Den stille ekspertisekløft, som AI skaber i regnskab – Og hvordan man lukker den

Der udspiller sig en paradoks i regnskabsverdenen. Automatisering frigør kapacitet over firmaer, hvor 80% oplever en stigende efterspørgsel efter finansielle planer og forretningsstrategi. Men her er problemet: Da AI håndterer mere af det detaljerede overholdelsesarbejde, mister regnskabsfolk deres tekniske dybde, som tidligere byggede deres ekspertise. De tilbringer ikke længere timer med at dykke dybt i en klients finanser, hvor de kan spotte anomalier, som kun kommer fra en intim bekendtskab med tallene. Erfarne regnskabsfolk, der blev uddannet “før AI”, vil beholde denne evne – de har gjort nok håndtering, så de ikke glemmer det. Men nye medarbejdere har en lettere vej og er derfor i risiko for at udvikle en mere overfladisk ekspertise.

Det kan siges meget enkelt: AI accelererer efterspørgslen efter højere værdi-rådgivningsarbejde på det præcise tidspunkt, hvor det risikerer at udhule de tekniske grundlag, der er nødvendige for at levere det. Og markedet afspejler denne ændring. Den globale regnskabsrådgivningsmarked forventes at vokse fra 101,62 milliarder dollars i 2024 til 165,15 milliarder dollars i 2034. Fremtidens vækstmulighed er tydelig: Den ligger i rådgivning, ikke overholdelse. Men da den sidste afhænger af den første, hvordan kan firmaer lukke denne kløft? Svaret ligger i, hvordan AI gendefinerer ekspertise selv.

Ekspertise-erosionsproblemet

Når en regnskabsmedarbejder bruger 20 timer på at forberede en selskabsskatteregnskab manuelt, udvikler de en intuitiv forståelse af kundens virksomhed. De bemærker, når udgifterne til forskning og udvikling pludselig stiger. De markerer, når lønninger ikke er i overensstemmelse med vækstkurven. De bygger mønstergenkendelse, som bliver til rådgivningsindsigt.

Automatisering strømliner meget af dette. 95% af regnskabsfolk siger, at teknologi har hjulpet med at reducere tiden, der bruges på overholdelsesopgaver. Men den ubehagelige sandhed er denne: Deres medarbejdere har ikke længere brug for at kende detaljerne om kunder, som de tidligere gjorde. De har ikke evnen til at gå så dybt ind i visse områder. Og udfordringen er: Hvordan bygger man rådgivningsfærdigheder, når folk ikke har brugt år på at lære virksomheden gennem overholdelsesarbejde?

Sandheden er, at teknisk dybde og rådgivningsevne er forskellige færdighedssett. Den ene oversætter ikke automatisk til den anden. At udvikle regnskabsfolk til at blive gode rådgivere kræver udvikling af forbedrede færdigheder som strategisk tænkning, rådgivningsmetoder og forretningsempati. Disse er ikke færdigheder, man tilegner sig gennem osmosis. De kræver bevidst udvikling. Og hvordan firmaer responderer på denne kløft, er allerede ved at forme meget forskellige fremtider for faget.

To fremtider, der tegner sig

Regnskabsfaget i 2026 vil ikke være et ensartet landskab. Vi ser en vækstende kløft tage form mellem firmaer, der tilpasser sig strategisk, og dem, der endnu ikke er begyndt på deres AI-reise.

Progressive firmaer, der allerede er AI-klare, fokuserer på at omdanne deres arbejdsstyrke til mere rådgivningsroller. De demokratiserer rådgivningsarbejde ved at udnytte software, der understøtter kundesamtaler, pakker viden, som juniorpartnere historisk ikke ville have haft adgang til. Juniorpersonale kan træde ind i rådgivningsroller tidligere, udstyret med indsigt, som tidligere ville have taget år at opbygge.

Imens er mange mindre firmaer stadig ved at forsøge at komme på AI-bølgen og blive mere datakyndige, arbejdende for at sikre, at deres arbejdsstyrke kan være tillidsfulde rådgivere på alle måder. Og så er der firmaer med partnere, der snart skal pensioneres, som ikke diskuterer AI overhovedet. Det er disse firmaer, hvor ekspertisekløften rammer hardest: nye medarbejdere udvikler ikke samme dybde som tidligere generationer, og de er også meget sværere at rekruttere. Det er derfor, 94% af regnskabsledere verden over siger, at talent- og rekrutteringsudfordringer vil begrænse deres evne til at vokse. Firmaer, der ikke udvikler sig, mister ikke kun effektivitetsgevinster – de bliver også mere og mere ude af stand til at konkurrere om det talent, de har brug for for at overleve.

