Högskolan i Skövde

Bakgrund: Artificiell intelligens (AI) förändrar revisionens planering, granskning och rapportering genom effektivisering och förbättrad riskidentifiering. Samtidigt påverkas revisorns kompetenskrav och möjligheten att utveckla praktisk kunskap när arbetsmoment automatiseras.

Syfte: Syftet med studien är att undersöka hur revisorer upplever att AI har förändrat revisionsprocessen samt deras profession i form av kunskapsutveckling och kompetenskrav.

Teoretisk referensram: Denna studie utgår från professionsteorin samt begreppen tyst och explicit kunskap. Dessa teoretiska utgångspunkter används för att analysera hur revisorers yrkesutövning formas och vilka krav som ställs på deras professionella kompetens i en kontext där AI integreras i revisionsarbetet.

Metod: Studien bygger på en kvalitativ forskningsansats där fem revisorer från olika revisionsbyråer intervjuats genom semistrukturerade intervjuer. Materialet har analyserats med tematisk analys, där empirin tolkats i relation till revisionsprocessens tre faser samt revisorns kunskap och kompetens.

Slutsats: AI används främst i planerings- och granskningsfasen för att underlätta informationsinsamling, riskbedömning och dataanalys, medan rapporteringen fortfarande kräver professionellt omdöme. Tekniken stärker tillgången till explicit kunskap men kan begränsa juniora revisorers utveckling av tyst kunskap. Samtidigt medför AI nya kompetenskrav där digital förståelse måste förenas med traditionella kunskaper, kritiskt tänkande och etiskt ansvar. Revisionen utvecklas därmed mot en hybridform där mänsklig expertis och tekniskt stöd samverkar.

Background: Artificial intelligence (AI) changes the planning, auditing, and reporting of auditing through efficiency improvements and enhanced risk identification. At the same time, the auditor’s competence requirements and the possibility to develop practical knowledge are affected when work tasks are automated.

Purpose: The purpose of this study is to explore how auditors perceive AI has changed the audit process and their profession in terms of knowledge development and competence requirements.

Theoretical Framework: The study applies professional theory, which emphasises the role of knowledge, experience, independent judgment, and legitimacy in defining a profession. In addition, the concepts of tacit and explicit knowledge are used to analyse how AI reshapes learning conditions and competence development in auditing.

Method: A qualitative research approach was adopted, consisting of semi-structured interviews with five auditors from different audit firms. The data were analysed thematically, structured around the three phases of the audit process and the auditors’ experiences of knowledge and competence.

Conclusion: AI is mainly used in planning and auditing to support information gathering, risk assessment, and data analysis, while reporting still relies on professional judgment. It enhances access to explicit knowledge but may hinder junior auditors’ tacit learning. At the same time, AI demands digital skills combined with traditional knowledge, critical thinking, and ethical responsibility, leading to a hybrid form where human expertise and technology interact.