4.

1 INTRODUCTION
Tujuan dari bab ini adalah untuk memperkenalkan beberapa dari banyak perkembangan
teknologi yang membentuk dunia akuntan; Big Data, Cloud Computing, Artificial Intelligence
(AI) dan Blockchain. Fokus bab ini adalah untuk menjelaskan efek dari teknologi yang muncul
ini pada peran akuntan dari sudut pandang akuntan manajemen yang bekerja dalam bisnis atau
akuntan keuangan yang bekerja baik dalam praktik atau dalam bisnis. Dalam beberapa tahun
terakhir, Big Data telah mengubah dunia bisnis dan berdampak baik pada organisasi maupun
individu. Kumpulan data besar dari data terstruktur, semi-terstruktur, dan tidak terstruktur yang
dikumpulkan dari sumber seperti Internet, telekomunikasi, dan Sistem Pemosisian Global (GPS)
terus bertambah detik demi detik, menciptakan sumber data yang kaya di hampir setiap aspek
kehidupan di planet ini. . Data ini sangat berharga bagi bisnis baik untuk alasan komersial tetapi
juga untuk perkembangan dalam dunia kedokteran dan sains. Sangat penting bahwa akuntan
memahami implikasi dari data yang luas ini dalam pekerjaan dan lingkungan mereka sendiri.
Terkait dengan Big Data adalah pengembangan komputasi awan, yang memungkinkan bisnis
membayar penyimpanan data dan aplikasi komputer saat mereka membutuhkannya di Internet,
yang berpotensi menghemat banyak uang, tetapi membawa serta masalah keamanan data. untuk
akuntan.Bab ini juga membahas bagaimana AI memengaruhi bisnis dalam kemampuannya
melakukan proses rutin, tetapi juga mempelajari cara mengenali tren dan berinteraksi dengan
manusia. Saat masih dalam masa pertumbuhan, AI memiliki potensi untuk mengubah banyak
proses bisnis, tetapi kita harus berhati-hati dalam melepaskan kontrol total ke mesin sampai
beberapa implikasi yang lebih luas dari teknologi ini telah dinilai secara memadai. Akhirnya, bab
ini memberikan pengantar teknologi lain yang berpotensi sangat mengganggu, yaitu blockchain.
Ini membahas prinsip-prinsip di balik blockchain dan bagaimana itu sudah mendukung
cryptocurrency terbesar di dunia, Bitcoin, tetapi juga bagaimana teknologi itu sendiri
kemungkinan akan mengubah disiplin akuntansi dan keuangan di masa depan. Bab ini
memberikan saran kepada akuntan (masa depan) tentang isu-isu yang mungkin perlu mereka
pertimbangkan dalam pengembangan dan pelatihan pribadi mereka agar diperlengkapi untuk
memanfaatkan manfaat dan tantangan yang akan dibawa oleh teknologi baru ini.

4.2.1 What Is “Big Data”?

Istilah Big Data muncul pada pergantian abad baru. Sesuai dengan namanya, ini adalah
kumpulan catatan yang sangat besar, beberapa di antaranya tidak terstruktur seperti gambar dan
yang terlalu besar untuk diproses menggunakan alat manajemen basis data dasar. Data besar
mengacu pada ledakan kuantitas (dan terkadang kualitas) dari data yang tersedia dan berpotensi
relevan. Di dunia yang baru dan menarik ini, ukuran sampel tidak lagi diukur dengan baik dalam
"jumlah pengamatan" melainkan dalam, katakanlah, megabita. (Diebold 2003, hal. 116) Selama
abad kedua puluh satu, ada banyak kemajuan dalam teknologi komputer. Perangkat keras sistem
komputer dan paket perangkat lunak yang dipesan lebih dahulu menjadi terjangkau oleh
perusahaan terkecil. Karena semakin banyak bisnis yang mengadopsi sistem komputer, telah
terjadi lonjakan volume data yang direkam secara digital. Contoh sederhana dari hal ini di
lingkungan ritel adalah Terminal Titik Penjualan Elektronik (EPOST) dan Terminal Titik
Penjualan Transfer Dana Elektronik (EFTPOS) yang lebih canggih yang mencatat detail tentang
pembelian dan perilaku konsumen dari memindai kode batang pembelian dan kasir, dan yang
diperkirakan akan meningkat dalam jumlah yang signifikan dalam beberapa tahun ke depan
(Acute Market Research 2017). Selain itu, penyimpanan digital yang lebih murah yang
dikembangkan dalam beberapa tahun terakhir berarti lebih banyak data yang dapat disimpan
(Russom 2011), sementara kemajuan dalam perangkat lunak berarti bahwa data ini dapat diambil
dan diurutkan dengan relatif mudah dengan menggunakan spreadsheet atau alat database.
Menganalisis data telah menjadi relatif cepat dan mudah, terutama dibandingkan dengan
pencatatan manual, namun seringkali sulit untuk mengelola volume data dan mendapatkan
wawasan yang berarti (Sundaresan 2008). Proliferasi data dari terminal ritel, Internet, ponsel dan
aktivitas media sosial, tag identifikasi frekuensi radio (RFID), umpan data bisnis dan GPS untuk
menyebutkan beberapa sumber data, telah menciptakan kumpulan data besar yang secara umum
disebut sebagai “data besar”, karena ukurannya, yang sering diukur dalam terabyte, atau semakin
banyak, petabyte atau exabyte data (Marr 2016). Pada dasarnya, akuntansi "berkaitan dengan
pengumpulan, analisis dan komunikasi data keuangan" (Atrill dan McLaney 2017, hal. 1).
Diperdebatkan, ini adalah Big Data asli di organisasi mana pun. Secara historis, catatan
akuntansi keuangan disimpan secara manual. Untuk organisasi besar, ini bisa berarti ruangan
orang-orang yang menulis di buku besar. Mengekstrak rincian untuk menyusun satu set laporan
keuangan adalah tugas yang memakan waktu. Selama 40 tahun terakhir, proses pencatatan
catatan untuk akuntansi keuangan telah diubah oleh penggunaan komputer. Pengumpulan dan
penyimpanan arsip telah menjadi digital. Catatan pembukuan entri ganda dibuat secara otomatis.
Software akan menghasilkan laporan laba rugi dan laporan posisi keuangan sesuai permintaan.
Oleh karena itu peran akuntan berubah. Akan selalu ada kebutuhan bagi akuntan keuangan untuk
memastikan perusahaan mematuhi undang-undang dan standar akuntansi untuk meyakinkan
pengguna laporan keuangan tentang kinerja bisnis yang mendasarinya. Organisasi besar masih
membutuhkan akuntan keuangan yang bekerja secara internal untuk memutuskan cara terbaik
untuk memperhitungkan transaksi yang berbeda dan untuk terus berinteraksi dengan bagian lain
dari bisnis. Untuk akuntan keuangan yang bekerja dalam praktik, sifat pekerjaannya telah
berubah seiring dengan sifat ekonomi telah berubah. Oleh karena itu, akuntan keuangan memiliki
lebih sedikit pekerjaan yang harus dilakukan dalam hal pengumpulan data keuangan ketika
sistem komputer, seperti Sage, Quickbooks dan Xero digunakan oleh begitu banyak bisnis.
Namun, mereka sekarang harus mampu menangani jumlah data yang jauh lebih besar dan
menemukan masalah serta tren dalam data tersebut. Dengan cara yang mirip dengan perubahan
akuntansi keuangan, fungsi akuntan manajemen berubah. Saat laporan menjadi otomatis,
perannya adalah memberikan dukungan yang lebih baik untuk pengambilan keputusan dan
manajemen kinerja. Produksi laporan standar (seperti keuangan akhir bulan, analisis varians,
Indikator Kinerja Utama (KPI) dan pengajuan peraturan) menjadi semakin otomatis. Pada saat
yang sama, karena lingkungan yang kompetitif, permintaan semakin meningkat bagi akuntan
manajemen untuk memberikan “wawasan” yang berkelanjutan, bukan dari data keuangan sendiri
tetapi dalam kombinasi dengan data non-keuangan juga, baik internal maupun eksternal untuk
bisnis dan terkadang termasuk Big Data (Simons et al. 2013).

