Varför Excel kan avgöra framtiden för AI inom redovisning

Ny forskning tyder på att det största hindret för artificiell intelligens inom redovisning kanske inte är misstro mot AI i sig. Det kan vara bekvämligheten, flexibiliteten och den institutionella tyngden hos Microsoft Excel. Det gör kalkylbladet både till ett hinder för förändring och en potentiellt kraftfull ingång för Microsoft.

En ny studie av 271 redovisningsproffs undersökte varför vissa organisationer antar artificiell intelligens medan andra förblir knutna till välbekanta analysverktyg.¹ Dess centrala resultat är bedrägligt enkelt: att använda Excel för dataanalys var negativt kopplat till AI‑adoption, medan AI‑utbildning och bredare antagande av dataanalysverktyg var positivt kopplade till det.

Detta betyder inte att Excel är föråldrat eller att revisorer är irrationella. Excel förblir flexibelt, allmänt förstått och djupt integrerat i budgetering, avstämning, prognostisering, rapportering och förberedelse av revision. Den viktigare lärdomen är att teknikadoption beror på arbetsflöde, vana, upplevd risk och utbildning lika mycket som på teknisk kapacitet.

För investerare förändrar detta hur företags‑AI‑möjligheten bör utvärderas. De sannolika vinnarna är kanske inte de företag som erbjuder den mest dramatiska ersättningen för etablerat arbete. De kan vara de företag som kan integrera AI i mjukvara som medarbetare redan öppnar varje morgon.

Varför Excel kan bromsa AI‑adoption inom redovisning

Forskarna närmade sig AI‑adoption med en tvåfaktormodell. Istället för att behandla adoption som en enkel fråga om huruvida användarna ser tillräckliga fördelar, beaktade de både drivkrafter och hämmande faktorer. En anställd kan inse att AI är användbart men ändå motstå det eftersom byte av verktyg medför osäkerhet, utbildningskostnader, integrationsarbete och risken för fel.

Den spänningen är särskilt viktig inom redovisning. Ett experimentellt marknadsföringsutkast kan korrigeras. Ett misstag i en finansiell modell, avstämning, regulatorisk inlämning eller revisionsarbetsblad kan få materiella konsekvenser. Revisorer har därför goda skäl att föredra system vars formler, kontroller och begränsningar de förstår.

Excel drar också nytta av ackumulerad organisationskunskap. Företag har under årtionden byggt mallar, makron, modeller, rapporteringsprocedurer och godkännandeprocesser kring kalkylblad. Anställda vet hur man granskar formler och spårar beräkningar. Att ersätta den miljön innebär att ge upp mer än en applikation. Det innebär att störa ett operativsystem för finansiellt arbete.

Studien tolkar detta genom status‑quo‑bias. Bekantskap skapar förtroende och en känsla av kontroll, medan de potentiella förlusterna som är förknippade med byte kan framstå som mer omedelbara än de förväntade vinsterna. Detta hjälper till att förklara varför det enbart att demonstrera att en AI‑plattform är mer avancerad kanske inte räcker för att driva adoption.

Vad studien om AI i redovisning fann

Det slutgiltiga urvalet omfattade 271 redovisningsproffs som varit involverade i AI-, maskininlärnings- eller dataanalysinitiativ. Ungefär 92 % arbetade inom redovisning eller relaterade tjänste‑ och konsultorganisationer, och 62 % arbetade på organisationer med färre än 500 anställda.

Endast 33 % av respondenterna rapporterade att de hade fått AI‑utbildning. Samtidigt hade bara 36 % av de svarande som använde Excel för dataanalys gått över till mer avancerade AI‑lösningar. Enbart Excel‑kunskap var inte en statistiskt signifikant prediktor när hela modellen beaktades, men faktisk Excel‑baserad analytisk användning hade en signifikant negativ koppling till AI‑adoption.

Distinktionen är viktig. Att kunna Excel hindrar i sig inte någon från att anta AI. Hindret uppstår när etablerade kalkylbladsarbetsflöden redan tillgodoser omedelbara behov, vilket gör kostnaden och osäkerheten med att byta system svår att motivera.

AI‑utbildning betyder mer än en extra programvarulicens

Organisationer behandlar ofta AI‑adoption som ett inköpsbeslut. De köper licenser, aktiverar funktioner och förväntar sig att användningen följer. Studien antyder att detta tillvägagångssätt förväxlar programvarutillgänglighet med organisatorisk förmåga.

Utbildning hade ett positivt samband med AI‑adoption, liksom tidigare införande av bredare data‑analysverktyg. Tillsammans tyder dessa resultat på att organisationer drar nytta av att bygga upp en utvecklingskedja av förmågor. Revisorer som redan har gått bortom grundläggande kalkylbladsanalys är bättre förberedda att utvärdera, övervaka och integrera AI.

Ett praktiskt adoptionsprogram bör därför fokusera på specifika arbetsflöden:

• Avstämning och avvikelsedetektering
• Variansanalys och ledningsrapportering
• Prognostisering och scenarioutveckling
• Dokumentgranskning och revisionsförberedelse

Dessa avgränsade tillämpningar är lättare att validera än ett generellt mandat att “använda AI”. De skapar också mätbara resultat, såsom färre manuella steg, snabbare avslutningscykler eller fler granskade transaktioner. Detta blir allt viktigare när finansavdelningar ombeds visa avkastning på AI‑utgifter snarare än att rapportera licensantal eller anställdas intresse.

