dia membedakan dua bentuk transformasi AI yang sangat berbeda. Satu dimulai di lini depan, di mana karyawan menggunakan alat seperti Gemini atau NotebookLM dan menemukan aplikasi praktis lewat eksperimen. Yang lain didorong dari atas, di mana kasus penggunaan tingkat produksi membutuhkan infrastruktur data yang kuat, ketelitian teknik, dan tata kelola. Keduanya penting. Masing-masing membutuhkan model operasi yang berbeda.
Pelajaran utama untuk pemimpin keuangan adalah bahwa akuntabilitas AI sedang menjadi kompetensi tingkat CFO. Saat AI beralih dari hal baru menjadi keharusan operasional, eksekutif yang menerapkan disiplin akan paling siap untuk menangkap nilainya.
Sheryl Estrada
[email protected]
Leaderboard
Marcel Teunissen ditunjuk sebagai CFO Expand Energy Corporation (Nasdaq: EXE), efektif 6 April. Teunissen sebelumnya menjabat sebagai presiden Amerika Utara untuk Parkland Corporation. Dia juga pernah menjabat sebagai CFO Parkland. Sebelum Parkland, Teunissen menghabiskan lebih dari 20 tahun di Shell plc.
Steven E. Pfanstiel akan mengundurkan diri dari perannya sebagai EVP, CFO dan bendahara Neuronetics, Inc. (Nasdaq: STIM), sebuah perusahaan teknologi medis. Pfanstiel akan mencari peluang di luar perusahaan. Dia akan tetap bekerja hingga 1 Mei. Neuronetics telah memulai pencarian untuk penggantinya.
Big Deal
Saat perusahaan membangun pipa talenta untuk generasi karyawan berikutnya, AI membentuk cara berpikir mahasiswa tentang jalur akademik mereka, menurut temuan studi Lumina Foundation-Gallup 2026. Empat puluh dua persen mahasiswa S1 yang disurvei mengatakan AI membuat mereka mempertimbangkan untuk mengganti jurusan. Di antara mahasiswa diploma, angka itu naik menjadi 56%.
Temuan kunci lain adalah bahwa sementara motivasi tradisional — seperti mendapatkan keterampilan, gaji lebih tinggi, dan kepuasan karier — masih jauh lebih umum, sekitar satu dari tujuh mahasiswa mengatakan mempersiapkan diri untuk AI dan kemajuan teknologi lain adalah alasan penting mereka mendaftar.
Courtesy of Gallup
Going deeper
Laporan State of AI in Manufacturing oleh Digit, berdasarkan analisis data dari perusahaan manufaktur AS, menunjukkan adopsi AI di sektor ini telah tumbuh empat kali lipat sejak 2023. Perusahaan besar juga 2,3 kali lebih mungkin mengadopsi daripada pabrik kecil.
Namun pertumbuhan itu lambat dan hati-hati — 87% pabrikan masih belum mengadopsinya. Ketidakpastian sekitar adopsi AI telah tumbuh. Faktor yang berkontribusi pada adopsi lambat adalah kurangnya kejelasan tentang ROI AI.
Menurut laporan itu, yang kurang dari para pabrikan adalah masalah yang jelas untuk dipecahkan agar bisa beralih dari perencanaan ke eksekusi.
Overheard
"Kebanyakan organisasi yang mencoba menerapkan AI menemukan bahwa masalah tersulit bukanlah teknologi. Kesiapan data, keamanan, integrasi, perancangan ulang alur kerja, dan membangun keterampilan manusia tetap menjadi hambatan yang sulit untuk implementasi AI yang sebenarnya."
—Omar Abbosh, CEO Pearson, sebuah perusahaan pendidikan global, menulis dalam artikel opini Fortune.