Artificiell intelligens och dess påverkan på revisionsbolags legitimitet: En kvalitativ studie om hur revisionsbolags legitimitet kommer att påverkas av artificiell intelligens

Malin Bergling & Lisa Warnberg

Artificiell intelligens och dess påverkan

på revisionsbolags legitimitet

En kvalitativ studie om hur revisionsbolags

legitimitet kommer att påverkas av artificiell

intelligens

Artificial intelligence and its impact on the

legitimacy of audit firms

A qualitative study of how the legitimacy of audit firms

will be influenced by artificial intelligence

Företagsekonomi

Examensarbete Civilekonomprogrammet (30hp)

och Patrik Gottfridsson

Förord

Vi vill framföra ett tack till vår handledare Poja Shams för det stöd och den feedback han bidragit med under utvecklingen av vår uppsats. Vi vill även ge ett stort tack till Patrik Gottfridsson som ställt upp som initial handledare under våren och stöttat oss och bidragit med konstruktiv kritik under hela processen. Vidare vill vi även rikta ett stort tack till våra respondenter som har tagit sig tiden att delta i vår studie, utan er hade inte studien kunnat genomföras.

Härmed intygar vi att samtliga delar i uppsatsen har skrivits tillsammans och vi som författare är lika ansvariga för uppsatsens innehåll

Karlstad, juni 2020

___________________ _____________________

Sammanfattning

Legitimitet handlar om att möta samhällets förväntningar och i och med att vi lever i ett samhälle som är i ständig förändring, ändras även synen på vad som är legitimt och inte. En revisor i dagens samhälle har som huvudsyfte att granska årsredovisningar och säkerställa deras kvalitet. Den tekniska utvecklingen har de senaste åren förändrat revisionsyrket och tidigare forskning visar att det har underlättat för revisorerna då vissa delar i revisionsprocessen har automatiserats.

Syftet med denna studie var att skapa en ökad förståelse för hur AI kommer att påverka revisionsbolagens legitimitet. För att uppfylla syftet har revisionsprocessen studerats genom att granska hur den har påverkats av digitaliseringen, hur arbetsprocessen kommer att förändras vid införandet av AI samt hur revisorerna tror att detta kommer att påverka revisionsbolagens legitimitet.

I studien har kvalitativa intervjuer genomförts på revisorer för att på det sättet kunna gå in på djupet och erhålla personliga tankar från respondenterna. Resultatet från studien visar att införandet av AI kommer att påverka revisionsprocessen positivt genom att standardiserade och tidskrävande arbetsuppgifter antas kunna automatiseras. Vidare innebär det att revisorerna kommer kunna utföra mer träffsäkra analyser och få mer tid över till kunderna, vilket innebär att revisionsbolagen antas kommer kunna öka sin legitimitet. Slutsatsen blir därför att AI i framtiden kommer att hjälpa revisionsbolagen med deras legitimitetsskapande.

Abstract

Legitimacy is about meeting society's expectations and as we live in a society that is constantly changing, the perception of what is legitimate or not is also changing. The main purpose of an auditor in today's society is to review financial reports and guarantee their quality. In recent years, technological developments have changed the profession of auditors and previous research shows that digitalization has made it easier for the auditors as certain parts of the audit process have been automated.

The purpose of the study was to examine how AI in audit firms will affect the legitimacy of auditors. The focus has been on the audit companies' working process and how the process is going to change with the help of AI, and finally how the auditors believe this will affect the legitimacy of the audit companies.

Qualitative interviews have been used on auditors, to be able to get into the depth and obtain personal thoughts from the respondents. The results of the study show that the introduction of AI will have a positive impact on the audit process since it is assumed that standardized and time-consuming tasks will be automated. Furthermore, this means that auditors will be able to perform more accurate analyzes and get more time over to the customers, which means that the audit companies are assumed to be able to increase their legitimacy. Therefore, the conclusion is that AI will help audit companies with their legitimacy in the future.

Innehållsförteckning

1. Inledning ... 9

1.1. Problembakgrund ... 9

1.2. Problemdiskussion ... 10

1.3. Syfte och forskningsfrågor ... 12

2. Teoretisk referensram ... 13 2.1. Revisionsprocessen ... 13 2.1.1. Planering ... 14 2.1.2. Granskning ... 15 2.1.3. Rapportering ... 16 2.2. Institutionell teori ... 16 2.3. Legitimitetsteorin ... 16 2.3.1. Skapa legitimitet ... 17

2.3.2. Revisionsbolag och legitimitet ... 18

2.4. Intressentteorin ... 19

2.5. Digitalisering ... 20

2.6. Artificiell intelligens ... 21

2.7. Sammanfattning av den teoretiska referensramen ... 22

3. Metod ... 23 3.1. Forskningsstrategi ... 23 3.2. Datainsamling ... 24 3.2.1. Semistrukturerade intervjuer ... 24 3.2.2. Intervjuguide ... 24 3.2.3. Urval ... 25 3.2.4. Genomförande ... 26 3.3. Dataanalys ... 27 3.4. Forskningsetik ... 27 3.5. Trovärdighet ... 28 4. Empiri ... 29

Respondent 1 - Auktoriserad revisor ... 29

Respondent 2 - Revisorsassistent ... 29

Respondent 4 - Auktoriserad revisor ... 30

Respondent 5 - Revisorsassistent ... 31

Respondent 6 - Senior revisor ... 31

Respondent 7 - Auktoriserad revisor ... 31

5. Analys ... 33

5.1. Revisionsprocessen ... 33

5.1.1. Planering ... 35

5.1.2. Granskning ... 36

5.1.3. Rapportering ... 38

5.1.4. Sammanfattning av: 5.1 Revisionsprocessen ... 39

5.2. Hur kommer revisionsbolagens legitimitet påverkas av artificiell intelligens? . 40 5.2.1. Legitimitet ... 40

5.2.2. Skapa legitimitet ... 41

5.2.3. Revisionsbolag och legitimitet ... 42

5.2.4. Sammanfattning av: 5.2 Hur kommer revisionsbolagens legitimitet påverkas av artificiell intelligens? ... 44

5.3. Sammanfattning av analys ... 45

6. Diskussion ... 46

6.1. Digital byrå med hjälp av AI ... 47

6.2. Kompetensbehovet efter införandet av AI ... 48

6.3. Intressenternas påverkan av AI ... 48

6.4. Institutionell teori och AI ... 49

6.5. Sammanfattning av diskussion ... 50

7. Slutsats ... 51

7.1. Hur kommer revisionsprocessen förändras på grund av artificiell intelligens? . 51 7.2. Hur kommer revisionsbolagens legitimitet påverkas av artificiell intelligens? . 51 7.3. Studiens bidrag och förslag till vidare forskning ... 53

Källor ... 54

Bilaga 1 – Intervjuguide ... 58

Bilaga 2 – Följebrev ... 60

1. Inledning

Det inledande kapitlet ger en bakgrund till revisionsarbetet, digitaliseringens utveckling samt legitimitetsteorin. Vidare utgörs kapitlet med en diskussion för studiens ämne och varför det är intressant att studera hur artificiell intelligens kommer att påverka revisionsbolagens legitimitet, som sedan leder till studiens syfte och forskningsfråga.

1.1. Problembakgrund

En revisors primära arbetsuppgifter idag är att granska finansiella rapporter samt se till att de finansiella rapporterna uppfyller en god kvalitet. På det sättet fäster revisorn en kvalitetsstämpel för kunden gentemot tredje part (FAR 2006). Revision är en samhällsnytta och genom revisorns bidrag till samhället, krävs det och förväntas det av revisorerna att de skall följa samhällets efterfrågan i takt med förändringar (Porter et al. 2014).

Bierstaker et al. (2001) beskriver hur informationsteknologin (IT) har utvecklats och förändrat revisionsyrket under de senaste decennierna. Bland annat har revisionsprocessen blivit alltmer papperslös, grundar sig på stöd av algoritmer samt att den teknologiska utvecklingen ökar i successiv takt (Bierstaker et al. 2001). Digitaliseringen har medfört att delar i revisionsprocessen har kunnat automatiseras, vilket innebär att arbetet kring revision har effektiviserats (Banker et al. 2002).

