KI definert

Når vi snakker om KI, er det viktig å klargjøre hva begrepet innebærer. I revisjonssammenheng kan vi for eksempel mene bruk av maskinlæring, mens vi i dagliglivet kanskje setter likhetstegn mellom KI og generativ KI. OECD^{*Se Explanatory memorandum on the updated OECD definition of an AI system (EN). OECD Artificial Intelligence Papers. March 2024 N0. 8.} definer KI-systemer som «a machine-based system that, for explicit or implicit objectives, infers, from the input it receives, how to generate outputs such as predictions, content, recommendations, or decisions that can influence physical or virtual environments». EUs Artificial intelligence Act^{*Se Article 3: Definitions. EU Artificial Intelligence Act.} bruker en lignende definisjon, men legger til at KI-systemer kan operere med varierende grad av autonomi og tilpasse seg etter implementering. Kort sagt er det KI-teknologi som imiterer eller simulerer menneskelig intelligens for å utføre oppgaver som analyse, mønstergjenkjenning, beslutningstaking og læring av erfaring.

KI er altså et bredt paraplybegrep som omfatter ulike teknologier, inkludert

• Regelbaserte systemer: Automatiserer komplekse prosesser som tidligere krevde manuell innsats.

• Maskinlæring: Gjør det mulig for systemer å lære av data og forbedre ytelsen over tid uten eksplisitt programmering.

• Naturlig språkprosessering: Teknologi som trekker informasjon ut fra tekst, for eksempel gjennomgang av revisjonsrapporter eller kontrakter. ChatGPT og lignende språkmodeller er et kjent eksempel.

• Prediktive modeller: Identifiserer risikoer eller forutsier avvik basert på historiske mønstre i data.

Effekter av KI på revisjonsbransjen

Forskning har begynt å kartlegge hvordan KI påvirker revisjonsbransjen. Selv om mange studier baserer seg på noe eldre datasett, illustrerer de noen sentrale trender:

• Økt revisjonskvalitet: Flere studier peker på at KI kan ha en positiv effekt på revisjonskvalitet. En studie fra 2022^{*Se Fedyk, A., Hodson, J., Khimich, N., & Fedyk, T. (2022). Is artificial intelligence improving the audit process? Review of Accounting Studies, 27(3), 938-985.} basert på et datasett bestående av 23 784 observasjoner over en periode på ti år, viser at revisjonsselskaper som investerer mer i KI, leverer revisjon med høyere kvalitet og opererer med lavere revisjonshonorarer enn selskap som investerer mindre i KI. En annen lignende studie^{*Se Law, K. K., & Shen, M. (2025). How does artificial intelligence shape audit firms? Management Science, 71(5), 3641-3666.} bekrefter at bruken av KI fører til høyere revisjonskvalitet.

• Endringer i arbeidsmarkedet: KI har også konsekvenser for arbeidsmarkedet, men funnene fra forskningen er til dels motstridende: Den ene studien nevnt over, Fedyk et al. (2022) viser at selskaper som investerer mer i KI, opplever lavere vekst i antall nyansatte innen revisjon sammenlignet med selskaper som investerer mindre i teknologi. Den andre studien nevnt over, Law et al. (2025), finner derimot en økning i antall revisorer i lavere stillingskategorier i selskaper med KI-ansatte. Et annet interessant funn fra denne siste studien er at introduksjon av KI i revisjonsselskaper fører til økt etterspørsel etter såkalte «soft skills» hos revisorene. Disse ferdighetene inkluderer problemløsing, beslutningstaking, analyse, tidsplanlegging og prioritering og evne til å sette mål.

• Effektivisering og omstilling: KI har også vist seg å bidra til effektivisering og endring i revisjonsbransjen: Moore og Felo (2022)^{*Se Moore, W. B., & Felo, A. (2022). The evolution of accounting technology education: Analytics to STEM. Journal of Education for Business, 97(2), 105-111.} finner for eksempel at KI bidrar til å effektivisere revisjonsprosesser, samtidig som KI fører til strukturelle endringer i bransjen ved at teknologisk kompetanse blir mer etterspurt enn tidligere. Videre finner de at de store revisjonsselskapene i økende grad ønsker å ansette personer med spisskompetanse innen dataanalyse. Dette reflekterer et skifte i bransjen der teknologiske ferdigheter blir stadig viktigere for å møte kravene til moderne revisjon.

