
تعداد نشریات | 163 |
تعداد شمارهها | 6,826 |
تعداد مقالات | 73,630 |
تعداد مشاهده مقاله | 135,050,176 |
تعداد دریافت فایل اصل مقاله | 105,345,713 |
امکانسنجی بهرهگیری از فناوریهای نوین هوش مصنوعی در بهبود فرایندهای حسابرسی در کشور | ||
بررسیهای حسابداری و حسابرسی | ||
دوره 32، شماره 3، 1404، صفحه 535-559 اصل مقاله (814.25 K) | ||
نوع مقاله: مقاله علمی پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/acctgrev.2025.391837.1009085 | ||
نویسندگان | ||
محمد عدنان حمود1؛ پرویز پیری* 2؛ علی آشتاب3 | ||
1دانشجوی دکتری، گروه حسابداری، دانشکده اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران. | ||
2دانشیار، گروه حسابداری، دانشکده اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران. | ||
3استادیار، گروه حسابداری، دانشکده اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران. | ||
چکیده | ||
هدف: حسابرسی، بهعنوان رکنی اساسی در تضمین قابلیت اطمینان، اعتبار و شفافیت اطلاعات مالی شرکتها، در سلامت اقتصاد نقش کلیدی ایفا میکند. با پیشرفت فناوری اطلاعات، روشهای سنتی حسابرسی متحول شدهاند و اجرای مؤثر فرایندهای حسابرسی، بدون بهرهگیری از این فناوریها، تقریباً ممکن نیست. ظهور هوش مصنوعی (AI)، بهویژه با بهبود کیفیت و سرعت پردازش دادهها، فرصتها و چالشهای جدیدی را در حسابداری و حسابرسی ایجاد کرده است. با وجود پژوهشهای گسترده در کشورهای توسعهیافته دربارۀ نقش هوش مصنوعی در حسابرسی، مطالعات در این حوزه در کشورهای در حال توسعه، از جمله ایران، همچنان محدود است. این پژوهش با هدف ارزیابی و تحلیل ظرفیت هوش مصنوعی در بهبود فرایندهای حسابرسی، به شناسایی نقش این فناوری در ارتقای کارایی و کیفیت حسابرسی در محیطهای اقتصادی متنوع میپردازد. روش: این پژوهشِ کاربردی، از رویکرد ترکیبی (کیفی و کمّی) استفاده کرده است. در بخش کیفی، مصاحبههای نیمهساختاریافته با ۱۲ خبرۀ حسابرسی و هوش مصنوعی، شامل اعضای انجمن حسابداران رسمی ایران و استادان دانشگاهی، بهصورت هدفمند انجام شد. دادههای مصاحبهها با روش نظریۀ دادهبنیاد و در سه مرحلۀ کدگذاری باز، محوری و انتخابی تحلیل شدند. نرمافزار مکسکیودا برای تحلیل دقیق و سریع دادههای متنی بهکار رفت. در بخش کمّی با رویکرد پیمایشی، نمونهای شامل ۲۰۰ حسابرس شاغل در مؤسسهها و سازمانهای حسابرسی ایران انتخاب شد. مدل پیشنهادی با استفاده از مدلسازی معادلات ساختاری (SEM) و نرمافزار اسمارت پیالاس اعتبارسنجی شد تا شاخصهای برازش مدل تأیید شوند. یافتهها: هوش مصنوعی با پردازش کارآمد حجم عظیمی از دادههای مالی، شناسایی الگوها و تشخیص ناهنجاریها، کیفیت حسابرسی را بهبود میبخشد. نتایج کیفی، شش دستۀ اصلی عوامل مؤثر بر پذیرش هوش مصنوعی در حسابرسی را شناسایی کرد: شرایط