استادیار ،گروه حسابداری، واحد بردسکن، دانشگاه آزاد اسلامی،بردسکن، ایران
10.22034/jista.2026.506216.1014
چکیده
با گسترش فناوریهای دیجیتال، حسابرسی فناوری اطلاعات به یکی از ارکان اصلی نظارت مالی و کنترلی در سازمانها تبدیل شده است. توسعه سریع کلاندادهها، سیستمهای مالی دیجیتال، بانکداری الکترونیکی و فناوری بلاکچین، پیچیدگیها و چالشهای جدیدی را برای روشهای سنتی حسابرسی ایجاد کرده است. در این میان، هوش مصنوعی و یادگیری ماشین بهعنوان فناوریهای نوین، نقش مهمی در افزایش دقت، کاهش خطاهای انسانی و بهینهسازی فرآیندهای حسابرسی ایفا میکنند.این پژوهش با رویکرد مروری و به روش مرور سیستماتیک، به بررسی کاربردهای هوش مصنوعی در حسابرسی فناوری اطلاعات، مزایا، چالشها و چشمانداز آینده این حوزه میپردازد. دادهها از مقالات معتبر بینالمللی استخراج و با استفاده از تحلیل کیفی مورد بررسی قرار گرفتهاند. در این راستا، مدلهای مختلف یادگیری ماشین، پردازش زبان طبیعی و تحلیل کلاندادهها برای ارزیابی عملکرد آنها در فرآیندهای حسابرسی مقایسه شدهاند. یافتهها نشان میدهد که الگوریتمهای یادگیری ماشین در تشخیص تقلب، تحلیل الگوهای مالی، ارزیابی ریسک و پردازش گزارشهای مالی عملکردی برتر نسبت به روشهای سنتی دارند. همچنین، پردازش زبان طبیعی امکان تحلیل سریع اسناد مالی را فراهم کرده و تحلیل کلاندادهها به شناسایی ناهنجاریهای مالی کمک میکند. با این حال، هزینههای بالا، پیچیدگیهای فنی، موانع قانونی، چالشهای اخلاقی و نیاز به آموزش تخصصی حسابرسان از مهمترین موانع پیادهسازی گسترده این فناوریها محسوب میشوند.
Appelbaum, D., Kogan, A., & Vasarhelyi, M. A. (2017). Big data and analytics in the modern audit engagement. Accounting Horizons, 31(3), 1–16. https://doi.org/10.2308/acch-51641
Dai, J., & Vasarhelyi, M. A. (2017). Toward blockchain-based accounting and assurance. Journal of Information Systems, 31(3), 521. https://doi.org/10.2308/isys-51804
Issa, H., Sun, T., & Vasarhelyi, M. A. (2016). Research ideas for artificial intelligence in auditing. Journal of Emerging Technologies in Accounting, 13(2), 1–20.https://doi.org/10.2308/jeta-10511
Kokina, J., & Davenport, T. H. (2017). The emergence of artificial intelligence: How automation is changing auditing. Journal of Emerging Technologies in Accounting, 14(1), 115–122.https://doi.org/10.2308/jeta-51730
Moffitt, K. C., & Vasarhelyi, M. A. (2013). AIS in an age of big data. Journal of Information Systems, 27(2), 1–19. https://doi.org/10.2308/isys-10372
Perols, J. (2011). Financial statement fraud detection: An analysis of statistical and machine learning algorithms. Auditing: A Journal of Practice & Theory, 30(2), 19–50.https://doi.org/10.2308/ajpt-50009
Sutton, S. G., Holt, M., & Arnold, V. (2016). Artificial intelligence research in accounting. International Journal of Accounting Information Systems, 22, 60–73. https://doi.org/10.1016/j.accinf.2016.07.005
Tang, J., Karim, K., & Rutledge, R. W. (2021). Machine learning applications in auditing: A systematic review. International Journal of Accounting Information Systems, 40, 100503. https://doi.org/10.1016/j.accinf.2021.100503
Vasarhelyi, M. A., Kogan, A., & Tuttle, B. M. (2015). Big data in accounting: An overview. Accounting Horizons, 29(2), 381–96.https://doi.org/10.2308/acch-51071
