AI kan ge stöd i allt från fakturahantering till analys av transaktioner. Men ett välformulerat svar är inte samma sak som ett tillförlitligt underlag. För redovisningskonsulter, lönekonsulter och revisorer börjar nyttan med att välja rätt uppgift, skydda informationen och bestämma hur resultatet ska kontrolleras. Tekniken förändrar arbetssätten, inte kravet på professionellt omdöme.
Senast uppdaterad: 27 oktober 2026
Förstå vad verktyget faktiskt gör
Artificiell intelligens, AI, är ett samlingsnamn för tekniker som exempelvis klassificerar information, identifierar mönster eller skapar innehåll. Begreppet säger inte i sig hur ett system fungerar eller hur säkert ett resultat är. Fråga därför vad den aktuella lösningen ska göra, vilka underlag den använder och hur utfallet kan prövas.
Regler, inlärning och generering
Regelstyrd automation följer instruktioner som någon har bestämt, exempelvis att skicka en faktura över ett belopp till attest. Maskininlärning, ML, bygger i stället på att mönster anpassas utifrån träningsdata. Djupinlärning, DL, är en del av ML. Även andra ML-metoder lär mönster; en ordlista med fasta poäng är däremot normalt en regelbaserad lösning.
Generativ AI producerar exempelvis text, bilder eller kod utifrån inlärda samband och den aktuella kontexten. Skilj modellen från tjänsten runt den. En AI-tjänst kan kombinera en språkmodell med webbsökning, dokumenthämtning och beräkningsverktyg. Multimodalitet innebär att lösningen kan hantera flera typer av innehåll, exempelvis text och bilder. Kontrollera vilka funktioner som faktiskt ingår.
En modell behöver inte tränas om varje gång den används. Att en tjänst läser ett uppladdat dokument som kontext är inte i sig träning. Villkoren kan ändå medge annan användning av uppgifterna. Källförankring, ofta kallad RAG, hämtar relevant material till svaret. Det underlättar kontroll men garanterar varken rätt källa, korrekt tolkning eller felfri text.
Tydliga instruktioner räcker inte som kontroll
Prompting är att formulera uppgiften till tjänsten. Ange syfte, underlag, avgränsning och önskat format. Be exempelvis om en sammanställning av avtalsvillkor med hänvisning till avsnitt, och kräv att saknade uppgifter markeras. Läs sedan originalet. En bra instruktion förbättrar förutsättningarna, men flyttar inte ansvaret för bedömningen till verktyget.
Hallucinationer är svar som verkar rimliga men saknar stöd eller innehåller fel. Bias innebär snedvridningar som kan påverka urval och resultat. Felen kan vara systematiska, exempelvis om vissa fakturatyper återkommande misstolkas. Ett självsäkert språk uttrycker inte en tillförlitlig grad av säkerhet. Testa därför även svåra fall och sådant som verktyget förväntas avstå från att besvara.
Pröva nyttan i ett avgränsat arbetsflöde
Börja med en uppgift där resultatet går att jämföra med ett kontrollerat facit. Bedöm kvalitet, tidsåtgång och behovet av efterarbete innan användningen utökas. Validera lösningen för just ändamålet och följ upp efter förändringar i tjänst eller underlag. Möjlig effektivisering är inte en garanti för bättre kvalitet eller lägre kostnad.
Redovisning, lön och revision
I redovisningen kan AI tolka fakturor och föreslå kontering. Ett förslag för en periodiserad tjänst behöver ändå stämmas av mot avtalet, rätt period, moms och verksamhetens kontoplan. Behåll attest och övriga kontroller. Följ särskilt upp undantag: ett återkommande felaktigt förslag får inte bli accepterat enbart för att många liknande poster har behandlats.
Inom lön kan ett verktyg strukturera återkommande frågor eller skapa ett utkast till en förklaring utifrån anonymiserade underlag. Kontrollera avtalsversion, datum och berörda villkor innan svaret används. Anonymisering kräver att personer inte kan identifieras; att bara ta bort namnet räcker inte alltid. Hantera uppgifter om exempelvis hälsa med särskild omsorg och endast i godkända arbetsflöden.
I revisionen kan avvikelseanalys hjälpa till att rikta fortsatta granskningsåtgärder. En ovanlig bokning är inte automatiskt ett fel, och ett normalt mönster är inte bevis för riktighet. Analys av registrerade transaktioner visar inte att populationen är fullständig och bevisar inte alla påståenden. Kontrollera underlagens fullständighet och riktighet samt bedöm vilka kompletterande revisionsbevis som behövs.
Kontrollera också siffrorna
Ett genererat siffersvar från en språkmodell är inte en verifierad beräkning. Tjänsten kan använda kod eller kalkylverktyg, men kontrollera indata, formler, metod, avrundning och tolkning. Vid exempelvis en semesterlöneberäkning måste både beräkningsregler och underlag vara rätt. Dokumentera källor, metod och utförda kontroller så att arbetet går att följa och granska.
