اکتشاف و پردازش هوشمند دانش

اکتشاف و پردازش هوشمند دانش

هوش مصنوعی در حسابداری مدیریت

نوع مقاله : مقاله پژوهشی

نویسنده
موسسه آموزش عالی عطار(معاونت فرهنگی ودانشجویی)
چکیده
این مقاله به بررسی تأثیر هوش مصنوعی (AI) بر فرآیندهای حسابداری و مدیریت مالی می‌پردازد. با توجه به پیشرفت‌های سریع فناوری و افزایش استفاده از هوش مصنوعی در صنایع مختلف، این تحقیق به تحلیل کاربردهای هوش مصنوعی در بهبود دقت پیش‌بینی‌های مالی، کاهش خطاهای انسانی، و چالش‌های فرهنگی و آموزشی در پیاده‌سازی این فناوری در حسابداری می‌پردازد.
تحقیقات نشان می‌دهند که استفاده از الگوریتم‌های هوش مصنوعی می‌تواند دقت پیش‌بینی‌های مالی را به طور قابل توجهی افزایش دهد. در این راستا، میانگین نمرات مربوط به سؤالات مرتبط با دقت پیش‌بینی‌ها در پرسشنامه‌ای که 185 نفر به آن پاسخ داده‌اند، 4.2 به دست آمد، که نشان‌دهنده دیدگاه مثبت پاسخ‌دهندگان نسبت به تأثیر هوش مصنوعی در این زمینه است. همچنین، وجود همبستگی مثبت بین کاهش خطاهای انسانی و بهبود دقت پیش‌بینی‌ها تأیید شد، که به نقش حیاتی هوش مصنوعی در اتوماسیون فرآیندهای حسابداری اشاره دارد.
علاوه بر این، چالش‌های فرهنگی و آموزشی به عنوان موانع مهم در پیاده‌سازی هوش مصنوعی شناسایی شدند. نتایج تحلیل رگرسیون نشان داد که این چالش‌ها تأثیر معناداری بر پیاده‌سازی هوش مصنوعی دارند. بنابراین، سازمان‌ها باید به سرمایه‌گذاری در آموزش‌های مرتبط با هوش مصنوعی و بهبود فرهنگ سازمانی توجه کنند تا بتوانند از مزایای این فناوری بهره‌مند شوند.
در نهایت، این مقاله به ارائه پیشنهادات عملی برای سازمان‌ها در زمینه پیاده‌سازی هوش مصنوعی در فرآیندهای حسابداری و مدیریت مالی می‌پردازد. با توجه به نتایج به‌دست‌آمده، به نظر می‌رسد که هوش مصنوعی می‌تواند به عنوان ابزاری مؤثر در بهبود عملکرد مالی و کاهش هزینه‌ها در سازمان‌ها عمل کند. این تحقیق می‌تواند به تصمیم‌گیرندگان و پژوهشگران در حوزه حسابداری کمک کند تا راهکارهای مؤثری برای بهره‌برداری از فناوری‌های نوین در فرآیندهای مالی ارائه دهند.کلمات کلیدی: هوش مصنوعی, حسابداری مدیریت, تحلیل داده, اتوماسیون, پیش‌بینی مالی, مدیریت ریسک
کلیدواژه‌ها