4.2.2 Where Does Big Data Come from?

Pengumpulan dan penyimpanan data telah meningkat secara eksponensial selama beberapa tahun
terakhir. “Menurut IBM, perusahaan telah menangkap lebih banyak data dalam dua tahun
terakhir dibandingkan 2000 tahun sebelumnya” (Syed et al. 2013, hal. 2248) dan tren ini terus
berlanjut. Data dikumpulkan dari hampir setiap transaksi yang dilakukan, terkadang tanpa
interaksi manusia sama sekali. Ini bisa berasal dari:
• data aktivitas, seperti membaca eBuku atau melakukan pembelian dengan kartu kredit;
• data percakapan, seperti panggilan telepon, percakapan Facebook dan Twitter;
• data gambar foto dan video, seperti ribuan foto dan video yang diunggah dari kamera, telepon,
bahkan CCTV setiap hari;
• data sensor, seperti gerakan pelacakan sensor GPS; dan
• Data Internet of things (IOT) yang berasal dari smart TV, lemari es, jam tangan dan alarm
(Marr 2016). Pengumpulan data dalam bisnis sering digunakan untuk tujuan pemasaran (Michael
dan Miller 2013). Sistem EPOST yang diperkenalkan di atas dapat diperpanjang dengan kartu
loyalitas pelanggan. Misalnya, catatan Tesco Clubcard informasi pribadi sejak pelanggan
memberikan perincian pribadi pada pendaftaran dan itu terus ditambahkan melalui data yang
dikumpulkan pada kartu tentang tempat Anda berbelanja, kapan Anda berbelanja, barang yang
Anda beli, metode pembayaran, dan lainnya. Hal ini memungkinkan untuk dilakukan pemasaran
yang ditargetkan (Atkins et al. 2016). Demikian pula, data terus dikumpulkan tentang Anda,
lokasi Anda, dan preferensi Anda di Internet melalui situs web belanja (misalnya, Amazon) atau
mesin pencari (seperti Google) baik melalui komputer atau telepon Anda, bahkan ketika Anda
mungkin tidak menyadarinya. itu (Collins 2017). Sekali lagi, informasi ini dapat digunakan
untuk menargetkan Anda pada produk atau layanan tertentu atau untuk menyediakan kumpulan
data yang kaya tentang kebiasaan dan preferensi konsumen. Aktivitas pembelian ini dapat
dihubungkan melalui rantai pasokan, untuk menarik persediaan melalui sistem setelah persediaan
rendah atau pesanan telah dilakukan sebagai bagian dari sistem manajemen persediaan Just In
Time (JIT). Ini seringkali dapat didukung oleh perangkat atau sensor pelacakan lain, seperti tag
RFID yang bersama dengan GPS dapat memantau pergerakan inventaris di seluruh rantai
pasokan, memungkinkannya dikirim ke mana pun dibutuhkan (Want 2006).

4.2.3 Making Sense of Big Data

Untuk memahami Big Data, berbagai penulis telah mendefinisikan istilah yang menjelaskan
dimensinya. Meskipun ada berbagai interpretasi dari mereka, yang paling umum digunakan
adalah 'V's: Volume, Velocity, Variety, Veracity dan Value (Laney 2001; Shafer 2017; Marr
2016), yang sekarang akan kami jelaskan sedikit lebih detail.

4.2.3.1 Volume
Pada awal 2000-an, Diebold (2003) membahas pengukuran data dalam megabyte. Megabyte atau
MB adalah 1024 KB yang merupakan 1024 byte; satu byte adalah 8 bit data dalam kode biner.
Karakter adalah byte. Satu kilobyte adalah paragraf yang panjang. Satu megabyte mungkin berisi
sekitar 4 buku (teks biasa). Gigabyte atau GB adalah 1024 megabyte. Satu GB bisa menjadi
sekitar 4000 buku dan terabyte adalah 1024 GB. Daftar istilah terus bertambah (seperti petabyte
dan exabyte), seperti data yang dijelaskannya. Untuk menempatkan ini ke dalam konteks, pada
tahun 2000, floppy disk 3,5 inci yang menampung hingga 1,44 MB data sedang dihapus oleh CD
yang dapat ditulis ulang yang menampung 650 MB. Flash drive USB modern dapat menampung
dari 1 GB hingga 128 GB dan seterusnya. Versi 2 terabyte sekarang tersedia dan Google secara
rutin memberi pengguna 15 GB penyimpanan cloud gratis. Diperkirakan pada tahun 2012 bahwa
sekitar 2,5 exabyte data dibuat setiap hari, dan angka itu kira-kira berlipat ganda setiap 40 bulan
(McAfee dan Brynjolfsson 2012). Untuk akuntan, ini berarti ada sejumlah besar data yang
tersedia untuk dikerjakan. Dalam hal akuntansi keuangan, data ini perlu dipilah-pilah ke dalam
transaksi keuangan yang diperlukan untuk membangun akun-akun yang diterbitkan. Bisa
dibilang satu set akun bukanlah data besar. Tapi rekening semua perusahaan Inggris akan. Untuk
akuntan manajemen, ada kemungkinan tak terbatas untuk menggunakan kumpulan data yang
luas (baik internal maupun eksternal perusahaan) untuk menginformasikan manajemen dan
membantu dalam pengambilan keputusan.

4.2.3.2 Kecepatan/velocity
Ini adalah tingkat di mana data dihasilkan secara terus menerus dan diproses dalam "waktu
nyata" (Laney 2001). Dari perspektif akuntansi keuangan, kemampuan untuk memproses data
secara real time ini membuat produksi akun yang dipublikasikan menjadi lebih cepat. Bagi
akuntan manajemen, proses akhir bulan dapat diselesaikan dengan cepat, memungkinkan
pengambilan keputusan bisnis yang lebih baik. Misalnya, jika laporan dibuat dua minggu atau
lebih setelah akhir bulan dan ada masalah, laporan tersebut dapat bertahan hingga enam minggu
yang dapat merugikan kinerja bisnis. Mengidentifikasi masalah lebih cepat daripada nanti dapat
membuat perbedaan pada bisnis. Ini mempengaruhi semua area perusahaan, bukan hanya
akuntansi.

