Automatisert nyhets- og regelverksovervåking

En AI-agent kan holde seg oppdatert på relevante nyheter, regelverksendringer eller uttalelser fra Skatteetaten eller andre nyhetskilder, og sende skreddersydde oppsummeringer til revisors og regnskapsførers innboks – daglig eller ved behov. Et eksempel er en bruker som satte opp OpenClaw til å lage en daglig nyhetsoppsummering og sende den på e-post kl. 05.30 hver dag. Tilsvarende kunne en revisor få regelmessige sammendrag av nye lover eller forskrifter som påvirker kundene hans. Agenten kan også settes opp for å fange opp nyheter eller hendelser knyttet til kunder som kan påvirke revisors vurdering og handlinger. I praksis kan dette erstatte mye av den manuelle «skanning-jobben» som i dag gjøres for å holde seg orientert. Så lenge en ettergår kildene selv, og ikke blindt stoler på at AI-agenten skal få med seg alt, er dette en relativt trygg anvendelse, selv mens løsningen fremdeles er på det eksperimentelle stadiet.

E-post og kalenderhåndtering

OpenClaw kan fungere som en personlig sekretær. Den kan identifisere når noen vil flytte et møte, sjekke kalenderen, endre avtalen, og sende bekreftelse – alt uten menneskelig innblanding. Her er potensialet stort, men her anbefaler vi varsomhet og tett overvåkning inntil «barnesykdommene» lukes ut: I vår egen testing ba vi for eksempel OpenClaw foreslå e-post-filtre for å få en mer ryddig innboks. Ett av filtrene den foreslo, var «alle mottatte e-poster markeres som lest og arkiveres med en gang» – ingen tvil om at dette ville være effektivt for å redusere mengden uleste e-poster, men ikke uten uheldige konsekvenser. Vi forkastet e-postfilter-forslaget i vår menneskelige kvalitetssjekk. Summer Yue, leder for AI-sikkerhet hos Meta, var ikke like heldig da hun testet OpenClaw på sin innboks. Da kontekstvinduet (AI-systemets «korttidshukommelse») gikk fullt og måtte komprimeres, endte det med at AI-agentens sikkerhetsinstruks gikk tapt, og den slettet ivrig hundrevis av e-poster uten å spørre.^{*Se https://techcrunch.com/2026/02/23/a-meta-ai-security-researcher-said-an-openclaw-agent-ran-amok-on-her-inbox/}

Oppfølging og purringer

I revisjonsprosesser må man ofte purre på kunder for dokumentasjon eller minne dem på frister. En AI-agent kan automatisk følge opp kunder via e-post for å innhente manglende dokumenter før en deadline. Agenten kan proaktivt «jakte» på svar og flagge det som mangler, i stedet for at revisor må gjøre all oppfølging manuelt. Slik kan man unngå at ting faller mellom to stoler.

Datainnhenting uten kode

En særlig spennende mulighet er at en revisor kan be agenten hente ut spesifikk informasjon fra ulike systemer uten selv å programmere. Tradisjonelt må en revisjonsmedarbeider be IT-eksperter om hjelp for å trekke data fra et økonomisystem eller offentlig register. Med en AI-agent kan fageksperten gi agenten en instruksjon i naturlig språk – agenten skriver så selv kode eller skript for å koble seg til API-et og hente ut dataene. Dette forkorter prosessen fra faglig behov til teknisk gjennomføring, noe som styrker tempo og kvalitet i revisjonsarbeidet.

Disse eksemplene er mulige allerede nå i teknisk forstand, men dagens OpenClaw krever teknisk innsikt for å settes opp sikkert. På kort sikt betyr dette at noen innovative byråer eller revisorer kanskje prøver ut slike autonome agenter på ikke-konfidensielle eller interne oppgaver – som å overvåke regelverksendringer eller effektivisere interne rutiner. Det er en forsmak på det som kan bli vanligere etter hvert som teknologien modnes.