Kempe (2013) beskriver i den framtidsstudie som är framtagen på uppdrag av FAR att digitaliseringen och automatiseringen är som ett paradigmskifte inom branschen. Kempe (2013) betonar att det är viktigt för företag som verkar inom denna bransch att sätta sig in i förändringarna som sker och skapa organisationer som fungerar i framtiden. Revisionstjänsterna kommer successivt att smalna av och i framtiden är det rådgivning som kommer att öka i betydelse. Artificiell intelligens (AI) är en resurs som används allt mer inom revision och dataanalys. AI kan brett beskrivas som ett datorsystem som kan känna av sin omgivning samt ta rationella beslut med hjälp av algoritmer (PwC 2020). AI frigör resurser, och de anställda inom revisionsbolagen kan koncentrera sig på kundrelationerna samt rådgivning istället för de enklare monotona arbetsuppgifterna.

Revision kan förklaras genom olika företagsekonomiska teorier. En teori är legitimitetsteorin, som används för att studera företag genom ett etiskt samt socialt perspektiv. Frostenson och Prenkert

(2015) definierar legitimitet som ”omvärldens acceptans på olika grunder, exempelvis moraliska, kognitiva

eller utifrån eget intresse” (Frostenson & Prenkert 2015, s. 78). Legitimitet går även att appliceras ur ett

revisionsperspektiv, det vill säga hur kunderna uppfattar revisionsbolagens handlingar.

Revision är ett område där det anses att det krävs kunskap om kundens verksamhet samt kunskap om vilka som arbetar i organisationen, vilket innebär att det kräver mycket kundkontakt. Kundkontakten är en av flera faktorer som möjligtvis kommer påverkas av den nya teknologin samt påverka revisionsbolagens legitimitet. Andra faktorer som sannolikt kommer påverka legitimiteten är att AI kan komma att innebära mindre kundbesök med de som utför den dagliga verksamheten, samt hur revisionsbolagen skall kunna säkerhetsställa kompetensnivån efter att vissa tjänster utförts av datorer istället för människor.

Eftersom samhället ständigt förändras, förändras även kraven på företag och vad som anses legitimt (Dowling & Pfeffer 1975). Den nya digitala tekniken har medfört att revisionsbolagen har nya förväntningar på sig och bör anpassa sitt arbetssätt gentemot samhället. Därför är digitaliseringens effekt av förändringen på revisionsprocessen intressant att studera ur ett legitimitetsperspektiv samt se hur legitimiteten möjligtvis kommer att påverkas av den pågående samhällsförändringen.

1.2. Problemdiskussion

Förändringarna som digitaliseringen medfört har påverkat revisionsprocessen samt kraven från kunderna (Raphael 2017). För att anpassa sig till förändringarna har företagen satt sig in i digitaliseringsprocessen och börjat använda sig mer utav de nya digitala verktyg som skapats för att möta kundernas nya krav. Detta har bidragit till en ökad effektivitet och en förändring av revisorns roll (Raphael 2017). Grönroos (1996) menar att samtidigt som revisionsbolagen skall följa och vara med i den digitala utvecklingen för att fortleva, är det av stor vikt att de inte förlorar det som gör de konkurrenskraftiga, vilket enligt Grönroos (1996) är relationen till deras kunder. Enligt Magri och Baldacchino (2004) är kvalitet revisorns viktigaste konkurrensverktyg och därmed en avgörande del för revisionsbolags legitimitet. Forskarna menar att kvaliteten bland annat beror på trovärdighet och revisorns förmåga att upptäcka samt rapportera fel. Som framkom i problembakgrunden är AI aktuellt inom dataanalys och revision, och med hjälp av AI antas det att en fysisk revisionsbyrå kommer ha mer tid över till rådgivning. Det kommer även ge revisorerna möjlighet att skapa starkare relationer med sina kunder om de enklare monotona arbetsuppgifterna

det även intressant att studera hur AI kommer att kunna påverka och förändra revisionsprocessen samt huruvida en digitalbyrå skulle värderas från kunderna. En digital byrå kommer inte att kunna leverera den fysiska kontakten den kommer istället grunda sig helt på AI utan en människas subjektiva bedömningar. Samtidigt kommer den digitala byrån kunna leverera träffsäkra analyser som är baserade på algoritmer och enligt Magri och Baldacchino (2004) är det kvalitet som är det avgörande för legitimiteten.

Enligt tidigare forskning underlättar digitaliseringen revisorns arbete och mycket av arbetet inom revision sker digitalt idag (Rindang & Synthia 2017). Tidigare forskning visar även att det är möjligt med ny teknik att göra en mer betydande revision, men att det inte har implementerats än på grund av dess kostnad (Lombardi et al. 2015). Bierstaker et al. (2001) menar att digitaliseringen frigör tid för revisorerna då de standardiserade uppgifterna försvinner. Detta innebär att revisionsbolagen blir mer effektiva då produktiviteten ökar. Forskning har dock visat att revisorer inte alltid ser positivt på den digitala förändringen (Widuri & Sari 2017). Revisorer tycker att det är svårt att lära sig funktionerna i början då det krävs både tid, intresse och en omfattande utbildning samtidigt som det finns en rädsla att förlora sitt jobb (Rindang & Synthia 2017). När AI implementeras i revisionsprocessen kan det innebära att kompetensbehovet även förändras. Revisionsinspektionen har idag sänkt kraven för att bli revisor (Revisionsinspektionen 2020), men i framtiden kan det komma att innebära att det istället efterfrågas mer kompetenser inom IT. För att bibehålla legitimiteten inom revisionsbolagen måste de ständigt uppfylla kraven från intressenterna och därmed även erhålla relevant utbildning och erfarenhet för att kunna leverera den kvalitet och kommunikation som efterfrågas (Freidson 1986).

Revisionsbolag har en tendens att efterlikna varandra till struktur och arbetssätt. Detta på grund av påtryckningar utifrån och de kan vara både formella, informella och grundas på att organisationen skall ta ett socialt ansvar samt att de vill skapa legitimitet (DiMaggio & Powell 1983). Som nämnts tidigare handlar legitimitet om att möta samhällets förväntningar, och i och med att samhället kontinuerligt förändras, förändras också synen på vad som är legitimt och inte (Dowling & Pfeffer 1975). Därför kan företag som tar avstånd från digitaliseringen och inte följer branschens utveckling riskera företagets fortlevnad (Dowling & Pfeffer 1975). Kommer det vara en avgörande roll för revisionsbolagen att följa den institutionella teorin för att upprätthålla sin legitimitet och följa branschens utveckling?

När revisionsprocessen förändras på grund av AI kan det antas att det inte enbart är revisorerna och kunderna som påverkas. En organisation har flera aktörer runt sig som bildar olika intressegrupper och som har samma eller liknande intressen för hur bolaget utfört sitt arbete (Deegan & Unerman 2011). Revisionsbolagens intressenter uppmärksammar olika handlingar, vilket bidrar till att de även gör olika bedömningar av vad som anses legitimt för ett företag. Enligt O’Dwyer (2002) är det revisorerna som skapar legitimitet och intressenterna som ger legitimitet. Intressenternas uppfattning om bolagens och deras handlingar påverkas av olika faktorer, och kan exempelvis vara vilken kvalitet revisorerna har på deras arbete men även vilka etiska och moraliska beslut de tar. Det kan antas att när systemen grundas på AI och fattar beslut som har en direkt eller indirekt påverkan på samhället kan det väckas frågor kring dess etiska verkan (Dignum 2018). Kan en AI ta moraliska beslut och stå inför olika moraliska dilemman samt programmeras för olika etiska principer och vem står som ansvarig om något går fel? Vidare innebär det att om intressenternas värderingar inte stämmer överens med en revisors agerande kommer det att uppstå ett förväntningsgap och därmed påverkar det legitimiteten negativt. Då blir det en relevant fundering hur de olika intressenterna kommer att påverkas på grund av AI inom revisionsbolagen och om legitimiteten kommer att öka eller minska utifrån ett intressentperspektiv. Det förutspås att AI kommer effektivisera revisionsbolagen, och det kan anses som legitimt utifrån en del intressenter, men kommer det att anses tillräckligt för att samtliga intressenter skall legitimera revisionsbolaget?

AI har under de senaste åren utvecklats i en snabb takt. Det finns mycket forskning inom digitalisering som förklarar hur den nya tekniken kommer förändra revisionsyrket samt för- och nackdelar med detta. Något som inte uppmärksammats i forskningen är hur just AI kommer påverka revisionsbolagens legitimitet, vilket gör det intressant att studera detta närmare.

1.3. Syfte och forskningsfrågor

Syftet med denna studie är att skapa en ökad förståelse för hur AI kommer att påverka revisionsbolagens legitimitet. För att uppfylla syftet avser studien att besvara följande forskningsfrågor:

• Hur kommer revisionsprocessen förändras på grund av artificiell intelligens? • Hur kommer revisionsbolagens legitimitet påverkas av artificiell intelligens?

