Magma
14.10.2026
Denne artikkelen undersøker hvilken kompetanse nyutdannede innen regnskap og revisjon trenger i et arbeidsliv preget av kunstig intelligens (KI),
... automatisering og dataanalyse, og hvilke implikasjoner dette har for masterutdanningen i regnskap og revisjon (MRR). Studien bygger på en kunnskapsoppsummering av internasjonal forskningslitteratur om endrede arbeidsoppgaver, kompetansebehov og utdanningsmessige konsekvenser for tidlige karriereløp i regnskaps- og revisjonsprofesjonen. Gjennomgangen viser at KI ikke gjør tradisjonell regnskaps- og revisjonskompetanse mindre relevant.
Tvert imot synes grunnleggende fagforståelse, profesjonelt skjønn og kritisk vurderingsevne å bli viktigere når rutinepregede oppgaver automatiseres eller støttes av digitale verktøy. Samtidig må fagkompetansen suppleres med fagspesifikk digital kompetanse, teknologiforståelse og evne til å kommunisere og samhandle om analyser, risikoer og vurderinger. Artikkelen argumenterer for at MRR-utdanningen bør videreutvikles gjennom integrering av KI, dataanalyse og autentiske læringsformer i eksisterende regnskaps- og revisjonsemner, heller enn å erstatte kjernefag eller prioritere opplæring i enkeltverktøy.
Innledning
De siste årene har en rekke nasjonale og internasjonale utredninger understreket behovet for kontinuerlig kompetanseutvikling i møte med teknologisk omstilling. Innen regnskap og revisjon har særlig økt bruk av kunstig intelligens (KI), automatisering og dataanalyse bidratt til betydelige endringer i arbeidsoppgaver og kompetansekrav (Saunders et al., 2023 og Choi & Xie, 2026).
Internasjonal forskning viser at arbeidsoppgaver som tidligere ble utført av nyansatte revisormedarbeidere, i økende grad har blitt automatisert, flyttet til servicesentre eller endret som følge av KI eller annen ny teknologi (Daugherty, 2012; Popova & Wright, 2019). Nyansatte revisorer møter derfor mer komplekse arbeidsoppgaver tidligere i karrieren og må kombinere fagkunnskap, profesjonelt skjønn og forståelse av digitale verktøy i regnskapsog revisjonsfaglige sammenhenger allerede fra starten av (Law & Shen, 2025; McTavish et al., 2026; Saunders et al., 2023). Samtidig gir forskningen et sammensatt bilde av hvilke ferdigheter som blir viktigst fremover. Noen studier fremhever økt behov for analytiske og teknologiske ferdigheter, særlig innen dataanalyse (Moore & Felo, 2022), mens andre understreker betydningen av generiske ferdigheter, slik som kommunikasjon, samarbeid og kritisk tenkning (Law & Shen, 2025). I tillegg synes det å være en økende erkjennelse at grunnleggende fagkunnskap fortsatt må være på plass (Hatfield, 2025; Meld. St. 16 (20202021)). I denne artikkelen undersøker vi hvilken kompetanse nyutdannede innen regnskap og revisjon trenger i et arbeidsmarked preget av KI og rask teknologisk utvikling. Vi undersøker hvordan masterutdanningen i regnskap og revisjon (MRR) bør balansere tradisjonell fagkunnskap innen regnskap, revisjon og økonomi med økte krav til digital kompetanse og generiske ferdigheter. Problemstillingen aktualiseres ytterligere av pågående diskusjoner om å inkludere regnskaps- og revisjonsutdanningen under STEM-paraplyen1 i USA (Umesh, 2026). Studien retter derfor særlig oppmerksomhet mot hvilke implikasjoner teknologisk utvikling har for MRR. Vi stiller følgende forskningsspørsmål:
1) Hvilken kunnskap og hvilke ferdigheter trenger nyutdannede innen regnskap og revisjon i et arbeidsliv preget av KI og rask teknologisk utvikling?
2) Hvilke implikasjoner har dette for innhold, læringsformer og prioriteringer i MRR?2 For å finne svar på disse spørsmålene foretar vi en kunnskapsoppsummering («scoping review») av internasjonal forskningslitteratur om kompetansebehovet innen regnskap og revisjon og implikasjonene av dette behovet.