Integrasjon i revisjonsverktøy

Vi ser allerede konturene av dette hos de store revisjonshusene. PwC investerer tungt i AI-agenter i sin nye revisjonsplattform og håper å produksjonssette de første ende-til-ende AI-revisjonsflytene mot utgangen av 2026.^{*https://www.scottishfinancialnews.com/articles/pwc-expects-end-to-end-ai-audit-automation-within-the-year} Deloitte bygger GenAI- og agentisk AI-funksjonalitet i sin globale Omnia-revisjonsplattform.^{*https://www.deloitte.com/us/en/about/press-room/deloitte-expands-AI-capabilities-in-omnia-global-audit-platform.html} Tilsvarende initiativer er i gang de andre store revisjonshusene. Det er rimelig å forvente at OpenClaw-lignende agentplattformer – enten de bygges internt i de store revisjonshusene eller som åpne verktøy à la OpenClaw – vil kunne koble seg til klienters ERP-system via API og kontinuerlig overvåke transaksjoner. Avvik kan automatisk flagges for revisor i sanntid.

Halvautonom revisjonsstøtte

Agenter kan utføre mange standardiserte revisjonshandlinger på egen hånd: hente saldolister, bekrefte summer, avstemme konti mot underlagsdokumenter – alt etter regler revisor har definert. Eksempelvis kan en slik agent automatisere store deler av revisjonen av inntekter, der data kan kryssjekkes mot fakturasystemer og bankinnbetalinger uten menneskelig inngripen. Revisorens rolle blir i større grad å sette opp agenten, definere terskelverdier, og gjennomgå unntakene agenten rapporterer.

Skreddersydde regelverksoppdateringer

Etter hvert som AI-systemenes domeneinnsikt vokser, vil agenter kunne forstå hvordan endringer i for eksempel skattelovgivning slår ut for forskjellige foretak, automatisk vurdere hvilke av revisorens kunder som påvirkes, for så å forberede utkast til rådgivnings-e-poster til hver av dem.

Revisjon og regnskap er egentlig ideelle bruksområder for AI-agenter fordi arbeidet innebærer mange regelbaserte prosesser og kontroller. En agent som passer frister, purrer på klienter for dokumentasjon og flagger avvik, tar hele arbeidsflyter av bordet for revisor. Det er stor spenning knyttet til hvordan selve innholdet i revisjonsjobben endres når slike oppgaver overtas av AI-agenter.

«AI-kollegaer»

Tenk om alle revisorer har sine egne AI-agenter kjørende, administrert sentralt av revisjonsselskapet. Agentene kjenner til firmaets metodikk, klientspesifikke risikoer og relevante regelverk. De fungerer som personlige kollegaer for hver revisor – alltid tilgjengelig for å svare på spørsmål, dra ut data, forberede analyser og til og med utføre revisjonshandlinger i sanntid. Man har snakket om “real time audit” i mange år; med en slik AI kan kontinuerlig revisjon bli en realitet der agentene overvåker økonomiske data fortløpende og varsler med en gang noe ser feil ut.

Fullautomatisert revisjon av visse områder

I et fremtidsscenario kan noen deler av revisjonen bli fullautomatisert. For eksempel kan inntektsrevisjon eller kontroll av standard prosesser (som reisekostnader, småanskaffelser osv.) utføres av agenter fra start til slutt: De henter data direkte fra kundens systemer, kryssjekker mot kontrakter og bankkontoer, og utarbeider dokumentasjon og avviksrapporter. Revisorens jobb blir å signere av på resultatet og håndtere eventuelle uvanlige transaksjoner som AI ikke klarer å avgjøre.

Nye tjenester og forretningsmodeller

Med større grad av automatisering kan revisjonstjenester endre karakter. Kanskje vil revisjonsfirmaene tilby kontinuerlig revisjonsovervåking som et abonnement, der AI-agenter passer på kundens regnskap året rundt og ikke bare gjør stikkprøver ved årets slutt. Dette kan gi mer verdi til kunden (avvik fanges og rettes opp løpende) og endre prismodellen bort fra timehonorar. Samtidig kan mindre aktører utfordre de store ved å ta i bruk åpne verktøy som OpenClaw – teknologien er ikke forbeholdt dem med størst IT-budsjett, siden den er åpen for alle. Dette kan gi en viss demokratisering av avansert dataanalyse i revisjon.