2. Teoretisk referensram

Följande kapitel inleds med en grundläggande redogörelse för revisionsprocessen. Därefter följer en beskrivning av revisionsprocessens planering-, granskning- och rapporteringsfas. Vidare presenteras institutionell teori, legitimitetsteorin och intressentteorin. Sedan görs en presentation av begreppen digitalisering och AI samt dess för- och nackdelar inom revision. Det teoretiska ramverket avslutas med en sammanfattning samt en egenkonstruerad analysmodell.

2.1. Revisionsprocessen

Porter et al. (2014) beskriver revision som en betydelsefull funktionalitet i samhället. Genom revision säkerhetsställs och garanteras det att bolagets finansiella rapporter uppnår en rättvisande bild. Revision kan förklaras utifrån olika teorier, traditioner och perspektiv (Carrington 2014).

Revisionsprocessen kan förklaras utifrån en modell bestående av fyra delar; Företagsledningens påståenden, bestyrkandeåtgärder, dokumentation samt rapportering (Carrington 2014).

Figur 2.1 - Egen bearbetning. Revisionsprocessen (Carrington 2014 s. 41).

Företagsledningens påståenden kan med andra ord kallas räkenskapspåståenden och innebär direkta eller indirekta påståenden som finns i bolagets årsredovisning, och dessa påståenden är de som revisorn måste ha i beaktning och ta hänsyn till i sin granskning. Nästa steg i processen är att se vilka åtgärder som revisorn måste ta och det benämns bestyrkandeåtgärder. Ett viktigt steg i hela revisionsprocessen är att dokumentera, varje bestyrkandeåtgärd skall dokumenteras och det ses som en självklarhet för en revisor. En dokumentation skall enligt revisorsnämndens föreskrifter (RNFS 2001:2 5§) förvaras i ordnat samt betryggande sätt i 10 år. Sista steget i Carringtons (2014) modell för revisionsprocessen är rapportering. Skillnaden mellan dokumentering och rapportering är att dokumenteringen är sekretessbelagd medan rapporteringen är riktad mot tredje part. Granskningen revisorn gör skall i sista steget presenteras och ge uttalanden i en revisionsberättelse. Revisionsberättelsen är ett standardiserat format och har sin bakgrund i flera ISA standarder, bland

annat ISA 700, 705 samt 706. Anledningen varför revisionsberättelsen är standardiserad är för att det skall underlätta för intressenterna att förstå den (Carrington 2014).

Revisorernas arbetsgång i revisionsprocessen kan även delas in i tre olika huvudfaser, planering, granskning samt rapportering (Trohammar 2006).

Figur 2.2 - Egen bearbetning. Revisorns arbetsgång. Källa: Egen

2.1.1.

Planering

En revisor startar sin revisionsprocess med att planera uppdraget, detta för att skapa en förståelse för verksamheten. I planeringsfasen kartlägger revisorn kundens intäkter, kostnader och skapar sig en förståelse för verksamheten genom att jämföra företaget med tidigare år och med andra konkurrenter. Detta kan ske med exempelvis olika nyckeltal och en revisor planerar för att de skall kunna utföra en grundlig och effektiv revision (Carrington 2014). Enligt aktiebolagslagen är en revisor skyldig att följa god revisorssed, vilket tolkas av normgivare som FAR (FAR 2006). Enligt svensk standard samt ISA 300 som är en internationell standard är det ett krav att revisorerna skall planera processen och verksamheten (Carrington 2014). Carrington (2014) sammanfattar flera argument till varför planering är nödvändigt och det är dels på grund av att en människa inte är kapabel till att hålla allt i sitt minne och har endast en avgränsad förmåga att hantera information, och dels för att uppnå god revisorssed. I planeringsfasen skall en revisor även klarlägga en grad av risk som skall anses komfortabel samt täcka all granskning av väsentliga risker.

Väsentlighet och riskbedömning

Definitionen för väsentlighet är:

’’Information är väsentlig om ett utelämnande eller en felaktighet kan påverka de beslut som användaren fattar på basis av informationen i de finansiella rapporterna” (FAR del 2, 2007, RS 320 punkt 3).

En del i planeringsfasen är att bestämma en acceptabel väsentlighetsnivå. Detta på grund av att det skulle vara för kostsamt att granska alla transaktioner som skett i företagen. Nivån bestäms i planeringsfasen, och byggs på revisorns subjektiva bedömning samt fall till fall (Carrington 2014).

Ett nära sammankopplat begrepp till väsentlighet är risk. Revisionsrisken kan beskrivas som risken att revisorn gör ett felaktigt uttalande i revisionsberättelsen. Accepteras en hög väsentlighetsnivå är risken låg att göra ett felaktigt uttalande i revisionsberättelsen och en låg väsentlighetsnivå medför högre risk (Carrington 2014).

Houston et al. (1999) sammanfattar revisionsrisken genom denna formel:

𝑅𝑒𝑣𝑖𝑠𝑖𝑜𝑛𝑠𝑟𝑖𝑠𝑘 = 𝐼𝑛𝑛𝑒𝑏𝑜𝑒𝑛𝑑𝑒 𝑟𝑖𝑠𝑘 × 𝐾𝑜𝑛𝑡𝑟𝑜𝑙𝑙𝑟𝑖𝑠𝑘 × 𝑈𝑝𝑝𝑡ä𝑐𝑘𝑡𝑠𝑟𝑖𝑠𝑘

Den inneboende risken är att företagsledningens uttalande är felaktigt och inte stämmer överens med verkligheten, och därmed är det fel i de finansiella rapporterna. Houston et al. (1999) förklarar kontrollrisk som att den interna kontrollen inte identifierar den inneboende risken. Upptäcktsrisken beskrivs som risken att revisorn i sina substansgranskningsåtgärder inte upptäcker felen.

2.1.2.

Granskning

Carrington (2014) framhäver att det finns två olika granskningsmetoder; substansgranskning samt interna kontrollen i företaget. FAR (2016) däremot argumenterar för tre granskningsmetoder, substansgranskning, kontroller samt en kombination av de båda. Den interna kontrollen används för att på ett tillförlitligt sätt fastställa att samtliga transaktioner har blivit med samt dokumenterats. Substansgranskning innebär istället att revisorn granskar resultat- samt balansräkningen direkt och ser var den underliggande faktorn är (Carrington 2014). I praktiken är det en kombination av dessa två metoder som är vanligast (FAR 2016).

Carrington (2014) skildrar på granskningsmetoder och granskningsåtgärder, metoderna används med stöd mot olika granskningsåtgärder. Syftet med åtgärderna är att skapa revisionsbevis och stöd för att kunna ge ett uttalande i den kommande revisionsberättelsen. Detta genom; inspektion, observation, förfrågan, beräkning, upprepning samt analytisk granskning (Carrington 2014).

2.1.3.

Rapportering

Sista steget i revisorns arbete är rapporteringen (Carrington 2014). Rapporteringen sker både internt och externt. Syftet med den interna rapporteringen är att ge klientens ledning en summering över förbättringsåtgärder och vad som bör justeras i deras interna processer för att det inte skall bli en oren revisionsberättelse (Carrington 2014). Denna slags rapportering kallas erinran och företaget får inte ignorera detta. Erinran skall ses som en varning för företaget och skall bearbetas inom fyra veckor (Carrington 2014). Den externa rapporteringen är riktad mot intressenterna och presenteras i klientens årsredovisning i form av en revisionsberättelse. Revisionsberättelsen är starkt standardiserad och ger ett uttalande om huruvida bolagets affärsmässiga förhållande sett ut (Carrington 2014). En tredje sorts rapportering för revisorn är mot myndigheter och kan vara vid misstanke av brott eller när en revisor avgår i förtid (Carrington 2014).

2.2. Institutionell teori

Institutionell teori förklarar att organisationer inte styrs av rationalitet som de är tänkta att göra, utan påstår istället att organisationer påverkas och styrs av omgivande faktorer (Eriksson-Zetterquist 2009). Fokus i teorin ligger på hur en organisation påverkas och förändras på grund av andra organisationer, men även hur organisationen själv påverkar sin omgivning (Eriksson-Zetterquist 2009). Inom institutionell teori finns en process som redogör för hur en institution uppstår och denna process kallas för institutionalisering (Selznick 1967). Institutionalisering är något som äger rum under lång tid och skall tillslut ge en bild av organisationen, hur den formats av dess historia och de personer som har varit och är verksamma inom den. Detta tillsammans med lagar och andra påtryckningar från samhället, såsom normer och värderingar, leder till att organisationer ständigt måste anpassa sig (Selznick 1967). Meyer och Rowan (1977) menar att det är normer och antaganden om vad som är accepterat av samhället som bygger upp en institution, och genom att följa detta påstår forskarna att organisationen kan erhålla legitimitet.

