امکان سنجی بهره گیری از فناوری های نوین هوش مصنوعی در بهبود فرایندهای حسابرسی در کشور (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
هدف: حسابرسی، به عنوان رکنی اساسی در تضمین قابلیت اطمینان، اعتبار و شفافیت اطلاعات مالی شرکت ها، در سلامت اقتصاد نقش کلیدی ایفا می کند. با پیشرفت فناوری اطلاعات، روش های سنتی حسابرسی متحول شده اند و اجرای مؤثر فرایندهای حسابرسی، بدون بهره گیری از این فناوری ها، تقریباً ممکن نیست. ظهور هوش مصنوعی (AI)، به ویژه با بهبود کیفیت و سرعت پردازش داده ها، فرصت ها و چالش های جدیدی را در حسابداری و حسابرسی ایجاد کرده است. با وجود پژوهش های گسترده در کشورهای توسعه یافته درباره 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 محیط های اقتصادی متنوع می پردازد. روش: این پژوهشِ کاربردی، از رویکرد ترکیبی (کیفی و کمّی) استفاده کرده است. در بخش کیفی، مصاحبه های نیمه ساختاریافته با ۱۲ خبره حسابرسی و هوش مصنوعی، شامل اعضای انجمن حسابداران رسمی ایران و استادان دانشگاهی، به صورت هدفمند انجام شد. داده های مصاحبه ها با روش نظریه داده بنیاد و در سه مرحله کدگذاری باز، محوری و انتخابی تحلیل شدند. نرم افزار مکس کیودا برای تحلیل دقیق و سریع داده های متنی به کار رفت. در بخش کمّی با رویکرد پیمایشی، نمونه ای شامل ۲۰۰ حسابرس شاغل در مؤسسه ها و سازمان های حسابرسی ایران انتخاب شد. مدل پیشنهادی با استفاده از مدل سازی معادلات ساختاری (SEM) و نرم افزار اسمارت پی ال اس اعتبارسنجی شد تا شاخص های برازش مدل تأیید شوند. یافته ها: هوش مصنوعی با پردازش کارآمد حجم عظیمی از داده های مالی، شناسایی الگوها و تشخیص ناهنجاری ها، کیفیت حسابرسی را بهبود می بخشد. نتایج کیفی، شش دسته اصلی عوامل مؤثر بر پذیرش هوش مصنوعی در حسابرسی را شناسایی کرد: شرایط علّی (مشوق ها و الزامات محیطی، ویژگی های فرهنگی، اجتماعی و سیاسی کشور و فشارهای بین المللی)، شرایط زمینه ای (محیط شرکت، محیط حسابداری و مالی و مشوق های مالی)، پدیده محوری (فناوری هوش مصنوعی به عنوان عنصر کلیدی)، راهبردها (ایجاد سیستم های کنترل داخلی، آموزش هوش مصنوعی، تعیین نهاد مسئول، تدوین استانداردها و ترویج فناوری های مدرن)، پیامدها (بهبود کیفیت گزارشگری مالی، افزایش اعتماد اجتماعی، توسعه بازارهای سرمایه و تقویت حرفه حسابرسی) و شرایط مداخله گر (ساختار شرکت، حاکمیت شرکتی، رقابت صنعت و رفتارهای مدیریتی). این دسته ها چارچوب مدل پژوهش را شکل دادند. نتیجه گیری: یافته ها نشان می دهد که هوش مصنوعی با خودکارسازی فعالیت های روزمره حسابرسی، مانند ورود داده ها و تطبیق حساب ها، ضمن ارتقای دقت و کیفیت حسابرسی، به حسابرسان امکان می دهد تا بر تحلیل های پیچیده تمرکز کنند. ابزارهای مبتنی بر هوش مصنوعی با پیش بینی مالی در زمان واقعی، تشخیص ناهنجاری ها و کاهش خطاها، فرایند حسابرسی را بهبود می بخشند. این فناوری همچنین با تحلیل داده های تاریخی، قابلیت هایی مانند پیش بینی مالی، بودجه بندی و شناسایی حساب های مشکوک را فراهم می کند. این پژوهش با شناسایی مزایا و چالش های پیاده سازی هوش مصنوعی، برای حسابرسان و مدیران، راه کارهای عملی ارائه می دهد تا تصمیم گیری های استراتژیک آگاهانه ای 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 بهینه سازی استفاده از این فناوری نوین ارائه می دهد و به درک بهتر پتانسیل های عملیاتی و چالش های پیاده سازی آن در حسابرسی کمک می کند.Feasibility of Utilizing Advanced Artificial Intelligence Technologies to Improve Auditing Processes in the Country
Objective Auditing, a cornerstone of ensuring the reliability, credibility, and transparency of corporate financial information, is vital to economic stability. The advent of information technology has revolutionized traditional auditing practices, rendering effective audits nearly impossible without technological integration. Artificial intelligence (AI) introduces both opportunities and challenges in accounting and auditing, particularly by enhancing data processing speed and quality. Although extensive research has explored AI’s role in auditing in developed countries, studies in developing nations, including Iran, remain limited. This study aims to evaluate AI’s potential to enhance auditing processes, focusing on its capacity to improve efficiency and quality across diverse economic contexts . Methods This applied study adopts a mixed-methods approach. The qualitative phase involved semi-structured interviews with 12 purposefully selected experts in auditing and AI, including members of the Iranian Association of Certified Public Accountants and academics. Interview data were analyzed using grounded theory through open, axial, and selective coding, with MaxQDA software employed for precise and efficient textual analysis. The quantitative phase utilized a survey of 200 auditors from various Iranian audit firms and organizations. The proposed model was validated using structural equation modeling (SEM) via SmartPLS to assess model fit indices. Results AI significantly improves audit quality by enabling efficient processing of large financial datasets, pattern recognition, and anomaly detection. Qualitative findings identified six key categories influencing AI adoption in auditing: causal conditions (environmental incentives, cultural, social, and political factors, and international pressures), contextual conditions (firm environment, accounting and financial systems, and financial incentives), core phenomenon (AI technology as the central element), strategies (establishing internal controls, AI training, designating responsible entities, setting standards, and promoting modern technologies), consequences (enhanced financial reporting quality, increased social trust, capital market development, and strengthened auditing profession), and intervening conditions (firm structure, corporate governance, industry competition, and managerial behaviors). These categories formed the foundation of the study’s model. Conclusion The findings demonstrate that AI automates routine audit tasks, such as data entry and reconciliation, thereby enhancing accuracy and allowing auditors to focus on complex analyses. AI-driven tools enable real-time financial forecasting, anomaly detection, and error reduction, significantly improving audit processes. By leveraging historical data, AI supports financial forecasting, budgeting, and the identification of suspicious accounts. This study highlights AI’s benefits and challenges, offering practical solutions for auditors and managers to make informed strategic decisions about its adoption. Given AI’s role in risk reduction and accuracy enhancement, this research provides a practical framework for policymakers and practitioners to optimize this transformative technology, contributing to a deeper understanding of its operational potential and implementation challenges in auditing.
تبلیغات
