Tantangan Penganggaran Perusahaan Sektor Wisata di Era AI

Uwrite.id - **Studi Kasus di Wilayah Cirebon 

Oleh: Juwita, S.Pd., M.Pd* 

Semakin berkembangnya kecerdasan buatan atau Artificial Intelligence (AI) telah membawa transformasi signifikan dalam praktik bisnis global, termasuk dalam proses penganggaran perusahaan. Namun, di wilayah seperti Cirebon—yang didominasi oleh usaha kecil-menengah (UKM) dan industri tradisional—adopsi AI menghadapi tantangan kompleks, terutama terkait keterbatasan anggaran. Artikel ini menganalisis tantangan penganggaran perusahaan di era AI melalui studi kasus di Cirebon, serta didukung dengan beberapa teori tentang manajemen keuangan dan teknologi. Hasil kajian menunjukkan bahwa faktor biaya tinggi, kurangnya literasi digital, dan ketidakpastian regulasi menjadi penghambat utama dalam penganggaran perusahaan. Solusi yang ditawarkan meliputi pendekatan bertahap, kolaborasi antar stakeholder (pihak terkait) dan peningkatan kapasitas SDM.

Pendahuluan
Kini, Artificial Intelligence (AI) telah menjadi tulang punggung revolusi industri 4.0 dengan menawarkan efisiensi, prediksi akurat, dan pengambilan keputusan berbasis data. Namun, bagi perusahaan di wilayah Cirebon—yang sebagian besar masih bergantung pada model bisnis konvensional—adopsi AI memunculkan dilema dalam penganggaran. Di satu sisi, AI menjanjikan peningkatan produktivitas, namun di sisi lain, biaya implementasi dan pemeliharaan teknologi ini seringkali tidak terjangkau.

Studi ini bertujuan mengidentifikasi tantangan penganggaran perusahaan di era AI di Cirebon, dengan menggabungkan perspektif teoretis dan kondisi lokal. Metode yang digunakan adalah studi kasus kualitatif melalui wawancara dengan 15 pelaku usaha dan analisis dokumen anggaran perusahaan.

Teori yang Mendasari 

Pertama, Teori Sumber Daya dan Kapabilitas (Resource-Based View/RBV). Menurut Barney (1991), keunggulan kompetitif perusahaan bergantung pada sumber daya yang bernilai, langka, dan sulit ditiru. Dalam konteks tersebut, AI dapat menjadi sumber daya strategis, tetapi implementasinya memerlukan investasi besar, terutama untuk infrastruktur dan SDM. Dalam kasus UKM di Cirebon, banyak usaha tidak memiliki modal awal yang cukup untuk berinvestasi pada teknologi mutakhir, sehingga membuat mereka semakin tertinggal dalam persaingan global.

Kedua, Technology Acceptance Model (TAM). Menurut Davis (1989) adopsi teknologi dipengaruhi oleh persepsi manfaat (perceived usefulness) dan kemudahan penggunaan (perceived ease of use). Di Cirebon, rendahnya literasi digital membuat persepsi manfaat AI belum optimal, sehingga anggaran untuk teknologi ini sering diabaikan. Banyak pemilik usaha masih enggan menggunakan sistem berbasis AI karena merasa lebih nyaman dengan sistem manual yang telah digunakan bertahun-tahun.

Ketiga, Teori Kontinjensi. Teori ini menekankan bahwa struktur organisasi dan keputusan finansial harus disesuaikan dengan lingkungan eksternal (Fiedler, 1964). Perusahaan di Cirebon perlu mempertimbangkan dinamika lokal, seperti daya saing UKM dan kebijakan pemerintah, saat merancang anggaran berbasis AI. Dalam banyak kasus, keputusan penganggaran lebih banyak dipengaruhi oleh faktor eksternal seperti kebijakan pemerintah dalam memberikan insentif atau subsidi untuk adopsi teknologi baru.

Tantangan Penganggaran di Cirebon

Berdasarkan hasil kajian dan analisis data, berikut tiga tantangan utama. Pertama, Biaya Implementasi yang Tinggi. Investasi awal untuk infrastruktur AI (seperti server, software, dan pelatihan) mencapai ratusan juta rupiah—angka yang tidak realistis bagi UKM dengan omset di bawah Rp1 miliar per tahun. Sebuah perusahaan batik di Trusmi mengaku kesulitan mengalokasikan dana untuk AI karena prioritas utama adalah membayar tenaga kerja dan bahan baku. Banyak usaha kecil lebih memilih investasi pada aset yang langsung memberikan keuntungan daripada teknologi yang memerlukan waktu untuk memberikan dampak nyata.

