دانش حسابداری و حسابرسی مدیریت

دانش حسابداری و حسابرسی مدیریت

شناسایی و دسته بندی پیشران های مؤثر بر آینده کاربرد هوش مصنوعی در حسابرسی با استفاده از الگوی EPISTLU

مقالات آماده انتشار

نوع مقاله : مقاله پژوهشی

نویسندگان
رسول دوازده امامی 1
محمود معین الدین 1
اکرم تفتیان 2
1 گروه حسابداری، واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران.
2 گروه حسابداری، واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران
10.22034/jmaak.2026.79305.4774
چکیده
ابزارهای تصمیم‌گیری مبتنی بر فناوری اطلاعات و ارتباطات در حال حاضر در دنیای تجارت مدرن، همزمان با افزایش فشار بر حسابرسان برای ایفای نقش مؤثرتر در حاکمیت و کنترل نهادهای شرکتی، در حال ایجاد موج هستند. هدف این مقاله، آن است که عوامل مؤثر بر آینده کاربرد هوش مصنوعی در حسابرسی را به روشی علمی و نظام مند شناسایی کرده و آن‌ها را به صورت طبقه‌بندی شده معرفی نماید. هرچند روش‌های مختلفی برای آینده‌پژوهی وجود دارد، ولی در بیشتر آن‌ها شناسایی پیشران‌های شکل‌دهنده آینده ضروری است؛ بدین منظور پژوهش حاضر کوشیده است تا با روش مطالعات کتابخانه‌ای و نظرسنجی از خبرگان، پیشران‌های تأثیرگذار بر آینده کاربرد هوش مصنوعی در حسابرسی را احصاء و سپس با استفاده از روش دلفی، مهم‌ترین آن‌ها را شناسایی نماید. 70 پیشران تأثیرگذار بر آینده کاربرد هوش مصنوعی در حسابرسی بر اساس الگوی EPISTLU، دسته‌بندی و به گروه‌های 7 گانه اقتصادی، سیاسی، نهادی، اجتماعی، فناوری، حقوقی و دانشگاهی تقسیم‌بندی شدند. مشارکت‌کنندگان در این پژوهش 29 نفر از خبرگان متخصص در زمینه حسابرسی و آشنا با مباحث آینده‌پژوهی می‌باشند. طبقه‌بندی یافته‌های این پژوهش در گروه‌های هفت‌گانه بالا نشان می‌دهد، عوامل متعدد و در هم تنیدهای بر آینده کاربرد هوش مصنوعی در حسابرسی تأثیرگذار بوده و می‌توان چنین نتیجه‌گیری کرد که برای شکل‌دهی به آینده کاربرد هوش مصنوعی در حسابرسی لازم است تمامی این عوامل متنوع را مورد توجه و برنامه‌ریزی قرار داد. احصاء و طبقه‌بندی پیشران‌ها، زمینه لازم برای اولویت‌بندی و تعیین میزان اهمیت هرکدام از این پیشران‌ها را فراهم می‌کند.
کلیدواژه‌ها
آینده‌پژوهی
حسابرسی
هوش مصنوعی
پیشران‌ها

عنوان مقاله English

Identification and Categorization of Drivers Influencing the Future Application of Artificial Intelligence in Auditing Using the EPISTLU Model

نویسندگان English

Rasool Davazdah Emami 1
Mahmoud Moeinaddin 1
akram taftiyan 2
1 Accounting Department, Ya. C., Islamic Azad University, Yazd, Iran.
2 Accounting Department, Ya. C., Islamic Azad University, Yazd, Iran
چکیده English

Information and communication technology-based decision-making tools are currently making waves in the modern business world, coinciding with increasing pressure on auditors to play a more effective role in the governance and control of corporate entities. This article aims to scientifically and systematically identify the factors influencing the future application of artificial intelligence in auditing and present them in a classified manner. While various methods for futures studies exist, the identification of drivers shaping the future is essential in most of them. To this end, the present research has sought to enumerate the drivers influencing the future application of AI in auditing through library studies and expert surveys, and subsequently, using the Delphi method, to identify the most important ones. Seventy drivers affecting the future application of AI in auditing were categorized based on the EPISTLU model and divided into seven groups: Economic, Political, Institutional, Social, Technological, Legal, and University-related. Participants in this research consisted of 29 experts specializing in auditing and familiar with futures studies topics. The classification of the findings into the aforementioned seven groups indicates that numerous and intertwined factors influence the future application of AI in auditing. It can be concluded that shaping the future of AI application in auditing requires attention to and planning for all these diverse factors. The enumeration and classification of the drivers provide the necessary groundwork for prioritizing and determining the significance of each of these drivers.