علّی (مشوقها و الزامات محیطی، ویژگیهای فرهنگی، اجتماعی و سیاسی کشور و فشارهای بینالمللی)، شرایط زمینهای (محیط شرکت، محیط حسابداری و مالی و مشوقهای مالی)، پدیدۀ محوری (فناوری هوش مصنوعی بهعنوان عنصر کلیدی)، راهبردها (ایجاد سیستمهای کنترل داخلی، آموزش هوش مصنوعی، تعیین نهاد مسئول، تدوین استانداردها و ترویج فناوریهای مدرن)، پیامدها (بهبود کیفیت گزارشگری مالی، افزایش اعتماد اجتماعی، توسعۀ بازارهای سرمایه و تقویت حرفۀ حسابرسی) و شرایط مداخلهگر (ساختار شرکت، حاکمیت شرکتی، رقابت صنعت و رفتارهای مدیریتی). این دستهها چارچوب مدل پژوهش را شکل دادند. نتیجهگیری: یافتهها نشان میدهد که هوش مصنوعی با خودکارسازی فعالیتهای روزمرۀ حسابرسی، مانند ورود دادهها و تطبیق حسابها، ضمن ارتقای دقت و کیفیت حسابرسی، به حسابرسان امکان میدهد تا بر تحلیلهای پیچیده تمرکز کنند. ابزارهای مبتنی بر هوش مصنوعی با پیشبینی مالی در زمان واقعی، تشخیص ناهنجاریها و کاهش خطاها، فرایند حسابرسی را بهبود میبخشند. این فناوری همچنین با تحلیل دادههای تاریخی، قابلیتهایی مانند پیشبینی مالی، بودجهبندی و شناسایی حسابهای مشکوک را فراهم میکند. این پژوهش با شناسایی مزایا و چالشهای پیادهسازی هوش مصنوعی، برای حسابرسان و مدیران، راهکارهای عملی ارائه میدهد تا تصمیمگیریهای استراتژیک آگاهانهای در پذیرش این فناوری داشته باشند. با توجه به نقش هوش مصنوعی در کاهش ریسک و ارتقای دقت، این مطالعه چارچوبی کاربردی برای ارزیابی و بهینهسازی استفاده از این فناوری نوین ارائه میدهد و به درک بهتر پتانسیلهای عملیاتی و چالشهای پیادهسازی آن در حسابرسی کمک میکند. | ||
کلیدواژهها | ||
هوش مصنوعی در حسابرسی؛ مدلسازی معادلات ساختاری؛ حسابرسی مبتنی بر هوش مصنوعی | ||
مراجع | ||
آذرسعید، یاشار و رستمی، شعیب (1402). هوش مصنوعی و تصمیمگیری اخلاقی در حسابداری و حسابرسی: تحلیل چالشهای مرتبط. قضاوت و تصمیمگیری در حسابداری و حسابرسی، 2(7)، 87-114.
دلاور، علی (1390). روششناسی کیفی. راهبرد، 19(54)، 307-329.
زارع، حمید؛ حاجیها، زهره و کیقبادی، امیررضا (1402). ارائه الگوی ارزیابی کیفیت فرایند حسابرسی صورتهای مالی با استفاده از هوش مصنوعی. دانش حسابرسی، ۲۳ (۹۲)، 252-280.
گشتاسب، علی (1402). استفاده از هوش مصنوعی در ارتقای کیفیت حسابرسی مستقل، پایاننامه کارشناسی ارشد، دانشگاه تربیت مدرس، دانشکده اقتصاد و مدیریت.
منصوری، محمد جواد؛ کرمی، غلامرضا و یزدانی، حمیدرضا ( 1403 ). شناسایی پیشرانهای مؤثر بر آینده حسابرسی: رویکرد فراترکیب. بررسیهای حسابداری و حسابرسی، 31(2)، 390-427.
میرزاپور، مانا (1402). پیامدهای هوش مصنوعی بر اهداف حسابرسی صورتهای مالی و راههای دستیابی به آنها، پایاننامه کارشناسی ارشد، دانشگاه پیام نور استان تهران، مرکز پیام نور تهران غرب.
