GPT-6 Astra Review 41 Dokumen Keuangan dalam Hitungan Menit

Bayangin harus ngecek satu-satu angka di laporan keuangan sampai lembur berhari-hari, cuma buat mastiin nggak ada satu digit pun yang meleset. Legora baru buktiin proses itu bisa kelar dalam hitungan menit, pakai GPT-6 Astra.

Apa yang baru

• Satu Agent run, 41 dokumen: Legora nyelesain seluruh proses tie-out laporan keuangan — ngecek tiap angka di draft accounts lawan trial balance dan laporan tahun sebelumnya — buat 41 dokumen dalam satu Agent run, kerjaan yang menurut Legal Engineer Percevale Perks biasanya "bisa makan waktu semalaman, kadang berhari-hari."
• 4 dari 4 error ketemu: GPT-6 Astra nemuin keempat error yang sengaja ditanam Legora di draft accounts, termasuk gap £500,000 yang disembunyikan di revenue note.
• Skor benchmark naik hampir 40%: di Legora Benchmark for Agentic Reasoning (BAR), performa GPT-6 Astra di financial-statement workflow naik hampir 40% dibanding model sebelumnya, sementara rata-rata semua task di BAR naik sekitar 3%.
• Legora bukan pemain kecil: platform ini dipakai 100,000+ profesional di lebih dari 1.800 in-house legal department dan firma hukum di 50+ pasar, dan sekarang merambah dari legal ke audit, tax, compliance, dan risk.
• Manusia tetap pegang keputusan akhir: Agent yang mengerjakan perbandingan angka yang melelahkan dan mencatat tiap pengecekan, tapi expert yang tetap tanggung jawab atas judgment call di setiap hasil temuan.

Kenapa ini penting

Buat kalian yang kerja di audit, tax, atau compliance, tie-out itu bukan kerjaan sekali setahun doang — itu ritual berulang tiap laporan keuangan mau ditutup. Bayangin kerjanya kayak mencocokkan tiap nota belanja modal sama bukti transfer bank, cuma versinya ribuan baris angka sekaligus, dan salah satu digit aja bisa bikin auditor kena masalah di kemudian hari.

Yang bikin kasus Legora menarik bukan cuma soal kecepatan, tapi soal ketelitian yang konsisten di jumlah dokumen yang banyak — sesuatu yang biasanya turun kualitasnya kalau manusia udah kerja lembur jam 11 malam. GPT-6 Astra nemuin error yang sama kayak model sebelumnya, plus sekitar 50 pengecekan tambahan yang sebelumnya kelewatan.

Kalau kalian juga lagi mikirin bikin agent buat kerjaan berulang di kantor kalian sendiri, logika milih model yang pas biar gak boncos di biaya API udah pernah gw bahas di artikel soal milih model GPT-5.6 — prinsipnya sama meski beda generasi model: makin spesifik tugasnya, makin gampang milih model yang paling efisien buat itu.

Buat kalian

• Yang harus peduli: kalian yang kerja di audit, tax, compliance, atau finance dan masih ngerjain tie-out atau cross-check laporan secara manual — ini contoh konkret gimana kerjaan berulang kalian bisa dipangkas dari berhari-hari jadi hitungan menit.
• Yang boleh santai: kalau kerjaan kalian gak melibatkan volume dokumen besar atau cross-check angka berulang, belum ada urgensi buat buru-buru adopsi pola ini.
• Langkah kecil pertama: coba petain satu workflow di kantor kalian yang isinya "cocokkan angka A sama angka B berkali-kali" — itu kandidat paling gampang buat didelegasikan ke agent, sebelum masuk ke tugas yang butuh judgment kompleks.

Yang bikin kasus Legora ini beda bukan cuma soal model makin pintar, tapi soal disiplin menaruh manusia di titik keputusan akhir — mesin ngerjain bagian yang melelahkan dan berulang, manusia tetap yang tanda tangan. Itu prinsip yang sama yang gw ajarin ke murid-murid soal bikin agent buat kerjaan sehari-hari: biar hemat waktu, bukan biar lepas tangan dari tanggung jawab. Kalau kalian mau belajar bangun sistem kerja kayak gitu dari nol, kelas gw ngebahas itu step-by-step.

Sumber primer: pengumuman resmi OpenAI (openai.com/index/legora-financial-statement-review-with-astra).