Kontrol frem for smarte gimmicks: Derfor kræver erklæringsopgaver styret AI og ikke en generel sprogmodel

Generel AI kan sandsynligvis besvare et spørgsmål fra en CPA-eksamen. Den kan ikke fortælle dig, om din opgavefil er klar til endelig godkendelse. Og den kan bestemt ikke indgå i dit dokumentationsspor. Derfor er forskellen vigtigere end selve demonstrationen.

Et sted i din virksomhed sidder der lige nu en medarbejder på andet år med en generel AI-chatbot åben i en anden fane.

Det er ikke uansvarligt. Det er effektivt. Medarbejderen har en leasingaftale, der skal opsummeres, en noteoplysning, som er svær at placere, og en manager, der forventer et første udkast inden frokost. Værktøjet er hurtigt, velformuleret og gratis.

Men det ved ikke, hvilken opgave medarbejderen arbejder på. Det kender ikke væsentlighedsgrænsen, husker ikke de risici, teamet registrerede for tre uger siden, og har intet indblik i kontrolmiljøet fra sidste år. Og vigtigst af alt er det ikke forpligtet til at fortælle, når det gætter. Det, værktøjet producerer, ender i et arbejdspapir uden kilde, dokumentationsspor eller registrering af, hvem der har kontrolleret det.

Det er den reelle AI-risiko ved erklæringsopgaver: styring, ikke kapacitet.

Kapaciteten har aldrig været flaskehalsen

Lad os gøre op med forestillingen om, at de mest avancerede AI-modeller ikke er intelligente nok til professionelt arbejde. De klarer tests på kandidatniveau og kan ræsonnere sig gennem komplekse problemstillinger i flere trin. Hvis spørgsmålet alene handler om kapacitet, blev den diskussion afsluttet for længst.

Men der er forskel på at bestå en test og på at være egnet til at understøtte en faglig konklusion. Det er i spændet mellem de to, at AI ofte kommer til kort i revisionsarbejdet.

Casewares egen VP of AI and Methodology, som tidligere har arbejdet med standardfastsættelse, regulering og tilsyn, beskrev udfordringen meget direkte: En grundmodel uden tilpasning vil nogle gange levere et acceptabelt resultat, andre gange et fremragende resultat og indimellem et meget dårligt resultat. Det største problem er derfor ikke kvaliteten af det enkelte output, men den manglende ensartethed.

Revisorer lærer fra første dag at være skeptiske. En reviewproces kan ikke baseres på, at AI indimellem leverer et fremragende resultat. Der er brug for en løsning, som kan kalibreres og levere stabilt.

‍

De fem ting, en generel sprogmodel grundlæggende ikke kan give dig

Det er ikke en kritik af generelle AI-modellers evner, men en beskrivelse af, hvad de er udviklet til. En generel AI-assistent befinder sig uden for din revisionsopgave. Denne grundlæggende opbygning skaber fem mangler, som selv den bedste prompt ikke kan løse.

1. Den kender ikke konteksten for opgaven. Beder du en generel model om at identificere risici ud fra en saldobalance, får du sandsynligvis et plausibelt svar: Lagerbeholdningen er steget med 11 %, og marginerne er faldet. Begge dele kan være korrekt, men oplysningerne kan ikke stå alene. Modellen mangler den sammenhæng, som en kompetent revisor næsten automatisk skaber ved at koble udviklingen til bestyrelsesreferater, sidste års kontrolmiljø og kundens konkrete risikoprofil på det pågældende tidspunkt. Caseware Verity er et lag af agentisk AI, der er integreret i Caseware Cloud. Før Verity leverer et svar, analyserer løsningen oplysninger på tværs af den konkrete opgave, herunder saldobalance, regnskaber, registrerede risici, kontroller, væsentlighed, opgavedokumenter, tjeklister og virksomhedens egne vidensbaser.

2. Den forstår ikke sammenhængen mellem standarderne. Offentligt tilgængelige træningsdata indeholder omfattende information om revisionsstandarder. Det, de ikke nødvendigvis indeholder, er den faglige vurdering af, hvordan standarderne hænger sammen og fungerer i praksis. Tag eksempelvis SAS 145, som består af et komplekst netværk af krav, der løbende henviser til hinanden. Meget få standarder fungerer isoleret, og disse indbyrdes sammenhænge er ofte ikke synlige i træningen af en grundmodel. Caseware Veritys fagspecifikke intelligens er opbygget målrettet gennem strukturerede metoder og instruktioner. De indarbejder både sammenhængene mellem standarderne og virksomhedens egne metoder direkte i platformen.

3. Den kan ikke dokumentere sine egne svar. Dette punkt bør i sig selv afslutte diskussionen for alle, der har været igennem et tilsyn. Alle AI-understøttede resultater i Caseware Verity har kildehenvisninger og kan spores, inden de indgår i opgavefilen. Du kan se, hvilke oplysninger fra opgaven, standarder eller interne retningslinjer resultatet bygger på, og kontrollere kilden, før du handler på det. En chatbots overbevisende svar kan derimod være helt uden dokumenteret ophav. En påstand uden kilde er ikke revisionsbevis. Det er en ukendt afsenders vurdering, som du har overtaget.

4. Den kender ikke jeres adgangsmodel. Der er gode grunde til, at opgavefilen indeholder forskellige roller, adgangsbegrænsninger og funktionsadskillelse. Caseware Verity arbejder inden for de adgange og kontroller, virksomheden har konfigureret, og data holdes adskilt på opgaveniveau. En chatbot i en browser tager ikke hensyn til noget af dette, fordi den slet ikke ved, at det eksisterer.