Resultatet kompletterar också en bredare analys från Securities.io som hävdar att proprietär data och institutionell kunskap kan bli den mest värdefulla AI‑skyddsmuren. Inom redovisning är modellen bara en komponent. Den svårare fördelen att reproducera är kombinationen av pålitlig finansiell data, etablerade kontroller, företagsspecifika rutiner och anställda som förstår hur ett giltigt resultat ska se ut.

Varför bekant mjukvara kan bli den bästa kanalen för AI-distribution

I artikeln beskrivs Excel som ett hämmande element, men det betyder inte att kalkylbladet måste försvinna. Den starkare kommersiella insikten är att minskade bytenkostnader kan vara mer effektiva än att be användarna överge bekanta verktyg.

Microsoft följer redan den vägen. Dess Finance Agent ansluter Excel till befintliga ekonomisystem och är utformad för att stödja aktiviteter såsom avstämning, variansanalys och realtidsfinansiell insikt. Detta är strategiskt viktigt eftersom det för AI till den gränssnitt som revisorer redan litar på.

Att integrera AI i befintlig programvara kan lösa flera adoptionshinder samtidigt. Det begränsar störningar i arbetsflödet, behåller bekanta kalkylblad, möjliggör granskning av resultat i ett etablerat format och minskar den psykologiska kostnaden för att prova en ny funktion. Användaren blir inte ombedd att ersätta Excel med AI. Användaren inbjuds istället att utöka Excel med AI.

Detta mönster är inte begränsat till redovisning. Företags‑AI konkurrerar i allt högre grad på distribution, integration, styrning och åtkomst till kontext snarare än enbart modellprestanda. Senaste rapporteringen från Securities.io om UiPath och övergången mot agentbaserad företagsautomation illustrerar samma kommersiella verklighet: automation blir mer värdefull när den kan fungera över de applikationer och processer som ett företag redan använder.

Adoption leder inte automatiskt till finansiella avkastningar

Studien bör inte tolkas som bevis för att implementering av AI nödvändigtvis förbättrar lönsamheten. Den mätte adoption, inte den finansiella avkastning som genererades av den adoptionen. Undersökningen var relativt liten, kraftigt koncentrerad till redovisningsrelaterade konsultfirmor, och genomfördes under en kort period. Regressionsresultaten identifierar samband snarare än att bevisa att utbildning eller analysverktyg fick organisationer att adoptera AI.

Det finns också risker som modellen inte helt fångade, inklusive dataskydd, cybersäkerhet, förtroende för tredjepartsleverantörer, resultatets tillförlitlighet och regulatoriskt ansvar. Dessa frågor är särskilt viktiga när AI tillämpas på finansiell rapportering.

Nuvarande branschevidens tyder ändå på att adoptionen ökar. KPMGs 2026 Global AI i Finansrapport, baserad på mer än 1 000 seniora finansledare, visar att aktiv användning har ökat avsevärt, medan exceptionell prestanda fortfarande är mindre vanligt än själva adoptionen. Detta gap förstärker artikelns underliggande budskap: att införskaffa teknik är enklare än att förändra organisationen runt den.

Investera i gränssnittet för redovisnings‑AI

För investerare som söker exponering mot AI‑adoption inom redovisning erbjuder Microsoft en särskilt relevant position. Företaget äger Excel, det etablerade verktyg som identifierades i studien, samtidigt som det utvecklar AI‑lagret som är avsett att modernisera finansiellt arbete.

Det skapar en ovanlig strategisk fördel. Excels förankring kan bromsa migrationen till konkurrerande AI‑plattformar, men det ger också Microsoft direkt tillgång till en enorm installerad bas av finansproffs. Istället för att övervinna status‑quo‑bias genom att avlägsna status‑quo kan Microsoft tjäna på den genom att placera Copilot och finans‑inriktade agenter i den befintliga Microsoft 365‑miljön.

Affärsfallet sträcker sig bortom en enskild redovisningsfunktion. Microsoft kan kombinera produktivitetsprogramvara, molninfrastruktur, identitetskontroller, företagsdatakopplingar och AI‑agenter i ett enda kommersiellt ekosystem. Securities.io:s bredare analys av Microsoft som en AI‑investering undersöker hur Copilot passar in i den större plattformen.

Det finns betydande risker. Kunder kan motstå ytterligare prenumerationskostnader, ekonomiteam kan begränsa AI‑åtkomst på grund av noggrannhets‑ eller integritetsproblem, och konkurrerande plattformar kan erbjuda starkare specialiserade redovisningsfunktioner. Microsoft måste också bevisa att inbäddad AI ger mätbart värde snarare än att bara lägga till en ytterligare betald funktion i en redan komplex mjukvarustack.

Ändå pekar studien på ett hållbart affärsprincip. Antagandet av AI i företag styrs inte enbart av vilket system som är mest intelligent. Det beror också på vilket system som kräver minst förändring av användarna. Inom redovisning kan Excel fördröja övergången till AI, men det kan i slutändan bli den dörr som öppnar för den övergången.

Referenser:

¹ Juma’h, A. H., & Li, Y. (2026). Att låsa upp AI:s potential inom redovisning: En studie om antagningshinder och drivkrafter. Advances in Accounting, 71, 100905. https://doi.org/10.1016/j.adiac.2026.100905