2.3. Legitimitetsteorin

Legitimitet är en central del i institutionell teori och har under åren fått en mängd olika definitioner av forskare. Som tidigare nämnts i inledningen är legitimitet “omvärldens acceptans på olika grunder,

exempelvis moraliska, kognitiva eller utifrån eget intresse” (Frostensson & Parker 2015, s. 78). Dowling

och Pfeffer (1975) menar att legitimitet handlar om “Kongruens mellan de sociala värden som är

systemet” (Dowling & Pfeffer 1975, s. 122). I Suchmans (1995) artikel om legitimitet antar han en

bredare definition; “legitimitet är en generaliserad uppfattning eller antagande om att en enhets handlingar är

önskvärda, korrekta eller lämpliga inom något socialt konstruerat system av normer, värderingar, övertygelser och definitioner” (Suchman 1995, s. 574).

Enligt Tilling (2004) fungerar legitimitet som pengar, företaget behöver det för att fungera. Företagets agerande kan antingen minska eller öka legitimiteten, och låg legitimitet kan i värsta fall leda till att företaget inte kan fortsätta sin verksamhet (Tilling 2004). Detta påstående styrks av Suchman (1995) som menar att legitimitet leder till fortlevnad eftersom att intressenter tenderar att stanna och tillhandahålla resurser till företag som framstår som önskvärda, ordentliga och lämpliga. Detta innebär att företag som har en inbäddad legitimitet inte behöver göra lika stora investeringar som de företag som inte har det (Suchman 1995).

2.3.1.

Skapa legitimitet

Enligt Carrington (2014) kan en organisation tillämpa någon eller några av fyra strategier för att skapa legitimitet. Den första strategin är att informera och utbilda för att visa att det de gör går i samma riktning som samhällets normer och värderingar. Med andra ord, ändra den uppfattning som finns inom det område de försöker göra legitimt. Den andra strategin är att manipulera intressenterna genom att påverka nyhetsflöden för att flytta uppmärksamheten från det som inte anses vara legitimt. Den tredje strategin är att kontinuerligt försöka påvisa att de förväntningar som finns på ett visst område är orimliga. Den fjärde och sista strategin är att ändra ett område med följden att det går mer i linje med samhällets normer och värderingar (Carrington 2014). Suchman (1995) nämner däremot tre strategier för legitimitetsskapande i sin artikel. Den första är att göra en satsning för att anpassa sig till påtryckningar från intressenter inom organisationens nuvarande miljö. Den andra är att göra satsningar i andra miljöer för att hitta intressenter som kommer stödja nuvarande praxis. Den tredje och sista strategin är att manipulera nya intressenter genom legitimerande övertygelser.

Carringtons (2014) och Suchmans (1995) strategier skiljer sig åt, men båda inkluderar både passiv anpassning och en aktiv manipulation. Detta går att koppla till Mathews (1993) syn på legitimitet, där han beskriver legitimitet som ett socialt kontrakt mellan samhällets förväntningar och företagets agerande. Företag kan således både anpassa sig men även manipulera för att hålla sig inom detta sociala kontrakt.

Även om företag inte kan tillgodose och tillfredsställa alla intressenter, söker de ständigt efter legitimitet (Suchman 1995). Dowling och Pfeffer (1975) menar att kommunikation med kunderna är en avgörande del för att revisionsbolagens aktiviteter skall anses legitima och Suchman (1995) menar att legitimitet sträcker sig långt utöver klassisk kommunikation. Vidare menar Suchman (1995) att det omfattar en mängd meningsfulla handlingar och ett ständigt arbete mot att skapa en accepterad och omtyckt verksamhet. Trots att ett företag tros ha en säker legitimitet, hotas dem av bland annat missförstånd och innovationer (Suchman 1995). Det är därför viktigt att företag förklarar vad de gör och varför de gör det. Företag som utelämnar denna typ av information är mer sårbara för rykten och kommentarer att de är misskötsamma, irrationella eller onödiga (Suchman 1995). I och med att samhället kontinuerligt förändras, ändras även synen på vad som är legitimt och inte, därför tvingas företag att förändra och anpassa sin verksamhet efter krav från omvärlden (Dowling & Pfeffer 1975).

Suchman (1995) menar även att det är viktigt för företag att skydda tidigare resultat. Med det menar han att företag skall jobba med att förstärka den legitimitet dem redan skapat. Detta kan de göra genom att internt arbeta för att motverka missförstånd, inte visa deras ansträngningar och försök till att skapa legitimitet samt lagra stödjande övertygelser, såsom goodwill. Detta fungerar som en slags reserv där företaget kan gå emot sociala normer och värderingar utan att riskera företagets ställning.

Även om legitimitet handlar om att följa sociala normer och värderingar kan ett företag som går emot detta skapa legitimitet om handlingarna anses unika och inte skapar något allmänt missnöje. Det handlar om observatörens uppfattning eller antaganden om organisationen, och behöver nödvändigtvis inte vara sanningen (Suchman 1995).

2.3.2.

Revisionsbolag och legitimitet

En revisor besitter specifik kunskap och denna kunskap måste intressenterna ha tillit till för att revisorerna skall anses legitima (Freidson 1986). Kvalitet är revisorns viktigaste konkurrensverktyg och därmed en avgörande del för revisionsbolags legitimitet (Magri & Baldacchino 2004). Kundernas upplevda kvalitet är beroende av trovärdighet och rykte, och revisionen värderas utifrån byråns legitimitet, storlek och kompetens. Kvalitet beror dessutom på revisorns förmåga att upptäcka samt rapportera fel (DeAngelo 1981). På grund av att revisionen bland annat skall följa

god revisionssed och vara av hög kvalitet kan det medföra både press och stress för revisorerna (Otley & Pierce 1996). McNair (1991) påstår att det beror på att det är omöjligt att granska allt i detalj. Till följ av detta kan därför revisionskvaliteten bli sämre (Sweeney & Pierce 2004).

Lennox (1999) menar att små revisionsbolag inte bidrar med lika hög kvalitet som stora bolag, då de inte har tillgång till lika mycket resurser, vilket medför att stora revisionsbolag associeras med en högre grad av garanti och kvalitet. Enligt Cravens et al. (1994) omfattar resurser; kunskap och erfarenhet hos de anställda, vilket innebär att större revisionsbolag automatiskt kännetecknas av bättre kvalitet. Niemi (2004) påstår däremot att mindre revisionsbolag är lika bra på differentiering som stora bolag och kan således bidra med minst lika mycket kvalitet som en större byrå.

Eftersom att det är revisorerna som skapar legitimitet och intressenterna som ger legitimitet, innebär det att intressenternas värderingar måste stämma överens med revisorernas agerande (O’Dwyer 2002). Finns inte denna överensstämmelse uppstår det ett förväntningsgap. I försök att minska förväntningsgapet har det den senaste tiden skapats regelverk för att öka strukturen på revisorns arbete (Öhman et al. 2006). Detta skall enligt Öhman et al. (2006) göra det lättare att se vad revisorn gjort och därmed öka transparensen, vilket leder till att kunderna får ökat förtroende för arbetet.

2.4. Intressentteorin

Intressentteorin grundar sig i att en organisation har flera aktörer runt om sig som bildar olika intressegrupper och har samma eller liknande intressen för hur bolaget utför sitt arbete eller hur det finansiella året har sett ut (Deegan & Unerman 2011). Intressentteorin representerar olika teorier som lyfter förhållandet mellan företaget och dess intressenter, och inkluderar både intressenternas makt och rättigheter (Deegan & Unerman 2011). Organisationens intressenter kan vara individer, grupper eller aktörer som har någon form av relation till organisationen. Intressenterna kan delas in i primära- samt sekundära grupper och påverkas olika av olika påtryckningar. De primära intressenterna är de som kan bidra med resurser för företagets fortlevnad medan de sekundära intressenterna är de som kan påverka företaget men samtidigt påverkas. Det innebär att företagen är beroende av de primära intressenterna för fortlevnaden men inte av de sekundära samt att företaget och intressenterna har ett viktigt förhållande (Bruzelius & Skärvad 2009). Intressenterna ser till sina egna intressen och företag måste se till de moraliska aspekterna och ibland frångå deras ekonomiska intresse. Intressenterna har vissa villkor och krav som företaget inte bör överträda och det handlar om att se till alla intressenters olika krav för att

skapa legitimitet. Intressentteorin kan i detta fall likna legitimitetsteorin och de kan betraktas som två överlappande teorier. Den stora skillnaden ligger i att intressentteorin lyfter relationen mellan företaget och dess intressenter medan legitimitetsteorin lyfter olika strategier för att skapa legitimitet gentemot deras intressenter (Deegan & Unerman 2011).

