AI-værktøjer i CSRD-rapportering: Indvirkning på revisionsbevis og forventningskløften
Oversat titel
AI tools in CSRD reporting: Impact on audit evidence and the expectation gap
Forfattere
Christiansen, Casper ; Hansen, Anne Nygaard ; Christensen, Mads Djernis
Semester
4. semester
Uddannelse
Udgivelsesår
2024
Antal sider
130
Resumé
Specialet undersøger, hvordan brugen af AI-værktøjer i virksomheders CSRD-rapportering påvirker revisorens mulighed for at opnå egnet og tilstrækkeligt revisionsbevis, samt hvilke konsekvenser det har for forventningskløften mellem revisor og interessenter. I lyset af de udvidede krav i CSRD og ESRS og de store datamængder, som rapporteringen indebærer, bliver AI allerede anvendt til bl.a. dataindsamling, gap-analyser og vurdering af dobbelt væsentlighed. Undersøgelsen, der bygger på relevant litteratur og standarder samt interviews med praktikere, peger på, at når AI-værktøjer anvendes som grundlag for oplysninger i bæredygtighedsrapporteringen, skal revisor foretage en omfattende gennemgang af governance og kontroller omkring værktøjet: hvordan det er designet og implementeret, hvilke mulige bias der findes, hvilket træningsdata det bygger på, samt hvordan datakomplethed og -nøjagtighed sikres og resultater efterprøves af ansvarlige personer. I forhold til forventningskløften viser fundene, at den påvirkes af både kontrollerbare og ukontrollerbare forhold; digitalisering har historisk bidraget til at reducere urealistiske forventninger, men den direkte effekt af AI under CSRD er vanskelig at vurdere på nuværende tidspunkt. Litteraturen peger på et paradigmeskifte med øget vægt på CSRD og AI, mens interviewpersoner fremhæver, at AI-løsninger endnu ikke er modne nok til at ændre forventningskløften væsentligt. Stærke standarder og grundig lovgivning fremstår som centrale virkemidler til at afbøde eller reducere kløften, samtidig med at revisionspraksis må integrere AI-relaterede risici og kontroller i risikovurdering og bevisindsamling.
This thesis examines how the use of AI tools in companies’ CSRD reporting affects auditors’ ability to obtain appropriate and sufficient audit evidence, and the consequences for the expectation gap between auditors and stakeholders. Against the backdrop of expanded CSRD and ESRS requirements and large data volumes, AI is already being used for tasks such as data collection, gap analyses, and double materiality assessments. Drawing on relevant literature and standards as well as interviews with practitioners, the study finds that when AI tools underpin sustainability reporting, auditors must perform thorough reviews of the governance and controls surrounding the tools: how they are designed and implemented, potential biases, the training data used, and how data completeness and accuracy are ensured and results are reviewed by responsible personnel. Regarding the expectation gap, findings indicate it is shaped by both controllable and uncontrollable factors; digitalization has historically helped align unreasonable expectations with actual audit work, yet AI’s direct impact under CSRD is currently difficult to assess. While the literature suggests a paradigm shift with greater emphasis on CSRD and AI, interviewees note that current AI solutions are not yet mature enough to materially affect the expectation gap. Strong standards and robust legislation are identified as key to mitigating or reducing the gap, while audit practice must integrate AI-related risks and controls into risk assessment and evidence gathering.
[Dette resumé er genereret med hjælp fra AI direkte fra projektet (PDF)]