Kunstig intelligens i revision: Virksomheds- og markedsstørrelses betydning for implementering, revisionskvalitet og effektivitet
Oversat titel
AI in auditing: The significance of company and market size for implementation, audit quality and efficiency
Forfatter
Thomsen, Vár Højgaard
Semester
4. semester
Uddannelse
Udgivelsesår
2026
Afleveret
2026-06-01
Resumé
Dette speciale undersøger, hvordan kunstig intelligens (AI) bliver taget i brug og gennemført i revisionsbranchen, og hvordan både virksomhedsstørrelse og markedsstørrelse påvirker anvendelsen. AI fylder mere og mere i både hverdagen og i professionelle ydelser som revision. Teknologien giver nye muligheder for at gøre revision mere effektiv og forbedre kvaliteten, men kræver også investeringer i viden, sikkerhed, systemer og organisatorisk forberedelse. Undersøgelsen bygger på et kvalitativt forskningsdesign med syv semistrukturerede interviews med revisorer fra revisionsvirksomheder af forskellig størrelse i Danmark, Færøerne og Island. Interviewene sammenholdes med eksisterende litteratur om brugen af AI i revision, med særligt fokus på forskelle mellem små og store revisionshuse og mellem mindre og større markeder. Specialet undersøger både, om AI kan gøre revisionsprocesser mere effektive, og om den kan være med til at højne revisionskvaliteten. Som teoretisk ramme anvendes primært Unified Theory of Acceptance and Use of Technology (UTAUT), som er en model til at forstå, hvilke faktorer der påvirker, om virksomheder accepterer og tager ny teknologi i brug. Derudover inddrages teorien om Expectation Gap i revision, som handler om forskellen mellem, hvad samfundet forventer af revisorer, og hvad revisorer faktisk har ansvar for. Denne teori bruges til at diskutere, hvordan AI kan påvirke omverdenens forventninger til revisorernes rolle og ansvar. Analysen viser, at AI implementeres forskelligt på tværs af revisionsvirksomheder og markeder. Større revisionsvirksomheder har typisk bedre forudsætninger for at indføre AI, fordi de har større økonomiske ressourcer og egne IT‑afdelinger. Mindre revisionsvirksomheder er oftere afhængige af eksternt udviklede AI‑løsninger og kan have større udfordringer med implementering, uddannelse og sikkerhed. Overordnet konkluderer specialet, at AI rummer et betydeligt potentiale i revision, især i forhold til automatisering, dataanalyse, dokumentation, oversættelse og revisionsplanlægning. Udbyttet afhænger dog af, hvordan teknologien konkret implementeres og anvendes, samt af virksomhedens og markedets størrelse. Uddannelse, kritisk vurdering og professionel skepsis er fortsat afgørende, da AI skal understøtte – ikke erstatte – revisors faglige vurdering. Når AI anvendes hensigtsmæssigt, kan den gøre revisionsprocesser mere effektive og frigive tid til de mere komplekse dele af revisionen, hvilket kan bidrage til at forbedre revisionskvaliteten.
This master’s thesis investigates how artificial intelligence (AI) is adopted and implemented in the audit profession, and how both company size and market size influence its use in practice. AI has become increasingly present in everyday life and in professional services such as auditing. The technology offers new opportunities to improve efficiency and quality in audits, but it also requires investment in knowledge, security, systems, and organisational readiness. The study is based on a qualitative research design with seven semi‑structured interviews with auditors from audit firms of different sizes in Denmark, the Faroe Islands, and Iceland. These interviews are compared with existing literature on AI adoption in auditing, with particular attention to differences between small and large audit firms and between smaller and larger markets. The thesis examines both whether AI can make audit processes more efficient and whether it can help improve audit quality. The theoretical framework is primarily the Unified Theory of Acceptance and Use of Technology (UTAUT), a model that explains which factors influence whether organisations accept and use new technology. In addition, the theory of the Expectation Gap in auditing is used. This theory concerns the difference between what society expects auditors to do and what they are actually responsible for. It is applied to discuss how AI may influence public expectations of auditors’ role and responsibility. The analysis shows that AI is implemented differently across audit firms and markets. Larger audit firms generally have better conditions for implementing AI, as they have greater financial resources and internal IT departments. Smaller audit firms are more dependent on externally developed AI solutions and may face greater challenges related to implementation, training, and security. Overall, the thesis concludes that AI has significant potential in auditing, especially for automation, data analysis, documentation, translation, and audit planning. However, the benefits depend on how the technology is implemented and used, and on the size of the firm and the market. Training, critical assessment, and professional scepticism remain essential, since AI should support rather than replace the auditor’s professional judgement. When used appropriately, AI can make audit processes more efficient and allow auditors to focus on the more complex parts of the audit, which can help improve audit quality.
[Dette resumé er omskrevet med hjælp fra AI baseret på projektets originale resumé]
Emneord