2.5. Digitalisering

Framsteg inom digitaliseringen har hjälpt företag att få effektivare affärssystem (Ghasemi et al. 2011). Ghasemi et al. (2011) beskriver IT som allt som skapar data och information. På grund av dagens teknologi kan företag öka sin prestation samt förbättra resultaten (Janvrin et al. 2008). Ghasemi et al. (2011) redogör för effekterna av ett modernt IT-system som bland annat är sparande av pengar och tid, kommunikation genom mail, exakthet, flexibilitet, minskning av papper samt mer pålitligt. Dock medför ett modernt IT-system dyra installationskostnader, upplärning av nya system samt en rädsla för att fler jobb försvinner, att systemen kan bli hackade och att filer kan försvinna (Ghasemi et al. 2011).

Enligt FAR (2016) kan utvecklingen av tekniken och automatiseringen förklaras och beskrivas genom tre faser; förstärkning-, komplettering- samt ersättningsfasen. Förstärkningsfasen innebär att revisorerna förstärker den befintliga arbetsprocessen med hjälp av exempelvis datorer och digitala verktyg som molnbaserade lösningar och e-post. Andra fasen, kompletteringsfasen, innebär att tekniken kan ta över vissa arbetsuppgifter, exempelvis kan rättstavelseprogram ta över konturläsningen. Sista fasen, ersättningsfasen, är när automatiseringen tar över arbetsuppgifterna helt och hållet. Enligt FAR (2016) är det långt fram i tiden innan revisionsbolagen når ersättningsfasen.

Inom revision finns det flertal arbetsuppgifter som anses monotona samt tidskrävande. Med hjälp av digitaliseringen är det möjligt att automatisera dessa uppgifter, vilket leder till att tid frigörs och att revisorerna kan lägga ner mer tid åt rådgivning samt analyser (Raphael 2017). Genom den senaste teknologin, kan revisorerna analysera hela set med fördel istället för stickprov, på detta sätt är det enklare att identifiera felaktiga transaktioner samt att revisionsrisken minskar och kvaliteten ökar (Raphael 2017). Revisorerna behöver bli bekväma med de nya digitala verktygen för att kunna använda dem praktiskt. Med en revisors erfarenhet, subjektiva bedömning samt användning av den nya praktiska kunskapen kan de leverera tjänsterna med hög kvalitet (Raphael 2017). Idag satsar de

stora revisionsbolagen på den nya teknologin inom digitalisering, AI. AI är framtiden inom revisionsbranschen (Kokina & Davenport 2017).

2.6. Artificiell intelligens

AI kallas även kognitiv teknologi och är en uppsättning av algoritmer som kan ta rationella beslut och känna av sin omgivning. AI kan hantera flera uppgifter samtidigt, vilket inte skulle vara möjligt för människan. Med hjälp av AI behövs det inte kompromissas mellan fart och kvalitet, som kan vara en risk idag när revisorn själv skall utföra arbetet (Raphael 2017). Kokina och Davenport (2017) beskriver hur AI idag kan utföra en inventering av lager, och Issa et al. (2016) beskriver att i framtiden kan en drönare effektivisera jobbet och utföra olika inventeringar genom att automatiskt känna igen inventarierna.

AI är en intelligens som utvecklas hela tiden, och anses vara framtiden inom revision. År 2025 förutspås det att 30 procent av revisionerna för företag kommer att revideras av AI (Kokina & Davenport 2017). AI medför fler fördelar, men Raphael (2017) argumenterar för att snabbheten är den största fördelen. AI frigör tid vilket leder till att revisorn kan fokusera mer på annat, såsom analys och rådgivning samt att det hinns med fler analyser på mindre tid. Vidare innebär det att med hjälp av AI och en digital revisionsprocess kan information spridas i snabbare takt både ut till kunderna samt internt inom revisionsbolaget. Den utvecklade digitaliseringen inom revisionsprocessen beskrivs inte alltid som enbart positivt, utan har även negativa konsekvenser (Han et al. 2016). Kempe (2013) identifierar risker som förfalskning av dokument vilket medför svårigheter med digitala revisionsbevis och dess tillförlitlighet. Wright och Wright (2002) beskriver även risken med olika IT-system och att det behöver vara olika behörigheter för att nå olika funktioner, detta leder då till begränsningar att utföra sitt arbete utan kontrasigneringar och interna kontroller. Etik och moral är även två risker med AI enligt Chao (2019). En AI är programmerad enligt allmänna regler och en risk med det kan vara att den tar rationella beslut och inte skiljer på rätt och fel kontra etik och moral. Enligt Chao (2019) måste de algoritmerna programmeras i maskinen och det är inte alltid lätt då det kan uppkomma nya dilemman att stå inför. Vidare är en risk med AI vem det är som skall stå som ansvarig för felen som kan uppkomma (Chao 2019). FAR (2016) anser att kunskapsnivån är för låg inom revisionsbolagen när det gäller den tekniska utvecklingen. Detta kan innebära att de förlitar sig på tekniken för mycket fast systemet kan ha innehållit olika buggar som medfört rapporter med låg tillförlitlighet (Hanson 2014). Därför är det

Biestaker et al. (2001) betonar även vikten i att revisorn bör anpassa sitt arbetssätt och tillämpa olika digitala verktyg utifrån hur långt kunden har kommit i den digitala världen.

2.7. Sammanfattning av den teoretiska referensramen

Syftet med denna studie är att skapa en ökad förståelse för hur AI kommer att påverka revisionsbolagens legitimitet. Det teoretiska ramverket inleddes med en beskrivning av revisionsprocessen för att få ökad förståelse för hur revisorerna utövar sitt arbete idag samt vilka lagstiftningar de bör arbeta utifrån. Därefter gjordes en övergripande beskrivning av institutionell teori för att sedan gå djupare på den befintliga legitimitetsteorin samt hur revisionsbolagen arbetar mot att skapa och upprätthålla legitimitet inom bolaget. Intressentteorin kan ses som en överlappande teori till legitimitetsteorin och därav gjordes en kort beskrivning av intressentteorin för att få ökad förståelse hur bolagen skapar legitimitet. Fokus styrs sedan mot digitaliseringen och hur den har effektiviserat revisionsprocessen med nya moderna system och hur revisorerna nu kan lägga ner mer tid på analys och rådgivning. Digitaliseringen är i ständig utveckling och forskare förutspår att den nya teknologin, AI, kommer att ta över större delar av revisionsyrket inom fem år. Det teoretiska ramverket avslutas med en presentation av AI samt forskares prognoser om hur AI kommer att påverka den framtida revisionen.

För att analysera syftet med att skapa en ökad förståelse för hur AI kommer att påverka revisionsbolagens legitimitet har det skapats en analysmodell bestående av befintlig teori. Modellen tillämpades för att analysera sambandet mellan AI, revisionsprocessen, teorierna och legitimitet. Vidare användes modellen som utgångspunkt vid konstruktionen av intervjuguiden, och kommer även ligga till grund för analyskapitlet.

3. Metod

I följande kapitel presenteras studiens tillvägagångssätt. Det inleds med studiens forskningsstrategi följt av datainsamling. Inom datainsamlingen motiveras val av tillvägagångssätt, samt en beskrivning av förberedelserna och genomförandet. Vidare redogörs val av urval samt val av dataanalys. Kapitlet avslutas med en redogörelse av studiens forskningsetik och trovärdighet.