Skydda uppgifterna och begränsa handlingsutrymmet
Använd godkända tjänster enligt intern policy och pröva sekretessen innan klientuppgifter lämnas ut. Kartlägg GDPR-roller och rättslig grund, minimera uppgifterna och teckna biträdesavtal när leverantören är personuppgiftsbiträde. Granska åtkomst, underleverantörer, lagring, radering och eventuella överföringar utanför EES. Gör en riskbedömning och, när det krävs, en konsekvensbedömning. Att uppgifter inte används för modellträning är inte tillräckligt; gratis eller betald tjänst avgör inte heller säkerheten.
Agenter kan utföra flera steg och använda anslutna verktyg. Ge bara nödvändiga behörigheter och kräv mänskligt godkännande före viktiga åtgärder, såsom utbetalningar eller ändringar i register. Promptinjektion innebär att otillförlitliga instruktioner i exempelvis lästa dokument eller webbsidor försöker styra systemets arbete. Behandla dokumentinnehåll som data, inte som behöriga instruktioner, och begränsa vilka system och uppgifter agenten får nå.
AI-förordningen införs stegvis
EU:s AI-förordning har den 2 augusti 2026 som allmänt tillämpningsdatum, men olika datum och övergångsbestämmelser gäller. Kapitel I–II började tillämpas den 2 februari 2025 och kapitel V om AI-modeller för allmänna ändamål, GPAI, den 2 augusti 2025. De centrala högriskbestämmelserna i kapitel III, avsnitt 1–3, utom artikel 6.5, tillämpas för bilaga III och artikel 6.2 från den 2 december 2027. För produktanknutna system enligt bilaga I och artikel 6.1 är datumet den 2 augusti 2028.
Leverantörer och användande organisationer har olika skyldigheter. Vanlig redovisnings- eller revisionsanvändning är inte automatiskt högrisk. Artikel 4 kräver åtgärder som stödjer utvecklingen av AI-kunnighet hos berörda personer, med hänsyn till erfarenhet, uppgift och sammanhang, inte en garanti för en viss individuell nivå. Skilj transparenskraven för vissa system i artikel 50 från modellreglerna för GPAI i artikel 53 och de ytterligare systemriskkraven i artikel 55. Förordningen ersätter inte GDPR eller andra krav.
Revisorns ansvar
Professionell skepticism och revisorns ansvar kvarstår. Vid misstänkt lagöverträdelse kan höga möjliga sanktioner vara relevanta, men innebär inte automatisk väsentlighet. Bedöm faktiska omständigheter och möjliga effekter på de finansiella rapporterna enligt ISA 250, punkterna 19–22 och A19. NOCLAR hör till IESBA:s etiska kod och kompletterar ISA 250. Det etiska ramverket är inte begränsat till situationer med väsentliga rapportfel.
En kort säkerhetschecklista
- Använd en godkänd tjänst och kontrollera villkor, sekretess och personuppgiftshantering innan du delar underlag.
- Dela bara nödvändiga uppgifter. Begränsa åtkomst och behörigheter till det som uppgiften kräver.
- Kontrollera fakta mot originalkällor och räkna om viktiga belopp med en kontrollerbar metod.
- Kräv mänskligt godkännande före viktiga beslut och åtgärder. Avbryt när underlaget eller resultatet är osäkert.
- Dokumentera underlag, kontroller och ansvarig granskare. Följ upp fel och ändringar i verktyget.
Slutsats: använd AI som stöd, inte som facit
AI kan underlätta arbetet med redovisning, lön och revision när uppgiften är tydligt avgränsad och resultatet går att kontrollera. Börja smått, bygg kunskap och behåll de kontroller som skyddar kvalitet och förtroende. Det avgörande är inte hur övertygande verktyget svarar, utan om underlaget och slutsatsen håller för en professionell granskning.
Källor till kunskap om AI
- Internetstiftelsen är en oberoende, affärsdriven och allmännyttig organisation som tagit fram grundläggande och specificerade kurser inom AI: https://internetkunskap.se/grundkurs-i-ai/
- AI Sweden är det nationella centret för tillämpad AI och samlar mer än 120 partners från offentlig och privat sektor samt akademi och har olika kurser, bland annat Starta din AI-resa och olika utbildningsfilmer via Youtube
- AI Competence for Sweden är ett nationellt initiativ för utbildning och kompetensutveckling inom artificiell intelligens. Här samlas information om tillgängliga kurser
- Elements of AI är en kurs som tagits fram av MinnaLearn och Helsingfors Universitet med målet att göra AI förståeligt för alla. Peltarion och Linköpings universitet har tagit kursen till Sverige
