Kunstig intelligens (AI) og revision: En systematisk litteraturgennemgang af teknologiens betydning for revisionsfaget
Oversat titel
Artificial Intelligence (AI) and Auditing: A Systematic Literature Review of the Technology's Impact on the Auditing Profession
Forfatter
Rose, Thomas
Semester
4. semester
Uddannelse
Udgivelsesår
2025
Afleveret
2025-06-02
Resumé
Formål: Vi undersøger, hvordan kunstig intelligens (AI) påvirker revisionsprocessen, revisorens arbejde og revisionskvaliteten. Metode: Vi gennemførte en systematisk litteraturgennemgang af 108 fagfællebedømte artikler, kombinerede tematisk analyse med en bibliometrisk oversigt og fortolkede resultaterne gennem ti etablerede teoretiske perspektiver. Denne tilgang giver et struktureret og transparent overblik over et mangfoldigt forskningsfelt. Resultater organiseret i fem temaer: 1) Revisionskvalitet og -pålidelighed: AI kan muliggøre test af hele datapopulationer, bedre afvigelses- og bedrageridetektion, højere nøjagtighed, større pålidelighed og tillid samt mere løbende revision. Udfordringer omfatter begrænset forklarbarhed, lavere oplevet kvalitet hos interessenter, skepsis og en overvejende fokus på kvantitative mål. 2) Effektivitet og automatisering: Mulige gevinster omfatter tidsbesparelser, automatiserede arbejdsgange, skalerbare procedurer, løbende overvågning, risikoadvarsler i realtid, bredere dækningsgrad og en omfordeling af menneskelig indsats til analyse og strategi. Ulemper omfatter overtro på værktøjer, afkvalificering, mindre kundekontakt, digital kløft og høje startomkostninger, som især mindre virksomheder kan have svært ved at bære. 3) Revisors dømmekraft og professionel skepsis: AI kan styrke dømmekraften via beslutningsstøtte, mønstergenkendelse, sammenlignende diagnostik og risikoprofilering og dermed understøtte skepsis. Risici omfatter automatiseringsbias, uberettiget tillid til AI-genererede konklusioner, svækket skepsis, informationsmætning fra dashboards og ukritisk accept af output. 4) Barrierer for implementering: Strategisk modernisering er afgørende. Gevinster afhænger af omhyggelig adoption og integration. Tidlige adoptanter kan opnå konkurrencefordele og legitimitet, men organisationer møder kulturel modstand, manglende interne kompetencer, symbolsk (alibi-)implementering, manglende strategisk tilpasning og høj integrationskompleksitet. 5) Etik, regulering og styring (governance): Litteraturen behandler disse som centrale hensyn på linje med tekniske og organisatoriske spørgsmål. Samlet set rummer AI store muligheder og markante udfordringer for revision. At høste gevinsterne uden at svække revisionskvalitet og professionel dømmekraft kræver transparente metoder, passende tilsyn og strategisk forankring. Originalitet/værdi: Studiet syntetiserer, analyserer og fortolker et fragmenteret felt gennem en struktureret og transparent proces og giver et samlet overblik på tværs af mange teorier, metoder og fokusområder.
Purpose: We examine how artificial intelligence (AI) affects the audit process, auditors’ work, and audit quality. Design: We conducted a systematic review of 108 peer-reviewed articles, combined thematic analysis with a bibliometric overview, and interpreted the evidence through ten established theoretical perspectives. This provides a structured and transparent map of a diverse research field. Findings organized into five themes: 1) Audit quality and reliability: AI can enable full-population testing, better anomaly and fraud detection, greater accuracy, stronger reliability and trust, and more continuous auditing. Risks include limited explainability, lower perceived quality among stakeholders, skepticism, and overreliance on quantitative metrics. 2) Efficiency and automation: Potential gains include time savings, automated workflows, scalability, continuous monitoring, real-time risk alerts, wider audit coverage, and shifting human effort toward analytical and strategic tasks. Risks include overtrust in tools, deskilling, reduced client interaction, a digital divide, high upfront costs, and uneven access across firm sizes. 3) Auditor judgment and professional skepticism: AI can enhance judgment via decision support, pattern recognition, comparative diagnostics, and risk profiling, helping to reinforce skepticism. Risks include automation bias, unwarranted confidence in AI-generated conclusions, weakened skepticism, dashboard overload, and uncritical acceptance of outputs. 4) Barriers to implementation: Strategic modernization is crucial. Benefits depend on careful adoption and integration. Early adopters may gain a competitive edge and legitimacy, but organizations face cultural resistance, capability gaps, symbolic adoption, misalignment with firm strategy, and high integration complexity. 5) Ethics, regulation, and governance: The literature treats these as central considerations alongside technical and organizational issues. Overall, AI brings significant opportunities and real challenges to auditing. Realizing benefits while protecting audit quality and professional judgment requires transparent methods, appropriate oversight, and alignment with firm strategy. Originality/value: This study synthesizes, analyzes, and interprets a fragmented body of research through a structured and transparent process, offering a consolidated overview across multiple theories, methods, and focus areas.
[Dette resumé er omskrevet med hjælp fra AI baseret på projektets originale resumé]