3.1. Forskningsstrategi

Syftet med denna studie var att skapa en ökad förståelse för hur AI kommer att påverka revisionsbolagens legitimitet. För att uppnå syftet ansågs det att detaljerade beskrivningar av revisorers tankar kring hur AI kommer att påverka revisionsbolags legitimitet var nödvändigt, och därmed valdes en kvalitativ forskningsstrategi. En kvalitativ forskningsstrategi är att föredra när syftet är att skapa djupare förståelse kring ett outforskat område (Ekengren & Hinnfors 2014). En kvantitativ forskningsstrategi används däremot vid numeriska data och finner orsakssamband baserad på siffror, samt har styrkan och möjligheten att generalisera forskningsresultaten (Denscombe 2016). Då syftet var att få ett djup, snarare än att generalisera, hade den kvantitativa metoden inte varit lämplig för att uppfylla studiens syfte. Vidare grundar sig en kvalitativ ansats ur ett tolkningsperspektiv, där förståelse samt tolkning är viktigt. I de flesta fall är syftet dessutom att generera ny teori istället för att pröva befintlig, vilket vanligen är syftet i en kvantitativ forskningsstrategi (David & Sutton 2016). Studien bedömdes ha detta tydliga fokus, då syftet var att minska det befintliga forskningsgap som fanns avseende hur revisionsbolagens legitimitet kommer att påverkas i och med implementering av AI. Studien har även genomförts i linje med ett hermeneutiskt synsätt. Detta på grund av att avsikten var att förstå revisorerna och hur de anser att AI kommer att mottas av kunderna (Thuren 2007).

Då det anses vara viktigt att ha god kunskap om ämnet innan genomförandet av intervjuer togs det teoretiska ramverket fram innan datainsamlingen. Det konstruerades sedan en intervjuguide för att säkerställa att rätt slags frågor skulle behandlas under intervjuerna. Under datainsamlingen framkom det även information som bidrog till ytterligare utveckling av det teoretiska ramverket. På grund av detta liknar studiens forskningsansats en abduktiv ansats, vilket är en blandning av en induktiv och deduktiv ansats (Alvesson & Sköldberg 2008). En abduktiv ansats beskrivs som en

pendling mellan teori och data, och genom att använda denna typ av ansats kunde teorin anpassas till den insamlade datan och på så sätt utesluta irrelevant teori (David & Sutton 2016).

3.2. Datainsamling

3.2.1.

Semistrukturerade intervjuer

I denna studie användes intervjuer som datainsamlingsmetod då det ansågs mest lämpligt för att få ut så mycket tankar och idéer som möjligt från respondenterna. Fördelen med intervjuer var att det genererade detaljrika data samt att följdfrågor kunde anpassas utefter svaren från respondenterna. Dock baseras data via denna metod på vad respondenterna säger och det innebär inte alltid att det speglar sanningen och vad respondenterna egentligen tycker och tänker (Denscombe 2016). Intervjuerna var av personlig karaktär, vilket innebär att det är en respondent per intervju. Anledningen till att personliga intervjuer valdes var för att få ut information och tankar från var och en av respondenterna och att det inte skulle påverka deras svar utifrån en annan respondents svar. Intervjuerna hade en semistrukturerad utformning med en blandning av halvstandardiserade och ostandardiserade frågor för att framkalla öppna svar, men även en del ledande frågor för att få teorin bevisad. Anledningen till att datainsamlingen bestod av semistrukturerade intervjuer var för att skapa en ökad förståelse för hur AI kommer att påverka revisionsbolagens legitimitet. Det gavs därför utrymme till respondenterna att komma med egna tankar och idéer och på så sätt lät de bidra med deras värdefulla kunskap. En ytterligare fördel med semistrukturerade intervjuer var att det vid behov kunde göras ändringar i intervjuguiden. På så sätt kunde frågorna omarbetas och få mer relevans (Denscombe 2016).

3.2.2.

Intervjuguide

Innan intervjuerna förbereddes en intervjuguide (se bilaga 1) som kunde användas som stöd och hjälpmedel vid utförandet av intervjuerna. Intervjuguiden var uppdelad i studiens tre teman:

Revisionsprocessen, digitalisering/AI och legitimitet med frågor som berörde studiens område samt skulle

uppfylla syftet och forskningsfrågorna. David och Sutton (2016) beskriver vikten av en intervjuguide och att det annars är lätt att glömma bort frågor och teman, samt att en intervjuguide framförallt är viktigt vid utförandet av semistrukturerade intervjuer. Under intervjuerna låg fokus på öppenhet med syfte att respondenterna skulle få möjlighet att framföra sina åsikter, även om intervjuguiden fanns som stöd. Detta har resulterat i varierande inriktningar på samma fråga vilket kan anses positivt då det bidrog till flera perspektiv.

För att undvika eventuella problem vid datainsamlingen användes intervjuguiden i en pilotstudie. Pilotstudien genomfördes på en auktoriserad revisor för att i förväg testa om insamlingsmetoden skulle generera den data som förväntades (Denscombe 2016). Respondenten fick sedan framföra sina åsikter samt förslag på ändringar och förtydligande. Efter detta reviderades intervjuguiden och inga större problem stöttes på under resterande intervjuer.

3.2.3.

Urval

De respondenter som ansågs lämpligast i studien var yrkeskategorin revisorer eftersom att studiens intention var att studera hur revisorerna tror att kunderna kommer att uppleva revisionsbolagens legitimitet efter införandet av AI. Det var därför nödvändigt att göra ett urval då det inte är möjligt att studera hela populationen.

I och med att området i en större grad inte var utforskat valdes ett explorativt urval, vilket innebär att respondenterna är få men studeras mer djupgående och i detalj (Denscombe 2016). Kravet på respondenterna var att de skulle ha arbetat som revisor eller revisorassistent i minst 2 år. Detta för att det ansågs att det skulle generera mer kvalitativ information om respondenterna hade erfarenhet. Det valdes även en spridning mellan auktoriserade revisorer och revisorsassistenter för att på så sätt skapa en ökad förståelse av hela revisionsprocessen.

I och med att det fanns krav på respondenterna samt att det var av stor vikt att de besatt vissa kunskaper, valdes ett icke-sannolikhetsurval. De första respondenterna valdes ut via ett subjektivt urval vilket innebär att de inte valdes ut slumpmässigt, utan de handplockades utifrån deras relevans till studien samt deras erfarenhet av ämnet (Denscombe 2016). Efter vardera intervjun har respondenterna fått förfrågan om de kan rekommendera ytterligare person till studien utifrån kraven, så kallat snöbollsurval. Dock finns det nackdelar med ett snöbollsurval, exempelvis att urvalet kan bli skevt då en respondent kan rekommendera en kollega som är likasinnad och som då redan studerats (David & Sutton 2016).

Det genomfördes intervjuer på sju respondenter från fyra olika byråer, fem olika kontor varav två var mindre byråer och fem var större byråer. Tre av respondenterna var auktoriserade revisorer, en var senior revisor och tre stycken var revisorsassistenter. En genomgående fråga i studien var om urvalet ansågs tillräckligt stort. Rekommendationerna är att nå en teoretisk mättnad, samt att det inte finns en definitiv siffra på antal respondenter (Bryman & Bell 2011). Storleken på urvalet

bestämdes därför utefter vilken information som samlats in. Detta kallas det kumulativa tillvägagångssättet och det var därför möjligt att samla in information fram tills att det ansågs tillräckligt för att uppnå studiens syfte (Denscombe 2016). Det var svårt att få tag på respondenter i och med att studien pågick under vårterminen vilket är revisorernas högsäsong. En annan bidragande faktor till svårigheten att nå ut till fler respondenter var på grund av det rådande coronaviruset (Covid-19) som bröt ut under våren 2020. En av respondenterna uppfyllde inte kravet på att ha arbetat i två år men bidrog med sin breda förståelse av digitaliseringen.

3.2.4.

Genomförande

Till en början var tanken att genomföra alla intervjuer på respondenternas kontor, eller på annan plats där de önskade. Detta eftersom David och Sutton (2016) rekommenderar att intervjun sker i en miljö där respondenten känner sig bekväm. Dock med anledning av Covid-19 fick genomförandet av studien störningar. På grund av att många av respondenterna satt i karantän och jobbade hemifrån under denna period, samt för att minska smittorisken, togs beslutet att genomföra majoriteten av intervjuerna via telefon. En intervju hann genomföras på ett kontor innan viruset bröt ut på riktigt. Varje intervju startades med att respondenten fick berätta lite om sig själv, vilket är ytterligare ett sätt att få respondenten bekväm i situationen (Denscombe 2016). Fördelen med att respondenten är bekväm under intervjun är att det ökar sannolikheten att få mer valida data (David & Sutton 2016).