Kedua, Kualitas Data yang Tidak Memadai. AI membutuhkan data akurat dan terstruktur. Namun, 80% responden mengaku masih menggunakan pencatatan manual, sehingga data tidak kompatibel dengan sistem AI. Hal ini memperumit proses migrasi dan meningkatkan biaya tambahan untuk digitalisasi data. Tanpa data yang baik, sistem AI tidak bisa bekerja optimal, dan ini menjadi penghalang utama bagi UKM yang ingin menerapkan teknologi ini.

Ketiga, Resistensi Budaya dan Regulasi. Mayoritas pelaku usaha di Cirebon enggan beralih ke AI karena kurangnya pemahaman dan kekhawatiran terhadap pengurangan tenaga kerja. Di sisi lain, ketidakjelasan regulasi pemerintah daerah mengenai standarisasi teknologi memperlambat inisiatif transformasi digital. Banyak pemilik usaha takut bahwa AI akan menggantikan tenaga kerja manusia dan justru meningkatkan angka pengangguran di daerah tersebut.

Studi Kasus: Implementasi AI pada UMKM Kuliner

Sebuah usaha keripik singkong di Plered mencoba mengadopsi AI untuk prediksi permintaan dan manajemen inventaris. Awalnya, perusahaan menganggarkan Rp50 juta untuk pembelian software dan pelatihan. Namun, biaya membengkak menjadi Rp85 juta karena perlu meng-upgrade infrastruktur IT dan merekrut konsultan eksternal. Meski akhirnya efisiensi meningkat 20%, pemilik usaha mengaku kesulitan mempertahankan anggaran tahun berikutnya akibat biaya pemeliharaan yang tinggi.

Kasus ini mengonfirmasi teori RBV: meskipun AI berpotensi menjadi sumber daya strategis, ketidakmampuan mengelola anggaran jangka panjang dapat mengurangi nilai kompetitifnya. Banyak perusahaan yang akhirnya gagal mempertahankan sistem AI karena kurangnya dana operasional untuk pemeliharaan.

Rekomendasi 

Perlu dilakukan pendekatan bertahap. Perusahaan dapat memulai dengan modul AI sederhana (seperti chatbot pelanggan) sebelum beralih ke sistem kompleks. Hal ini mengurangi beban anggaran sekaligus memberi waktu untuk adaptasi SDM. Dengan strategi bertahap, perusahaan bisa mengalokasikan anggaran secara lebih efektif dan menghindari pembengkakan biaya yang tidak terduga.

Kemudian, kolaborasi dengan Pemerintah dan Perguruan Tinggi. Dalam hal ini, pemerintah daerah perlu menyediakan insentif fiskal dan program pelatihan berbasis AI, sementara perguruan tinggi seperti Universitas Swadaya Gunung Jati (UGJ) dapat menjadi mitra riset dan pengembangan. Sinergi ini dapat membantu UKM dalam mendapatkan akses ke teknologi tanpa harus mengeluarkan biaya besar secara mandiri.

Selain itu, perlu literasi digital untuk pemangku kepentingan. Pelatihan manajemen keuangan dan teknologi AI harus diintegrasikan ke dalam kurikulum pelatihan UKM, sesuai rekomendasi Kementerian Koperasi dan UKM (2023). Dengan meningkatnya pemahaman tentang teknologi ini, pelaku usaha bisa lebih percaya diri dalam mengalokasikan anggaran untuk implementasi AI.

Simpulan
Transformasi AI adalah keniscayaan, tetapi penganggaran yang efektif memerlukan pemahaman mendalam tentang konteks lokal. Di Cirebon, solusi berkelanjutan harus memadukan inovasi teknologi dengan pemberdayaan SDM dan kebijakan yang mendukung. Tanpa sinergi ini, AI hanya akan menjadi beban finansial alih-alih solusi efisiensi.

Daftar Pustaka

1. Barney, J. B. (1991). Firm Resources and Sustained Competitive Advantage. Journal of Management.
2. Davis, F. D. (1989). Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology. MIS Quarterly.
3. Kementerian Koperasi dan UKM. (2023). Panduan Implementasi Teknologi Digital bagi UKM.
4. World Economic Forum. (2022). The Future of Jobs Report 2022.
   
   *Pengajar Mata Kuliah Penganggaran Perusahaan UGJ Cirebon.