AI-modeller og plattformer
KPMG tar AI-agenter inn i amerikanske revisjoner med Clara Intelligence
KPMG tar i bruk KI-agenter med klare styringsrammer i revisjonsarbeidet i USA, samtidig som revisorene beholder ansvaret for gjennomgang og endelig vurdering etter hvert som Clara Intelligence utvides.

Viktige punkterKPMG integrerer AI-agenter i revisjonsarbeidsflyter mens revisorer beholder ansvaret…
Vis mer
- KPMG integrerer AI-agenter i revisjonsarbeidsflyter mens revisorer beholder ansvaret for endelige vurderinger.
- Automatiserte prosesser analyserer komplette transaksjonspopulasjoner i utvalgte områder i stedet for å automatisere hele revisjoner.
- KPMG omdefinerer roller og trener ansatte til å overvåke AI-assistert arbeid i stedet for bare å legge til en modell.
KPMG ruller ut KPMG Clara-intelligens, eller KCi, i USA. Løsningen integrerer spesialiserte AI-agenter i revisjonsarbeidsflyten, samtidig som revisorene fortsatt har ansvaret for å gjennomgå arbeidet og treffe de endelige vurderingene. Utrullingen ble kunngjort 17. november og utvider bruken av selskapets eksisterende plattform KPMG Clara til aktiviteter som risikovurdering, transaksjonsanalyse, koordinering av revisjonsoppdrag og støtte til testing.
Selskapet opplyser at KCi har blitt rullet ut til mer enn 125 team i USA og 500 team globalt etter bruk i løpet av 2026. Neste mål er å ta løsningen i bruk i alle revisjoner av private selskaper i 2027, med en separat, trinnvis utrulling planlagt for revisjoner av børsnoterte selskaper. Dette er planer for utrulling, ikke en påstand om at plattformen allerede håndterer alle revisjonsoppdrag.
Kunngjøringen er et konkret eksempel på hvordan selskaper innen profesjonelle tjenester går videre fra frittstående AI-assistenter. I stedet for å be revisorer overføre informasjon mellom verktøy som ikke er koblet sammen, plasserer KPMG agentene i prosessene der kundedata, regnskapsfaglig veiledning, dokumentasjon og gjennomgang allerede møtes.
Agentene tar seg av forberedelser og koordinering
Når det gjelder risikovurdering og planlegging, analyserer KCi-agentene data om revisjonsoppdraget, utarbeider foreløpige vurderinger og forbereder førsteutkast til dokumentasjon. Hensikten er å gi tidligere innsikt i mulige risikoer, slik at revisjonsteamene får mer tid til å undersøke komplekse områder før årsslutt. Foreløpige vurderinger må fortsatt evalueres faglig: Et sannsynlig utkast er ikke det samme som en revisjonskonklusjon.
Andre agenter tar seg av koordineringen. De bidrar til å organisere milepæler og informasjonsforespørsler, finne fram relevant regnskapsfaglig veiledning og administrere aktiviteter via teamdashbord. Disse funksjonene er kanskje mindre synlige enn automatisert analyse, men de bidrar til det praktiske arbeidet med å holde revisjonsoppdraget i gang og gjøre forespørsler synlige for kundenes regnskapsteam.
KPMG beskriver også funksjoner som automatiserer deler av kontrolltestingen og vurderingen av utvalg. Revisorene har fortsatt ansvaret for å gjennomgå og evaluere resultatene. Arbeidsmodellen flytter dermed noe av innsatsen fra å sammenstille arbeidet til å styre og føre tilsyn med det, og til å avgjøre om det underliggende bevismaterialet underbygger funnene.
Bredere transaksjonsanalyse, med tydelige begrensninger
Et av de mer omfattende utsagnene gjelder dekningen av transaksjoner. Ifølge KPMG kan automatiserte datapipelines analysere hele transaksjonsgrunnlaget innenfor utvalgte revisjonsområder og identifisere uvanlige poster, trender og avvik som bør undersøkes nærmere.
Dette forbeholdet er viktig. Å analysere alle transaksjoner innenfor et utvalgt område betyr ikke at alle deler av en revisjon er automatisert, eller at avvik som flagges, nødvendigvis påviser en feil. Analysen gir revisorene et bredere utgangspunkt for å avgjøre hvor de bør undersøke nærmere.
KPMG opplyser at tilnærmingen i enkelte revisjonsoppdrag forkortet tidslinjene med opptil tre og en halv uke og fjernet behovet for at kundene manuelt måtte hente fram store mengder individuelle underlagsdokumenter. Kunngjøringen framstiller ikke dette som et gjennomsnitt for alle revisjonsoppdrag. Det er et resultat selskapet rapporterer fra utvalgte oppdrag, ikke et universelt mål på plattformens ytelse.
Sporbarhet er en del av arbeidsflyten
KPMG opplyser at KCi følger selskapets revisjonsmetodikk, profesjonelle standarder og Trusted AI-rammeverk. Revisjonsteamene kan spore resultatene tilbake til de underliggende datakildene, undersøke informasjonen og uavhengig bekrefte funnene før dokumentasjonen innarbeides i selskapets system for registrering.
Dette er det viktige styringsmessige skillet ved utrullingen: Agentene kan generere og organisere materiale, men ansvaret overføres ikke til programvaren. Christian Peo, nestleder for revisjon og attestasjon i KPMG U.S., beskrev muligheten som at revisorene får mer tid til å forstå informasjonen og stille spørsmål ved det som ikke gir mening, snarere enn at vurderingsevnen deres automatiseres.
Det teknologiske grunnlaget kombinerer KPMGs egenutviklede løsninger med bedriftsteknologi som er tilgjengelig gjennom samarbeid med Anthropic, Google Cloud, Microsoft og OpenAI. Kunngjøringen spesifiserer ikke hvilken leverandør som står bak hver enkelt KCi-funksjon, så samarbeidene bør ikke tolkes som en detaljert beskrivelse av plattformens oppbygning.
Utrullingen endrer også hvordan revisorer arbeider
Parallelt med KCi justerer KPMG rollebeskrivelser, flytter tilsyn og gjennomgang tidligere i revisjonsoppdragene og standardiserer hvordan data organiseres. Selskapet opplyser også at nærmere 1 000 praktikanter innen revisjon og attestasjon deltok på opplæring ved Lakehouse-anlegget tidligere i år. Opplæringen omfattet kritisk tenkning, profesjonell skepsis og evaluering av arbeid med støtte fra AI.
Den bredere betydningen er at innføring av agenter i et yrke med stort ansvar innebærer mer enn å legge til en modell i eksisterende programvare. Dataforberedelser, tidspunktet for gjennomgang, sporbarhet og opplæring av ansatte påvirker alle om raskere forberedelser fører til nyttig revisjonsarbeid. KPMGs planlagte utvidelse i 2027 vil sette på prøve hvor konsekvent denne modellen kan brukes på tvers av revisjonsoppdrag, samtidig som den menneskelige granskningen som revisjonskonklusjonene avhenger av, opprettholdes.












