ادغام هوش مصنوعی در حسابرسی؛ چالش ها و مزایا

هدف اصلی این پژوهش بررسی چالش ها و مزایای به کارگیری هوش مصنوعی به عنوان یک فناوری نوین در حوزه حسابرسی می باشد. هوش مصنوعی به عنوان یکی از پیشرفته‌ترین فناوری‌های معاصر، تاثیرات قابل‌توجهی در حوزه‌های مختلف صنعتی و خدماتی، به ویژه حسابداری و حسابرسی، ایجاد کرده است. با پیشرفت‌های سریع در زمینه الگوریتم‌های یادگیری ماشین، پردازش زبان طبیعی و تحلیل داده‌های بزرگ، هوش مصنوعی توانسته است فرآیندهای سنتی حسابرسی را بهبود بخشد و راهکارهای نوینی برای افزایش کارایی و دقت ارائه دهد. شرکت‌های بزرگ حسابداری مانند پی دبلیو سی، ارنست اند یانگ، کی پی ام جی و دیلویت در سال‌های اخیر بیش از 9 میلیارد دلار در توسعه راهکارهای مبتنی بر هوش مصنوعی سرمایه‌گذاری کرده‌اند. هوش مصنوعی قابلیت بازتعریف و بهینه‌سازی فرآیندهای حسابرسی را دارد و بهبود کیفیت و کاهش هزینه‌های عملیاتی از دستاوردهای این فناوری محسوب می‌شود. با این حال، پذیرش آن در حسابرسی با چالش‌هایی از قبیل پاسخگویی و قابلیت ردیابی، ابعاد اخلاقی، نیاز به چارچوب‌های سیاست‌گذاری و مقاومت در برابر تغییر مواجه است. این پژوهش با مروری بر تحقیقات انجام شده در زمینه کاربرد هوش مصنوعی در حسابرسی، مهمترین ریسک ها و منافع حاصل از ادغام این فناوری را در این حوزه شناسایی نموده است.

integration of artificial intelligence in auditing: challenges and benefits

the primary objective of this study is to examine the challenges and benefits of utilizing artificial intelligence (ai) as an emerging technology in the field of auditing. as one of the most advanced contemporary technologies, ai has had a significant impact on various industrial and service sectors, particularly in accounting and auditing. with rapid advancements in machine learning algorithms, natural language processing, and big data analytics, ai has enhanced traditional auditing processes and introduced innovative solutions to improve efficiency and accuracy. leading accounting firms such as pwc, ernst & young, kpmg, and deloitte have invested over $9 billion in recent years in the development of ai-driven auditing solutions. ai has the potential to redefine and optimize auditing processes, contributing to improved quality and reduced operational costs. however, its adoption in auditing faces challenges such as accountability and traceability, ethical considerations, the need for regulatory frameworks, and resistance to change. this study, through a review of existing research on ai applications in auditing, identifies the key risks and benefits associated with the integration of this technology into the field.