4.2.3.3 Variasi/variety
Data datang dalam berbagai bentuk dan dari berbagai sumber. Seperti disebutkan sebelumnya,
data dapat terstruktur atau tidak terstruktur. Misalnya, database biasanya terstruktur tetapi konten
email seringkali tidak terstruktur. Perkiraan dari Cisco dan IBM menunjukkan bahwa 90% dari
semua data tidak terstruktur (Cisco 2014). Semakin banyak data yang dikumpulkan dari berbagai
sumber, variasi data semakin meningkat (Marr 2016). Masalahnya kemudian menjadi
mengekstraksi dan memahami data yang relevan dari sumber yang berbeda ini (Marr 2016;
McAfee dan Brynjolfsson 2012). Dalam banyak kasus, manusia sebenarnya lebih baik dalam hal
ini daripada komputer. Misalnya, jika sebuah perusahaan menerima dua faktur yang berbeda dari
dua pemasok, manusia akan dengan mudah mengenali fitur-fitur utama di mana komputer
kadang-kadang masih membuat kesalahan, misalnya, tidak dapat mengidentifikasi nama
perusahaan dari logo atau membaca. nomor telepon sebagai nomor faktur. Sebaliknya, komputer
jauh lebih baik dalam menyaring data dan mencari item jika dalam format tertentu: namun, Big
Data tidak menghilangkan kebutuhan akan visi atau wawasan manusia (McAfee dan
Brynjolfsson 2012). Bagi akuntan keuangan, data selalu datang dalam berbagai bentuk. Kotak
sepatu tanda terima, spreadsheet klien, kotak faktur. Untuk akuntan keuangan dalam praktiknya,
klien biasanya telah mengumpulkan data sebelumnya, baik secara manual melalui input dalam
spreadsheet atau dengan menggunakan perangkat lunak yang dapat menautkan ke rekening bank
untuk meringkas posisi kas bisnis secara instan. Untuk akuntan manajemen, berbagai data
menimbulkan tantangan dalam hal ekstraksi informasi yang relevan. Menerima data dari
berbagai sumber berarti waktu harus diambil untuk menyusun data dan menyajikannya dalam
format yang dapat dikelola. Ini menjadi lebih menantang karena akuntan manajemen juga
biasanya berurusan dengan data non-keuangan serta data keuangan.

4.2.3.4 Kebenaran/ veracity

Hal ini berkaitan dengan seberapa “berantakan” atau dapat dipercayanya data, mengingat
banyaknya sumber dari mana data itu berasal dan bentuknya (Marr 2016). Semua data harus
dapat diandalkan, terutama jika digunakan untuk membuat keputusan. Ketika pengumpulan data
menjadi lebih otonom, dapat dikatakan bahwa elemen kesalahan manusia sedang dihapus.
Namun, ketika data datang dalam berbagai format, menyusun data ke dalam format yang dapat
dipahami menambahkan langkah yang dapat mengurangi keandalan. Baik manusia maupun
komputer dapat (secara tidak sengaja) menimbulkan kesalahan, misalnya, perangkat lunak
pengenalan suara yang salah menafsirkan pola atau aksen bicara. Bagi akuntan keuangan, data
harus akurat dan mencerminkan kinerja perusahaan yang sebenarnya; proses audit (dengan
melakukan tinjauan independen terhadap angka-angka dan asumsi-asumsi yang mendasari di
balik laporan keuangan) menambah validitas akun-akun keuangan, meskipun hal ini tidak
sepenuhnya salah. Bagi akuntan manajemen, kualitas keputusan bisnis yang diambil tergantung
pada validitas data yang mendasari keputusan tersebut.

4.2.3.5 Nilai/ value

Sekarang karena pengumpulan data relatif murah dan mudah, tantangannya terletak pada
menganalisis, melihat tren, dan menafsirkan data agar masuk akal dan bernilai darinya. Volume
data yang telah dikumpulkan sangat mengejutkan dan sangat sedikit yang dianalisis sama sekali
atau tidak dianalisis dengan cara yang memungkinkan perusahaan untuk mendapatkan wawasan
berharga darinya (Sundaresan 2008; Jagadish et al. 2014). Namun, kemampuan perusahaan
untuk mengeksploitasi informasi bisnis dan analitik sekarang dianggap sebagai pembeda utama
dalam dunia yang kompetitif, sehingga mereka yang ahli dalam hal itu telah menggunakannya
untuk mengubah bisnis mereka (Jagadish et al. 2014). Sementara kumpulan data yang akan
digunakan oleh akuntan keuangan rata-rata akan berukuran kecil, akuntan manajemen mungkin
ditugaskan untuk melihat kumpulan data yang jauh lebih besar untuk melihat tren,
mengidentifikasi peluang, dan mendukung keputusan strategis; ini akan membutuhkan
pengetahuan analitik data yang substansial dan dukungan alat analisis data tambahan di luar
spreadsheet dasar. Hal ini juga memerlukan perubahan substansial dalam pola pikir di
perusahaan untuk beralih dari pengalaman manusia ke analisis berbasis data untuk membuat
keputusan (Sundaresan 2008; Jagadish et al. 2014). Untuk mendapatkan nilai dari Big Data,
perusahaan perlu berinvestasi ke dalam alat analisis data khusus, karena mereka dirancang untuk
mengatasi volume dan variasi data yang sekarang tersedia, baik dalam hal menyimpan data tetapi
juga dalam mendekode dan memanipulasinya. . Ada berbagai nama paket untuk mendukung ini
seperti Hadoop, HBase dan Hive (Sagiroglu dan Sinanc 2013). Paket-paket ini melakukan
pencarian data yang rumit menggunakan teknik seperti analisis teks (untuk standar, data
terstruktur), pengenalan wajah (untuk gambar dan mengidentifikasi orang), analisis sentimen
(menggunakan kata kunci yang digunakan dalam pesan media sosial untuk memastikan sikap
orang terhadap hal-hal tertentu), dan analitik suara (sekali lagi untuk menentukan sikap serta
konten) pesan suara (Marr 2016). Ini dapat digunakan untuk memprediksi tren baru, menyoroti
produk yang bisa laku di masa depan. Namun, penting untuk diingat bahwa pengetahuan ini
hanya dapat berguna jika ada hubungan yang jelas antara peluang yang disediakan Big Data dan
strategi perusahaan (Jagadish et al. 2014).

