AI-tillidskløften: 84% stoler på output – 26% har set fejl nå bestyrelsen

Men samme undersøgelse viser, at 26% – hver fjerde direktør – rapporterer, at interne revisioner har opdaget AI-fejl, som nåede eksterne målgrupper eller bestyrelsesmedlemmer . Dette gab mellem udtrykt tillid og dokumenterede fejl er undersøgelsens centrale fund.

Workivas finansdirektør Barbara Larson formulerede det direkte: »Tillid til AI uden kontrol over datakvalitet er ikke en strategi – det er en forpligtelse« (frit oversat) .

Datakvalitet er det svageste led

Tillidskløften hviler på et mere grundlæggende problem: datakvalitet. Kun 11% af direktørerne mener, at deres organisations datakvalitet er tilstrækkelig til AI-brug . De resterende 89% erkender, at deres underliggende data ikke er klar til de AI-værktøjer, de allerede tager i brug.

Dette mismatch har reelle konsekvenser. 71% af direktørerne siger, at dårlig datakvalitet i det mindste i moderat grad har påvirket brugen af AI i finansiel- og bæredygtighedsrapportering . De hyppigst rapporterede konsekvenser af dårlig datakvalitet er dårlige eller forsinkede operationelle beslutninger, efterfulgt af reguleringsbøder eller retslige skridt samt tab af investor- eller långivertroverdighed .

Investorer følger nøje med

Institutionelle investorer er ikke beroliget af direktørernes tillid. 89% af de institutionelle investorer siger, at de er bekymrede for nøjagtigheden af AI-genereret indhold i virksomhedsrapportering . Denne bekymring kommer sideløbende med stigende regulatorisk pres for at behandle AI-output som revisionsspor i stedet for uformelle udkast .

95% af de institutionelle investorer mener, at ledere undervurderer risikoen ved fragmenterede regnskabsdata . Over tid kan svage eller uverificerbare data underminere troværdigheden over for interessenter .

Infrastrukturprioriteter: Vejen frem

Direktørerne svarer med et klart infrastrukturmandat. Undersøgelsen fandt, at 96% af direktørerne siger, at samling i direktionen er afgørende for at nedbryde datasiloer , og 79% prioriterer dataautomatisering og -styring for at lukke datagab på tværs af organisationen . De fleste organisationer finansierer dette skifte med dedikeret IT-support (73%) og afsatte budgetter (71%) .

76% af de interne revisionsafdelinger evaluerer allerede aktivt deres organisations AI-modeller . Forretningsledere er næsten enstemmigt enige om, at CFO, CIO og CSO må forene sig om datastyring for at få succes .

Infrastrukturprioriteten flytter sig fra »udførelse til orkestrering« . CFO'er søger specifikt platforme, der fungerer som et enkelt »system of truth« – og forankrer AI-agenter i sporbar, reguleringsklar data, hvor hvert output kan verificeres, og hver offentliggørelse kan forsvares .

AI-agenter kommer ind i rapporteringsworkflowet

Samtidig med undersøgelsens resultater lancerede Workiva tre specialbyggede AI-agenter designet til at operere inden for revisionssikre rammer: en Tie-Out Agent til kontrol af konsistens i finansielle rapporter, en Benchmarking Agent til analyse af peer-offentliggørelser og en Sustainability Disclosure Agent til overholdelse af ESRS- og ISSB-standarder . Disse agenter er indlejret i et vedvarende intelligenslag kaldet Workiva Knowledge, som forankrer AI-output i organisationens egne data, instruktioner og indhold .

Arkitekturen med revisionsspor er vigtig, fordi AI-generet output i regulerede finansielle indberetninger nu er en navngivet risikokategori i FINRAs 2026 Annual Regulatory Oversight Report . Hallucinationsrisikoen er højest, hvor AI har mest frihed til at generere fortælling – ledelseskommentarer, fodnoteoplysninger og ESG-sprog – hvilket er præcis det område, disse agenter er designet til at holde forankret i kildedata .

Bundlinjen

Workivas 2026 Midyear Executive Benchmark Survey tegner et billede af en industri, der bevæger sig hurtigt på AI-adoption, men for langsomt på de datafundamenter og styringsstrukturer, der er nødvendige for at gøre den adoption sikker. Tallene er slående: 84% tillid, 26% opdagede fejl, 11% dataklar, 89% investor-bekymring. At lukke kløften mellem AI-tillid og AI-kontrol er nu den definerende udfordring for ledere inden for finans, risiko og bæredygtighed.