AI untuk DCF Saham: Claude Opus, Valuasi, dan Risiko Asumsi
ORBITINDONESIA.COM – AI untuk DCF saham kini dijual sebagai jalan pintas valuasi, setelah Anthropic merilis Claude Opus 4.6 yang diklaim bisa membantu investor membuat discounted cash flow (DCF). Namun Keith McLachlan dari Element Investment Managers mengingatkan bahwa DCF bukan sekadar spreadsheet, melainkan pertarungan asumsi dan disiplin verifikasi.
Discounted cash flow (DCF) pada dasarnya menilai saham dari uang tunai yang akan dihasilkan bisnis di masa depan, lalu “dibawa pulang” ke nilai hari ini. Simon Brown merangkumnya sederhana: membeli saham berarti membeli arus kas seumur hidupnya, dan DCF mencoba menghitung nilai arus kas itu dalam uang saat ini.
Masalahnya, banyak investor mengira DCF adalah jawaban tunggal, padahal ia hanya salah satu alat valuasi. McLachlan menegaskan, “A DCF does not an analyst make,” karena seribu DCF bisa melahirkan seribu nilai wajar yang berbeda.
Di titik inilah AI masuk sebagai “asisten” yang menawarkan kecepatan dan kemudahan. Claude Opus 4.6 bahkan tidak menyediakan versi gratis, menandakan ia diposisikan sebagai produk premium untuk investor dan manajer keuangan.
McLachlan memecah DCF menjadi dua inti: proyeksi free cash flow dan discount rate. Free cash flow adalah surplus kas setelah biaya dan belanja modal yang diperlukan, sedangkan discount rate adalah “risk-adjusted interest rate” untuk mengukur risiko masa depan.
Dua inti itu terdengar rapi, tetapi justru menyimpan perangkap terbesar. Proyeksi arus kas bisa keliru karena masa depan tidak pasti, sementara discount rate bisa salah karena risiko bisnis sering diremehkan atau dilebih-lebihkan.
AI mempercepat pembuatan model, tetapi tidak otomatis memperbaiki kualitas asumsi. McLachlan menilai AI cenderung menghasilkan “optimistic consensus view,” sebuah rata-rata yang manis, tetapi rawan meninabobokan.
Bias optimistis ini berbahaya saat valuasi bergantung pada pertumbuhan jauh di depan. Pada saham berprofil “growth” seperti hyperscaler atau kelompok “Mag Seven,” porsi nilai sering berada di tahun-tahun terminal, sehingga DCF menjadi sangat sensitif terhadap perubahan suku bunga.
McLachlan menyebutnya sebagai saham yang “interest-rate sensitive,” bukan semata soal model bisnis. Sedikit perubahan discount rate bisa mengubah net present value secara drastis, bahkan bila proyeksi pertumbuhan benar.
Poin lain yang jarang dibicarakan adalah sumber data. Brown menguji DCF pada Shoprite, Dell, dan Nvidia, lalu menemukan selisih angka arus kas historis antara data Koyfin dan output Claude.
Selisih $100 juta terdengar kecil di layar, tetapi itu bukan “receh” dalam analisis. Pertanyaan kuncinya bukan siapa yang benar, melainkan apakah investor memahami asal data, definisi metrik, dan penyesuaian akuntansi yang dipakai.
Di sinilah “hemat waktu” AI mulai dipertanyakan. Brown mengakui bahwa setelah memeriksa asumsi dan data baris demi baris, manfaat efisiensi bisa menipis, karena kerja verifikasi tetap harus dilakukan.
Claude Opus 4.6 menunjukkan masa depan riset investasi yang semakin terotomatisasi, tetapi otomatisasi bukan sinonim dari kebenaran. DCF yang dihasilkan AI bisa terlihat meyakinkan, namun tetap berdiri di atas asumsi yang mungkin tidak disadari pengguna.
McLachlan memberi kritik paling tajam: jika investor tetap harus mengecek input dan asumsi, maka AI hanya memindahkan pekerjaan, bukan menghilangkannya. Bahkan, risikonya bertambah karena pengguna bisa terbuai oleh tampilan rapi dan bahasa yang terdengar otoritatif.
Menariknya, Element Investment Managers justru membangun AI yang berperan sebagai “sceptical analyst.” Mereka merancangnya untuk “tear apart” tesis investasi, menuntut bukti, dan secara sengaja “distrust management” agar skenario dasar lebih keras dan realistis.
Sudut pandang ini penting karena pasar sering menghukum bukan karena salah menghitung, tetapi karena salah percaya. AI yang baik untuk investasi bukan yang paling cepat memberi angka, melainkan yang paling disiplin memaksa pengguna melihat kelemahan argumen sendiri.
Dalam konteks publik, tren “AI untuk valuasi saham” berpotensi melahirkan generasi investor yang merasa sudah melakukan analisis mendalam padahal baru mengklik tombol. DCF bisa berubah menjadi ritual kosmetik, sementara ketidakpastian bisnis dan siklus suku bunga justru diabaikan.
Pelajaran dari percakapan Brown dan McLachlan sederhana tetapi keras: DCF adalah peta, bukan wilayahnya. AI bisa menggambar peta lebih cepat, tetapi tidak bisa menjamin medan di depan tidak berubah.
Jika AI cenderung optimistis, maka investor perlu menyeimbangkannya dengan skeptisisme yang terukur. Pertanyaan akhirnya bukan “berapa nilai wajar versi AI,” melainkan “asumsi mana yang membuat saya percaya, dan apa yang terjadi jika asumsi itu runtuh.”
(Orbit dari berbagai sumber, 7 Juni 2026)
