امکان‌‌سنجی بهره‌‌گیری از فناوری‌‌های نوین هوش مصنوعی در بهبود فرایندهای حسابرسی در کشور

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 موثر 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 12 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 200 حسابرس شاغل در موسسه‌ها 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 تایید 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 موثر 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.

feasibility of utilizing advanced artificial intelligence technologies to improve auditing processes in the country

objectiveauditing, 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.methodsthis 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.resultsai 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.