کلیدواژه‌ها English

Futures Studies
Auditing
Artificial Intelligence
Drivers
  1. آرمون منش، زینب و پور خورشید، حسن. (1404). تأثیر استفاده از هوش مصنوعی در حسابرسی بر کیفیت گزارشگری مالی با نقش تعدیل گر تجربه حسابرس، نشریه حسابداری، امور مالی و هوش محاسباتی، 3(3)، 6.
  2. جمالی، سعید؛ رهنمای رودپشتی، فریدون؛ طالب نیا، قدرت الله و پور زمانی، زهرا. (1405). ارایه الگوی ریسک حسابرسی گزارشگری پایداری با رویکرد هوش مصنوعی با استفاده از تکنیک داده بنیاد، نشریه دانش حسابداری و حسابرسی مدیریت، 16(64)، 393-404.
  3. خسروی، یاسمن؛ رستمی مازویی، نعمت؛ بدیعی، حسین و صمدی، فاطمه. (1404). ارائه الگوی کیفیت حسابرسی مبتنی بر هوش مصنوعی در محیط حسابرسی ایران، نشریه حسابداری دولتی، 11(2)، 197-212.
  4. زارع، حمید؛ حاجیها، زهره و کیقبادی، امیر رضا. (1403). بررسی تأثیر استفاده از هوش مصنوعی بر کیفیت فرایند حسابرسی صورت‌های مالی، نشریه پژوهش‌های حسابرسی حرفه‌ای، 4(16)، 38-65.
  5. زنگنه، مهدی؛ جمشیدی نوید، بابک؛ قنبری، مهرداد و محمدی یاریجانی، فروزان. (1405). ارائه الگویی برای فرصت‌ها و چالش‌های تصمیم‌گیری مبتنی بر هوش مصنوعی در فرآیند حسابرسی، نشریه دانش حسابداری و حسابرسی مدیریت، 15(60)، 175-190.
  6. صحت برمچه، اعظم؛ شماخی، حمیدرضا و یلفانی، امیر. (1406). تاثیر عوامل مبتنی بر مولفه های هوش مصنوعی (هوش، طراحی، انتخاب) بر قضاوت حسابرسان، نشریه دانش حسابداری و حسابرسی مدیریت، 16(61)، 265-278.
  7. Abdeljawad, I., & Alia, M. A. (2022, March). The impact of earnings management on unexpected stock returns: Palestinian evidence. In International Conference on Business and Technology (pp. 650-659). Cham: Springer International Publishing.
  8. Abdeljawad, I., & Bahlaq, A. (2022). Determinants of net interest margin for banks operating in Palestine. An-Najah University Journal for Research-B (Humanities), 37(8), 1565-1594.
  9. Abdullah, A. A. H., & Almaqtari, F. A. (2024). The impact of artificial intelligence and Industry 4.0 on transforming accounting and auditing practices. Journal of Open Innovation: Technology, Market, and Complexity, 10(1), 100218.
  10. 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 Excellence, 35(1-2), 91-113.
  11. Adeoye, I. O., Akintoye, R. I., Aguguom, T. A., & Olagunju, O. A. (2023). Artificial intelligence and audit quality: Implications for practicing accountants. Asian Economic and Financial Review, 13(11), 756.
  12. Agustí, M. A., & Orta-Pérez, M. (2023). Big data and artificial intelligence in the fields of accounting and auditing: a bibliometric analysis. Spanish Journal of Finance and Accounting/Revista Española de Financiación y Contabilidad, 52(3), 412-438.
  13. Arnold, V., Collier, P. A., Leech, S. A., & Sutton, S. G. (2004). Impact of intelligent decision aids on expert and novice decision‐makers’ judgments. Accounting & Finance, 44(1), 1-26.
  14. Askary, S., Abu-Ghazaleh, N., & Tahat, Y. A. (2018, October). Artificial intelligence and reliability of accounting information. In Conference on e-Business, e-Services and e-Society (pp. 315-324). Cham: Springer International Publishing.
  15. Blösser, M., & Weihrauch, A. (2024). A consumer perspective of AI certification–the current certification landscape, consumer approval and directions for future research. European Journal of Marketing, 58(2), 441-470.
  16. Castka, P., & Searcy, C. (2023). Audits and COVID-19: A paradigm shift in the making. Business Horizons, 66(1), 5-11.
  17. Commerford, B. P., Dennis, S. A., Joe, J. R., & Ulla, J. W. (2022). Man versus machine: Complex estimates and auditor reliance on artificial intelligence. Journal of Accounting Research, 60(1), 171-201.
  18. Cooper, L. A., Holderness Jr, D. K., Sorensen, T. L., & Wood, D. A. (2019). Robotic process automation in public accounting. Accounting horizons, 33(4), 15-35.
