Hvorfor Excel kan bestemme fremtiden for AI i regnskap

Ny forskning antyder at den største hindringen for kunstig intelligens i regnskap kanskje ikke er mistillit til AI i seg selv. Det kan være komforten, fleksibiliteten og den institusjonelle tyngden til Microsoft Excel. Det gjør regnearket både en barriere for forstyrrelse og en potensielt kraftig inngangsport for Microsoft.

En ny studie av 271 regnskapsprofesjonelle undersøkte hvorfor noen organisasjoner tar i bruk kunstig intelligens mens andre forblir knyttet til kjente analytiske verktøy.¹ Dens sentrale funn er overraskende enkelt: bruk av Excel for dataanalyse var negativt assosiert med AI-adopsjon, mens AI-opplæring og bredere adopsjon av dataanalyseverktøy var positivt assosiert med den.

Dette betyr ikke at Excel er foreldet eller at regnskapsførere er irrasjonelle. Excel forblir fleksibelt, bredt forstått og dypt integrert i budsjettering, avstemming, prognostisering, rapportering og revisjonsforberedelse. Den viktigste lærdommen er at teknologiadopsjon avhenger av arbeidsflyt, vane, oppfattet risiko og opplæring like mye som teknisk kapasitet.

For investorer endrer dette hvordan muligheten for bedrifts‑AI bør vurderes. De sannsynlige vinnerne er kanskje ikke selskapene som tilbyr den mest dramatiske erstatningen for etablert arbeid. De kan være selskapene som klarer å sette inn AI i programvare som ansatte allerede åpner hver morgen.

Hvorfor Excel kan bremse AI‑adopsjon i regnskap

Forskerne nærmet seg AI‑adopsjon gjennom en todelt faktor‑modell. I stedet for å behandle adopsjon som et enkelt spørsmål om brukerne ser nok fordeler, vurderte de både drivere og hindringer. En ansatt kan innse at AI er nyttig, men fortsatt motsette seg det fordi bytte av verktøy innfører usikkerhet, opplæringskostnader, integrasjonsarbeid og muligheten for feil.

Den spenningen er spesielt viktig i regnskap. Et eksperimentelt markedsføringsutkast kan korrigeres. En feil i en finansiell modell, avstemming, regulatorisk innlevering eller revisjonsarbeidsark kan ha vesentlige konsekvenser. Regnskapsførere har derfor gode grunner til å foretrekke systemer hvis formler, kontroller og begrensninger de forstår.

Excel drar også nytte av akkumulert organisasjonskunnskap. Selskaper har brukt tiår på å bygge maler, makroer, modeller, rapporteringsprosedyrer og godkjenningsprosesser rundt regneark. Ansatte vet hvordan de skal inspisere formler og spore beregninger. Å erstatte dette miljøet betyr å gi opp mer enn bare et program. Det betyr å forstyrre et operativsystem for økonomisk arbeid.

Studien tolker dette gjennom status‑quo‑bias. Kjennskap gir selvtillit og en følelse av kontroll, mens de potensielle tapene knyttet til bytte kan fremstå som mer umiddelbare enn de fremtidige gevinstene. Dette bidrar til å forklare hvorfor det alene å demonstrere at en AI‑plattform er mer avansert kanskje ikke er tilstrekkelig for å drive adopsjon.

Hva regnskaps‑AI‑studien fant

Det endelige utvalget inkluderte 271 regnskapsprofesjonelle som hadde vært involvert i AI-, maskinlærings- eller dataanalyseprosjekter. Omtrent 92 % arbeidet i regnskap eller beslektede tjeneste‑ og konsulentorganisasjoner, og 62 % arbeidet i organisasjoner med færre enn 500 ansatte.

Kun 33 % av respondentene rapporterte at de hadde mottatt AI‑opplæring. Samtidig hadde bare 36 % av respondentene som bruker Excel for dataanalyse gått over til mer avanserte AI‑løsninger. Excel‑kunnskap alene var ikke en statistisk signifikant prediktor når hele modellen ble vurdert, men faktisk Excel‑basert analytisk bruk hadde en signifikant negativ sammenheng med AI‑adopsjon.

Distinksjonen er viktig. Å kunne Excel forhindrer ikke i seg selv noen fra å ta i bruk AI. Barrieren oppstår når etablerte regneark‑arbeidsflyter allerede dekker umiddelbare behov, noe som gjør kostnadene og usikkerheten ved å bytte systemer vanskelig å rettferdiggjøre.

AI‑opplæring betyr mer enn en ekstra programvarelisens

Organisasjoner behandler ofte AI‑adopsjon som en anskaffelsesbeslutning. De kjøper lisenser, aktiverer funksjoner og forventer at bruken følger. Studien antyder at denne tilnærmingen forveksler programvare‑tilgjengelighet med organisasjonens evne.

Opplæring hadde en positiv sammenheng med AI‑adopsjon, det samme gjaldt tidligere adopsjon av bredere data‑analyseverktøy. Sammen tyder disse resultatene på at organisasjoner drar nytte av å bygge opp en progresjon av kapabiliteter. Regnskapsførere som allerede har gått forbi grunnleggende regnearkanalyse, er bedre rustet til å evaluere, overvåke og integrere AI.

Et praktisk adopsjonsprogram bør derfor fokusere på konkrete arbeidsflyter:

• Avstemming og avviksdeteksjon
• Variansanalyse og ledelsesrapportering
• Prognostisering og scenario‑utvikling
• Dokumentgjennomgang og revisjonsforberedelse

Disse avgrensede bruksområdene er lettere å validere enn et generelt mandat om å «bruke AI». De skaper også målbare resultater, som færre manuelle trinn, raskere avslutningssykluser eller flere transaksjoner som blir gjennomgått. Dette blir stadig viktigere etter hvert som økonomiavdelinger blir bedt om å demonstrere avkastning på AI‑utgifter i stedet for kun å rapportere lisensantall eller ansattes interesse.