1.       آذرسعید، یاشار؛ رستمی، شعیب. (1402). هوش مصنوعی و تصمیم­گیری اخلاقی در حسابداری و حسابرسی، قضاوت و تصمیم­گیری در حسابداری، 2(7)، 114-87
2.    خجسته، علیرضا؛ وادیزاده، کاظم. (1402). نقش بازدارندگی تقلب کنترل­های داخلی و واحد حسابرسی داخلی، پژوهش­های حسابرسی حرفه­ای، 2(5)، 55-8.
3.       اثنی عشری، الهام. (1399). تأثیر فناوری اطلاعات بر گزارش‌گری مالی. پژوهشنامه اورمزد، 53(2)، 104-94.
4.       جوادی، احسان. (1402). تاثیر فناوری هوش مصنوعی بر حرفه حسابداری، کنفرانس بین­المللی حسابداری و توسعه اقتصادی، تهران.
5.       شاه صاحبی، سید مصطفی؛ دارابی، رویا، و حمیدیان، محسن. (1399). تحلیل توانایی مدیریت با نقش شاخص­های حسابداری و حاکمیت شرکتی (روش هوش مصنوعی)، دانش حسابداری و حسابرسی مدیریت، 9(33)، 90-75.
6.       چراغی، محمدباقر؛ حسینی، زهراسادات. (1402). حسابداری و حسابرسی با فناوری بلاک چین و هوش مصنوعی، اولین همایش ملی پژوهش­های مدیریت و علوم انسانی، تهران
7.       باقریان، مهدی؛ سعادت، پریسا؛ مثالی، مهدی. (1402). نقش هوش مصنوعی و اهمیت آن در سیستم­های حسابداری، فصلنامه رویکردهای پژوهشی نوین در مدیریت و حسابداری، 7(88)، 727-713.
8.       میرزاپور، مانا. (1402). اثرات هوش مصنوعی بر اهداف حسابرسی صورت­ها مالی، همایش ملی پژوهش­های مدیریت و علوم انسانی در ایران، تهران.
9.       نویدی، امیر؛ قیصری، حمیدرضا. (1402). بررسی تأثیر هوش مصنوعی در بهبود بهره­وری سازمانی، مدیریت پویا و تحلیل کسب و کار، 2(2)، 8-1.
10.   Cepêda, C. L. M., & Monteiro, A. P. (2022). Digital accounting: a bibliometric overview. Applied Business and Management, 36.
11.   Bishop, C. M. (2006). Pattern recognition and machine learning. Springer.
12.   Bolton, R. J., & Hand, D. J. (2004). Statistical fraud detection: A review. Quality control and applied statistics49(3), 313-314.
13.   Brynjolfsson, E., & Mcafee, A. N. D. R. E. W. (2017). The business of artificial intelligence. Harvard business review7(1), 1-2.
14.   Stancu, M. S., & Dutescu, A. (2021). The impact of the Artificial Intelligence on the accounting profession, a literature’s assessment. In Proceedings of the International Conference on Business Excellence (Vol. 15, No. 1, pp. 749-758). Sciendo.
15.   Abu Huson, Y., Sierra-García, L., & Garcia-Benau, M. A. (2024). A bibliometric review of information technology, artificial intelligence, and blockchain on auditing. Total Quality Management & Business Excellence35(1-2), 91-113.
16.   Hao, J., He, F., Ma, F., Zhang, S., & Zhang, X. (2023). Machine learning vs deep learning in stock market investment: An international evidence. Annals of Operations Research, 1-23.
17.   Martin, J. H., & Jurafsky, D. (2009). Speech and language processing: An introduction to natural language processing, computational linguistics, and speech recognition (Vol. 23). Upper Saddle River: Pearson/Prentice Hall.
18.   Danach, K., Hejase, H. J., Faroukh, A., Fayyad-Kazan, H., & Moukadem, I. (2024). Assessing the Impact of Blockchain Technology on Financial Reporting and Audit Practices. Asian Business Research9(1), 30-50.
19.   Hladika, M., Halar, P., & Kopun, D. (2024). The Impact of Artificial Intelligence on the Future of the Accounting Profession: A Literature Review. Human versus Machine: Accounting, Auditing and Education in the Era of Artificial Intelligence, 15-34.
20.   De Santis, F. (2024). Artificial Intelligence in Auditing. In Artificial Intelligence in Accounting and Auditing: Accessing the Corporate Implications (pp. 193-208). Cham: Springer Nature Switzerland.
21.   LeCun, Y., Bengio, Y., & Haffner, P. (2015). Gradient-based learning applied to document recognition. Proceedings of the IEEE.
22.   Russell, S. J., & Norvig, P. (2016). Artificial intelligence: a modern approach. pearson.
23.   Bezuidenhout, C., Heffernan, T., Abbas, R., & Mehmet, M. (2023). The impact of Artificial Intelligence on the marketing practices of Professional Services Firms. Journal of Marketing Theory and Practice31(4), 516-537.
24.   Szeliski, R. (2022). Computer vision: algorithms and applications. Springer Nature.
25.   Wang, H., Yang, R., & Shao, J. (2023). The Transformational Role of Artificial Intelligence in E-Commerce Financial Services. Journal of Theory and Practice of Management Science3(12), 20-28.
26.   Bendiab, G., Hameurlaine, A., Germanos, G., Kolokotronis, N., & Shiaeles, S. (2023). Autonomous vehicles security: Challenges and solutions using blockchain and artificial intelligence. IEEE Transactions on Intelligent Transportation Systems24(4), 3614-3637.
27.   Zhang, Y., & Xu, Y. (2023). Machine learning applications in accounting: A review and future directions. Journal of Business Research