Vår kunnskapsgjennomgang tyder ikke på at KI gjør tradisjonell regnskaps- og revisjonskompetanse mindre relevant. Snarere peker litteraturen mot at grunnleggende fagforståelse, profesjonelt skjønn og kritisk vurderingsevne blir viktigere når digitale verktøy i økende grad overtar rutinepregede oppgaver. Samtidig må denne fagkompetansen suppleres med fagspesifikk digital kompetanse, teknologiforståelse og evne til å kommunisere og samhandle om analyser, risikoer og vurderinger.
Resten av artikkelen er strukturert som følger: Vi presenterer først bakgrunnen for studien og forskningsmetoden. Deretter presenterer vi våre funn. Med utgangspunkt i kunnskapsoppsummeringen diskuterer vi hvordan MRR kan videreutvikles for å møte teknologiske og profesjonsfaglige krav. Vi mener studien vil være nyttig for studenter, utdanningsinstitusjoner og arbeidsgivere i en tid preget av rask teknologisk utvikling.
Bakgrunn
I dette delkapittelet vil vi først redegjøre for artikkelens begrepsbruk og presentere relevante rammeverk og utredninger på området kompetanse/kompetanseutvikling. Deretter ser vi nærmere på KIs betydning for arbeidsmarkedet og presenterer den norske MRR-modellen.
Begrepsdefinisjoner Med KI mener vi det som omfattes av definisjonen i EUs KI-forordning: «et maskinbasert system som er konstruert for å operere med varierende grad av autonomi, som kan vise tilpasningsdyktighet etter idriftsetting, og som, for eksplisitte eller implisitte mål, ut fra inndataene det mottar, utleder hvordan man genererer utdata som prediksjoner, innhold og anbefalinger, eller beslutninger som kan påvirke fysiske eller virtuelle miljøer.» (EU, 2024). KI blir dermed et paraplybegrep som blant annet omfatter generativ KI, for eksempel i form av språkmodeller (Large Language Models LLM-er).
Vi bruker begrepet kompetanse som et overordnet begrep som omfatter kunnskap, ferdigheter og evnen til å anvende disse i konkrete faglige situasjoner. Begrepet ferdighet defineres som «evne til å anvende kunnskap til å løse problemer og oppgaver» (NOKUT, u.d.). En profesjonsutøver trenger fagspesifikk kompetanse og generiske ferdigheter (Meld. St. 16 (20202021), s. 7). Sosiale ferdigheter, som samarbeid og kommunikasjon, omtales ofte som generiske ferdigheter. Samtidig omfatter generiske ferdigheter også evner som kritisk tenkning, problemløsning og læringsevne; evner som ikke uten videre kan beskrives som sosiale ferdigheter. Digitalisering og KI krever ny kompetanse. For å tydeliggjøre hva denne kompetansen består i, er det nyttig å skille mellom generell, fagspesifikk og spesialisert digital kompetanse. Generell digital kompetanse kan defineres som evne til å delta digitalt, inkludert det å «forstå, vurdere og bruke digitale verktøy, systemer og grunnleggende algoritmer» (Kompetansebehovsutvalget, 2025, s. 49). Fagspesifikk digital kompetanse vil være å «kunne løse fagspesifikke oppgaver med digital teknologi som støtte» (ibid). Det viktigste synes å være en teknisk forståelse av ulike løsninger og tilstrekkelig oversikt til å se helheten. Det britiske revisortilsynet påpeker at revisors risiko med KI-løsninger vil være hallusinasjon, utelatelser, forvrengninger, feilaktige resonnementer og inkonsistenser (FRC, 2026). Spesialisert digital kompetanse «er spisset mot å vedlikeholde, utvikle og forbedre IKT-løsninger og -systemer» (Kompetansebehovsutvalget, 2025, s. 4950).
I denne artikkelen bruker vi begrepet generiske ferdigheter som en bredere betegnelse på det som i mye av den engelskspråklige litteraturen omtales som «soft skills». Begrepet fagspesifikk kompetanse brukes om det som ofte omtales som «hard skills».