4.2.4 The Application of Big Data

Terlepas dari tujuan pemasaran dan logistik yang dibahas di atas, Big Data dapat digunakan
dalam disiplin medis dengan memahami pola penyakit dan gejala (Michael dan Miller 2013),
termasuk hubungan apa pun antara gaya hidup dan kesehatan (Jagadish et al. 2014) atau dalam
keamanan layanan untuk melacak pola perilaku yang berkaitan dengan aktivitas teroris (Marr
2016). Ini dapat digunakan untuk melacak pola lalu lintas di kota-kota untuk memudahkan arus
lalu lintas dan merancang layanan angkutan umum baru di sekitar area utama kemacetan (Marr
2016; Jagadish et al. 2014). Kegunaan lain termasuk pemodelan lingkungan dan bahkan
astronomi (Jagadish et al. 2014).
4.2.4.1 Big Data in Accounting
Akuntansi itu sendiri adalah kumpulan data dan proses mengubah data tersebut menjadi
informasi yang berguna. Untuk Akuntan Keuangan, ini adalah produksi laporan keuangan. Untuk
Akuntan Manajemen, ini adalah produksi laporan bulanan atau informasi keuangan untuk
proyek. Meskipun banyak dari ini tidak akan berubah dengan Big Data, akuntan manajemen,
khususnya, perlu menjadi lebih mampu bekerja dengan kumpulan data yang lebih besar dengan
alat analisis yang berpotensi baru daripada yang mereka lakukan saat ini. Ini harus melengkapi
keterampilan yang dimiliki sebagian besar akuntan, untuk bertanya dan tidak takut untuk
menantang sumber data dan analisis yang telah dilakukan, untuk memastikan bahwa keputusan
berdasarkan itu dapat diandalkan (McAfee dan Brynjolfsson 2012). Ini tidak berarti bahwa
mereka harus menjadi pemrogram data sendiri, tetapi memiliki pengetahuan yang cukup untuk
dapat bertindak sebagai jembatan antara tim teknis dan bisnis lainnya. Seperti yang dikatakan
Simons, Masamvu and Parks (2013, hlm. 3): Untuk benar-benar membuka peluang dalam data
besar, akuntan manajemen perlu bermitra lebih erat dengan tiga kelompok pemangku
kepentingan utama: rekan mereka di bidang TI yang menangkap sebagian besar data; ilmuwan
data yang dapat melakukan jenis analisis lanjutan pada data tersebut; dan terakhir para pemimpin
bisnis yang dapat memastikan ide-ide baru diubah menjadi tindakan nyata. Ini membutuhkan
profesional keuangan untuk memiliki keterampilan manajemen yang lebih luas: komunikasi yang
jelas, kemampuan untuk memimpin dan mempengaruhi, dan pemahaman strategis bisnis – yang
semuanya penting untuk peran kemitraan bisnis yang diinginkan banyak perusahaan untuk
membiayai bermain.
Big Data telah dan akan terus berdampak pada bisnis, yang mengarah pada pemahaman yang
lebih akurat tentang lingkungan bisnis dan perubahan yang terjadi di dalamnya. Ini akan
memungkinkan perencanaan dan peramalan yang lebih baik, identifikasi akar penyebab biaya
dalam bisnis, dapat membantu mendeteksi penipuan dan mengidentifikasi risiko dan peluang
(Russom 2011), semua aktivitas di mana akuntan perlu dilibatkan ( Simons dkk. 2013).

