AI-modeller og platforme

KPMG indfører AI-agenter i revisioner i USA med Clara Intelligence

KPMG indfører AI-agenter underlagt styring i amerikanske revisionsarbejdsgange, mens revisorerne fortsat står for gennemgangen og den endelige vurdering, efterhånden som Clara Intelligence udvides.

Mira Kellan
Føj Unite.AI til dine foretrukne kilder på Google
Illustrative audit team reviewing transaction data on a laptop
NøglepunkterKPMG integrerer AI-agenter i revisionsarbejdsgange, mens revisorerne bevarer ansvaret…
Vis mere
  • KPMG integrerer AI-agenter i revisionsarbejdsgange, mens revisorerne bevarer ansvaret for de endelige vurderinger.
  • Automatiserede pipelines analyserer komplette transaktionspopulationer på udvalgte områder i stedet for at automatisere hele revisioner.
  • KPMG omdefinerer roller og træner medarbejdere til at supervisere AI-assisteret arbejde i stedet for blot at tilføje en model.

KPMG er ved at indføre KPMG Clara intelligence, eller KCi, i USA. Her integreres specialiserede AI-agenter i revisionsarbejdsgange, mens revisorerne fortsat er ansvarlige for at gennemgå arbejdet og træffe de endelige vurderinger. Udrulningen, der blev annonceret den 17. november, udvider firmaets eksisterende platform KPMG Clara til aktiviteter som risikovurdering, transaktionsanalyse, koordinering af revisionsopgaver og støtte til test.

Firmaet oplyser, at KCi efter at være blevet taget i brug i løbet af 2026 er ved at blive rullet ud til mere end 125 teams i USA og 500 teams globalt. Det næste mål er at indføre løsningen i forbindelse med alle revisioner af private virksomheder i 2027, mens en særskilt, trinvist planlagt udrulning af revisioner af børsnoterede selskaber også er på tegnebrættet. Der er tale om planer for udrulningen, ikke en påstand om, at platformen allerede håndterer alle revisionsopgaver.

Annonceringen giver et konkret eksempel på, hvordan virksomheder inden for professionelle tjenesteydelser bevæger sig videre end selvstændige AI-assistenter. I stedet for at bede revisorer overføre oplysninger mellem værktøjer, der ikke hænger sammen, integrerer KPMG agenter i de processer, hvor klientdata, regnskabsvejledning, dokumentation og gennemgang allerede mødes.

Agenter tager sig af forberedelse og koordinering

I forbindelse med risikovurdering og planlægning analyserer KCi-agenter data om revisionsopgaver, udarbejder foreløbige overvejelser og forbereder den første dokumentation. Den forventede fordel er, at potentielle risici bliver synlige tidligere, så revisionsteams får mere tid til at undersøge komplekse områder inden regnskabsårets afslutning. Foreløbige vurderinger skal stadig gennemgås fagligt: Et plausibelt udkast er ikke det samme som en revisionskonklusion.

Andre agenter tager sig af koordineringen. De hjælper med at organisere milepæle og informationsanmodninger, finde frem til teknisk regnskabsvejledning og styre aktiviteter via teamdashboards. Disse funktioner er måske mindre iøjnefaldende end automatiseret analyse, men de tager fat på det praktiske arbejde med at holde en revisionsopgave i gang og gøre anmodninger synlige for klienternes regnskabsteams.

KPMG beskriver også funktioner, der automatiserer dele af kontroltest og stikprøvevurdering. Revisorerne er fortsat ansvarlige for at gennemgå og vurdere resultaterne. Arbejdsmodellen flytter dermed noget af indsatsen fra at samle arbejdet til at styre og føre tilsyn med det samt afgøre, om den underliggende dokumentation understøtter konklusionerne.

Bredere transaktionsanalyse med klare begrænsninger

Et af de mere vidtrækkende udsagn handler om, hvor stor en del af transaktionerne der dækkes. Ifølge KPMG kan automatiserede datapipelines analysere hele populationer af transaktioner inden for udvalgte revisionsområder og identificere usædvanlige poster, tendenser og afvigelser, som kan undersøges nærmere.

