Ledertillit vs. virkelighet

84 % av de spurte lederne sa at de er i det minste noe trygge på nøyaktigheten av AI-genererte resultater uten menneskelig gjennomgang . Dette tallet antyder en utbredt organisatorisk komfort med å la AI håndtere betydelige deler av rapporterings- og analysearbeidet.

Men den samme undersøkelsen viser at 26 % – én av fire ledere – rapporterte at interne revisjoner har oppdaget AI-feil som nådde eksterne målgrupper eller styremedlemmer . Dette gapet mellom uttrykt tillit og dokumentert svikt er undersøkelsens hovedfunn.

Workivas finansdirektør Barbara Larson sa det rett frem: «Tillit til AI uten kontroll over datakvalitet er en forpliktelse, ikke en strategi» .

Datakvalitet er det svakeste leddet

Tillitsgapet hviler på et mer grunnleggende problem: datakvalitet. Bare 11 % av lederne mener organisasjonens datakvalitet er tilstrekkelig for AI-bruk . De resterende 89 % erkjenner at deres underliggende data ikke er klare for AI-verktøyene de allerede tar i bruk.

Dette misforholdet har reelle konsekvenser. 71 % av lederne sa at dårlig datakvalitet i det minste i moderat grad har påvirket bruken av AI i finansiell- og bærekraftsrapportering . De mest rapporterte konsekvensene av dårlig datakvalitet er dårlige eller forsinkede operative beslutninger, etterfulgt av regulatoriske bøter eller rettslige skritt og tap av investortillit eller kreditorers tillit .

Investorer følger nøye med

Institusjonelle investorer er ikke beroliget av ledernes selvtillit. 89 % av de institusjonelle investorene sa at de er bekymret for nøyaktigheten av AI-generert innhold i selskapsrapporteringer . Denne bekymringen kommer samtidig med økende regulatorisk press for å behandle AI-resultater som revisjonspliktige registreringer snarere enn uformelle utkast .

95 % av de institusjonelle investorene mener ledere undervurderer risikoen ved fragmenterte økonomiske rapporteringsdata . Over tid kan svake eller uverifiserbare data svekke troverdigheten overfor interessenter .

Infrastrukturprioriteringer: Veien videre

Lederne svarer med et tydelig infrastrukturmandat. Undersøkelsen fant at 96 % av lederne sa at samordning i toppledelsen er avgjørende for å bryte ned datasiloer , og 79 % prioriterer dataautomatisering og styring for å lukke datagap på tvers av virksomheten . De fleste organisasjoner finansierer dette skiftet med dedikert IT-støtte (73 %) og avsatte budsjetter (71 %) .

76 % av interne revisjonsteam evaluerer allerede aktivt organisasjonens AI-modeller . Forretningsledere var nesten enstemmige om at finansdirektøren, IT-direktøren og bærekraftdirektøren må forene seg for at datastyring skal lykkes .

Infrastrukturprioriteringen beveger seg fra «utførelse til orkestrering» . Finansdirektører søker spesifikt etter plattformer som fungerer som et enkelt «system of truth» – som forankrer AI-agenter i sporbare, regulatoriske datamiljøer hvor hvert resultat kan verifiseres og hver opplysning kan forsvares .

AI-agenter går inn i rapporteringsflyten

Parallelt med undersøkelsesfunnene lanserte Workiva tre spesialbygde AI-agenter designet for å operere innenfor revisjonssikre rammer: en Tie-Out Agent for kontroll av konsistens i finansielle rapporter, en Benchmarking Agent for analyse av konkurrenters opplysninger, og en Sustainability Disclosure Agent for etterlevelse av ESRS- og ISSB-standarder . Disse agentene er innebygd i et vedvarende intelligenslag kalt Workiva Knowledge, som forankrer AI-resultater i organisasjonens egne data, instruksjoner og innhold .

Revisjonssporarkitekturen er viktig fordi AI-genererte resultater i regulerte finansielle innleveringer nå er en navngitt risikokategori i FINRAs årlige regulatoriske tilsynsrapport for 2026 . Hallusinasjonsrisikoen er høyest der AI har mest frihet til å generere narrativ – ledelseskommentarer, noteopplysninger og ESG-språk – som er nøyaktig det territoriet disse agentene er designet for å holde forankret i kildedata .

Bunnlinjen

Workivas 2026 Midyear Executive Benchmark Survey tegner et bilde av en bransje som beveger seg raskt på AI-adopsjon, men for sakte på datagrunnlaget og styringsstrukturene som trengs for å gjøre adopsjonen trygg. Tallene er tydelige: 84 % tillit, 26 % feil oppdaget, 11 % dataklare, 89 % investor bekymring. Å lukke gapet mellom AI-tillit og AI-kontroll er nå den definerende utfordringen for ledere innen økonomi, risiko og bærekraft.