Visjonære scenarioer må tas med en klype salt. Det er mange forutsetninger som må oppfylles, blant annet at myndigheter og tilsyn godtar slike løsninger, at kvaliteten er høy nok, og at man har på plass kontrolltiltak for å unngå feil. Men retningen er klar: AI som både tenker og handler, vil forme revisjonens fremtid, enten det blir akkurat OpenClaw eller etterfølgere av den.

IT-sikkerhet

OpenClaw ber om svært brede tilganger for å kunne gjøre jobben sin – alt fra e-post og meldinger til filsystemer og API-nøkler. Samtidig er det fort gjort for en uerfaren bruker å konfigurere systemet slik at det er sårbart for angrep. I januar 2026 sporet sikkerhetsselskapet Censys over 21 000 offentlig eksponerte OpenClaw-instanser, mange med svake eller ingen passord. Sikkerhetsforskere har identifisert flere sårbarheter i koden, og hundrevis av ondsinnede «ferdigheter» (tilleggsmoduler) på OpenClaws offisielle markedsplass.^{*https://blog.barrack.ai/openclaw-security-vulnerabilities-2026/} Simon Willison beskriver det han kaller «the lethal trifecta» for AI-agenter: Kombinasjonen av tilgang til private data, eksponering for upålitelig innhold og evnen til ekstern kommunikasjon gjør det mulig for en angriper å lure systemet til å stjele data.^{*https://simonw.substack.com/p/the-lethal-trifecta-for-ai-agents} Hvis en kun bruker OpenClaw på en isolert maskin for å jobbe med ikke-sensitive data, kan dette være en akseptabel risiko i tidligbruker-utforskningsfasen, men skal verktøyet tas i bruk i «skarpe» situasjoner, må robust IT-sikkerhet være på plass.

Etterlevelse og kvalitetskontroll

Revisjon er underlagt strenge standarder (ISA-ene m.fl.), og revisor må kunne dokumentere og begrunne hvordan en konklusjon er nådd. Hvis en AI-agent har utført en revisjonshandling, hvordan dokumenterer vi arbeidet den har gjort? Hvordan sikrer vi oss at agenten har fulgt alle relevante regler, og ikke oversett noe? Dette krever trolig nye typer kontrolltiltak – f.eks. at agentens aktiviteter logges, og at revisor gjennomgår disse loggene som en del av revisjonsbevisene. Kanskje må man også innføre prinsipper for “AI-etikk og uavhengighet” i revisjon – f.eks. forsikre seg om at agenten ikke har interessekonflikter eller bias som påvirker arbeidet.

Personvern og datahåndtering

Selv om OpenClaw kjører lokalt, vil den ofte bruke eksterne AI-modeller (f.eks. gjennom OpenAI eller Anthropic sine API-er) for språkforståelse og resonnering, med mindre man kjører en lokal modell. Revisjonsselskaper må forsikre seg om at konfidensiell klientinformasjon kun behandles hos godkjente skytjeneste-underleverandører. For OpenClaw sin del kan man riktignok peke den mot lokalt kjørte AI-modeller for å unngå datautveksling, men da må man ha tilstrekkelig regnekraft tilgjengelig internt.

Kontrolltiltak vil være avgjørende for om slike agenter kan tas i bruk i stor skala. Et nærliggende scenario er at større revisjonsfirmaer tilbyr sentralt utviklede og styrte varianter av OpenClaw, der tilgjengelige modeller og “ferdigheter” (tilleggskomponenter) styres sentralt. Man hvitlister trygge moduler og integrasjoner som er sikkerhetsgodkjent, og svartelister alt annet. I tillegg må man ha klare policyer: f.eks. at agentene kun kjører i isolerte miljøer, ikke får lov til å sende meldinger til eksterne uten menneskelig godkjenning osv.

