Den snabba utvecklingen av artificiell intelligens (AI) håller på att förändra revisionsbranschen, och AI har börjat spela en alltmer betydande roll genom att effektivisera och automatisera flera delar av revisionsprocessen. Detta medför ett behov av att förstå hur teknologin påverkar både yrkesrollen och framtida kompetenskrav för juniora revisorer.  

Vi studerade och fördjupade oss i Diffusion of innovation och Technology acceptance model. Dessa teorier beskriver vilka faktorer som påverkar en individs förmåga att ta till sig ny teknologi. Vid analysering av materialet användes en abduktiv forskningsansats, som innefattar att söka samband mellan forskning och praktik. Med hjälp av den här forskningsansatsen konstruerades ett operationaliseringsschema, som ligger till grund för intervjuguiden. Det empiriska materialet i studien insamlades genom utförandet av tolv semistrukturerade intervjuer med revisorer på byråer av olika storlekar.  

Resultatet från intervjuerna tyder på att Big 4-byråer har integrerat interna AI-verktyg som underlättar revisionsprocessen, medan mindre byråer använder sig av befintliga verktyg online. Detta tyder på att vi är i ett tidigt stadium i AI utvecklingen, och AI uppfattas inte som ett hot för juniora revisorers arbetsmarknad. Arbetsuppgifterna kommer att omformas från repetitiva och administrativa till mer kvalificerade och analytiska för de juniora revisorerna i framtiden. Resultatet visar även att kompetenskraven kommer att vara sig likt, men nyanseras ytterligare med teknisk kompetens, källkritisk och analytisk förmåga, anpassningsbarhet och starka mänskliga relationer.

The rapid development of artificial intelligence (AI) is transforming the auditing industry, with AI beginning to play an increasingly significant role by streamlining and automating various parts of the audit process. This creates a need to understand how technology impacts both the professional role and future skill requirements for audit associates. 

We explored and applied the Diffusion of Innovation and Technology Acceptance Model, both of which describe factors that influence an individual’s ability to adopt new technologies. A abductive research approach was used to analyze the material, aiming to identify connections between theory and practice. Based on this approach, an operationalization framework was developed to guide the construction of the interview guide.  

The empirical data was collected through twelve semi-structured interviews with auditors from firms of varying sizes. The results suggest that Big 4 firms have implemented internal AI tools to streamline the audit process, while smaller firms rely on existing online tools. This indicates that AI adoption in auditing is still in an early stage, and AI is not currently perceived as a threat to junior auditors’ job prospects. Instead, their tasks are expected to shift from repetitive and administrative to more qualified and analytical. The findings also suggest that while core skill requirements remain, they will be further nuanced to include technical proficiency, source criticism, analytical ability, adaptability, and strong interpersonal skills.