  19. Dang, V. D. (2023). Cash holdings and bank profits in periods of uncertainty. Journal of economic studies, 50(2), 343-356.
  20. Dheeriya, P., & Singhvi, M. (2021). A conceptual framework for replacing audit committees with artificial intelligence infused bot. EDPACS, 63(3), 1-18.
  21. Dickey, G., Blanke, S., & Seaton, L. (2019). Machine learning in auditing. The CPA Journal, 89(6), 16-21.
  22. Fabian, J., & Ratzinger-Sakel, N. V. (2025). Auditing Corporate Disclosures with the Assistance of Task-Specific Artificial Intelligence–A Survey-Based Analysis of its Effectiveness and Efficiency. Available at SSRN 5232779.
  23. Fedyk, A., Hodson, J., Khimich, N., & Fedyk, T. (2022). Is artificial intelligence improving the audit process?. Review of Accounting Studies, 27(3), 938-985.
  24. Fotoh, L. E., & Lorentzon, J. I. (2023). Audit digitalization and its consequences on the audit expectation gap: A critical perspective. Accounting Horizons, 37(1), 43-69.
  25. Goto, M. (2023). Anticipatory innovation of professional services: The case of auditing and artificial intelligence. Research Policy, 52(8), 104828.
  26. Imane, L. (2025). Artificial intelligence in financial auditing: improving efficiency and addressing ethical and regulatory challenges. Brazilian Journal of Business, 7(1), e76833-e76833.
  27. Mdhlalose, D. (2026). Auditing artificial intelligence-driven financial systems: Accountability, transparency, and auditor liability in algorithm-based decision making. Jurnal Inovasi Akuntansi (JIA), 4(1), 30-41.
  28. Mohsen, H., Marie, M., El-Halaby, S., & Elbendary, I. (2022). Board effectiveness, corporate cash holdings, and financial performance across MENA region. In Contemporary Research in Accounting and Finance: Case Studies from the MENA Region (pp. 93-134). Singapore: Springer Nature Singapore.
  29. Munyepwa, K., Ranganayi, C., Mudzengerere, L., Mutongereni, N., & Gwesu, N. C. (2026). Transforming financial reporting and auditing through artificial intelligence: A Zimbabwean institutional perspective. International Journal of Financial, Accounting, and Management, 7(3), 503-517.
  30. Noordin, N. A., Hussainey, K., & Hayek, A. F. (2022). The use of artificial intelligence and audit quality: An analysis from the perspectives of external auditors in the UAE. Journal of Risk and Financial Management, 15(8), 339.
  31. Patel, R., Khan, F., Silva, B., & Shaturaev, J. (2023). Unleashing the potential of artificial intelligence in auditing: a comprehensive exploration of its multifaceted impact.
  32. Samiolo, R., Spence, C., & Toh, D. (2024). Auditor judgment in the fourth industrial revolution. Contemporary accounting research, 41(1), 498-528.
  33. Sawaya, C., Khalil, F. C., Jabbour Al Maalouf, N., & Kaspard, J. (2026). Revolutionizing audit practice in emerging economies: the role of Artificial Intelligence in enhancing the audit of consolidated financial statements. Cogent Business & Management, 13(1), 2625974.
  34. Taherizadeh, A., & Beaudry, C. (2023). An emergent grounded theory of AI-driven digital transformation: Canadian SMEs’ perspectives. Industry and Innovation, 30(9), 1244-1273.
  35. Wu, S. W., Nguyen, M. T., Mai, N. T., & Tsai, J. F. (2023). Is it good to hold more cash before the pandemic? A case of Taiwanese firms. Heliyon, 9(6).
  36. Yilmaz, I., & Samour, A. (2024). The effect of cash holdings on financial performance: evidence from middle eastern and North African countries. Journal of Risk and Financial Management, 17(2), 53.
دانش حسابداری و حسابرسی مدیریت

مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از 09 آبان 1405