Disse funnene viser at KI ikke bare endrer hvordan revisjon utføres, men også hvilke ferdigheter som etterspørres i bransjen.

Revisor og språkmodeller

Med introduksjonen av store språkmodeller til den generelle befolkningen i 2023, har bruken av denne typen kunstig intelligens eksplodert. Mange har gjort det til en vane å spørre verktøy som Chat GPT om både små og store spørsmål i hverdagen, ofte uten å reflektere over for eksempel de miljømessige konsekvensene slik bruk kan medføre. Samtidig har et nytt begrep blitt en del av vårt daglige vokabular: hallusinasjon. Selv om de fleste er klar over at språkmodeller kan levere unøyaktige eller oppdiktede svar, stoler vi ofte på svarene vi får – helt til vi møter på et emne vi selv har betydelig kunnskap om, og oppdager at svarene enten er upresise eller direkte feil.

I en bransje som revisjon, hvor tillit er helt sentralt, reiser dette viktige spørsmål:

• Når er generative språkmodeller et egnet verktøy?

• Når bør andre teknologiske løsninger foretrekkes?

Foreløpig er det få studier som har undersøkt hvordan generative språkmodeller kan brukes på en trygg og effektiv måte i en revisjonskontekst.

En ny publisert studie^{*Se Raddatz, N. I., Raddatz, P. A., Ogunade, K. M., Kim, S., & Williams, D. L. (2025). Beyond Algorithms: A Multifaceted Exploration of Trust, Confidence, and Blame in Generative AI-Assisted Advice. Accounting Horizons, 1-16.} gir imidlertid interessante innsikter for rådgivningsvirksomhet. Studien undersøker hvordan brukere av skatterådgivning oppfatter råd fra generative KI-verktøy sammenlignet med råd fra menneskelige eksperter. Studien tyder for det første på at brukerne generelt stoler mer på råd de får fra mennesker enn råd fra generative KI-verktøy. Videre stoler brukerne mer på råd dersom KI og den menneskelige eksperten gir samme råd, enn dersom det kun er KI som gir rådet. Til slutt finner forskerne at når feil oppstår som følge av KI-bruk, har brukerne av rådet en tendens til å legge skylden på seg selv fremfor KI-verktøyet. Dette står i kontrast til situasjoner der feil oppstår etter råd fra en menneskelig ekspert, hvor brukerne i større grad legger ansvaret på eksperten. Studien tyder heller ikke på at det å motta dårlige råd fra KI reduserer brukernes vilje til å benytte KI-verktøy i fremtiden.

Denne studien viser at det ikke er tilstrekkelig for revisorer å kunne bruke generative KI-verktøy. De må i tillegg:

Forstå hvordan kundene oppfatter bruken av slike verktøy.

Være i stand til å kommunisere KI-output tydelig, med fokus på begrensninger, usikkerhet og ansvarsfordeling.

Fremtiden for KI i revisjon

Resultatene fra studien til Raddatz et al. (2025) indikerer at tillit, ansvarsfordeling og forklarbarhet kan være like viktig som teknisk presisjon når generativ KI brukes i rådgivningssammenheng. Selv om teknologien har et stort potensial, vil dens suksess i revisjonsbransjen avhenge av hvordan den integreres i eksisterende praksis. Ettersom revisjon handler om å bygge og opprettholde tillit, må dette naturligvis gjelde også når generativ KI tas i bruk.

Mer generelt kan KI bidra til å styrke tilliten til revisor ved at det leveres en mer presis og effektiv revisjon. Dette krever imidlertid at revisorer tilpasser seg en ny virkelighet der teknologi spiller en stadig viktigere rolle. KI er per i dag ikke en erstatning for revisor, men et verktøy som kan styrke deres arbeid. Revisors rolle vil fremover i økende grad dreie seg om å kombinere teknologiske ferdigheter med profesjonelt skjønn. For å utnytte potensialet til KI fullt ut må bransjen balansere innovasjon med etisk forsvarlighet og sikre at revisor alene forblir ansvarlig for revisjonsoppdraget.

Løsning på kryssord side 21