Tradisjonelt har revisor vært nødt til å stole på svært manuelle metoder for å forstå hvilke risikoer som er knyttet til et selskaps rutiner og prosesser. Man kan spørre seg om en slik tradisjonell gjennomgang gir revisor en tilstrekkelig forståelse av det faktiske risikobildet, og det er stadig mer nærliggende å tro at svaret er «nei». Det betyr i så fall at revisors arbeid kan være innrettet mot et risikobilde som er mangelfullt eller feil.

Riktig bruk av teknologi vil i dag kunne gi revisor et langt mer "høyoppløselig" risikobilde. Eksempler på dette kan være bruk av eksterne datakilder, i tillegg til revisjonsklientens datakilder, og kombinere denne informasjonen med våre egne historiske revisjonsdata, som resultater og funn fra tidligere års revisjoner. Revisor kan også anvende kognitive analytiske modeller for å gjennomgå tradisjonelle dokumenter, som for eksempel kontrakter, og vurdere informasjon fra kontraktene opp mot resultatene fra analysene av de finansielle dataene.

Gjennom en mer "data driven" revisjon får revisor en dypere innsikt i forretningsprosesser og risiko. Innsikten bidrar ikke bare til økt revisjonskvalitet, men den vil også kunne skape en merverdi for revisjonsklientene. Blant annet kan økt innsikt være startpunktet for identifisering av ineffektive forretningsprosesser, eller mangelfulle internkontrollrutiner.

Frem til nå har utstrakt bruk av teknologi og dypere innsikt ofte vært forbundet med revisjon av større børsnoterte foretak. I dag er dette også gjennomførbart på mindre eierstyrte bedrifter. Dagens muligheter for datainnhenting, kombinert med økt teknologisk modenhet blant virksomheter i SMB-markedet, åpner muligheter for å skaffe seg slik økt innsikt ved riktig prosessering av innhentet data, selv på de minste revisjonsklientene.

Utfordringen blir hvordan revisor skal kunne sette seg så grundig inn i en virksomhets rutiner og prosesser innenfor revisjonshonorarets rammer? Ett av svarene på dette spørsmålet er automasjon.

Revisjonsbransjen må ta i bruk teknologi i mye større grad og på langt flere områder enn i dag, samtidig som man må legge betydelig mer ressurser i standardisering. Et vanlig argument mot sistnevnte, er at standardisering er "umulig" siden kundene er så ulike. Men selv om risikovurderingene skal være spesifikke, er mange av revisors oppgaver generiske: Innhente og dokumentere bankbeholdninger og eksterne saldoforespørsler tilknyttet kundefordringer, og utforme trendanalyser over salgsinntektene de siste 12 måneder, for bare å nevne noen. Slike oppgaver utføres temmelig identisk uavhengig av om man reviderer et børsnotert konsern eller en mindre, eierstyrt bedrift.

Når man standardiserer flest mulig av handlingene og aktivitetene som skal utføres i en revisjon, blir de også enklere å automatisere. Etter å ha gjort et grundig arbeid for å standardisere revisjonsutførelsen etter bransjer, kompleksitet og risikoprofil, har vi i KPMG kunnet ta i bruk blant annet robotic process automation i ulike deler av revisjonen gjennom året som har gått.

På denne måten har det blitt mulig for oss å legge opp til en standardisert «basisrevisjon» basert på data innhentet fra ulike kilder. Dette kan for eksempel være regnskapsdata fra selskapet selv, offentlig tilgjengelige regnskapsopplysninger om andre selskaper i samme bransje, informasjon fra banker, kredittvurderingsopplysninger og øvrige data fra offentlige registre.

Robotene våre har bistått med å behandle datauttrekk, prosessere data og utarbeide arbeidspapirer – basert på input fra de ulike revisjonsteamene. Dette har på effektivt vis gitt et godt utgangspunkt før revisor definerer sine selskapsspesifikke revisjonshandlinger.

Noen vil kanskje hevde at standardisering og automasjon vil utfordre revisors frihet til å utøve sitt profesjonelle skjønn. I den forstand at revisor ikke lenger kan "starte på bar bakke" ved utøvelsen av det profesjonelle skjønnet, men at det utøves på toppen av en allerede predefinert basisrevisjon.

Satt på spissen kan man ha rett i det. For eksempel blir det da "umulig" for revisor å basere sin konklusjon over salgsinntekter utelukkende på resultatene fra en aggregert bruttofortjenesteanalyse, en praksis som har vært trukket frem i kritikk mot revisors arbeid, både i rettssaker og fra Finanstilsynet.

Gjennom standardisering og automasjon vil revisor nå kunne innhente en større mengde hensiktsmessige revisjonsbevis uten å øke ressursbruken, for deretter å gjøre vurderinger av behovet for å utforme spesifikke revisjonshandlinger utover denne standardrevisjonen. Når teknologien prosesserer og tolker data, vil det også bidra til å gi revisor et bedre beslutningsgrunnlag for å gjøre nettopp disse vurderingene.

Hva vil så dette ha å bety for revisors kompetansebehov? Både innenfor profesjonen og akademia har mye tid vært brukt på å diskutere hvilken kompetanse fremtidens revisor trenger. Vi skal på ingen måte forsøke oss på å fremlegge noen fasit, men det tør være hevet over enhver tvil at andelen teknologer innen revisjon vil øke betydelig.

Samtidig må den jevne revisor øke sin allmennkunnskap på den digitale verden. Mer spesifikt kan det være behov for å fokusere mer på prosessforståelse, programmering, bruk av tyngre analyseverktøy og hvilke risikoer som følger av dette. Dette er nødvendig ikke minst for å kunne forstå og stole på resultater som fremkommer gjennom bruk av avanserte dataanalyser, automasjon og lignende. Her har vi blant annet sett at Norges Handelshøyskole det siste året har innført en rekke temaer rundt digitalisering i sitt MRR-studium. Dette er et godt initiativ som fremover må integreres bedre i selve revisjonsfaget. Det er vår forståelse at dette allerede er på agendaen i Bergen, noe som lover godt for de fremtidige revisorene.

Artikkelen er opprinnelig publisert i Regnskap og Revisjon nr. 7, 2018.