KPMG:s AI-rapport om AI blev en varnande historia: Indragen för fabricerade källhänvisningar

Vad KPMG:s rapport påstod – och vad den hade fel om

KPMG:s rapport var en del av deras årliga globala studie om kundupplevelser, utformad för att visa hur ledande organisationer "levererar på Total Experience-löftet" genom AI som är personlig, intuitiv och förutseende . Slutdokumentet var organiserat i fallstudier som namngav specifika företag och offentliga organ, och detaljerade deras påstådda transformationer med agentisk AI.

Problemen började när GPTZero, ett forskningsföretag inom AI-detektion, analyserade rapportens 45 källhänvisningar. Deras resultat var förödande :

• Endast 5 källhänvisningar (ungefär 11 %) var korrekta och verifierbara, och pekade korrekt på den avsedda källan.
• 28 källhänvisningar innehöll helt påhittat innehåll eller omskrivna titlar som inte matchade någon verklig källa.
• 12 källhänvisningar var för vaga eller felaktiga för att GPTZero skulle kunna avgöra om en källa ens existerade.
• Ungefär hälften av de faktapåståenden som stöddes av dessa 45 källhänvisningar verkade vara falska eller felaktigt tillskrivna.

Det mest flagranta exemplet gällde ett påstående om att East Japan Railway använde agentisk AI för kundsupport. Källhänvisningen pekade på ett pressmeddelande från 2019 – flera år innan agentisk AI var en etablerad term . En annan källhänvisning i rapporten hävdade att 55 % av chefer rankar AI som sin högsta investeringsprioritet, vilket motsade data från KPMG:s egen offentligt tillgängliga VD-undersökning .

Organisationerna som sade ifrån

När Financial Times oberoende verifierade påståenden i KPMG-rapporten, dementerade flera framstående organisationer beskrivningarna av sin AI-användning eller bekräftade att de var felaktiga. Enligt rapportering inkluderade de organisationer som bestred rapportens påståenden :

• UBS – Den schweiziska banken porträtterades som att ha implementerat AI-agenter över investeringsrådgivning, riskhantering och regelefterlevnad. UBS dementerade detta blankt och kallade påståendena "faktamässigt inkorrekta" .
• Storbritanniens nationella hälsovård (NHS) – Rapporten kopplade NHS-organisationer till betydande implementeringar av agentisk AI, vilket bestreds vid extern verifiering .
• Schweiziska statliga järnvägarna (SBB) – Rapporten hävdade att SBB hade blivit en "holistisk mobilitetsorkestrator" driven av AI-agenter. SBB bekräftade att beskrivningen var "inte korrekt" .
• Transport for London (TfL) – TfL var bland de kollektivtrafikorganisationer som namngavs i de omtvistade fallstudierna .

KPMG tog bort rapporten medan de utredde anklagelserna .

GPTZero:s dom: AI-hallucinationer, inte bara slarvig redigering

GPTZero klassade inte felen som enkla redaktionella misstag. Företaget tillskrev de omfattande falska källhänvisningarna och fabricerade fallstudierna till AI-hallucinationer – utdata från generativa AI-modeller som verkar trovärdiga men är faktamässigt inkorrekta eller helt påhittade .

GPTZero introducerade också en term för att beskriva vad som kan ha hänt bakom kulisserna: "vibe citing". Konceptet antyder att AI-verktyg, när de uppmanas att stödja ett narrativ, genererar källhänvisningar som "känns rätt" snarare än faktiskt motsvarar verkliga källor . I KPMG:s fall innebar detta referenser som lät akademiskt rigorösa eller journalistiskt trovärdiga, men som vid närmare granskning inte ledde någonstans.

Företagets utredning drog slutsatsen att rapportens sammansättning var konsekvent med omfattande AI-hjälp som inte hade genomgått tillräcklig mänsklig verifiering. Kombinationen av fabricerade fotnoter, felaktigt tillskriven statistik och icke-existerande fallstudier målade en bild av en forskningsprocess där AI-utdata publicerades med minimal tillsyn .

Det större mönstret: EY Canadas indragning en månad tidigare

KPMG-incidenten skedde inte i ett vakuum. I maj 2026, bara veckor innan KPMG:s rapport hamnade under lupp, drog EY Canada tillbaka sin cybersäkerhetsstudie "Points of Attack: Uncovering Cyber Threats and Fraud in Loyalty Systems" efter att GPTZero flaggat omfattande problem med AI-hallucinationer .

EY-rapporten visade sig ha fabricerat 16 av sina 27 referenser – ungefär 60 % – inklusive en hänvisning till ett icke-existerande McKinsey & Company-dokument kallat "Loyalty Economics Report" . GPTZero uppskattade också att 72 % av rapportens innehåll var AI-genererat .

EY Canada tog bort rapporten från sin webbplats och uppgav att de granskade omständigheterna som ledde till publiceringen . Precis som i KPMG-fallet väckte indragningen allvarliga frågor om hur ett av världens största professionella tjänsteföretag kunde publicera marknadsföringsmaterial som innehöll bevisligen falsk information utan att fånga det under granskningen.

Båda incidenterna blottade en strukturell sårbarhet hos de fyra stora: i takt med att företagen tävlar om att publicera tankeledarskap om AI-ämnen, förlitar de sig alltmer på just de verktyg de skriver om – ibland med pinsamma och ryktskadliga konsekvenser .

Vad detta innebär för professionella tjänster och AI-assisterad forskning

De på varandra följande indragningarna hos EY och KPMG under 2026 är mer än isolerade PR-problem. De representerar en varning för vilken kunskapsintensiv bransch som helst där trovärdighet är valutan.

Professionella tjänsteföretag har i åratal uppmanat kunder att "omfamna AI på ett ansvarsfullt sätt" . När samma företag ertappas med att publicera AI-hallucinerad forskning – om AI, av alla saker – undergräver motsägelsen deras auktoritet som betrodda rådgivare. KPMG-rapporten var inget internt utkast eller ett blogginlägg med låg profil. Det var en global flaggskeppsstudie avsedd att demonstrera företagets expertis inom kundupplevelse och framväxande teknologi .

Episoden belyser en växande asymmetri: generativ AI kan producera polerade, källtunga forskningsrapporter på minuter, men att verifiera varje påstående och spåra varje fotnot till sin ursprungliga källa kräver fortfarande timmar av kvalificerat mänskligt arbete. GPTZero:s metodologi i båda fallen – att manuellt kontrollera varje källhänvisning mot dess påstådda källa – visade att det är i verifieringsgapet som katastrofala fel slinker igenom .

För organisationer som publicerar forskning 2026 och framåt är läxan entydig: AI kan påskynda utkast, men den kan inte ersätta verifiering. Den ryktsmässiga kostnaden för en indragen rapport, särskilt en som ertappas med att citera källor som inte finns, överstiger vida den tid som sparas genom att hoppa över faktagranskningen.