Hvorfor Excel kan bestemme fremtiden for AI i regnskab

Ny forskning antyder, at den største hindring for kunstig intelligens i regnskab måske ikke er mistillid til AI i sig selv. Det kan være komforten, fleksibiliteten og den institutionelle vægt af Microsoft Excel. Det gør regnearket både til en barriere for forstyrrelse og til en potentielt kraftfuld indgang for Microsoft.

En ny undersøgelse af 271 regnskabsprofessionelle undersøgte, hvorfor nogle organisationer adopterer kunstig intelligens, mens andre forbliver knyttet til velkendte analytiske værktøjer.¹ Dens centrale fund er bedragerisk enkelt: brug af Excel til dataanalyse var negativt forbundet med AI-adoption, mens AI-træning og bredere adoption af dataanalyseværktøjer var positivt forbundet med den.

Dette betyder ikke, at Excel er forældet, eller at revisorer er irrationelle. Excel forbliver fleksibel, bredt forstået og dybt indlejret i budgettering, afstemning, prognoser, rapportering og revisionsforberedelse. Den vigtigste lektie er, at teknologiadoption afhænger af arbejdsflow, vane, opfattet risiko og træning lige så meget som teknisk kapacitet.

For investorer ændrer det, hvordan enterprise AI-muligheden bør vurderes. De sandsynlige vindere er måske ikke de virksomheder, der tilbyder den mest dramatiske erstatning for etableret arbejde. De kan være de virksomheder, der er i stand til at integrere AI i software, som medarbejderne allerede åbner hver morgen.

Hvorfor Excel kan bremse AI-adoption i regnskab

Forskerne nærmede sig AI-adoption gennem en dobbeltfaktor-model. I stedet for at behandle adoption som et enkelt spørgsmål om, hvorvidt brugerne ser tilstrækkelige fordele, overvejede de både drivere og hæmmere. En medarbejder kan erkende, at AI er nyttig, men stadig modstå den, fordi ændring af værktøjer introducerer usikkerhed, træningsomkostninger, integrationsarbejde og muligheden for fejl.

Den spænding er især vigtig i regnskab. Et eksperimentelt marketingudkast kan rettes. En fejl i en finansiel model, afstemning, regulatorisk indberetning eller revisionsarbejdsark kan medføre væsentlige konsekvenser. Revisorer har derfor gode grunde til at foretrække systemer, hvis formler, kontroller og begrænsninger de forstår.

Excel drager også fordel af akkumuleret organisatorisk viden. Virksomheder har i årtier bygget skabeloner, makroer, modeller, rapporteringsprocedurer og godkendelsesprocesser omkring regneark. Medarbejderne ved, hvordan man inspicerer formler og sporer beregninger. At erstatte dette miljø betyder at opgive mere end en applikation. Det betyder at forstyrre et operativsystem for finansielt arbejde.

Undersøgelsen fortolker dette gennem status‑quo‑bias. Fortrolighed skaber selvtillid og en følelse af kontrol, mens de potentielle tab forbundet med skift kan synes mere umiddelbare end de forventede gevinster. Dette hjælper med at forklare, hvorfor det alene at demonstrere, at en AI-platform er mere avanceret, måske ikke er nok til at drive adoption.

Hvad regnskabs‑AI‑undersøgelsen fandt

Det endelige udsnit omfattede 271 regnskabsprofessionelle, der havde været involveret i AI-, maskinlærings- eller dataanalyseinitiativer. Omtrent 92 % arbejdede i regnskab eller relaterede service‑konsulentorganisationer, og 62 % arbejdede i organisationer med færre end 500 ansatte.

Kun 33 % af respondenterne rapporterede, at de havde modtaget AI‑træning. Imens havde kun 36 % af de respondenter, der brugte Excel til dataanalyse, skiftet til mere avancerede AI‑løsninger. Excel‑viden alene var ikke en statistisk signifikant predictor, når den fulde model blev overvejet, men faktisk Excel‑baseret analytisk brug havde en signifikant negativ sammenhæng med AI‑adoption.

Forskellen er væsentlig. At kunne Excel forhindrer ikke i sig selv nogen i at adoptere AI. Barrieren opstår, når etablerede regnearks‑arbejdsprocesser allerede opfylder umiddelbare behov, hvilket gør omkostningerne og usikkerheden ved at skifte systemer svære at retfærdiggøre.

AI‑træning betyder mere end en ekstra softwarelicens

Organisationer behandler ofte AI‑adoption som en indkøbsbeslutning. De køber licenser, aktiverer funktioner og forventer, at brugen følger. Undersøgelsen antyder, at denne tilgang forveksler software‑tilgængelighed med organisatorisk kapacitet.

Træning havde en positiv sammenhæng med AI‑adoption, ligesom tidligere adoption af bredere data‑analyseværktøjer. Sammen tyder disse resultater på, at organisationer drager fordel af at opbygge en progression af kompetencer. Revisorer, der allerede er gået ud over grundlæggende regnearksanalyse, er bedre rustet til at evaluere, overse og integrere AI.

Et praktisk adoptionsprogram bør derfor fokusere på specifikke arbejdsprocesser:

• Afstemning og anomali‑detektion
• Variansanalyse og ledelsesrapportering
• Prognosticering og scenarieudvikling
• Dokumentgennemgang og revisionsforberedelse

Disse afgrænsede anvendelser er lettere at validere end et generelt mandat om at “bruge AI”. De skaber også målbare resultater, såsom færre manuelle trin, hurtigere afslutningscyklusser eller flere gennemgåede transaktioner. Det bliver i stigende grad vigtigt, da økonomiafdelinger bliver bedt om at demonstrere et afkast af AI‑udgifter frem for blot at rapportere licenstællinger eller medarbejderinteresse.

