Forventningskløften i en revision understøttet af kunstig intelligens
Oversat titel
The Expectation Gap in an audit supported by artificial intelligence
Forfattere
Sørensen, Louise Tanner ; Holm, Caroline
Semester
4. semester
Uddannelse
Udgivelsesår
2026
Resumé
Dette speciale undersøger, hvordan anvendelsen af kunstig intelligens (AI) i revision påvirker forventningskløften mellem revisor og samfundet, med særligt fokus på revisors rolle, ansvar og brugernes forventninger til revisionsydelsen. Med afsæt i en kritisk realistisk forståelsesramme anvendes en abduktiv tilgang, hvor kvalitative interviews med medarbejdere fra Big Four-revisionshuse kombineres med en kvantitativ spørgeskemaundersøgelse blandt revisorer og regnskabsbrugere. AI viser sig i stigende grad integreret i revisionsprocessen som et beslutningsstøtteværktøj til dataanalyse, risikovurdering og dokumentation, men erstatter ikke revisors professionelle dømmekraft, og revisor bevarer ansvaret for de trufne konklusioner. Resultaterne viser, at AI har en dobbelt effekt på forventningskløften: På den ene side bidrager teknologien til at reducere kløften ved at øge datadækning, effektivitet og muligheden for at identificere fejl, hvilket bringer revisionen tættere på regnskabsbrugernes forventninger. På den anden side forstærker AI kløften ved at skabe høje og til tider urealistiske forventninger til revisionsomfang, præcision og sikkerhed, idet mange brugere forbinder AI med fuldstændig dataverifikation og fejlfrihed, hvilket ikke er foreneligt med revision baseret på væsentlighed og rimelig sikkerhed. Analysen peger særligt på en udvidelse af reasonableness gap’et, hvor forventninger til omfang, pris, kvalitet og ansvar ikke stemmer overens, samt på udfordringer med gennemsigtighed, ansvarlighed og risikoen for falsk tryghed omkring teknologiens formåen. Specialet konkluderer, at AI ikke eliminerer forventningskløften, men forandrer den, og at en reduktion af kløften i en AI-kontekst forudsætter tydeligere kommunikation om revisions begrænsninger, tilpasning af regulering og løbende udvikling af revisors teknologiske kompetencer.
This thesis investigates how the use of artificial intelligence (AI) in auditing affects the expectation gap between auditors and society, with particular attention to the auditor’s role, responsibilities and users’ expectations of the audit. Based on a critical realist perspective, the study adopts an abductive research design that combines qualitative interviews with professionals from Big Four accounting firms and a quantitative survey among auditors and financial statement users. The findings show that AI is increasingly integrated into the audit process as a decision-support tool for data analysis, risk assessment and documentation, while professional judgment remains central and the auditor retains full responsibility for audit conclusions. AI is found to have a dual effect on the expectation gap: on the one hand it helps narrow the gap by improving data coverage, efficiency and the ability to detect misstatements, thereby aligning practice more closely with users’ expectations; on the other hand it widens the gap by generating high and often unrealistic expectations regarding the scope, precision and assurance level of the audit, as many users associate AI with complete data verification and error-free outcomes, which conflicts with auditing standards based on materiality and reasonable assurance. The analysis particularly identifies an expansion of the reasonableness gap, where expectations about scope, price, quality and responsibility are misaligned, and highlights challenges related to transparency, accountability and the risk of false assurance when trust in technology exceeds its real capabilities. The thesis concludes that AI does not remove the audit expectation gap but transforms it, and that reducing the gap in an AI-based audit environment requires clearer communication about audit limitations, adjustments to the regulatory framework and continuous development of auditors’ technological competencies.
[Dette resumé er genereret med hjælp fra AI direkte fra projektet fuldtekst]