Syfte: Syftet med denna studie är att undersöka vilka psykologiska och kunskapsmässiga faktorer som påverkar redovisningskonsulters förtroende för artificiell intelligens. Den fokuserar på självförmåga, förtroendebenägenhet till maskiner, integritetsproblem och teknisk kunskap, samt hur dessa påverkar förtroendet för AI-system och intentionen att använda dem i det dagliga arbetet.

Metod: För att undersöka förtroendet för AI bland auktoriserade redovisningskonsulter i Sverige har en kvantitativ metod tillämpats. En enkätundersökning skickades ut till samtliga registrerade konsulter via Sunet Survey. Totalt analyserades 74 giltiga enkätsvar med hjälp av deskriptiv statistik, korrelationsanalys och regressionsanalys i SPSS för att pröva hypoteserna.

Resultat och slutsats: Analysen visar att självförmåga, teknisk kunskap och förtroendebenägenhet har ett positivt samband med redovisningskonsulters förtroende för AI, medan integritetsproblem har ett negativt samband. Däremot kunde hypotes H3, som förutsatte att upplevd användbarhet skulle påverka förtroendet positivt, inte bekräftas. Detta resultat utmanar tidigare teorier inom teknikacceptans och tyder på att tillit till AI i redovisning i högre grad formas av individens kompetens och trygghet snarare än av teknikens upplevda nytta.

Examensarbetets bidrag: Studien breddar förståelsen för hur förtroende för AI utvecklas inom redovisningsbranschen, särskilt i en svensk kontext. Genom att visa att upplevd användbarhet inte har någon signifikant påverkan på förtroendet, bidrar studien till att nyansera vedertagna modeller som TAM och UTAUT. Resultaten betonar vikten av att fokusera på kompetensutveckling, teknisk trygghet och hantering av integritetsrisker snarare än enbart systemets användarvänlighet.

Förslag till fortsatt forskning: Framtida studier bör utforska varför upplevd användbarhet inte påverkar förtroendet i denna grupp. Kvalitativa metoder och jämförelser mellan olika yrken eller länder kan ge djupare förståelse för hur förtroende för AI formas i olika kontexter.

Aim: The purpose of this study is to examine which psychological and knowledge-based factors influence accountants’ trust in artificial intelligence (AI). It focuses on self-efficacy, trust propensity in machines, perceived privacy concerns, and technical knowledge, and how these factors affect trust in AI systems and the intention to use them in daily work.

Method: To investigate the trust in AI among certified accounting consultants in Sweden, a quantitative research method was applied. A survey was distributed via Sunet Survey to all registered consultants. In total, 74 valid responses were analyzed using descriptive statistics, correlation analysis, and regression analysis in SPSS to test the hypotheses.

Results and conclusions: The analysis shows that self-efficacy, technical knowledge, and trust propensity positively influence trust in AI, while perceived privacy risks have a negative effect. However, Hypothesis 3, which stated that perceived usefulness would positively impact trust, was not supported. This challenges previous research and suggests that, within accounting, trust in AI is more strongly shaped by competence and psychological factors than by perceived practical benefits.

Contributions of the thesis: The study expands current understanding of how trust in AI develops within the accounting profession, particularly in a Swedish context. By showing that perceived usefulness does not significantly affect trust, the findings nuance traditional models such as TAM and UTAUT. The results highlight the importance of focusing on competence development, user confidence, and privacy risk management rather than on usability alone.

Suggestions for future research: Future studies should explore why perceived usefulness does not influence trust in this professional group. Qualitative approaches and cross-professional or international comparisons may provide deeper insight into how trust in AI is shaped across different contexts.