Solusi Menampilkan LEI
Terjemahan selain bahasa Inggris di situs web ini didukung oleh AI. Kami tidak menjamin keakuratan dan tidak bertanggung jawab atas kesalahan atau kerusakan yang diakibatkan dari penggunaan konten terjemahan. Jika terdapat ketidakkonsistenan atau ambiguitas, versi bahasa Inggris yang akan berlaku.

Kecerdasan Buatan (AI) dan Identitas Organisasi


Seiring dengan mulai beroperasinya agen AI dalam mencari layanan, bertukar informasi, dan melakukan pembayaran atas nama organisasi, muncul pertanyaan praktis: Bagaimana pihak lain dapat memverifikasi organisasi mana yang berada di balik agen tersebut dan apa saja yang diizinkan dilakukan oleh agen tersebut? Pengenal Badan Hukum (LEI) menyediakan pengenal yang distandardisasi secara global dan terhubung dengan Data Rujukan Badan Hukum yang terverifikasi. LEI yang Dapat Diverifikasi (vLEI) memperluas landasan ini ke dalam interaksi digital, sehingga memungkinkan pihak-pihak yang terlibat untuk memverifikasi secara komputasional identitas organisasi dan kewenangan orang-orang yang bertindak atas namanya.

GLEIF sedang meneliti bagaimana infrastruktur ini dapat mendukung pendekatan masa depan terkait wewenang yang didelegasikan kepada agen AI, khususnya dalam pembayaran. Seiring dengan perkembangan bidang ini, Data Rujukan Badan Hukum yang terstandarisasi sudah mendukung klasifikasi entitas hukum berbasis AI. Aplikasi-aplikasi ini memenuhi kebutuhan yang berbeda: memverifikasi wewenang saat agen AI mengambil tindakan, dan meningkatkan kualitas data organisasi yang digunakan dalam analisis berbasis AI.

AI Berbasis Agen dalam Pembayaran: Memverifikasi Identitas dan Kewenangan yang Didelegasikan

Sebuah organisasi mungkin mendelegasikan tugas pembayaran kepada perangkat lunak, namun pihak lawan transaksi tetap memerlukan bukti mengenai siapa yang mengotorisasi agen tersebut, tindakan apa yang boleh dilakukannya, serta bagaimana izin-izin tersebut diverifikasi. LEI mengidentifikasi Badan Hukum yang terlibat. Kredensial vLEI yang ada memungkinkan verifikasi komputasional terhadap identitas organisasi serta peran dan wewenang individu yang bertindak atas nama Badan Hukum tersebut. Menghubungkan agen AI tertentu dengan organisasi dan tindakan yang diizinkannya memerlukan bukti delegasi tambahan serta kontrol pada saat transaksi berlangsung.

Makalah kerja GLEIF bulan September 2026, “Agentic AI in Payments: Establishing Interoperable Trust and Control”, mengeksplorasi salah satu pendekatan yang mungkin. Makalah tersebut mengkaji usulan Agent Mandate Credential (AMC) yang dapat menghubungkan pengenal kriptografis agen AI dengan organisasi yang terverifikasi dan orang yang berwenang, sekaligus menentukan tugas yang diizinkan, batas transaksi, dan masa berlaku. Misalnya, seorang pejabat keuangan perusahaan dapat mengotorisasi agen untuk melaksanakan pembayaran kepada pemasok yang telah ditentukan; penyedia layanan pembayaran dapat memverifikasi rantai otorisasi dan menerapkan kontrol pada saat transaksi sebelum melaksanakannya. Makalah ini juga membahas pencabutan, catatan audit, privasi, dan interoperabilitas. AMC masih merupakan usulan untuk penelitian dan pengujian lebih lanjut. Saat ini, AMC bukanlah kredensial yang diterbitkan dalam ekosistem vLEI atau Standar industri yang telah final.

Analisis Data Berbasis AI: Pemahaman Nama Badan Hukum (LENU)

Bentuk hukum bervariasi di berbagai yurisdiksi, bahasa, dan konvensi penamaan, sehingga sulit untuk diklasifikasikan secara konsisten. Daftar Kode Bentuk Badan Hukum (ELF), yang didasarkan pada ISO 20275, menetapkan kode alfanumerik empat karakter untuk setiap bentuk badan hukum. GLEIF bekerja sama dengan Sociovestix Labs untuk mengembangkan Pemahaman Nama Badan Hukum (LENU), sebuah alat pembelajaran mesin sumber terbuka yang memprediksi bentuk hukum suatu entitas dari namanya dan menyarankan kode ELF yang sesuai. LENU menggunakan Data Rujukan Badan Hukum yang terstandarisasi untuk melatih model khusus yurisdiksi dan dapat mendukung:

  • Klasifikasi bentuk hukum yang lebih konsisten di berbagai bahasa dan konvensi penamaan.
  • Pencocokan entitas dan integrasi data yang lebih baik ketika catatan menggunakan label yang berbeda.
  • Upaya manual yang lebih sedikit dalam mempersiapkan data bentuk hukum untuk proses hilir.
  • Tinjauan Kualitas Data ketika kode ELF yang disarankan berbeda dari yang terdapat dalam catatan LEI yang ada.

Klasifikasi yang dapat dibaca mesin ini membantu organisasi menyiapkan data entitas yang lebih konsisten untuk analisis, onboarding, dan proses digital lainnya. Video GLEIF Explains berikut ini memperkenalkan LENU.

LENU adalah pustaka Python sumber terbuka yang tersedia di GitHub, dengan model khusus yurisdiksi yang juga tersedia di Hugging Face. Model berbasis transformer-nya dapat memproses nama entitas di berbagai bahasa dan yurisdiksi.

Jika GLEIF mengidentifikasi ketidaksesuaian yang jelas antara prediksi LENU dan catatan LEI yang ada, GLEIF dapat mengirimkan Tantangan verifikasi data kepada Penerbit LEI (Istilah yang biasanya dipakai dalam komunikasi eksternal) untuk verifikasi dan koreksi jika diperlukan. Data referensi yang diperbarui kemudian dapat menjadi dasar untuk versi model berikutnya.

GLEIF, Universitas St. Gallen, dan Sociovestix Labs menerbitkan makalah penelitian ilmiah berjudul “Transformer-based Classification of Legal Forms of Entities”, yang mengkaji pendekatan tersebut serta potensinya dalam mendukung standardisasi data dan pencocokan entitas.

AI Berbasis Agen dalam Pembayaran: Membangun Kepercayaan dan Pengendalian yang Interoperabel

Untuk gambaran umum, baca blog terbaru kami ‘Ketika Agen AI Melakukan Transaksi, Siapa yang Ada di Baliknya?’. Untuk konteks pembayaran yang lebih luas, lihat Pembayaran Lintas Batas