Kunstig Intelligens i Revision: Opdagelse af regnskabsmanipulation og revisors accept af teknologien
Oversat titel
AI in Auditing: Detection of Financial Statement Fraud and Auditors' Acceptance of the Technology
Forfatter
Dam, Simun
Semester
4. semester
Uddannelse
Udgivelsesår
2025
Afleveret
2025-06-02
Antal sider
93
Abstract
Denne afhandling undersøger, hvordan kunstig intelligens (AI) kan styrke opdagelsen af regnskabsmanipulation i revisionspraksis. I takt med at finansielle data bliver mere komplekse, udfordres traditionelle procedurer baseret på stikprøver og manuelle vurderinger. Teknologier som machine learning, anomaly detection og natural language processing muliggør fuld-populationsanalyser og mere målrettet, datadrevet revision, men rejser samtidig spørgsmål om accept, organisatorisk parathed og professionelt ansvar. Undersøgelsen anvender et mixed-methods design med et systematisk litteraturstudie, tre semistrukturerede interviews med seniorprofiler fra KPMG, Deloitte og Grant Thornton samt en kvantitativ spørgeskemaundersøgelse besvaret af 46 revisorer. UTAUT-modellen bruges som analytisk ramme til at identificere faktorer, der påvirker revisorers accept og anvendelse af AI. Resultaterne viser, at revisorer generelt opfatter AI som et redskab, der kan øge revisionskvaliteten og forbedre opdagelsen af manipulation, særligt når teknologien opleves som brugervenlig og effektiv; statistiske analyser bekræfter en signifikant sammenhæng mellem oplevet nytte og forventninger om fremtidig integration. Adgang til træning og støtte fra ledelse eller kolleger havde ingen signifikant effekt i spørgeskemaet, men interviewdata indikerer, at disse elementer fortsat er praktisk vigtige. På tværs af datakilder forstås AI som et støtteværktøj og ikke en erstatning for faglig dømmekraft. Afhandlingen konkluderer, at AI rummer reelt potentiale til at styrke evnen til at afsløre manipulation, men at succesfuld implementering kræver mere end teknisk ydeevne – herunder organisatorisk støtte, datakvalitet, etiske standarder og træning – og tilbyder vejledning til virksomheder og interessenter i den igangværende transformation.
This thesis examines how artificial intelligence (AI) can improve the detection of financial statement manipulation in audit practice. As financial data grows more complex, traditional procedures based on sampling and manual assessments struggle to uncover hidden irregularities. Technologies such as machine learning, anomaly detection, and natural language processing enable full-population analysis and more targeted, data-driven auditing, but also raise questions about acceptance, organizational readiness, and professional responsibility. The study uses a mixed-methods design combining a systematic literature review, three semi-structured interviews with senior professionals from KPMG, Deloitte, and Grant Thornton, and a quantitative survey answered by 46 auditors. The UTAUT framework is applied to analyze factors influencing auditors’ acceptance and use of AI. Findings indicate that auditors generally view AI as a tool that can enhance audit quality and improve the detection of manipulation, especially when the technology is perceived as user-friendly and effective; statistical analysis confirms a significant link between perceived usefulness and expectations regarding future integration. Access to training and support from management or colleagues showed no significant effect in the survey, although interview data suggest these elements remain practically important. Across data sources, AI is understood as a support system rather than a replacement for professional judgment. The thesis concludes that AI has real potential to strengthen the ability to uncover manipulation, but successful implementation depends on more than technical performance—organizational support, data quality, ethical standards, and training must be addressed—and it offers guidance for firms and stakeholders navigating this transformation.
[Dette resumé er genereret ved hjælp af AI]