Under intervjuerna användes ljudinspelning för att få en fullständig dokumentation av dem. Detta innebär att fullt fokus kunde läggas på vad respondenten sade samt att frågorna kunde anpassas bättre. Nackdelen med telefonintervju och ljudinspelning är att den icke-verbala kommunikationen gick förlorad, som kunde samlats in om intervjuerna utfördes ansikte mot ansikte (Denscombe 2016). Dock ansågs inte den icke-verbala kommunikationen ha någon påverkan på denna studie då den inte berörde några känsliga områden. Ytterligare en nackdel vid ljudinspelning är att respondenten kan känna sig obekväm i en sådan situation (Denscombe 2016). Detta är dock inte något som märktes av då det samtalades med respondenten innan inspelning startades, vilket resulterade i att respondenterna varit bekväma i situationen när inspelningen sattes igång.

3.3. Dataanalys

Efter varje intervju skrevs det ordagrant ned vad som sades under intervjun, detta för att organisera, bearbeta och förbereda data för analys. Transkribering var en tidskrävande process men nödvändigt för att få fullständigt underlag av datamaterialet till analysen. Att det endast varit en respondent vid varje intervjutillfälle har underlättat transkriberingen då det inte behövdes särskilja olika respondenter, vilket är fallet vid till exempel en gruppintervju. Transkriberingen av samtliga intervjuer utmynnade i 57 sidor.

Efter transkriberingen påbörjades en innehållsanalys av datamaterialet genom en induktiv kodning, även kallad öppen kodning, för att hitta dolda budskap och mönster (David & Sutton 2016). Detta skedde när alla intervjuer var genomförda och allt material var insamlat, inte kontinuerligt som med transkriberingen. Den öppna kodningen hjälpte till att sortera samt minska mängden material och utmynnade i ett kodningsschema uppdelat i studiens tre teman. Först gjordes en kategorisering av det transkriberade materialet för att sortera bort det som inte var relevant till studien. Citat från transkriberingen delades sedan in i olika koder. När koderna tagits fram grupperades de och på sätt skapades det kategorier, dessa har sedan placerats under de olika temana. Koder som användes var exempelvis: träffsäkerhet, effektivitet, kundkännedom och automatisering.

Analysprocessen genomfördes efter att all datainsamling skett, detta på grund av att intervjuerna låg i närtid av varandra. Under analysprocessen var det av stor vikt att läsa utskrifterna av transkriberingen noggrant. Dels för att skapa förståelse över respondenternas åsikter och ta fram kontexten av de specifika data som låg till grund för problematiken. Efter kodningsprocessen ägt rum användes underlaget för att jämföra studiens teoretiska ramverk med det empiriska resultatet för att skapa ett analyskapitel. Med hjälp av analyskapitlet kunde det sedan dras övertygande slutsatser utifrån studiens forskningsfrågor samt öppnade det upp för en bredare diskussion. Ett diskussionskapitel skapades då för att ta upp intressanta aspekter, vad som skulle kunna hända med studien om det sågs från ett bredare perspektiv.

3.4. Forskningsetik

För att skydda respondenternas integritet har allt datamaterial hanterats konfidentiellt och namn och byrå har utelämnats i studien. Respondenterna har även tagit del av ett informationsbrev (se bilaga 2) innan intervjun för att tydligt informeras om studiens syfte, hur genomförandet kommer att gå till samt hur deras personuppgifter behandlas. Innan intervjuerna startades fick även

respondenterna skriva under en samtyckesblankett (se bilaga 3). Deras underskrift innebar att de var medvetna om att deras deltagande var frivilligt, att de informerats om studien samt godkänner att Karlstads Universitet behandlar deras personuppgifter enligt dataskyddsförordningen (GDPR). Hänsyn har tagits till Sveriges aktuella dataskyddslag GDPR genom att stänga av all mobiltrafik vid inspelning av intervjuerna på telefonen, samt att filen raderades efter att den förts över till datorn genom sladd. Enligt Denscombe (2016) bör hänsyn tas till dessa etiska aspekter.

3.5. Trovärdighet

Respondentvalidering användes i studien genom att ge respondenterna möjlighet att gå igenom datat för att sedan få kommentera och bekräfta att deras tankar har uppfattats på rätt sätt. Risken med detta är att respondenterna kan dra tillbaka känslig information. Fördelarna med respondentvalidering, som exempelvis kunna kvalitetssäkra datainsamlingen, övervägde dock nackdelarna (Denscombe 2016). För att få mer information om revisionsprocessen, legitimitetsteorin, digitaliseringen samt AI har vetenskapliga artiklar, publikationer av FAR samt böcker använts. För att öka träffsäkerheten har endast vetenskapliga artiklar som varit peer-reviewed använts, vilket innebär att artiklarna har granskats grundligt innan de publicerats.

Reliabiliteten har stärkts och varit av vikt i studien genom att det har genomförts en djupgående analys och redogörelse för hur den är genomförd, samt en redogörelse för vilken metod som använts. Syftet i en kvalitativ forskning är inte att uppnå generaliserbarhet, forskare är istället ute efter det unika och värdefulla i just sin studie (Denscombe 2016). I och med det låga antalet respondenter har inte möjligheten att generalisera funnits, studien bidrar istället med överförbarhet (Lincoln & Guba 1985). Fördelen med överförbarhet är att studiens bidrag kan användas i framtida forskning.

Under hela arbetsprocessen har det varit viktigt för oss att inte lägga personliga värderingar samt vara objektiva i forskningen och datainsamlingen. Enligt Denscombe (2016) påverkar subjektivitet studiens resultat och minskar studiens trovärdighet. För att öka trovärdigheten är all analys grundad i datamaterialet. Att uppnå ren objektivet är dock svårt i en kvalitativ forskning då syftet är att tolka datamaterial och det är till nackdel för trovärdigheten.

4. Empiri

I följande kapitel presenteras studiens empiriska resultat. Respondenterna presenteras utifrån erfarenhet och deras åsikter för att skapa en helhetsbild

Respondent 1 - Auktoriserad revisor

Respondenten har arbetat inom branschen i närmare nio år på ett och samma företag där respondenten även är partner. Respondenten ser positivt på den digitala utvecklingen och menar på att det är lättare att spåra och följa ett händelseförlopp samt ser AI som en fördel inom granskningen. Denne ser få nackdelar med den utökande digitalisering, men tror att brottsligheten kan öka då det är lättare att hacka sig in i ett enda system och ha tillgång till hela kundens engagemang. Respondenten anser inte att kundkännedom bör automatiseras, utan att det är där de bygger upp en relation samt skapar en förståelse över kundens förvaltning. Respondenten trycker mycket på att det fortfarande är den auktoriserade revisorn som har det yttersta ansvaret och att det är svårt till en början att bygga upp en tillförlitlighet för AI och därmed tror att det är lång väg kvar tills AI kommer att bli accepterat och implementerat inom branschen.

Respondent 2 - Revisorsassistent

Respondenten har snart tre års erfarenhet inom revisionsyrket och har jobbat på en av de fyra största internationella revisionsorganisationerna men jobbar idag på en annan medelstor byrå. Respondenten har ingen erfarenhet av AI inom branschen, men visar på ett stort intresse inom IT och är positivt inställd till det. Respondenten tror att arbetet kan bli roligare och menar att AI kommer ersätta mycket av det tråkiga arbetet. Personen menar att arbetet kommer gå fortare och att de istället kommer få mer kontakt med kunderna och fokusera på rådgivning. De kommer därmed vara mer värdeskapande för deras kunder och hjälpa dem där de faktiskt behöver hjälp. Respondenten tror att AI kommer visa vad revisorerna behöver kolla närmre på, vilket innebär en tidsvinst och mer träffsäkra analyser. Vidare menar respondenten dock att de inte riktigt är där än, och att det handlar om 5–10 år tills AI implementeras. Respondenten antar även att den yngre generationen lättare kommer att acceptera denna utveckling

Respondent 3 - Revisorsassistent

Respondenten har precis börjat sin resa inom revisionsbranschen och har arbetat snart ett år inom en av de fyra största internationella revisionsorganisationerna. Idag arbetar respondenten helt digitalt och anser att det är viktigt att hänga med i tekniska utvecklingen. Respondenten beskriver att det är väldigt spännande och intressant med att företaget satsar mycket på teknik och säger att det är viktigt att de är på tårna. Respondenten tror starkt på AI som ett komplement men inte att det skall ersätta hela processen då respondenten anser att en människas subjektiva bedömning behövs. Respondenten tror att kundkontakten kommer att förändras med att de löpande små frågorna kan ske mer digitalt, och att revisionsbolaget har en kundansvarig istället för att alla i teamet har olika ansvarsområden. Vidare tror respondenten att AI kommer att bidra med att få fram mer underlag för förbättringsmöjligheter inom kundens verksamhet, men att AI inte kan ersätta människor när det gäller förtroende. Respondenten menar att det är svårare att få ett förtroende för en robot än vad det är för en människa.