4.3 CLOUD COMPUTING

4.3.1 What Is “Cloud Computing”?
Terkait dengan Big Data adalah pengembangan komputasi awan. Komputasi awan hanyalah
sebuah sistem penyimpanan data dan pengaksesan aplikasi pemrosesan sesuai permintaan
melalui Internet (kata “cloud” mengacu pada Internet [Bhardwaj et al. 2010]) daripada
menggunakan kapasitas memori yang terbatas dari komputer Anda. perangkat atau jaringan
sendiri (Zhang et al. 2010). Seperti yang didefinisikan oleh Institut Standar dan Teknologi
Nasional AS (2017): Komputasi awan adalah model untuk memungkinkan akses jaringan sesuai
permintaan yang nyaman ke kumpulan sumber daya komputasi yang dapat dikonfigurasi
(misalnya, jaringan, server, penyimpanan, aplikasi, dan layanan) yang dapat dengan cepat
disediakan dan dirilis dengan upaya manajemen minimal atau interaksi penyedia layanan. Karena
jumlah data yang diambil dan disimpan telah meningkat secara eksponensial selama beberapa
tahun terakhir (lihat bagian tentang Big Data di atas), ada peningkatan permintaan untuk
penyimpanan yang lebih besar. Setiap komputer atau jaringan memiliki kapasitas memori yang
terbatas untuk penyimpanan, jadi daripada harus berinvestasi dalam sistem penyimpanan yang
besar (Armbrust et al. 2010), pengguna akhir dapat menyewa ruang dan aplikasi apa yang
mereka butuhkan saat kebutuhan mereka berubah dan kemudian mengambil data dan layanan
bila diperlukan melalui Internet. Secara umum ada dua penyedia layanan dalam komputasi awan,
penyedia infrastruktur yang mengelola platform awan (sering disebut sebagai “Infrastruktur
sebagai Layanan” (IaaS) [Bhardwaj et al. 2010]) dan menyewakan ruang kepada penyedia
layanan. Layanan ini mencakup pengelolaan daya komputasi dan memori serta penyimpanan
data di pusat data. Penyedia layanan pada gilirannya menyewakan layanan yang diperlukan
untuk pengguna akhir (misalnya, bisnis atau individu) (sering disebut “Perangkat Lunak sebagai
Layanan” [SaaS]) (Zhang et al. 2010; Bhardwaj et al. 2010). Contohnya termasuk aplikasi bisnis
dan layanan web, seperti Google Apps dan Facebook. Di antara dua level ini adalah level ketiga
yang disebut “Platform as a Service” (PaaS) (Armbrust et al. 2010; Bhardwaj et al. 2010) yang
menyediakan dukungan sistem operasi dan kerangka kerja perangkat lunak yang dibutuhkan oleh
pengembang untuk mengembangkan aplikasi berbasis pada teknologi seperti .Net dan Java,
untuk menyediakan layanan seperti Microsoft Azure atau Google AppEngine (Liu et al. 2016).
Dari sudut pandang infrastruktur, manfaat komputasi awan adalah biaya operasi yang lebih
rendah karena sumber daya dapat diperoleh dengan cepat dialokasikan kembali untuk mengelola
permintaan dan sangat terukur karena penyedia infrastruktur dapat mengumpulkan sumber daya
dengan mudah (Zhang et al. 2010; Armbrust et al. 2010). Untuk bisnis, aplikasi dan data dapat
dengan mudah diakses di berbagai perangkat seperti ponsel dan tablet di mana saja, bukan hanya
melalui jaringan komputer berbasis kantor (Bhardwaj et al. 2010). Hal ini mengurangi risiko
bisnis karena risiko kegagalan perangkat keras diteruskan ke penyedia infrastruktur yang
mungkin memiliki keterampilan yang lebih baik untuk mengelolanya dan dari sudut pandang
layanan, biaya pembaruan, pemeliharaan, dan pelatihan staf berkurang sebagai hasil dari berbagi
biaya ini di banyak pengguna akhir (Zhang et al. 2010). Dari sudut pandang akuntan dan bisnis,
komputasi awan tidak diragukan lagi merupakan cara yang berguna untuk mengelola sumber
daya Teknologi Informasi (TI) karena perusahaan membayar layanan saat mereka
menggunakannya, bukan dalam satu investasi dan mereka dapat menyimpan sebagai data
sebanyak yang mereka butuhkan (Bhardwaj et al. 2010). Ini juga dapat menjadi sumber
keunggulan kompetitif dengan berkolaborasi dengan perusahaan lain di seluruh rantai pasokan
(Liu et al. 2016). Namun, kekhawatiran terbesar seputar komputasi awan adalah keamanan data.
Karena berpotensi semua data perusahaan dapat disimpan secara fisik jauh dari perusahaan di
pusat data besar, bisnis bergantung pada penyedia infrastruktur untuk memastikan data dan akses
sepenuhnya aman dan dapat diaudit. Penyedia infrastruktur ini harus memberikan bukti bahwa
data disimpan secara rahasia (biasanya melalui beberapa bentuk kriptografi), dan bahwa ada
perlindungan yang kuat seputar akses dan transfer data. Demikian pula, mereka harus dapat
menunjukkan bahwa pengaturan keamanan apa pun tidak diubah tanpa otorisasi yang memadai.
Untuk akuntan, karena perusahaan menjadi lebih bergantung pada TI berbasis cloud dengan data
penting bisnis mereka disimpan di penyimpanan pihak ketiga (cloud), keamanan data,
kelangsungan bisnis, dan ketersediaan layanan adalah area yang menjadi perhatian penting
(Armbrust et al. 2010). Sampai saat ini, layanan cloud telah sangat kuat dan sangat tersedia
(Armbrust et al. 2010), meskipun ini perlu terus dipantau karena perusahaan berusaha
memastikan bahwa risiko bisnis dikelola dengan tepat. Dalam hal penyimpanan data, undang-
undang baru (seperti Peraturan Perlindungan Data Umum (GDPR) di Eropa [Parlemen UE
2016]) terus berkembang untuk mengelola hak individu yang datanya disimpan di database
perusahaan. Undang-undang ini membatasi transfer data melintasi batas-batas internasional dan
menetapkan aturan tentang jenis data yang boleh disimpan, berapa lama dan untuk tujuan apa. Ini
jelas mempengaruhi di mana perusahaan (khususnya, perusahaan multinasional) dapat
menyimpan pusat data. Karena denda yang terkait dengan pelanggaran dalam peraturan
perlindungan data ini menjadi semakin berat, sangat penting bagi akuntan untuk menyadari
dampak TI berbasis cloud atau terdistribusi pada biaya dan risiko perusahaan.
4.4 ARTIFICIAL INTELLIGENCE
AI didefinisikan sebagai "sistem komputasi yang mencoba untuk meniru aspek kecerdasan
manusia" (Seshia et al. 2016), dengan kata lain, itu adalah ide dari mesin atau komputer yang
memiliki kecerdasan seperti manusia untuk belajar, memecahkan masalah atau mengambil
keputusan. Konsep ini telah ada sejak tahun 1950-an (Kiruthika dan Khaddaj 2017), pertama kali
muncul dalam novel dan film dan sekarang menjadi bagian nyata dari kehidupan kita, meskipun
mungkin tidak seperti yang digambarkan dalam film. Itu tertanam dalam mobil self-driving,
asisten pribadi digital seperti Cortana dan komputer AI bahkan telah memenangkan pertunjukan
game (Jeopardy!) (Hawking et al. 2014). AI memiliki kapasitas untuk mengakali pasar keuangan
dan menghasilkan penemuan baru, dan pada akhirnya dapat memberikan manfaat besar bagi
umat manusia jika ia mampu menyembuhkan penyakit atau memecahkan masalah sosial, tetapi
AI memerlukan kontrol yang tepat untuk memastikan bahwa pada akhirnya keputusan yang
buruk dapat dihindari ( Hawking dkk.2014; Russell dkk.2015). Meskipun AI sudah mampu
memungkinkan mesin untuk mengambil keputusan, ini menimbulkan pertanyaan etis: sejauh
mana manusia harus membiarkan mereka melakukannya tanpa campur tangan manusia? Hal ini
terutama menjadi perhatian dalam aplikasi seperti sistem senjata otonom yang dapat memilih
target dan terlibat dengan mereka tanpa campur tangan manusia dan yang sampai saat ini, telah
dikutuk oleh PBB (Russell et al. 2015). Perkembangan AI saat ini difokuskan pada
pembangunan sistem yang mampu berpikir serta, jika tidak lebih baik dari, manusia, termasuk
kecerdasan dan penalaran (Kiruthika dan Khaddaj 2017). Ini dilakukan dengan membangun
algoritme untuk “mengajar” komputer belajar menggunakan sistem pelatihan, data historis, dan
data langsung. Setiap pola yang dipelajari oleh komputer disimpan dan ketika situasi serupa
muncul lagi, komputer menggunakan pengetahuannya tentang pola sebelumnya untuk membuat
keputusan yang tepat (Kiruthika dan Khaddaj 2017). Ada tiga jenis AI: otomatisasi proses,
wawasan kognitif, dan keterlibatan kognitif, yang sekarang akan dibahas. Potensi manfaat utama
AI di dunia bisnis dan yang paling mungkin berdampak pada akuntan adalah otomatisasi proses
(juga dikenal sebagai proses robotik). otomatisasi), seperti pemrosesan faktur (Castelluccio
2017), memperbarui catatan perubahan alamat, mengganti kartu kredit yang hilang, dan
“membaca” dokumen hukum (Davenport et al. 2017). AI juga dapat digunakan untuk mendeteksi
pola dalam jumlah besar data (seperti Big Data) dengan menggunakan algoritme komputer—ini
adalah AI wawasan kognitif (Davenport et al. 2017). Ini dapat membantu dalam prediksi
permintaan pelanggan untuk produk, pemasaran yang ditargetkan, identifikasi penipuan, analisis
data garansi dan proses serupa lainnya di mana tren dapat ditemukan. Jenis terakhir dari AI,
keterlibatan kognitif, adalah di mana komputer dapat terlibat dengan manusia, seperti karyawan
atau pelanggan menggunakan bahasa alami manusia, seperti di chatbots. Jelas, ini memiliki daya
tarik potensial bagi perusahaan untuk memiliki layanan pelanggan, program dukungan karyawan
atau layanan saran kesehatan yang tersedia 24/7, tetapi teknologinya masih belum cukup andal
untuk digunakan secara luas saat ini, meskipun tidak diragukan lagi, ini adalah area pertumbuhan
masa depan yang signifikan (Davenport et al. 2017).
Terlepas dari hype seputar AI, beberapa bisnis di luar sektor teknologi saat ini menggunakannya
secara signifikan, meskipun jumlah itu meningkat seiring dengan perkembangan teknologi
(Bughin et al. 2017). Perusahaan teknologi yang sangat besar jelas terlibat di dalamnya karena
akan memberikan keunggulan kompetitif bagi mereka: mesin pencari Internet Google dan Baidu
menghabiskan miliaran dolar untuk penelitian dan pengembangan AI (Castelluccio 2017). Salah
satu contoh aplikasi bisnis berkemampuan AI adalah analisis perilaku pelanggan potensial ketika
diminta untuk mengevaluasi produk baru. AI, bersama dengan bentuk teknologi lainnya, seperti
realitas virtual, dapat memperoleh umpan balik dari klien dan interaksi mereka dengan produk
baru yang potensial dan kemudian menggunakannya untuk meningkatkan produk atau untuk
meningkatkan pelatihan atau instruksi penggunaannya (Kiruthika dan Khaddaj 2017) . Ini
berpotensi untuk menghindari pemborosan uang untuk membawa produk yang dirancang dengan
buruk ke pasar. Hal ini juga kemungkinan akan meningkatkan penjualan dan margin keuntungan
(Bughin et al. 2017). AI juga telah digunakan oleh pusat kanker di AS untuk merekomendasikan
hotel untuk keluarga pasien, mengidentifikasi pasien mana yang mungkin memerlukan bantuan
untuk membayar tagihan mereka dan memecahkan masalah TI lainnya (Davenport et al. 2017).
Meskipun ini mungkin tidak tampak revolusioner, ini telah meningkatkan kualitas hidup banyak
pasien dan merupakan manfaat nyata dari teknologi ini. Mungkin awalnya aplikasi AI yang lebih
berulang dan bertahap yang akan menghasilkan dampak awal pada bisnis, tetapi kemungkinan
dalam jangka panjang akan menjadi teknologi yang sangat mengganggu tetapi bermanfaat jika
etika kontrol dikembangkan serta teknologi itu sendiri.