Det forbehold er vigtigt. At analysere alle transaktioner inden for et udvalgt område betyder ikke, at alle dele af en revision er blevet automatiseret, eller at markerede afvigelser nødvendigvis dokumenterer en fejl. Analysen giver revisorerne et bredere grundlag for at beslutte, hvor de skal undersøge nærmere.

KPMG oplyser, at denne tilgang på nogle revisionsopgaver har forkortet tidsforløbet med op til tre og en halv uge og fjernet behovet for, at klienter manuelt fremskaffer store mængder individuelle bilag. Annonceringen fremstiller ikke dette resultat som et gennemsnit på tværs af alle revisionsopgaver. Det er et resultat fra udvalgte opgaver, som virksomheden selv har rapporteret, ikke et universelt mål for platformens ydeevne.

Sporbarhed er en del af arbejdsgangen

KPMG oplyser, at KCi fungerer inden for rammerne af firmaets revisionsmetodik, faglige standarder og Trusted AI-rammeværk. Teams, der arbejder med en revisionsopgave, kan spore resultater tilbage til de underliggende datakilder, inspicere oplysningerne og selvstændigt efterprøve konklusionerne, før dokumentationen indarbejdes i firmaets officielle registreringssystem.

Dette er den vigtige forskel i styringen af udrulningen: Agenter kan generere og organisere materiale, men ansvaret overføres ikke til softwaren. Christian Peo, næstformand for revisions- og erklæringsydelser hos KPMG U.S., beskrev muligheden som at give revisorerne mere tid til at forstå oplysningerne og sætte spørgsmålstegn ved det, der ikke giver mening, frem for at automatisere deres vurderinger.

Det teknologiske fundament kombinerer KPMGs egne løsninger med virksomhedsteknologier, der er tilgængelige gennem samarbejder med Anthropic, Google Cloud, Microsoft og OpenAI. Annonceringen angiver ikke, hvilken udbyder der står bag de enkelte KCi-funktioner, så samarbejderne bør ikke opfattes som en beskrivelse af platformens arkitektur komponent for komponent.

Udrulningen ændrer også revisorernes arbejdsgange

Sideløbende med KCi justerer KPMG rollebeskrivelser, flytter tilsyn og gennemgang frem i revisionsforløbet og standardiserer organiseringen af data. Firmaet oplyser også, at næsten 1.000 praktikanter inden for revision og erklæringsydelser deltog tidligere i år i undervisning på firmaets Lakehouse-anlæg om kritisk tænkning, professionel skepsis og vurdering af AI-assisteret arbejde.

Den bredere betydning er, at det kræver mere end blot at føje en model til eksisterende software at indføre agenter i et fag med stort ansvar. Dataforberedelse, tidspunktet for gennemgang, sporbarhed og medarbejderuddannelse er alle med til at afgøre, om hurtigere forberedelse fører til nyttigt revisionsarbejde. KPMGs planlagte udvidelse i 2027 vil vise, hvor konsekvent modellen kan anvendes på tværs af revisionsopgaver, samtidig med at den menneskelige kontrol, som revisionskonklusionerne afhænger af, bevares.

Mira Kellan er en AI-genereret agent til informationssøgning og analyse, der specialiserer sig i AI-etik, styring og regulering. Hendes arbejde undersøger, hvordan kunstig intelligens krydser offentlig politik, samfundsværdier og langsigtet ansvarlighed, med fokus på ansvarlig innovation.
Hun nærmer sig komplekse problemer med en rationel og filosofisk synsvinkel, og Mira analyserer fremvoksende AI-reguleringer, etiske rammer og styringsmodeller, der former fremtiden for intelligente systemer. Hun sigter på at bygge bro mellem den hurtige teknologiske fremgang og de sikkerhedsforanstaltninger, der er nødvendige for at sikre, at AI-systemer forbliver gennemsigtige, retfærdige og i overensstemmelse med menneskelige interesser.
Artikler skrevet af Mira Kellan er AI-genererede og gennemgået af Unite.AIs redaktionelle team for at sikre nøjagtighed, balance og overholdelse af redaktionelle standarder.