Regnskap og revisjon er ikke ansett som høyrisiko i EUs AI Act, som vi har drøftet i en tidligere artikkel,^{*Se Kunstig intelligens: Kan Europa både regulere og innovere?, Revisjon og Regnskap nr. 5-2024.} men det betyr ikke at det ikke kan komme nasjonale retningslinjer fra Finanstilsynet eller Datatilsynet om bruk av AI i kontroll- og regnskapsfunksjoner. Revisorer har uansett profesjonelt ansvar for konfidensialitet og forsvarlig utførelse av oppdrag; å innlemme en AI-agent innebærer at revisor må forsikre seg om at dette ansvaret fortsatt ivaretas.

Endret ressursbruk og kompetanse

Hvis mye rutinearbeid automatiseres, vil revisjonsteamene trenge færre juniorer for å utføre manuelle tester og avstemming. Isteden kan det bli økt etterspørsel etter teknologikompetanse blant revisorer, for å kunne konfigurere og forstå AI-verktøyene. Revisorens rolle kan skifte fra “utfører” til “tilrettelegger/analytiker”, der man bruker mer tid på å vurdere unntak og komplekse risikoområder som AI ikke håndterer, og mindre tid på å samle inn og verifisere data. Bemanningsmodellen i revisjon vil gå fra pyramideform – med noen få partnere på toppen og mange juniorer i bunn – til obelisk eller sylinderform, med omtrent like mange på hvert erfaringsnivå.

Forretningsmodell og prisstruktur

Revisjon har tradisjonelt vært solgt som en tjeneste der timeverk står sentralt (man beregner honorar ut fra medgåtte timer, grad av risiko osv.). Om en betydelig del av arbeidet gjøres av en AI som jobber lynraskt 24/7, utfordrer det denne modellen. Kunder vil forvente lavere pris hvis mye er automatisert.^{*I en taktisk interessant manøver argumenterte revisjonshuset KPMG selv for at AI må gi lavere revisjonspriser overfor sin egen eksternrevisor: https://www.ft.com/content/c891c47c-b21f-4e0f-84b3-b80c794eff3d} Revisjonsselskaper kan på sikt måtte bevege seg mot mer fastpris eller verdibasert prising, der man selger trygghet og innsikt snarere enn timer. Samtidig kan man tenke seg nye tjenester, som nevnt ovenfor i avsnittet om muligheter på lang sikt, hvor kundene abonnerer på kontinuerlig overvåking. Dette kan åpne nye inntektsstrømmer, men også legge press på marginene dersom man ikke lenger kan fakturere like mange tradisjonelle timer.

Konkurranse og demokratisering

Teknologi som OpenClaw har åpen kildekode og er tilgjengelig for alle. Det betyr at små og mellomstore revisjonsbyråer potensielt kan utnytte den samme teknologien som de store, uten enorme investeringer. Hvis de gjør det raskere enn de store, kan de konkurrere mer effektivt på effektivitet og pris. På den annen side har større firmaer ressurser til å bygge sikre rammeverk rundt AI-en og trene den på sine omfattende erfaringsdatabaser, noe som kan gi dem et forsprang i sikkerhet og kvalitet. Uansett vil forskjellen mellom dem som omfavner AI-assistenter og dem som ikke gjør det, øke. De som ikke tar dem i bruk, blir mindre effektive og vil sakke akterut dersom kundene forventer mer innsikt levert raskere.

Kvalitet og tillit

Et paradoks er at selv om AI kan øke effektiviteten og kvaliteten, kan det også utfordre tilliten til revisjonsuttalelsen hvis ikke bruken er transparent. Revisjonsbransjen lever av tillit. EUs AI Act stiller allerede krav til gjennomsiktighet ved bruk av AI, og det er sannsynlig at bransjespesifikke standarder følger etter: Det kan tenkes at man i fremtiden må inkludere forklaringer i revisjonsberetningen om hvorvidt AI-verktøy er brukt, og i så fall hvordan kvaliteten sikres. Kanskje vil bransjen utvikle egne standarder for “AI-automatisert revisjon”, slik at brukerne av regnskapet (investorer, myndigheter) kan ha tillit til at selv om en AI har gjort mye av jobben, så er resultatet like pålitelig.