Arbejdsprocessen vs. chatbot-problemet

Selv blandt firmaer, der aktivt investerer i AI, er der noget, der holder mange tilbage: Hvordan de tænker om AI-adoptionsprocessen. Mange eksperimenterer med offentlige LLM’er som ChatGPT, hvor de behandler AI som en forskningsassistent snarere end som infrastruktur, der er integreret i deres overholdelsesarbejdsprocesser.

Men rådgivningsstyrke bygges på overholdelsesstyrke. Firmaer kan kun frigøre kapaciteten til dybere kundesamtaler, hvis de dramatisk reducerer deres tid til overholdelse. Og det opnår man ikke med bolt-on chatbots. Man opnår det ved at integrere automatisering og AI direkte, hvor overholdelsesarbejdet faktisk sker.

LLM’er er kraftfulde, men de har begrænsninger. De er fremragende til at arbejde med naturligt sprog – sammenfatte forskning, forklare begreber, besvare spørgsmål – men de kan ikke udføre komplekse beregninger eller datasikker kvantitativ analyse, som regnskab kræver.

Det er derfor, firmaer, der ser rigtig ROI, ikke bare prompter ChatGPT. De adopterer AI-naturlige funktioner, der sidder inden for deres bogførings- og overholdelsesstak – værktøjer, der automatiserer afstemninger, markerer overholdelsesproblemer og fremhæver indsigt fra finansielle data som en del af arbejdsprocessen. Når overholdelse automatiseres på stedet, flyder indsigtene naturligt over i rådgivning, hvilket giver regnskabsfolk rigere samtalestartere og mere værditilføjet kontekst for kunder.

Men selv de rigtige værktøjer vil ikke give resultater uden de rigtige færdigheder. 71% af regnskabsfolk og bogførere er klar til at opgradere deres AI-færdigheder, men færre end en fjerdedel modtager AI-relateret træning fra deres firmaer. Den kløft mellem entusiasme og enablement er ved at blive en kritisk flaskehals – for stærk rådgivning er ikke kun drevet af automatiseret overholdelse, men også af mennesker, der kan omdanne disse indsigt i samtaler.

Hvad der faktisk skal ske

Firmaer, der vil dominere i 2026 og derefter, er ikke nødvendigvis dem med den mest avancerede AI. De vil være dem, der har forbundet punkterne mellem deres teknologi, deres færdighedsstrategi og deres forretningsmodel.

Det betyder en del ting:

Først og fremmest betyder det at træffe en beslutning om firmaets retning. Bygger man en rådgivningspraksis eller fokuserer man på overholdelse? Begge er gyldige, men træningsinvesteringer, rekrutteringsprofiler og teknologiudvalg ser helt forskellige ud for hvert spor. Firmaer, der kæmper mest, er dem, der forsøger at balancere begge uden klarhed.

Anden, det betyder at erkende, at AI-adoptionsprocessen ikke kun er et teknologiprojekt. Det er et arbejdsstyrke-transformationprojekt. Man kan ikke bare købe software og forvente resultater. Man har brug for styre- og ledelsesrammer, træningsprogrammer og kulturel forandringsledelse.

Tredje, vær bevidst om, hvordan man udvikler rådgivningsfærdigheder i teamet. Det kan se ud som at parre juniorpersonale med seniorrådgivere på kundesamtaler, oprette struktureret træning eller udnytte software, der fremhæver kundes indsigt for rådgivningssamtaler. Firmaer, der får dette rigtigt, overlader ikke rådgivningsudvikling til tilfældigheder.

Den ansvarlighed, der betyder noget

En ting er sikker – 2026 vil gøre det klart, hvilke firmaer har behandlet AI som en ægte strategisk prioritet og hvilke, der kun har eksperimenteret omkring kanterne. Kløften mellem ledere og efternølere er ved at åbne sig hurtigt.

Men – og her er den opmuntrende del – faget har altid tilpasset sig teknologiske ændringer. Excel gjorde ikke regnskabsfolk overflødige. Cloud-regnskab eliminerede ikke firmaer. Og AI vil heller ikke gøre det. Hvad det vil gøre, er at belønne firmaer, der nærmer sig det som en mulighed for at grundlæggende omdefinere, hvordan de bygger ekspertise, betjener kunder og udvikler deres medarbejdere.