4.5 BLOCKCHAIN
Blockchain berpotensi menjadi pengubah permainan mendasar di banyak bidang kehidupan
digital di masa depan. Dengan cara yang sama seperti telekomunikasi yang memungkinkan
listrik di seluruh dunia (McPhee dan Ljutic 2017), blockchain memiliki potensi untuk mengubah
cara berbisnis dan berinteraksi dengan orang lain secara global di masa depan. Penggunaan
teknologi blockchain yang paling terkenal saat ini adalah sebagai teknologi yang menopang
cryptocurrency, yang merupakan mata uang yang beroperasi secara online, tanpa kehadiran fisik
dan tanpa dukungan dari satu negara atau institusi (seperti bank). Bitcoin adalah yang pertama
dari mata uang tersebut, diluncurkan pada tahun 2009 oleh orang atau sekelompok orang tak
dikenal dengan nama Satoshi Nakamoto (2008) dan memungkinkan pembayaran dilakukan
secara global menggunakan mata uang virtual, di mana transaksi dicatat pada sistem
desentralisasi. daftar umum. Saat ini blockchain publik terbesar dalam penggunaan komersial
(Swan 2015). Dengan menggunakan blockchain, dimungkinkan untuk memindahkan uang ke
seluruh dunia hampir secara instan dan dengan biaya rendah tanpa perlu membayar biaya ke
bank atau menunggu proses internal mereka untuk memindahkan uang, yang seringkali dapat
memakan waktu berhari-hari (Swan 2017).

4.5.1 What Is Blockchain?

Pada dasarnya, blockchain adalah protokol perangkat lunak jaringan, yang merupakan
seperangkat aturan dan konvensi yang memungkinkan perangkat jaringan (misalnya, komputer)
untuk berkomunikasi satu sama lain (ICAEW 2017). Sebuah protokol menentukan bagaimana
perangkat dikenali dan terhubung ke jaringan dan bagaimana data diformat, dikemas dan dikirim
antar perangkat jaringan. Ketika data dikemas dan dikirim melalui jaringan, itu termasuk header
dan footer kecil di awal dan akhir paket data untuk mengidentifikasi pengirim dan penerima yang
dituju dari paket data. Apa yang berbeda dengan blockchain dibandingkan dengan protokol lain
adalah bahwa header dan footer ini diubah menjadi tanda tangan kriptografi atau “hash” yang
membuat kemungkinan siapa pun merusak data hampir tidak mungkin. Kriptografi adalah suatu
metode untuk mengubah, menyimpan, atau mentransmisikan teks biasa ke dalam suatu bentuk
sehingga hanya mereka yang dituju yang dapat membacanya (Stinson 2006). Dengan demikian,
ini mencegah data diubah atau dicuri dan bertujuan untuk menjaga kerahasiaan sambil
mengautentikasi pengguna yang diizinkan. Ada berbagai teknik yang digunakan dalam
kriptografi, seperti kunci simetris (di mana pengirim dan penerima memiliki kunci yang sama
untuk mengenkripsi dan mendekripsi pesan sebelum dan sesudah transmisi plaintext), kunci
publik (di mana kunci publik didistribusikan secara luas dan digunakan untuk mengenkripsi,
tetapi kunci pribadi yang digunakan untuk mendekripsi disimpan secara rahasia) dan hashing
kriptografi (di mana panjang tetap nilai hash (kumpulan simbol acak) tertanam dalam teks biasa)
(Stinson 2006).
Transaksi pada blockchain (misalnya, serangkaian pembayaran keuangan) terdiri dari
serangkaian (atau rantai) blok data dan informasi yang dihubungkan satu sama lain oleh "tanda
tangan" kriptografi atau hash yang menghubungkan blok terakhir dengan blok berikutnya. satu.
Setiap blok diberi cap tanggal dan waktu dan blok ditambahkan secara kronologis ke rantai
(Swan 2017). Pembaruan ini dilakukan oleh perangkat yang terhubung ke blockchain, yang
disebut "node" atau "penambang data". Penambang data mengambil hash dari blok terakhir
dalam rantai dan transaksi baru yang perlu ditambahkan ke rantai. Penambang data kemudian
"mem-hash" ini untuk mencocokkan dengan blok sebelumnya setelah transaksi diautentikasi dan
blok baru (untuk mencatat transaksi baru) ditambahkan ke rantai (Swan 2017). Ketika transaksi
(atau blok) terjadi melalui perjalanan waktu dan ditambahkan ke rantai blok, maka transaksi itu
tumbuh ke satu arah. Setelah ditambahkan, blok tersebut tidak dapat dibatalkan. Jika perubahan
perlu dicatat (misalnya, kepemilikan aset perlu diperbarui), maka blok baru harus ditambahkan
ke rantai (McPhee dan Ljutic 2017). Ini menciptakan buku besar abadi dari semua transaksi,
yang membuatnya sangat cocok untuk catatan akuntansi keuangan dan kemungkinan audit terus-
menerus (Peze 2017). Setiap perangkat resmi yang diberikan akses ke blockchain menerima
salinan seluruh blockchain, dari blok awal pertama (disebut blok genesis) hingga blok terbaru
yang akan ditambahkan, oleh karena itu mengapa blockchain juga disebut sebagai teknologi
buku besar “terdistribusi”: setiap perubahan yang dilakukan pada blockchain harus disetujui oleh
semua peserta yang diizinkan mengakses rantai dan semua transaksi dapat dilihat oleh semua
(Swan 2015, 2017). Semua peserta dalam blockchain menerima salinan dari keseluruhan
blockchain dan inilah yang membuatnya berbeda secara inheren dengan teknologi lain—semua
transaksi dilihat dan diverifikasi oleh semua dan tidak ada orang atau organisasi yang
menyimpan salinan terpusat—salinan diperbarui dan didistribusikan kira-kira setiap sepuluh
menit (tergantung pada jenis dan kompleksitas transaksi di blockchain). Dengan memiliki
pendekatan “peer-to-peer” yang terdesentralisasi ini mengurangi kebutuhan akan “perantara”
seperti pialang dan bahkan pemerintah (Wright dan De Filippi 2015). Sampai teknologi
blockchain muncul, transaksi individu melalui Internet perlu divalidasi oleh otoritas pusat, tetapi
itu tidak lagi terjadi. Distribusi data ini juga secara efektif menghilangkan kebutuhan akan pusat
penyimpanan data (misalnya, bank (Swan 2015, 2017)) yang dapat mengurangi biaya dan
meningkatkan keamanan karena peretas tidak mungkin mendapatkan akses ke dan mengubah
data dari satu titik akses (dan kegagalan) (McPhee dan Ljutic 2017). Hal ini dapat memfasilitasi
transfer aset dan informasi dengan aman dan lebih cepat daripada yang terjadi saat ini ketika
harus mengandalkan tindakan perantara seperti bank untuk memvalidasi transaksi dan
menyimpan catatan (Swan 2015, 2017).