Behov for kunnskap og ferdigheternyere utredninger og rammeverk Flere nasjonale og internasjonale utredninger peker på at teknologisk utvikling, automatisering og KI endrer kompetansebehovene i arbeidslivet. World Economic Forum (2020) fremhever blant annet analytisk tenkning, problemløsning, kreativitet og teknologiforståelse som sentrale ferdigheter. Tilsvarende understreker norske myndigheter betydningen av både fagspesifikk kompetanse og generiske ferdigheter som gjør kandidatene i stand til å lære gjennom hele y
Gå til medietTvert imot synes grunnleggende fagforståelse, profesjonelt skjønn og kritisk vurderingsevne å bli viktigere når rutinepregede oppgaver automatiseres eller støttes av digitale verktøy. Samtidig må fagkompetansen suppleres med fagspesifikk digital kompetanse, teknologiforståelse og evne til å kommunisere og samhandle om analyser, risikoer og vurderinger. Artikkelen argumenterer for at MRR-utdanningen bør videreutvikles gjennom integrering av KI, dataanalyse og autentiske læringsformer i eksisterende regnskaps- og revisjonsemner, heller enn å erstatte kjernefag eller prioritere opplæring i enkeltverktøy.
Innledning
De siste årene har en rekke nasjonale og internasjonale utredninger understreket behovet for kontinuerlig kompetanseutvikling i møte med teknologisk omstilling. Innen regnskap og revisjon har særlig økt bruk av kunstig intelligens (KI), automatisering og dataanalyse bidratt til betydelige endringer i arbeidsoppgaver og kompetansekrav (Saunders et al., 2023 og Choi & Xie, 2026).
Internasjonal forskning viser at arbeidsoppgaver som tidligere ble utført av nyansatte revisormedarbeidere, i økende grad har blitt automatisert, flyttet til servicesentre eller endret som følge av KI eller annen ny teknologi (Daugherty, 2012; Popova & Wright, 2019). Nyansatte revisorer møter derfor mer komplekse arbeidsoppgaver tidligere i karrieren og må kombinere fagkunnskap, profesjonelt skjønn og forståelse av digitale verktøy i regnskapsog revisjonsfaglige sammenhenger allerede fra starten av (Law & Shen, 2025; McTavish et al., 2026; Saunders et al., 2023). Samtidig gir forskningen et sammensatt bilde av hvilke ferdigheter som blir viktigst fremover. Noen studier fremhever økt behov for analytiske og teknologiske ferdigheter, særlig innen dataanalyse (Moore & Felo, 2022), mens andre understreker betydningen av generiske ferdigheter, slik som kommunikasjon, samarbeid og kritisk tenkning (Law & Shen, 2025). I tillegg synes det å være en økende erkjennelse at grunnleggende fagkunnskap fortsatt må være på plass (Hatfield, 2025; Meld. St. 16 (20202021)). I denne artikkelen undersøker vi hvilken kompetanse nyutdannede innen regnskap og revisjon trenger i et arbeidsmarked preget av KI og rask teknologisk utvikling. Vi undersøker hvordan masterutdanningen i regnskap og revisjon (MRR) bør balansere tradisjonell fagkunnskap innen regnskap, revisjon og økonomi med økte krav til digital kompetanse og generiske ferdigheter. Problemstillingen aktualiseres ytterligere av pågående diskusjoner om å inkludere regnskaps- og revisjonsutdanningen under STEM-paraplyen1 i USA (Umesh, 2026). Studien retter derfor særlig oppmerksomhet mot hvilke implikasjoner teknologisk utvikling har for MRR. Vi stiller følgende forskningsspørsmål:
1) Hvilken kunnskap og hvilke ferdigheter trenger nyutdannede innen regnskap og revisjon i et arbeidsliv preget av KI og rask teknologisk utvikling?
2) Hvilke implikasjoner har dette for innhold, læringsformer og prioriteringer i MRR?2 For å finne svar på disse spørsmålene foretar vi en kunnskapsoppsummering («scoping review») av internasjonal forskningslitteratur om kompetansebehovet innen regnskap og revisjon og implikasjonene av dette behovet.
Vår kunnskapsgjennomgang tyder ikke på at KI gjør tradisjonell regnskaps- og revisjonskompetanse mindre relevant. Snarere peker litteraturen mot at grunnleggende fagforståelse, profesjonelt skjønn og kritisk vurderingsevne blir viktigere når digitale verktøy i økende grad overtar rutinepregede oppgaver. Samtidig må denne fagkompetansen suppleres med fagspesifikk digital kompetanse, teknologiforståelse og evne til å kommunisere og samhandle om analyser, risikoer og vurderinger.