References Abdullah, A. A. H. & Almaqtari, F. A. (2024). The impact of artificial intelligence and Industry 4.0 on transforming accounting and auditing practices. Journal of Open Innovation: Technology, Market, and Complexity, 10(1), 100-218. Aitkazinov, A. (2023). The role of artificial intelligence in auditing: Opportunities and challenges. International Journal of Research in Engineering, Science and Management, 6(6), 117-119. Al-Hattami, H. M. (2022). Impact of AIS success on decision-making effectiveness among SMEs in less developed countries. Information Technology for Development, 12(2), 1-21. Azar Said, Y. & and Rostami, Sh. (2023). Artificial Intelligence and Ethical Decision Making in Accounting and Auditing: An Analysis of Related Challenges. Judgment and decision making in accounting and auditing, 2(7), 114-87. (in Persian) Chin, W. W. (1998). The partial least squares approach to structural equation modeling. Modern Methods for Business Research, 295(2), 295-336. Delavar, A. (2010). Qualitative methodology. Strategy, 19(54), 307-329. (in Persian) Enholm, I. M., Papagiannidis, E., Mikalef, P. & Krogstie, J. (2022). Artificial intelligence and business value: A literature review. Information Systems Frontiers, 24(5), 1709-1734. Fedyk, A., Hodson, J., Khimich, N. & Fedyk, T. (2022). Is artificial intelligence improving the audit process? Review of Accounting Studies, 27(3), 938-985. Ferreira, C. & Morais, A. I. (2019). Analysis of the relationship between company characteristics and key audit matters disclosed. Revista Contabilidade & Finanças, 31(83), 262-274. Fornell, C. & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39-50. Goshtasb, A. (2023). The use of artificial intelligence in improving the quality of independent auditing, Master's thesis, Tarbiat Modares University, Faculty of Economics and Management. (in Persian) Hair, J. F., Risher, J. J., Sarstedt, M. & Ringle, C. M. (2019). When to use and how to report the results of PLS-SEM. European Business Review, 31(1), 2-24. Henseler, J., Hubona, G. & Ray, P. A. (2016). Using PLS path modeling in new technology research: Updated guidelines. Industrial Management & Data Systems, 116(1), 2-20. Kline, R. B. (2011). Principles and practice of structural equation modeling (3rd. Ed.). New York: Guilfrod Press. Mansouri, M. J., Karami, G. & Yazdani, H. R. (2024). Identifying Key Drivers Influencing the Future of Auditing: A Meta-Synthesis Approach. Accounting and Auditing Review, 31(2), 390-427. (in Persian) Mirzapour, M. (2023). The consequences of artificial intelligence on the objectives of auditing financial statements and ways to achieve them, Master's thesis, Payam Noor University, Tehran Province, Payam Noor Center, Tehran West. (in Persian) Musa, A. (2024). The role of artificial intelligence in achieving auditing quality for small and medium enterprises in the Kingdom of Saudi Arabia. International Journal of Data and Network Science, 8(2), 835-844. Odonkor, B., Kaggwa, S., Uwaoma, P. U., Hassan, A. O. & Farayola, O. A. (2024). The impact of AI on accounting practices: A review: Exploring how artificial intelligence is transforming traditional accounting methods and financial reporting. World Journal of Advanced Research and Reviews, 21(1), 172-188. Polak, P. (2021). Welcome to the digital era—the impact of AI on business and society. Society, 58(3), 177-178. Strauss, A.L., & Corbin, J. (1998). Basics of qualitative research: Grounded theory: Procedures and Technique. (2nd Edition); Sage, Newbury Park, London Thottoli, M. M., Ahmed, E. R. & Thomas, K. V. (2022). Emerging technology and auditing practice: analysis for future directions. European Journal of Management Studies, 27(1), 99-119. Wetzels, M., Odekerken-Schröder, G. & Van Oppen, C. (2009). Using PLS path modeling for assessing hierarchical construct models: Guidelines and empirical illustration. MIS Quarterly, 33(1), 177-195. Yoon, S. (2020). A study on the transformation of accounting based on new technologies: Evidence from Korea. Sustainability, 12(20), 69-86. Zare, H., Hajiha, Z., and Kiqbadi, A. (2023). Providing a quality assessment model of the financial statement audit process using artificial intelligence. Audit Science, 23 (92), 252-280. (in Persian) Zemankova, A. (2019). Artificial intelligence in audit and accounting: Development, current trends, opportunities and threats-literature review. In 2019 International Conference on Control, Artificial Intelligence, Robotics & Optimization (ICCAIRO) (pp. 148-154). IEEE. Zhang, Y., Xiong, F., Xie, Y., Fan, X. & Gu, H. (2020). The impact of artificial intelligence and blockchain on the accounting profession. Ieee Access, 8(1), 110461-110477. | ||
آمار تعداد مشاهده مقاله: 203 تعداد دریافت فایل اصل مقاله: 158 |