Zaufanie menedżerów a rzeczywistość

84% ankietowanych menedżerów zadeklarowało, że jest przynajmniej w pewnym stopniu pewnych dokładności wyników generowanych przez AI bez konieczności weryfikacji przez człowieka . Ta liczba sugeruje powszechną akceptację dla powierzania AI znaczących części prac analitycznych i raportowych.

Jednak to samo badanie ujawnia, że 26% — czyli co czwarty menedżer — przyznało, iż audyty wewnętrzne wykryły błędy AI, które dotarły do odbiorców zewnętrznych lub członków zarządu . Ta przepaść między deklarowanym zaufaniem a udokumentowanymi porażkami stanowi centralne odkrycie raportu.

Barbara Larson, CFO Workiva, ujęła to wprost: „Zaufanie do AI bez kontroli nad jakością danych to nie strategia, a zobowiązanie” .

Jakość danych — najsłabsze ogniwo

Luka w zaufaniu opiera się na bardziej fundamentalnym problemie: jakości danych. Tylko 11% menedżerów uważa, że jakość danych w ich organizacji jest wystarczająca do wykorzystania AI . Pozostałe 89% przyznaje, że ich podstawowe dane nie są gotowe na narzędzia AI, które już wdrożyli.

Ta niezgodność ma realne konsekwencje. 71% menedżerów stwierdziło, że słaba jakość danych przynajmniej średnio wpłynęła na wykorzystanie AI w raportowaniu finansowym i dotyczącym zrównoważonego rozwoju . Do najczęściej wymienianych konsekwencji niskiej jakości danych należą: złe lub opóźnione decyzje operacyjne, kary regulacyjne lub postępowania prawne oraz utrata wiarygodności w oczach inwestorów i pożyczkodawców .

Inwestorzy bacznie obserwują

Inwestorów instytucjonalnych nie uspokaja pewność siebie menedżerów. 89% z nich wyraziło zaniepokojenie dokładnością treści generowanych przez AI w ujawnieniach korporacyjnych . Obawa ta pojawia się w kontekście rosnącej presji regulacyjnej, by traktować wyniki AI jako rejestrowalne dane, a nie nieformalne szkice .

95% inwestorów instytucjonalnych uważa, że liderzy nie doceniają ryzyka związanego z rozdrobnionymi danymi raportowymi . Z czasem słabe lub niemożliwe do zweryfikowania dane mogą podważyć wiarygodność w oczach interesariuszy .

Priorytety infrastrukturalne: droga naprzód

Menedżerowie odpowiadają jasnym mandatem infrastrukturalnym. Badanie wykazało, że 96% z nich uważa, iż porozumienie na poziomie najwyższego kierownictwa (C-suite) jest niezbędne do przełamania silosów danych , a 79% priorytetowo traktuje automatyzację i zarządzanie danymi w celu zamknięcia luk w danych w całym przedsiębiorstwie . Większość organizacji finansuje tę zmianę poprzez dedykowane wsparcie IT (73%) i przeznaczone budżety (71%) .

76% zespołów audytu wewnętrznego aktywnie ocenia już modele AI w swoich organizacjach . Liderzy biznesowi są niemal jednomyślni co do tego, że CFO, CIO i CSO muszą działać wspólnie, aby zarządzanie danymi mogło odnieść sukces .

Priorytet infrastrukturalny przesuwa się od „wykonania do orkiestracji” . CFO szczególnie poszukują platform, które służą jako pojedynczy „system prawdy” — osadzający agentów AI w możliwych do prześledzenia środowiskach danych spełniających standardy regulacyjne, w których każdy wynik można zweryfikować, a każde ujawnienie obronić .

Agenci AI wkraczają do procesu raportowania

Równolegle z wynikami ankiety Workiva uruchomiła trzech wyspecjalizowanych agentów AI zaprojektowanych do działania w ramach możliwych do audytu zabezpieczeń: Agent Tie-Out do sprawdzania spójności raportów finansowych, Agent Benchmarking do analizy ujawnień porównawczych oraz Agent ds. Ujawnień Zrównoważonego Rozwoju do zgodności ze standardami ESRS i ISSB . Agenci ci są osadzeni w trwałej warstwie inteligencji o nazwie Workiva Knowledge, która osadza wyniki AI we własnych danych, instrukcjach i treściach organizacji .

Architektura ścieżki audytu ma znaczenie, ponieważ wyniki generowane przez AI w regulowanych dokumentach finansowych są teraz nazwaną kategorią ryzyka w Raporcie Nadzoru Regulacyjnego FINRA na rok 2026 . Ryzyko halucynacji jest najwyższe tam, gdzie AI ma największą swobodę w generowaniu narracji — komentarze zarządu, ujawnienia w przypisach, język ESG — czyli dokładnie w obszarach, do których ci agenci mają utrzymywać powiązanie z danymi źródłowymi .

Podsumowanie

Raport Workiva 2026 Midyear Executive Benchmark Survey maluje obraz branży, która szybko wdraża AI, ale zbyt wolno buduje fundamenty danych i struktury zarządzania niezbędne do bezpiecznego korzystania z tej technologii. Liczby są bezlitosne: 84% zaufania, 26% wykrytych błędów, 11% gotowości danych, 89% obaw inwestorów. Zamknięcie luki między zaufaniem do AI a kontrolą nad nią stało się kluczowym wyzwaniem dla liderów finansów, ryzyka i zrównoważonego rozwoju.