4.5.2 What Are the Potential Benefits of Blockchain?

Teknologi berdasarkan blockchain kemungkinan akan mendorong efisiensi dan peningkatan
dalam penyampaian layanan baik di sektor publik maupun swasta, karena kemampuannya untuk
memverifikasi dan mengotentikasi transaksi dan identitas, yang mengarah pada peningkatan
kepercayaan antara pengguna layanan dan penyedia layanan (Wolfond 2017 ). Kemampuan
untuk memverifikasi pengguna asli dan mencegah penipuan adalah kekuatan utama dalam
teknologi blockchain dan itu harus mengarah pada pengalaman yang lebih mudah digunakan
bagi pengguna yang berinteraksi dengan layanan dan mengurangi biaya transaksi untuk
penyedia. Salah satu keuntungan terbesar dari teknologi blockchain adalah keamanannya. Karena
hashing kriptografi yang digunakan dan fakta bahwa tidak ada titik kegagalan tunggal dalam
rantai karena setiap orang memiliki salinan blockchain, maka secara inheren lebih aman terhadap
peretas. Dalam beberapa tahun terakhir, peretas telah berhasil menyusup ke berbagai lembaga
keuangan dan perusahaan yang menyimpan semua data mereka di basis data terpusat, mencuri
kata sandi, dan informasi rahasia tentang pengguna (Swan 2017). Hal ini merusak kepercayaan
publik pada lembaga-lembaga tersebut dan pada kemampuan mereka untuk menjaga kerahasiaan
yang efektif. Dengan mengganti “kepercayaan” ini dengan kriptografi, blockchain hampir tidak
mungkin untuk dirusak.
Peningkatan digitalisasi transaksi dan akses ke layanan seperti perbankan, pemerintah, dan
layanan kesehatan telah menciptakan peningkatan kebutuhan untuk memverifikasi identitas
pengguna dan memungkinkan mereka mengakses ke dalam jaringan, sambil menjaga "yang tidak
diinginkan" seperti peretas atau orang yang ingin melakukan penipuan (Wolfond 2017). Untuk
memungkinkan lebih banyak organisasi menanggapi keinginan konsumen untuk menyediakan
layanan yang lebih banyak diakses secara digital, perlu untuk memastikan bahwa identitas digital
dapat diverifikasi dengan kuat tanpa ketergantungan tradisional pada dokumen berbasis kertas
seperti paspor atau akta kelahiran atau mengandalkan pengguna untuk mengingat beberapa nama
pengguna dan kata sandi untuk setiap layanan yang ingin mereka akses. Sistem tradisional ini
mahal pemeliharaannya dan relatif mudah disalahgunakan dengan membuat dokumentasi palsu
atau penambangan data. Saat ini, banyak penyedia layanan menggunakan sistem manajemen
identitas yang dijalankan melalui arsitektur broker terpusat untuk memverifikasi dan
mengotentikasi identitas pengguna. Namun, ini bergantung pada satu titik kepercayaan yang
merupakan sistem yang cukup lemah dari sudut pandang keamanan karena dapat gagal dan dapat
dilacak (dan karenanya dirusak) dengan cukup mudah (Wolfond 2017). Sebaliknya, memiliki
kemampuan untuk memverifikasi identitas pengguna melalui model berbasis blockchain yang
terdesentralisasi menghilangkan kebutuhan akan perantara tunggal dan dapat memungkinkan
identitas pengguna dilindungi secara kriptografis ke tingkat yang jauh lebih tinggi daripada kata
sandi standar dan Nomor Identifikasi Pribadi ( PIN) lakukan saat ini. Potensi penghematan biaya
yang terkait dengan otentikasi pengguna titik tunggal yang lebih aman saja cukup besar. Martin
(2016, dikutip dalam Wolfond 2017) memperkirakan bahwa diperlukan biaya $31 (dolar
Kanada) untuk mengelola kata sandi yang hilang, terlupa, atau dicuri per transaksi. Wolfond
(2017) memperkirakan biaya itu, dengan asumsi satu insiden kata sandi yang hilang, terlupakan
atau dicuri per orang Kanada yang bekerja per tahun, dapat menghasilkan penghematan sebesar
$572 juta (dolar Kanada) per tahun. Jelas, uang ini dapat dibelanjakan di tempat lain untuk
memberikan nilai yang lebih besar dan mengurangi kebutuhan akan kantor dan staf di semua
aspek verifikasi dan otentikasi identitas, sekali lagi menghemat sejumlah besar uang setiap tahun
untuk banyak bisnis. Bagi pengguna, jaringan blockchain yang terdesentralisasi akan
memungkinkannya untuk mengakses layanan lebih cepat, namun, ini akan bergantung pada
jaringan dan kolaborasi di beberapa aktor dalam sistem untuk bekerja. Jika organisasi bekerja
sama untuk menyepakati bagaimana identitas pengguna dapat diverifikasi, maka ini adalah “win-
win” bagi organisasi yang menyediakan layanan dan pengguna yang menginginkan kenyamanan
untuk mengakses layanan dengan biaya dan upaya minimal untuk mereka. Bukanlah kepentingan
terbaik organisasi untuk merancang cara unik mereka sendiri untuk memverifikasi pengguna
karena itu akan mengharuskan pengguna untuk menggunakan beberapa model akses, yang
mereka lakukan saat ini dan yang dapat menjadi sumber frustrasi yang cukup besar bagi
pengguna (Wolfond 2017). Jauh lebih efisien bagi semua organisasi untuk menyetujui otentikasi
pengguna secara kolaboratif, melalui "ekosistem untuk identitas digital" untuk menyediakan
layanan pengguna yang lebih baik. Potensi menarik lainnya dengan blockchain adalah
kemampuan untuk memprogram transaksi untuk "mengeksekusi sendiri" sesuai dengan kontrak
yang disepakati, yang disebut kontrak pintar (Swan 2017). Sementara ada banyak contoh
transaksi otomatis yang saat ini digunakan seperti debit langsung dan pesanan tetap, kontrak
pintar blockchain dapat memiliki aturan dan kode tertulis di dalamnya pada saat penulisan
kontrak, mengurangi kebutuhan akan intervensi di masa mendatang dan mengurangi risiko pihak
lawan (ICAEW 2017)
4.5.3 What Are the Potential Challenges to the Development of Blockchain?
Terlepas dari manfaat yang jelas dari blockchain, masih ada sejumlah hambatan yang harus
diatasi sebelum diadopsi secara luas di luar ceruk cryptocurrency saat ini. Pemrosesan transaksi
yang mendasari rantai blok untuk cryptocurrency adalah agar penambang data (yang
memvalidasi dan memposting transaksi) diberi imbalan dengan biaya (biasanya bitcoin baru),
jadi perlu ada kesepakatan tentang penghargaan bagi penambang data untuk memvalidasi banyak
lebih banyak transaksi daripada yang dilakukan saat ini (ICAEW 2017). Pertumbuhan
substansial dalam transaksi blockchain juga akan menyebabkan masalah untuk waktu dan
kapasitas komputasi jaringan apa pun. Ini membutuhkan daya komputasi yang besar untuk
memvalidasi dan memverifikasi transaksi menggunakan teknologi blockchain (ICAEW 2017).
Saat ini, hanya sekitar tujuh transaksi kecil atau tiga transaksi berukuran rata-rata yang dapat
dilakukan per detik: Visa sebagai perbandingan, melakukan puluhan ribu transaksi perbankan per
detik (ICAEW 2017).
Kekhawatiran lain adalah potensi kebutuhan untuk mengenkripsi data di mana konten blockchain
bersifat rahasia, karena semua peserta dalam blockchain memiliki akses ke semuanya, yang
untuk beberapa aplikasi mungkin tidak sesuai. Sama halnya, ada masalah persetujuan protokol
antara perusahaan yang mungkin merupakan pesaing yang berbagi blockchain (ICAEW 2017).
Karena alasan ini, kecil kemungkinan bahwa blockchain akan berdampak tiba-tiba pada profesi
akuntansi; kemungkinan akan lebih berkembang secara bertahap selama lima tahun ke depan,
setelah masalah ini semakin terpecahkan.

