Hvordan agentic AI forbedrer revisionskvaliteten inden for en menneskestyret ramme

I vores forrige artikel definerede vi agentic AI som en governance-styret videreudvikling af kunstig intelligens, der er udviklet til at understøtte revisionsworkflowet og regnskabsprocesser. I modsætning til promptbaserede værktøjer er agentic AI-systemer designet til at arbejde kontinuerligt med at understøtte strukturerede mål.

Det naturlige næste spørgsmål er: Hvordan fungerer det egentlig i praksis under en revisionsopgave? Og når man først forstår svaret, melder det næste spørgsmål sig hurtigt: Er jeres infrastruktur klar til at understøtte det?
‍

Sådan fungerer agentic AI i praksis
En god måde at forstå agentic AI på er at se det som en tilbagevendende operationel proces:

Forbered → Analysér → Gennemgå

Det er ikke en fast model, men den illustrerer, hvordan agentic AI understøtter professionelle arbejdsgange.

Først forbereder systemet. Det er designet til løbende at overvåge relevante data fra revisionsopgaven, fremdriften i arbejdsprocesserne og foruddefinerede triggere inden for fastlagte rammer.

Dernæst analyserer det. På baggrund af kontekstbaserede regler og målene for revisionsopgaven vurderer systemet de mest relevante næste skridt. Det kan eksempelvis identificere uoverensstemmelser, fremhæve ufuldstændige revisionshandlinger eller pege på potentielle risikoindikatorer ud fra opgavens kontekst og foruddefinerede kriterier.

Til sidst understøtter det gennemgangen. Systemet kan udarbejde udkast til dokumentation, markere potentielle mangler eller eskalere problemstillinger i henhold til fastlagte tærskler – altid inden for de gældende governance-rammer.

Systemet leverer vejledning og anbefalinger inden for klart definerede rammer.

Designet til menneskelig styring

Inden for professionelle serviceydelser er uafhængighed og ansvarlighed ikke til forhandling. Derfor er agentic AI designet til at fungere under menneskelig styring.

Faglige vurderinger, konklusioner og godkendelser er fortsat de kvalificerede fagpersoners ansvar. Systemet understøtter dette ansvar ved at reducere administrative opgaver og skabe bedre overblik over revisionsopgaven.

Denne menneskestyrede tilgang omfatter typisk:

• Rollebaserede adgangsrettigheder

• Definerede godkendelsespunkter

• Eskaleringsprocesser

• Tydelige revisionsspor og datalinje

Systemerne arbejder inden for virksomhedens egne metoder og processer og understøtter dermed den etablerede praksis frem for at erstatte den.

I stedet for at erstatte fagpersoner styrker agentic AI professionens fokus på professionel skepsis og veldokumenterede konklusioner.
‍

Governance er fundamentet

Et af de vigtigste kendetegn ved agentic AI i revisionsmiljøer er governance. For virksomheder, der opererer i regulerede brancher, er dette den afgørende forskel.

Robuste implementeringer bygger governance ind gennem blandt andet:

• Sporbare dataflows

• Dokumenteret regelgrundlag

• Klart definerede tærskler for handling

• Mekanismer til overvågning og eskalering

Uden governance kan avanceret automatisering introducere nye risici. Med governance styrker den tilliden.

‍
Den praktiske betydning for revisionskvaliteten
‍
Når agentic AI implementeres gennemtænkt, kan teknologien understøtte flere aspekter af revisionskvaliteten. Ved at arbejde inden for klart definerede rammer kan den:

• Hjælpe med at identificere problemstillinger tidligere i revisionsforløbet.

• Bidrage til at reducere behovet for efterarbejde ved at identificere potentielle mangler, før revisionsopgaven når gennemgangsfasen.

• Understøtte større ensartethed på tværs af teams ved at styrke standardiserede arbejdsgange og virksomhedens fastlagte metoder.

• Styrke dokumentationens robusthed og forsvarlighed.

Det er vigtigt at understrege, at disse fordele ikke opstår automatisk. De afhænger af et solidt datagrundlag, et gennemtænkt systemdesign og aktiv faglig involvering.

Teknologi understøtter kvalitet. Governance sikrer, at kvaliteten fastholdes.

Hvilke krav stiller det til jeres infrastruktur?

Alt det, der er beskrevet ovenfor – herunder løbende overvågning, kontekst på tværs af revisionsopgaver og governance-baseret beslutningsstøtte – forudsætter en sammenhængende platform, hvor data fra revisionsopgaver, arbejdsgange og den faglige kontekst samles.

Virksomheder, der primært arbejder med desktopbaseret infrastruktur, kan opleve begrænsninger i, hvor konsekvent disse muligheder kan anvendes. AI kan ganske vist understøtte enkeltstående opgaver – som at udarbejde udkast til opsummeringer eller udføre specifikke kontroller – men det er mere udfordrende at koordinere aktiviteter på tværs af hele revisionsforløbet, bevare en fælles kontekst og sikre ensartet governance i miljøer, hvor data er spredt på lokale filer.

Clouden er ikke blot et bedre sted at opbevare filer. Den er det fundament, som AI-understøttede arbejdsgange bygger på.

Mulighederne med Caseware Cloud

Caseware Cloud er udviklet til at understøtte disse krav. Platformen udgør det governance-fundament, som agentic AI er afhængig af, og forbinder den operationelle proces, der er beskrevet ovenfor, med arbejdsgangene i revisionsopgaven.

I praksis betyder det:

• AI-funktioner, der er integreret i arbejdsprocesserne og understøtter flere faser af revisionsforløbet.

• Et miljø, hvor AI-understøttede resultater er designet til at være autoriserede, sporbare og knyttet til en ansvarlig fagperson.

• Automatisering, der følger virksomhedens metode og arbejder inden for jeres standarder.

• Sikkerhed på enterprise-niveau.

• En fælles kontekst på tværs af revisionsopgaver, hvor det er tilladt, som over tid kan understøtte identifikation af risici.

Forbered jer allerede nu

Overgangen til agentic AI er allerede i gang i revisionsbranchen. Virksomheder, der arbejder på cloudbaserede platforme, er begyndt at automatisere dele af revisionsarbejdet med AI-understøttede resultater, der er udviklet til at være governance-styrede, veldokumenterede og knyttet til en ansvarlig fagperson. Samtidig opbygger de noget, der er mindre synligt, men mindst lige så vigtigt: organisatorisk erfaring med cloudbaserede arbejdsgange. Det bliver stadig vigtigere i takt med, at AI-teknologien udvikler sig.

Virksomheder, der fortsat arbejder i et desktopmiljø, vil fortsat kunne bruge AI til at understøtte specifikke opgaver. Men det er vanskeligere at koordinere arbejdet på tværs af arbejdsgange, bevare en fælles kontekst og sikre ensartet governance.

Agentic AI ændrer ikke på, hvem der har ansvaret for revisionskvaliteten. Den ændrer, hvor konsekvent dette ansvar kan understøttes. Spørgsmålet er derfor ikke, om agentic AI er på vej. Spørgsmålet er, om jeres infrastruktur er klar til at tage imod den.

Vil I vide mere om, hvad agentic AI kan betyde for jeres virksomhed? Kontakt os, og hør, hvordan Caseware Cloud kan understøtte jeres overgang til den næste generation af AI-understøttede revisionsarbejdsgange.