Ledertillit vs. virkelighet

84 % av de spurte lederne sa at de er i det minste noe trygge på nøyaktigheten av AI-genererte resultater uten menneskelig gjennomgang . Dette tallet antyder en utbredt organisatorisk komfort med å la AI håndtere betydelige deler av rapporterings- og analysearbeidet.

Men den samme undersøkelsen viser at 26 % – én av fire ledere – rapporterte at interne revisjoner har oppdaget AI-feil som nådde eksterne målgrupper eller styremedlemmer . Dette gapet mellom uttrykt tillit og dokumentert svikt er undersøkelsens hovedfunn.

Workivas finansdirektør Barbara Larson sa det rett frem: «Tillit til AI uten kontroll over datakvalitet er en forpliktelse, ikke en strategi» .

Datakvalitet er det svakeste leddet

Tillitsgapet hviler på et mer grunnleggende problem: datakvalitet. Bare 11 % av lederne mener organisasjonens datakvalitet er tilstrekkelig for AI-bruk . De resterende 89 % erkjenner at deres underliggende data ikke er klare for AI-verktøyene de allerede tar i bruk.

Dette misforholdet har reelle konsekvenser. 71 % av lederne sa at dårlig datakvalitet i det minste i moderat grad har påvirket bruken av AI i finansiell- og bærekraftsrapportering . De mest rapporterte konsekvensene av dårlig datakvalitet er dårlige eller forsinkede operative beslutninger, etterfulgt av regulatoriske bøter eller rettslige skritt og tap av investortillit eller kreditorers tillit .

Investorer følger nøye med

Institusjonelle investorer er ikke beroliget av ledernes selvtillit. 89 % av de institusjonelle investorene sa at de er bekymret for nøyaktigheten av AI-generert innhold i selskapsrapporteringer . Denne bekymringen kommer samtidig med økende regulatorisk press for å behandle AI-resultater som revisjonspliktige registreringer snarere enn uformelle utkast .

95 % av de institusjonelle investorene mener ledere undervurderer risikoen ved fragmenterte økonomiske rapporteringsdata . Over tid kan svake eller uverifiserbare data svekke troverdigheten overfor interessenter .

Infrastrukturprioriteringer: Veien videre

Lederne svarer med et tydelig infrastrukturmandat. Undersøkelsen fant at 96 % av lederne sa at samordning i toppledelsen er avgjørende for å bryte ned datasiloer , og 79 % prioriterer dataautomatisering og styring for å lukke datagap på tvers av virksomheten . De fleste organisasjoner finansierer dette skiftet med dedikert IT-støtte (73 %) og avsatte budsjetter (71 %) .

76 % av interne revisjonsteam evaluerer allerede aktivt organisasjonens AI-modeller . Forretningsledere var nesten enstemmige om at finansdirektøren, IT-direktøren og bærekraftdirektøren må forene seg for at datastyring skal lykkes .

Infrastrukturprioriteringen beveger seg fra «utførelse til orkestrering» . Finansdirektører søker spesifikt etter plattformer som fungerer som et enkelt «system of truth» – som forankrer AI-agenter i sporbare, regulatoriske datamiljøer hvor hvert resultat kan verifiseres og hver opplysning kan forsvares .

AI-agenter går inn i rapporteringsflyten

Parallelt med undersøkelsesfunnene lanserte Workiva tre spesialbygde AI-agenter designet for å operere innenfor revisjonssikre rammer: en Tie-Out Agent for kontroll av konsistens i finansielle rapporter, en Benchmarking Agent for analyse av konkurrenters opplysninger, og en Sustainability Disclosure Agent for etterlevelse av ESRS- og ISSB-standarder . Disse agentene er innebygd i et vedvarende intelligenslag kalt Workiva Knowledge, som forankrer AI-resultater i organisasjonens egne data, instruksjoner og innhold .

Revisjonssporarkitekturen er viktig fordi AI-genererte resultater i regulerte finansielle innleveringer nå er en navngitt risikokategori i FINRAs årlige regulatoriske tilsynsrapport for 2026 . Hallusinasjonsrisikoen er høyest der AI har mest frihet til å generere narrativ – ledelseskommentarer, noteopplysninger og ESG-språk – som er nøyaktig det territoriet disse agentene er designet for å holde forankret i kildedata .

Bunnlinjen

Workivas 2026 Midyear Executive Benchmark Survey tegner et bilde av en bransje som beveger seg raskt på AI-adopsjon, men for sakte på datagrunnlaget og styringsstrukturene som trengs for å gjøre adopsjonen trygg. Tallene er tydelige: 84 % tillit, 26 % feil oppdaget, 11 % dataklare, 89 % investor bekymring. Å lukke gapet mellom AI-tillit og AI-kontroll er nå den definerende utfordringen for ledere innen økonomi, risiko og bærekraft.