4.5.4 Implications of Blockchain for Accountants

Efek paling signifikan dari blockchain untuk akuntansi adalah menghilangkan pekerjaan input
data dan pemrosesan transaksi yang sangat mendasar yang terkait dengan pembukuan. Dengan
kontrak pintar yang dapat melakukan transaksi tertanam di blockchain, buku besar keuangan
akan membutuhkan sangat sedikit interaksi sehari-hari (Peze 2017). Ini juga berarti bahwa
auditor akan memiliki akses ke seluruh catatan transaksi dan kemungkinan kesalahan dan
kesalahan klasifikasi akan berkurang (LaFollette dikutip dalam Hood 2018), mengurangi
kebutuhan pengambilan sampel, pengujian, dan verifikasi yang rumit. Oleh karena itu, akuntan
dan auditor (baik internal maupun eksternal) sama-sama perlu dilatih dengan baik tentang
teknologi agar dapat memberikan nilai bagi organisasi mereka dan terus meningkatkan operasi
organisasi (Rooney et al. 2017). Saat ini, titik keberangkatan pertama auditor dalam audit
internal adalah meninjau buku besar yang dikelola oleh organisasi dan memverifikasi transaksi di
dalamnya, termasuk mendamaikan saldo dengan pihak eksternal, seperti pelanggan, pemasok,
dan bank. Namun, dengan teknologi blockchain, jika ada satu catatan yang dipegang dan
disepakati antara organisasi dan mitranya, maka tidak ada persyaratan untuk melakukan ini. Ini
berarti bahwa apa yang perlu dilakukan oleh auditor internal adalah memastikan bahwa tata
kelola blockchain yang dapat diakses oleh organisasi (dan mungkin ada beberapa karena dapat
berinteraksi dengan pemerintah dan banyak organisasi lain) mematuhi persyaratan tata kelola
yang sesuai. organisasi mereka sendiri—ini akan membutuhkan kerja kolaboratif dengan auditor
di organisasi lain ini (Rooney et al. 2017). Sama halnya, akuntan dan auditor internal perlu
mempertimbangkan implikasi data waktu nyata—karena blockchain akan diperbarui secara
bersamaan setelah transaksi baru dimasukkan ke dalamnya dan didistribusikan—yang berpotensi
menghilangkan kebutuhan akan praktik penutupan akhir tahun atau bulan yang melelahkan.
Perubahan ini akan mengharuskan auditor untuk memiliki pemahaman yang baik tentang
teknologi blockchain untuk dapat terus memberikan jaminan dan nilai bagi organisasi mereka
(Hood 2018; ICAEW 2017). Mereka harus terlibat dalam pembuatan blockchain di dalam
organisasi mereka untuk memastikan tata kelola, kontrol, dan pertimbangan manajemen risiko
ditangani secara memadai (Rooney et al. 2017). Mereka juga harus memanfaatkan pengetahuan
mereka tentang organisasi mereka untuk mempertimbangkan manfaat optimal dari mengadopsi
teknologi, seperti memeriksa validitas kontrak pintar di awal (Hood 2018). Sementara audit tidak
akan hilang, itu akan membutuhkan pendekatan baru. Untuk auditor eksternal, ini mungkin
berarti lebih banyak memeriksa keamanan kunci otentikasi dan pengejaran penipuan yang lebih
agresif (Hood 2018), tetapi itu juga berarti bahwa mereka perlu menambah nilai kepada klien
berdasarkan lebih banyak peran penasihat daripada saat ini (Asgeirsson dikutip di Hood 2017)
dan bertindak sebagai jembatan antara spesialis teknologi data yang menyiapkan blockchain dan
dunia bisnis (ICAEW 2017). Terlepas dari kenyataan bahwa mungkin perlu beberapa waktu
sebelum blockchain benar-benar merevolusi akuntansi dan keuangan, itu tidak diragukan lagi
merupakan teknologi yang mengganggu yang memiliki kekuatan untuk mengubah praktik dan
keahlian akuntan masa depan. Hal ini juga cukup tinggi dalam agenda para profesional saat ini di
dunia keuangan. Wesley Bricker, Kepala Akuntan Komite Sekuritas dan Bursa menyatakan:
adalah penting bahwa mereka yang berprofesi akuntansi menginvestasikan waktu untuk
memahami tren dan perkembangan baru dalam teknologi dan perdagangan untuk
mengidentifikasi efek potensial mereka pada pelaporan keuangan kepada investor. (Bricker
seperti yang dilaporkan dalam Cohn 2017)

4.6 CONCLUSION: ACCOUNTING AND TECHNOLOGY

Teknologi telah mengubah hidup kita dan sebagian besar menjadi lebih baik. Ini terus
berkembang dengan kecepatan yang terus meningkat. Seperti yang telah kita bahas dalam bab
ini, ini telah membawa kita pada tingkat data yang belum pernah terjadi sebelumnya yang
membutuhkan pemahaman, masalah penyimpanan, dan cara kerja yang benar-benar baru. Hal ini
akan berdampak pada banyak pekerjaan di masa depan, tidak terkecuali akuntan— oleh karena
itu akuntan harus membangun keterampilan analitis dan sifat ingin tahu mereka untuk menantang
dan membantu mengembangkan penerapan teknologi ke dunia bisnis dengan cara yang masuk
akal dan etis. Ini akan membutuhkan keterampilan teknis tambahan, tetapi juga komunikasi dan
kerja kolaboratif di pihak akuntan untuk membangun dan memelihara jembatan antara spesialis
teknologi dan data di satu sisi dan dunia bisnis di sisi lain.