5. Den ændrer sig, uden at du får besked. Offentligt tilgængelige modeller bliver løbende opdateret uden varsel, og deres adfærd kan ændre sig. Den prompt, der fungerede i marts, kan derfor give et andet resultat i juli. Caseware anvender en kontinuerlig evalueringsmodel, som gentager vurderingerne som en regressionstest, hver gang en ny model bliver lanceret. På den måde kan Caseware måle ændringerne og foretage de nødvendige tilpasninger, så virksomheder kan opbygge en pålidelig reviewproces omkring løsningen. I betaversionen opnåede Caseware Verity en nøjagtighed på 94 % målt mod et referencedatasæt baseret på faktiske brugsscenarier. Samtidig blev udvalgte manuelle arbejdsgange reduceret fra 15–20 minutter til under to minutter.

Den vigtigste kontrol: Menneskelig vurdering er indbygget i processen

Her er det designprincip, der bør skabe tryghed hos enhver partner, som skal lægge navn til en erklæring.

Intet bliver skrevet ind i opgavefilen, før et menneske har gennemgået og godkendt det. Det er indbygget direkte i produktet og er ikke blot en retningslinje, medarbejderne skal huske at følge. Caseware Verity fremhæver relevant kontekst, foreslår risici, udarbejder udkast, identificerer mangler og angiver kilder. Det er revieweren, der vurderer, tilpasser, accepterer eller tilsidesætter forslagene. Som Casewares team udtrykte det på CwX 2026: Den menneskelige dømmekraft er ukrænkelig. Casewares kriterier for fagligt forsvarlig AI i et reguleret miljø er, at resultaterne skal være autoriserede, afgrænsede, sporbare og forklarlige. Det kan være værd at vurdere jeres nuværende brug af AI ud fra disse fire kriterier: Autoriseret: Arbejder værktøjet inden for de adgange, som virksomheden rent faktisk har konfigureret?

Afgrænset: Arbejder det inden for en klart defineret opgave og metode, eller kan det bevæge sig i alle retninger? Sporbart: Kan du flere måneder senere dokumentere, hvor et resultat stammer fra, over for en person, der ikke blot vil tage dit ord for det? Forklarligt: Kan revieweren forstå ræsonnementet godt nok til at tage ansvar for resultatet? En generel chatbot kan fejle på alle fire punkter, nogle gange i betydelig grad. Det er også derfor, at agentiske løsninger består af specialiserede agenter frem for én generel løsning, der skal kunne det hele: En Disclosure Checklist Agent, der udarbejder forslag med kildehenvisninger, som du kan gennemgå, tilpasse, acceptere eller tilsidesætte direkte i arbejdsgangen. En Document Intelligence Agent, der overfører oplysninger fra kildedokumenter til arbejdspapirer. En Risk Suggestion Agent, der foreslår opgavespecifikke risici og forklarer baggrunden for dem. Det afgrænsede fokus er en styrke. Det er netop dét, der gør det muligt at gennemgå og kontrollere resultaterne.

Sikkerhed og fortrolighed: Det, dine kunder er optaget af

Dine kunders fortrolige finansielle oplysninger hører ikke hjemme i inputfeltet på en offentligt tilgængelig chatbot. Og den professionelle tavshedspligt indeholder ingen undtagelse, bare fordi det var hurtigere.

Caseware Verity er integreret i Caseware Cloud og bygger derfor på et sikkerhedsniveau udviklet til virksomheder frem for et, der er blevet tilføjet efterfølgende. Det omfatter SOC 2 Type II- og ISO 27001-certificering, AES-256-kryptering af lagrede data og TLS-kryptering under overførsel med administreret rotation af krypteringsnøgler, multifaktorgodkendelse og rollebaseret adgangskontrol, adskillelse af data på opgaveniveau, logisk adskillelse af kundedata, fastlagte regioner for datalagring, kontinuerlig overvågning med endpoint-detektion og centraliseret logning, årlige uafhængige revisioner, penetrationstest og dobbelt fagfællebedømmelse af kodeændringer. Prompts, dokumenter og kundedata bliver ikke brugt til at træne de underliggende sprogmodeller.

Sammenlign det med det ærlige svar, mange virksomheder ville være nødt til at give en kunde, der spurgte, hvad der skete med deres oplysninger i sidste højsæson: Det er vi ikke helt sikre på.

Der er også en bredere pointe. Et sikkert, godkendt og opgaveorienteret værktøj er en af de mest effektive måder at eliminere brugen af uautoriseret AI på. Medarbejdere benytter ikke ikke-godkendte værktøjer af skødesløshed. De gør det, fordi de godkendte alternativer endnu ikke er gode nok. Løs det sidste problem, så forsvinder det første i vid udstrækning af sig selv.

Det ubehagelige spørgsmål

Nyere undersøgelser viser, at AI nu er blevet en central del af revisions- og regnskabsvirksomheder i USA, og at samtalen har flyttet sig fra implementering til kontrol. Det skift er helt afgørende. Spørgsmålet er ikke, om jeres virksomhed bruger AI. Det gør den allerede, uanset om I har godkendt det eller ej.

Spørgsmålet er, om brugen er styret, dokumenteret og fagligt forsvarlig, eller om I først opdager, hvordan AI er blevet anvendt, ved jeres næste tilsyn.

Caseware Verity findes, fordi svaret på det spørgsmål ikke bør overlades til tilfældighederne eller afhænge af, hvilken fane medarbejderen tilfældigvis har åben.

Se, hvordan ansvarlig og kontrolleret AI fungerer i praksis i en konkret opgave. Book en demo af Caseware Verity →