هوش مصنوعی مولد (GenAI)، حسابرسی هوشمند الگوریتم ها و ریسک های جعبه سیاه (Algorithmic Auditing & Explainable AI in Auditing)

با ورود هوش مصنوعی مولد (Generative AI) و مدل های زبانی بزرگ (LLMs) به هسته نرم افزارهای حسابداری، ERPها و سیستم های گزارشگری مالی، حسابرسی سنتی با یک پارادایم شیفت رادیکال مواجه شده است. اکنون شرکت ها از الگوریتم های خودکار برای شناسایی تقلب، تطبیق تراکنش ها، برآورد ذخایر و افشای یادداشت های همراه استفاده می کنند. اما این پیشرفت، پدیده «ریسک جعبه سیاه (Black-Box Risk)» و خطای توهم الگوریتمی (Hallucination) را وارد زنجیره تامین اطمینان بخشی مالی کرده است.

این تحول، حرفه حسابرسی و حسابداری مالی را در سه بعد بنیادین به چالش کشیده است:

۱. حسابرسی الگوریتم ها و هوش مصنوعی قابل تفسیر (XAI in Audit): حسابرسان دیگر تنها داده ها را بررسی نمی کنند، بلکه باید خود کدها، مدل ها و وزن های شبکه عصبی حاکم بر سیستم های مالی را حسابرسی کنند. چالش اصلی، توسعه روش شناسی های حسابرسی مبتنی بر هوش مصنوعی قابل تفسیر (Explainable AI) است تا بتوان تصمیمات الگوریتم ها در برآورد اقلام تعهدی اختیاری، افت ارزش دارایی ها و ذخیره مطالبات مشکوک الوصول را برای حسابرس و نهادهای ناظر شفاف و قابل ردیابی (Traceable) کرد.

۲. مدل های زبانی بزرگ و بازتعریف کشف تقلب و دستکاری سود: استفاده از ابزارهای GenAI برای تحلیل یکپارچه متون افشا، فایل های صوتی جلسات گزارشگری، مکاتبات شرکتی و داده های عددی (Multi-modal Auditing) جهت شناسایی ناهماهنگی ها، تضاد منافع و نشانه های تقلب در سطح کلان (Forensic AI).

۳. تاثیر حاکمیت الگوریتمی بر سوگیری حسابرس و شکاکیت حرفه ای: بررسی روان شناختی و رفتاری پدیده هایی مانند «اتکای بیش ازحد به خروجی ماشین (Automation Bias)» در برابر «رد ناموجه پیشنهادات الگوریتم» و ارزیابی اثر آن بر ریسک کلی حسابرسی و قضاوت حرفه ای.

از منظر چارچوب های نظری:

• تئوری نمایندگی و عدم تقارن اطلاعاتی نوین: الگوریتم های پیچیده مالی می توانند شکاف اطلاعاتی جدیدی میان مدیران فنی، هیئت مدیره و سرمایه گذاران ایجاد کنند؛ نقشی که حسابرس باید به عنوان واسطه اطمینان بخش آن را جبران کند.
• تئوری نهادی و مشروعیت حرفه ای: فشار استانداردهای بین المللی حسابرسی (مانند ISA 315 تجدیدنظرشده در ارزیابی ریسک فناوری) بر موسسات حسابرسی جهت ایجاد نقش های جدید «حسابرس سیستم های شناختی و الگوریتمی».

عنوان جامع، آینده نگرانه و بین رشته ای برای رساله دکتری:

«طراحی چارچوب مفهومی و عملیاتی حسابرسی الگوریتم های هوش مصنوعی در گزارشگری مالی بر پایه هوش مصنوعی قابل تفسیر (XAI): پیامدها بر سوگیری قضاوت حسابرس، ریسک حسابرسی و کیفیت اطلاعات مالی»