Fundet supplerer også en bredere analyse fra Securities.io, der argumenterer for, at proprietære data og institutionel viden kan blive den mest værdifulde AI‑afdækningsmekanisme. I regnskab er modellen kun én komponent. Den sværere fordel at reproducere er kombinationen af pålidelige finansielle data, etablerede kontroller, virksomhedsspecifikke procedurer og medarbejdere, der forstår, hvordan et gyldigt output skal se ud.

Hvorfor velkendt software kan blive den bedste AI‑distributionskanal

Papiret beskriver Excel som en hæmsko, men det betyder ikke, at regnearket skal forsvinde. Den stærkere kommercielle indsigt er, at reduktion af omkostninger ved skift kan være mere effektivt end at bede brugerne om at opgive velkendte værktøjer.

Microsoft følger allerede denne vej. Dens Finance Agent forbinder Excel med eksisterende finansielle systemer og er designet til at understøtte aktiviteter såsom afstemning, variansanalyse og realtids‑finansiel indsigt. Dette er strategisk vigtigt, fordi det bringer AI til den grænseflade, som revisorer allerede har tillid til.

Indlejring af AI i eksisterende software kan adressere flere adoptionsbarrierer på én gang. Det begrænser forstyrrelser i arbejdsprocesserne, bevarer velkendte regneark, gør det muligt at gennemgå output i et etableret format og reducerer den psykologiske omkostning ved at prøve en ny funktion. Brugeren bliver ikke bedt om at erstatte Excel med AI. Brugeren bliver inviteret til at udvide Excel med AI.

Dette mønster er ikke begrænset til regnskab. Enterprise AI konkurrerer i stigende grad på distribution, integration, styring og adgang til kontekst snarere end kun modelpræstation. Seneste dækning fra Securities.io af UiPath og overgangen til agentisk virksomhedsautomatisering illustrerer den samme kommercielle realitet: automatisering bliver mere værdifuld, når den kan operere på tværs af de applikationer og processer, som en virksomhed allerede bruger.

Adoption giver ikke automatisk økonomiske afkast

Undersøgelsen bør ikke læses som bevis på, at implementering af AI nødvendigvis vil forbedre rentabiliteten. Den målte adoption, ikke det økonomiske afkast, som adoptionen genererede. Undersøgelsen var relativt lille, stærkt koncentreret i regnskabsrelaterede konsulentfirmaer, og blev indsamlet over en kort periode. Regressionsresultaterne identificerer sammenhænge snarere end at bevise, at træning eller analyseværktøjer fik organisationer til at adoptere AI.

Der er også risici, som modellen ikke fuldt ud fangede, herunder dataprivatliv, cybersikkerhed, tillid til tredjepartsleverandører, output‑pålidelighed og regulatorisk ansvarlighed. Disse problemstillinger er særligt vigtige, når AI anvendes i finansiel rapportering.

Nuværende brancheevidens antyder dog, at adoptionen udvider sig. KPMG’s 2026 Global AI i Finansrapport, baseret på mere end 1.000 senior finansledere, viser, at aktiv brug er vokset betydeligt, mens enestående præstationer er mindre udbredte end selve adoptionen. Dette hul understreger papirens underliggende budskab: at anskaffe teknologi er lettere end at ændre organisationen omkring den.

Investering i grænsefladen for regnskabs‑AI

For investorer, der søger eksponering mod AI‑adoption i regnskab, tilbyder Microsoft en særlig relevant position. Virksomheden ejer Excel, det etablerede værktøj, der er identificeret i undersøgelsen, og udvikler samtidig AI‑laget, der er beregnet på at modernisere finansarbejdet.

Det skaber en usædvanlig strategisk fordel. Excels indlejring kan bremse overgangen til konkurrerende AI‑platforme, men det giver også Microsoft direkte adgang til en enorm installeret base af finansprofessionelle. I stedet for at overvinde status‑quo‑bias ved at fjerne status‑quo, kan Microsoft tjene penge på den ved at placere Copilot og finans‑fokuserede agenter i det eksisterende Microsoft 365‑miljø.

Investeringscasen strækker sig ud over én regnskabsfunktion. Microsoft kan kombinere produktivitetssoftware, cloud‑infrastruktur, identitetskontroller, virksomhedsdatatilslutninger og AI‑agenter inden for et enkelt kommercielt økosystem. Securities.io’s bredere analyse af Microsoft som en AI‑investering undersøger, hvordan Copilot passer ind i den større platform.

Der er betydelige risici. Kunder kan modstå ekstra abonnementsomkostninger, finanshold kan begrænse AI-adgang på grund af bekymringer om nøjagtighed eller privatliv, og konkurrerende platforme kan tilbyde stærkere specialiserede regnskabsmuligheder. Microsoft skal også bevise, at indlejret AI leverer målbar værdi i stedet for blot at tilføje en ekstra betalt funktion til en allerede kompleks softwarestak.

Alligevel peger undersøgelsen på et holdbart kommercielt princip. Adoption af AI i virksomheder bestemmes ikke kun af, hvilket system der er mest intelligent. Det bestemmes også af, hvilket system der kræver mindst ændring fra brugerne. I regnskab kan Excel forsinke overgangen til AI, men den kan i sidste ende blive den dør, gennem hvilken overgangen sker.

Referencer:

¹ Juma’h, A. H., & Li, Y. (2026). Udnyttelse af AI’s potentiale i regnskab: En undersøgelse af adoptionsbarrierer og -drivere. Advances in Accounting, 71, 100905. https://doi.org/10.1016/j.adiac.2026.100905