Zaufanie menedżerów a rzeczywistość

84% ankietowanych menedżerów zadeklarowało, że jest przynajmniej w pewnym stopniu pewnych dokładności wyników generowanych przez AI bez konieczności weryfikacji przez człowieka . Ta liczba sugeruje powszechną akceptację dla powierzania AI znaczących części prac analitycznych i raportowych.

Jednak to samo badanie ujawnia, że 26% — czyli co czwarty menedżer — przyznało, iż audyty wewnętrzne wykryły błędy AI, które dotarły do odbiorców zewnętrznych lub członków zarządu . Ta przepaść między deklarowanym zaufaniem a udokumentowanymi porażkami stanowi centralne odkrycie raportu.

Barbara Larson, CFO Workiva, ujęła to wprost: „Zaufanie do AI bez kontroli nad jakością danych to nie strategia, a zobowiązanie” .

Jakość danych — najsłabsze ogniwo

Luka w zaufaniu opiera się na bardziej fundamentalnym problemie: jakości danych. Tylko 11% menedżerów uważa, że jakość danych w ich organizacji jest wystarczająca do wykorzystania AI . Pozostałe 89% przyznaje, że ich podstawowe dane nie są gotowe na narzędzia AI, które już wdrożyli.

Ta niezgodność ma realne konsekwencje. 71% menedżerów stwierdziło, że słaba jakość danych przynajmniej średnio wpłynęła na wykorzystanie AI w raportowaniu finansowym i dotyczącym zrównoważonego rozwoju . Do najczęściej wymienianych konsekwencji niskiej jakości danych należą: złe lub opóźnione decyzje operacyjne, kary regulacyjne lub postępowania prawne oraz utrata wiarygodności w oczach inwestorów i pożyczkodawców .

Inwestorzy bacznie obserwują

Inwestorów instytucjonalnych nie uspokaja pewność siebie menedżerów. 89% z nich wyraziło zaniepokojenie dokładnością treści generowanych przez AI w ujawnieniach korporacyjnych . Obawa ta pojawia się w kontekście rosnącej presji regulacyjnej, by traktować wyniki AI jako rejestrowalne dane, a nie nieformalne szkice .

95% inwestorów instytucjonalnych uważa, że liderzy nie doceniają ryzyka związanego z rozdrobnionymi danymi raportowymi . Z czasem słabe lub niemożliwe do zweryfikowania dane mogą podważyć wiarygodność w oczach interesariuszy .

Priorytety infrastrukturalne: droga naprzód

Menedżerowie odpowiadają jasnym mandatem infrastrukturalnym. Badanie wykazało, że 96% z nich uważa, iż porozumienie na poziomie najwyższego kierownictwa (C-suite) jest niezbędne do przełamania silosów danych , a 79% priorytetowo traktuje automatyzację i zarządzanie danymi w celu zamknięcia luk w danych w całym przedsiębiorstwie . Większość organizacji finansuje tę zmianę poprzez dedykowane wsparcie IT (73%) i przeznaczone budżety (71%) .

76% zespołów audytu wewnętrznego aktywnie ocenia już modele AI w swoich organizacjach . Liderzy biznesowi są niemal jednomyślni co do tego, że CFO, CIO i CSO muszą działać wspólnie, aby zarządzanie danymi mogło odnieść sukces .

Priorytet infrastrukturalny przesuwa się od „wykonania do orkiestracji” . CFO szczególnie poszukują platform, które służą jako pojedynczy „system prawdy” — osadzający agentów AI w możliwych do prześledzenia środowiskach danych spełniających standardy regulacyjne, w których każdy wynik można zweryfikować, a każde ujawnienie obronić .

Agenci AI wkraczają do procesu raportowania

Równolegle z wynikami ankiety Workiva uruchomiła trzech wyspecjalizowanych agentów AI zaprojektowanych do działania w ramach możliwych do audytu zabezpieczeń: Agent Tie-Out do sprawdzania spójności raportów finansowych, Agent Benchmarking do analizy ujawnień porównawczych oraz Agent ds. Ujawnień Zrównoważonego Rozwoju do zgodności ze standardami ESRS i ISSB . Agenci ci są osadzeni w trwałej warstwie inteligencji o nazwie Workiva Knowledge, która osadza wyniki AI we własnych danych, instrukcjach i treściach organizacji .

Architektura ścieżki audytu ma znaczenie, ponieważ wyniki generowane przez AI w regulowanych dokumentach finansowych są teraz nazwaną kategorią ryzyka w Raporcie Nadzoru Regulacyjnego FINRA na rok 2026 . Ryzyko halucynacji jest najwyższe tam, gdzie AI ma największą swobodę w generowaniu narracji — komentarze zarządu, ujawnienia w przypisach, język ESG — czyli dokładnie w obszarach, do których ci agenci mają utrzymywać powiązanie z danymi źródłowymi .

Podsumowanie

Raport Workiva 2026 Midyear Executive Benchmark Survey maluje obraz branży, która szybko wdraża AI, ale zbyt wolno buduje fundamenty danych i struktury zarządzania niezbędne do bezpiecznego korzystania z tej technologii. Liczby są bezlitosne: 84% zaufania, 26% wykrytych błędów, 11% gotowości danych, 89% obaw inwestorów. Zamknięcie luki między zaufaniem do AI a kontrolą nad nią stało się kluczowym wyzwaniem dla liderów finansów, ryzyka i zrównoważonego rozwoju.