Respondent 4 - Auktoriserad revisor

Respondenten har 37 års erfarenhet inom revision och har under dessa år varit på samma byrå. Respondenten menar att AI inte är en framtidsfråga, det finns och fungerar idag, men att det inte används som det skulle kunna göra. Vidare ser respondenten positivt på den tekniska utvecklingen då det öppnar upp för möjligheter som tidigare inte fanns, samtidigt som respondenten beskriver att det är roligt. Respondenten ser dock risken i att den personliga kontakten med kunden kan komma att minska, vilket är en otroligt viktig del i revisionsyrket. Vidare anser respondenten att en relation med kunden handlar om mer än enbart att samla in fakta. Det handlar om att de är intresserade av varandra och vill inleda en relation, och att kundkontakten genom att åka ut på besök inte kommer att försvinna i första fasen när AI går in mer och mer. Respondenten tror att stora delar av revisionsprocessen kommer att ersättas av AI, men att revisorn fortfarande kommer att ha en övervakande roll. Respondenten menar vidare att de kommer kunna vara mer värdeskapande för kunden med snabbare och mer precis hjälp.

Respondent 5 - Revisorsassistent

Med enbart två års erfarenhet inom branschen visar respondenten ändå en central förståelse för hur revisionsbranschen kommer att kunna effektiviseras med hjälp av AI. Respondenten har ett stort intresse för teknik och tror starkt på att AI kommer medföra mer automatiserade kontroller samt att AI kommer innebära att de kan lägga mer tid på kvalificerad rådgivning och diskussioner. Respondenten är orolig för att nyexaminerade studenter inte kommer att få en grundförståelse för revisionsarbetet om de endast lär sig hur de skall trycka på knappar och att AI sedan sköter resten. Överlag anser respondenten att det finns stor utvecklingspotential för AI och att det kommer innebära ett stort hjälpmedel för att sammanställa material och göra större mätningar. Vidare menar respondenten att det kommer behövas en manuell påverkan och bedömning i det hela och att varken revisionsbranschen eller kunderna är där idag. Avslutningsvis tror respondenten att AI kommer innebära en ytterligare kvalitetsstämpel för revisionen.

Respondent 6 - Senior revisor

Respondenten har snart fyra års erfarenhet inom revisionsyrket, visar stort intresse för den tekniska utvecklingen samt ser positivt på den. Respondenten har dock ändrat uppfattning de senaste åren om huruvida effektivt AI kommer att vara, och anser numera att det inte kommer vara mer effektivt, utan snarare att det kommer hjälpa dem att analysera rätt saker. Vidare anser respondenten att med hjälp av AI kommer de kunna analysera hela set istället för stickprov, vilket kommer att innebära en ökad förståelse för transaktionerna. Respondenten tror inte att AI kommer att ersätta revisorn helt i och med att den personliga kontakten är av stor vikt. Där menar respondenten snarare att det kommer bli mer kundkontakt, då de kommer sitta tillsammans med kunden och gå igenom det AI tagit fram och diskutera varför det ser ut som det gör. Personen menar att AI kommer kunna ta in mycket mer data än vad en människa är kapabel till samt kunna sålla bort information på ett helt annat sätt och på så sätt få mycket mer insikt. En blandning av mer kundkontakt och bättre analyser kommer enligt respondenten även att leda till ett starkare förtroende.

Respondent 7 - Auktoriserad revisor

Respondenten har nio års erfarenhet inom branschen och varit med under utvecklingen från papper och pärmar till att bli helt digitala. Respondenten arbetar idag främst med sina egna kunder inom olika branscher. Respondenten tror starkt på att granskningen mer eller mindre kommer att

försvinna helt och väljer redan nu att inrikta sig mer på konsulttjänster. Vidare ser respondenten positiv på utvecklingen då de standardiserade arbetsuppgifterna kommer att försvinna samt att AI kommer ha koll på all information och alla regler samma dag som de kommer ut. Respondenten är dock väldigt mån om att kundkontakten skall finnas kvar och att det inte är där de vill vinna tid, kan de ha ett fysiskt möte skall de välja det istället för ett digitalt möte. Vidare tror respondenten att kunden rent känslomässigt hellre pratar med en människa, även om det kan innebära mer fel än en robot, men att detta kan ändras om något decennium då den yngre generationen har lättare att acceptera och skapa en tillit till ny teknik och AI.

5. Analys

Följande kapitel inleds med en analys huruvida revisionsprocessen kommer att förändras på grund av AI. Vidare analyseras vilken påverkan AI kommer ha på revisionsbolagens legitimitet. Det empiriska materialet studeras utifrån det teoretiska ramverket.

Vid analys av studiens empiri har modellen som konstruerades i det teoretiska ramverket varit utgångspunkt. Analysen inleds med hur revisionsprocessen har förändrats av digitaliseringen samt hur AI antas kommer att påverka revisionsprocessen, för att sedan analysera hur det kommer att påverka revisionsbolagens legitimitet.

Figur 2.3: En sammanfattande modell konstruerad av befintlig teori. Källa: Egen

5.1. Revisionsprocessen

I empirin framgår det att respondenterna arbetar med flera digitala verktyg och det har de gjort under en längre tid och det innebär att de har passerat förstärkningsfasen. De har kommit olika långt när det gäller implementering av AI i deras arbetsprocesser och vissa har provat på det mer än andra. Det teoretiska ramverket beskriver utvecklingen av automatiseringen i tre faser (FAR 2016). Automatisering med hjälp av AI har inte tagit över deras arbetsuppgifter helt idag även om det idag skulle kunna vara möjligt att byta ut flera arbetsuppgifter mot AI enligt respondenterna. Detta tyder på att branschen befinner sig mitt i kompletteringsfasen där de tar hjälp utav AI. Enligt tidigare forskning kommer branschen att befinna sig i ersättningsfasen i framtiden då Kokina och Davenport (2017) beskriver AI som framtiden inom revisionsbranschen, men enligt respondenternas svar är de inte där än.

Respondent 2 anser att arbetet blir roligare om de får lägga sin tid mer på rådgivning och det är något som även respondent 5 trycker på:

’’Till viss del så blir det ju inte samma kundbemötande och kontakt, men samtidigt kan vi ta

den tid vi lägger på det och så kan vi göra mer kvalificerad rådgivning och diskussion’’ (R5).

Respondent 1 jämför de standardiserade och enformiga arbetsuppgifterna med en revisorsassistents arbete och menar att ur revisorns perspektiv kan det leda till att istället för att granska en revisorsassistents arbete får du gå igenom robotens arbete.

”Ur revisorns perspektiv så är det kanske så att istället för att du granskar eller går genom en

revisorsassistent arbete så får du gå genom robotens arbete på ett sätt för du måste fortfarande säkerställa att roboten eller revisor assistenten inte gått snett någonstans’’ (R1).

Detta tyder på att arbetsprocessen inte kommer att effektiviseras till en början, innan revisorerna själva byggt uppt ett förtroende för AI och utifrån respondenternas svar är de eniga om att det är en positiv utveckling om de standardiserade arbetsuppgifterna kommer att kunna bytas ut mot AI. Raphael (2017) redogör för att i framtiden skall en revisor kunna fokusera mer på analys och rådgivning samt att fler analyser kommer hinnas med på mindre tid.

Vidare diskuterar respondent 2 och 5 att AI kommer medföra att revisorerna kommer att tappa kunskap och förlita sig för mycket på tekniken.

’’Ett förslag skulle vara att lägga in en kurs om revisionsmetodik hur man skall tänka, vad man faktiskt gör’’ (R3).

Respondent 3 beskriver att fastställandet av kompetensnivån inom bolaget måste förändras i samband med att digitaliseringen automatiserar de grundläggande arbetsuppgifterna. Enligt Freidson (1986) besitter en revisor specifik kunskap och intressenterna måste ha tillit till denna kunskap för att revisorerna skall anses legitima. Respondent 2 menar därför att det är viktigt att revisorerna sätter sig ner med sin kund och går igenom informationen som AI tagit fram. Detta medför att även kompetensbehovet kommer att förändras i takt med den ökande digitaliseringen, och att universiteten kommer att behöva anpassa sina kursplaner (Issa et al. 2016).