Funnet komplementerer også en bredere Securities.io‑analyse som argumenterer for at proprietære data og institusjonell kunnskap kan bli den mest verdifulle AI‑muren. Innen regnskap er modellen kun én komponent. Den vanskeligere fordelen å reprodusere er kombinasjonen av pålitelige finansielle data, etablerte kontroller, selskaps‑spesifikke prosedyrer og ansatte som forstår hvordan et gyldig resultat skal se ut.

Hvorfor kjent programvare kan bli den beste AI‑distribusjonskanalen

Papiret beskriver Excel som en hindring, men det betyr ikke at regnearket må forsvinne. Den sterkere kommersielle innsikten er at reduksjon av bytte‑kostnader kan være mer effektivt enn å be brukerne om å forlate kjente verktøy.

Microsoft følger allerede denne veien. Deres Finance Agent connects Excel with existing financial systems er designet for å støtte aktiviteter som avstemming, variansanalyse og sanntids finansiell innsikt. Dette er strategisk viktig fordi det bringer AI til grensesnittet regnskapsførere allerede stoler på.

Å integrere AI i eksisterende programvare kan adressere flere adopsjonsbarrierer samtidig. Det begrenser forstyrrelser i arbeidsflyten, beholder kjente regneark, gjør det mulig å gjennomgå resultater i et etablert format, og reduserer den psykologiske kostnaden ved å prøve en ny funksjon. Brukeren blir ikke bedt om å erstatte Excel med AI. Brukeren blir invitert til å utvide Excel med AI.

Dette mønsteret er ikke begrenset til regnskap. Bedrifts‑AI konkurrerer i økende grad på distribusjon, integrasjon, styring og tilgang til kontekst snarere enn kun modellens ytelse. Ny Securities.io‑dekning av UiPath og overgangen til agentbasert bedriftsautomatisering illustrerer den samme kommersielle virkeligheten: automatisering blir mer verdifull når den kan operere på tvers av de applikasjonene og prosessene en bedrift allerede bruker.

Adopsjon gir ikke automatisk økonomisk avkastning

Studien bør ikke leses som bevis på at implementering av AI nødvendigvis forbedrer lønnsomheten. Den målte adopsjon, ikke den økonomiske avkastningen som genereres av adopsjonen. Undersøkelsen var relativt liten, konsentrert tungt i regnskapsrelaterte konsulentselskaper, og samlet inn over en kort periode. Regresjonsresultatene identifiserer sammenhenger snarere enn å bevise at opplæring eller analyseverktøy forårsaket at organisasjoner tok i bruk AI.

Det finnes også risikoer som modellen ikke fullt ut fanget, inkludert dataprivatliv, cybersikkerhet, tillit til tredjepartsleverandører, pålitelighet av resultater og regulatorisk ansvarlighet. Disse problemene er spesielt viktige når AI brukes i finansiell rapportering.

Nåværende bransje­bevis viser likevel at adopsjonen vokser. KPMGs 2026 Global AI in Finance Report, basert på mer enn 1 000 senior finansledere, indikerer at aktiv bruk har økt betydelig, mens eksepsjonell ytelse fortsatt er mindre vanlig enn selve adopsjonen. Dette gapet forsterker hovedbudskapet i papiret: å skaffe teknologi er enklere enn å endre organisasjonen rundt den.

Investering i grensesnittet for regnskaps‑AI

For investorer som søker eksponering mot AI‑adopsjon i regnskap, tilbyr Microsoft en spesielt relevant posisjon. Selskapet eier Excel, verktøyet som ble identifisert i studien, samtidig som de utvikler AI‑laget som skal modernisere finansarbeidet.

Dette skaper en uvanlig strategisk fordel. Excels forankring kan bremse migrering til konkurrerende AI‑plattformer, men det gir også Microsoft direkte tilgang til en enorm installert base av finansprofesjonelle. I stedet for å overvinne status‑quo‑bias ved å fjerne status‑quo, kan Microsoft tjene på den ved å plassere Copilot og finans‑fokuserte agenter i det eksisterende Microsoft 365‑miljøet.

Investeringscaset strekker seg utover én regnskapsfunksjon. Microsoft kan kombinere produktivitetsprogramvare, skyinfrastruktur, identitetskontroller, bedriftsdatatilkoblinger og AI‑agenter innen ett samlet kommersielt økosystem. Securities.io sin bredere analyse av Microsoft som en AI‑investering utforsker hvordan Copilot passer inn i den større plattformen.

Det finnes betydelige risikoer. Kunder kan motsette seg ekstra abonnementskostnader, økonomiteam kan begrense AI‑tilgang på grunn av nøyaktighets‑ eller personvernhensyn, og konkurrerende plattformer kan tilby sterkere spesialiserte regnskapsfunksjoner. Microsoft må også bevise at innebygd AI gir målbar verdi i stedet for bare å legge til en ny betalt funksjon i en allerede kompleks programvarestabel.

Likevel peker studien mot et varig kommersielt prinsipp. Adoptasjon av AI i virksomheter bestemmes ikke kun av hvilket system som er mest intelligent. Det bestemmes også av hvilket system som krever minst endring fra brukerne. Innen regnskap kan Excel forsinke overgangen til AI, men det kan til slutt bli døren som gjør overgangen mulig.

Referanser:

¹ Juma’h, A. H., & Li, Y. (2026). Utnyttelse av AI’s potensial i regnskap: En studie av adopsjonsbarrierer og drivere. Advances in Accounting, 71, 100905. https://doi.org/10.1016/j.adiac.2026.100905