Högskolan i Skövde

Bakgrund: De senaste decenniernas framsteg inom AI har gjort att det finns en förväntan att de flesta revisionsbyråer ska implementera AI och att det mer eller mindre blivit ett krav på att revisorerna ska acceptera den teknologi som införs i organisationen. Mycket av den forskning som gjorts om AI inom revision är på en global nivå. Däremot finns det inte så mycket forskning kring AI inom revision i Sverige.

Syfte: Syftet med studien är att redogöra för vad som driver revisorernas acceptans till användningen av AI-verktyg. Genom detta vill vi få insikt i revisorernas perspektiv på att använda AI-verktyg i revisionsprocessen. Området är viktigt att undersöka eftersom oförmåga och ovilja hos revisorer att använda ny teknologi kan orsaka utmaningar och leda till negativa konsekvenser när det gäller att utföra revisionstjänster. Genom att få insikt i vilka faktorer som har inverkan på revisorernas teknologiacceptans kan denna kunskap tillämpas för att bearbeta åtgärder i förebyggande syfte att acceptera och använda sig av den AI som implementeras, speciellt till de användargrupper som i lägre grad kan vara benägna att ta till sig ny teknologi.

Teoretisk referensram: Den teoretiska referensramen redogör för den teori och de begrepp som ligger till grund för studien. Studien grundar sig i teknologiacceptansmodellen Unified theory of acceptance and use of technology (UTAUT). De fyra faktorer som identifieras i teorin genomsyrar studien eftersom de spelar en avgörande roll hur användaren accepterar och använder ny teknologi. Teorin används som grund och stöd i vårt arbete för att uppfylla studiens syfte och besvara vår frågeställning.

Metod: Studien bygger på en kvalitativ metod och har genomförts med semi-strukturerade intervjuer. De deltagande respondenterna arbetar inom extern revision och är antingen auktoriserade revisorer, revisorsassistenter eller IT-experter som har koppling till AI och revision. Den insamlade empirin har analyserats med hjälp av en tematisk analys.

Slutsats: Studiens slutsats indikerar att prestationsförväntningar är den faktor som utmärker sig mest som motiverar revisorernas acceptans till AI. Även socialt inflytande är en faktor som har inverkan. Under förväntad ansträngning identifierades risk för fel och villighet att använda AI som hade inflytande på acceptansen medan IT-kompetens inte har någon märkbar inverkan. Studien visar att vid underlättande förhållanden är det risker med AI och förtroende för infrastrukturen som har inverkan på acceptansen medan utbildning inte har det.

Background: The advances in AI in recent decades have meant that there is an expectation that most audit firms will implement AI and that it has become a requirement for the auditors to accept the technology that is introduced in the organization. Much of the research that has been done on AI in auditing is on a global level. On the other hand, there isn’t much research done on AI within auditing in Sweden. 

Purpose: The purpose of this study is to account for what drives auditors' acceptance of the use of AI. Through this, we want to gain insight into the auditors' perspective on using AI tools in the audit process. This area is important to investigate because the inability and unwillingness of auditors to use new technologies can cause challenges and lead to negative consequences when it comes to performing audit services. By gaining insight into the factors that have an impact on the auditors' technology acceptance, this knowledge can be applied to process measures in preventive purpose to accept and use the AI that is implemented, especially to the user groups that to a lesser extent may be inclined to adopt new technology. 

Theoretical framework: The theoretical framework describes the theory and concepts that form the basis of our study. The study is based on the technology acceptance model Unified theory of acceptance and use of technology, UTAUT. The four factors identified in the theory permeate our study because they play a crucial role in how the user accepts and uses new technology. The theory is used as a basis and support in our work to fulfill the purpose of the study and answer our research question. 

Method: The study is based on a qualitative method and has been conducted with semistructured interviews. The participating respondents work in external auditing and are either chartered accountants, auditor assistants or IT experts connected to AI and auditing. The collected empirical data has been analyzed using a thematic analysis. 

Conclusion: This study’s conclusion indicate that performance expectations are the most outstanding factor that motivates auditors' acceptance to AI. Social influence is also a factor that has an impact. During the expected effort, risk of error and willingness to use AI were identified that had an impact on acceptance, while IT skills have no noticeable impact. The study shows that in facilitating conditions, it is the risks of AI and trust in the infrastructure that have an impact, while education does not.