Resten av artikkelen er strukturert som følger: Vi presenterer først bakgrunnen for studien og forskningsmetoden. Deretter presenterer vi våre funn. Med utgangspunkt i kunnskapsoppsummeringen diskuterer vi hvordan MRR kan videreutvikles for å møte teknologiske og profesjonsfaglige krav. Vi mener studien vil være nyttig for studenter, utdanningsinstitusjoner og arbeidsgivere i en tid preget av rask teknologisk utvikling.
Bakgrunn
I dette delkapittelet vil vi først redegjøre for artikkelens begrepsbruk og presentere relevante rammeverk og utredninger på området kompetanse/kompetanseutvikling. Deretter ser vi nærmere på KIs betydning for arbeidsmarkedet og presenterer den norske MRR-modellen.
Begrepsdefinisjoner Med KI mener vi det som omfattes av definisjonen i EUs KI-forordning: «et maskinbasert system som er konstruert for å operere med varierende grad av autonomi, som kan vise tilpasningsdyktighet etter idriftsetting, og som, for eksplisitte eller implisitte mål, ut fra inndataene det mottar, utleder hvordan man genererer utdata som prediksjoner, innhold og anbefalinger, eller beslutninger som kan påvirke fysiske eller virtuelle miljøer.» (EU, 2024). KI blir dermed et paraplybegrep som blant annet omfatter generativ KI, for eksempel i form av språkmodeller (Large Language Models LLM-er).
Vi bruker begrepet kompetanse som et overordnet begrep som omfatter kunnskap, ferdigheter og evnen til å anvende disse i konkrete faglige situasjoner. Begrepet ferdighet defineres som «evne til å anvende kunnskap til å løse problemer og oppgaver» (NOKUT, u.d.). En profesjonsutøver trenger fagspesifikk kompetanse og generiske ferdigheter (Meld. St. 16 (20202021), s. 7). Sosiale ferdigheter, som samarbeid og kommunikasjon, omtales ofte som generiske ferdigheter. Samtidig omfatter generiske ferdigheter også evner som kritisk tenkning, problemløsning og læringsevne; evner som ikke uten videre kan beskrives som sosiale ferdigheter. Digitalisering og KI krever ny kompetanse. For å tydeliggjøre hva denne kompetansen består i, er det nyttig å skille mellom generell, fagspesifikk og spesialisert digital kompetanse. Generell digital kompetanse kan defineres som evne til å delta digitalt, inkludert det å «forstå, vurdere og bruke digitale verktøy, systemer og grunnleggende algoritmer» (Kompetansebehovsutvalget, 2025, s. 49). Fagspesifikk digital kompetanse vil være å «kunne løse fagspesifikke oppgaver med digital teknologi som støtte» (ibid). Det viktigste synes å være en teknisk forståelse av ulike løsninger og tilstrekkelig oversikt til å se helheten. Det britiske revisortilsynet påpeker at revisors risiko med KI-løsninger vil være hallusinasjon, utelatelser, forvrengninger, feilaktige resonnementer og inkonsistenser (FRC, 2026). Spesialisert digital kompetanse «er spisset mot å vedlikeholde, utvikle og forbedre IKT-løsninger og -systemer» (Kompetansebehovsutvalget, 2025, s. 4950).
I denne artikkelen bruker vi begrepet generiske ferdigheter som en bredere betegnelse på det som i mye av den engelskspråklige litteraturen omtales som «soft skills». Begrepet fagspesifikk kompetanse brukes om det som ofte omtales som «hard skills».
Behov for kunnskap og ferdigheternyere utredninger og rammeverk Flere nasjonale og internasjonale utredninger peker på at teknologisk utvikling, automatisering og KI endrer kompetansebehovene i arbeidslivet. World Economic Forum (2020) fremhever blant annet analytisk tenkning, problemløsning, kreativitet og teknologiforståelse som sentrale ferdigheter. Tilsvarende understreker norske myndigheter betydningen av både fagspesifikk kompetanse og generiske ferdigheter som gjør kandidatene i stand til å lære gjennom hele y
