موضوع دکتری حسابداری: هوش مصنوعی مولد در حسابرسی

هوش مصنوعی مولد و مدل های زبانی بزرگ، یکی از مهم ترین محرک های تحول در حرفه حسابداری و حسابرسی هستند. این فناوری ها می توانند حجم عظیمی از داده های مالی و غیرمالی را در زمان کوتاه تحلیل کنند، ثبت های روزنامه را غربال نمایند، معاملات غیرعادی را شناسایی کنند، مفاد قراردادها را استخراج نمایند و پیش نویس اولیه کاربرگ های حسابرسی را تهیه کنند. در نتیجه، حسابرسی از رویکرد سنتی مبتنی بر نمونه گیری، به سمت حسابرسی داده محور، مستمر و مبتنی بر تحلیل همه تراکنش ها حرکت می کند.

با وجود مزایای فراوان، استفاده از هوش مصنوعی در حسابرسی با چالش های حرفه ای مهمی همراه است. یکی از مهم ترین چالش ها، خطر اتکای بیش از حد حسابرس به توصیه یا خروجی سامانه هوشمند است. حسابرس ممکن است به دلیل سرعت، ظاهر تخصصی و دقت ظاهری مدل، یافته های آن را بدون ارزیابی انتقادی بپذیرد. این پدیده که در ادبیات رفتارشناسی با عنوان «سوگیری اتوماسیون» شناخته می شود، می تواند شکاکیت حرفه ای حسابرس را کاهش دهد؛ در حالی که شکاکیت حرفه ای، اساس کشف تحریف های بااهمیت، تقلب و برآوردهای جانبدارانه مدیریت است.

چالش دیگر، مسئله «جعبه سیاه» بودن برخی الگوریتم هاست. در بسیاری از مدل های پیچیده یادگیری ماشین، مشخص نیست که سامانه دقیقا بر مبنای چه متغیرها و چه منطقی به یک نتیجه رسیده است. اما حسابرس باید بتواند شواهد مورد استفاده، منطق قضاوت و مبنای نتیجه گیری خود را مستند کند و در برابر صاحبکار، نهاد ناظر یا مراجع قانونی از آن دفاع نماید. بنابراین، هوش مصنوعی توضیح پذیر یا XAI می تواند نقش بسیار مهمی در افزایش قابلیت اتکای خروجی های الگوریتمی داشته باشد.

یک موضوع ارزشمند برای رساله دکتری حسابداری، بررسی تاثیر «توضیح پذیری هوش مصنوعی» بر شکاکیت حرفه ای، اعتماد به سیستم و کیفیت قضاوت حسابرس است. برای نمونه، پژوهشگر می تواند بررسی کند که آیا ارائه توضیح روشن درباره دلایل شناسایی یک معامله مشکوک، باعث افزایش دقت تصمیم حسابرس می شود یا خیر. همچنین می توان نقش عواملی مانند تجربه حسابرس، تخصص فناوری اطلاعات، فشار زمانی، پیچیدگی وظیفه و کیفیت کنترل داخلی صاحبکار را در این رابطه آزمون کرد.

این موضوع قابلیت اجرای پژوهش آزمایشی با حضور حسابرسان، مدیران مالی و دانشجویان تحصیلات تکمیلی را دارد. همچنین می توان از نظریه پذیرش فناوری، نظریه نمایندگی، نظریه پردازش اطلاعات و نظریه های سوگیری شناختی برای تبیین روابط میان متغیرها استفاده کرد. نتایج چنین پژوهشی می تواند در تدوین دستورالعمل های استفاده مسئولانه از هوش مصنوعی، آموزش حسابرسان و طراحی کنترل های نظارتی برای موسسات حسابرسی موثر باشد.

#دکتری_حسابداری #حسابرسی #هوش_مصنوعی #حسابرسی_هوشمند #شکاکیت_حرفه ای #پژوهش