بررسی چارچوب قضاوت و تصمیمگیری در حسابداری در عصر دیجیتال با تاکید بر نقش راهبردی هوش مصنوعی در ایران
چکیده
هدف: قضاوت و تصمیمگیری از ارکان بنیادین حرفه حسابداری محسوب میشوند و نقش تعیینکنندهای در کیفیت گزارشگری مالی، حسابرسی و تصمیمهای مالی ایفا میکنند. بااینحال، اتکای این فرایندها به قضاوت انسانی آنها را در معرض سوگیریهای شناختی و محدودیتهای عقلانیت قرار داده است. در سالهای اخیر، گسترش فناوریهای دیجیتال و بهویژه هوش مصنوعی، چارچوبهای سنتی قضاوت و تصمیمگیری در حسابداری را با چالشها و تحولات بنیادین مواجه ساخته است. ازاینرو، هدف پژوهش حاضر بازاندیشی نظری در این چارچوبها با تاکید بر نقش راهبردی هوش مصنوعی در بستر تحول دیجیتال است.
روششناسی پژوهش: این پژوهش از نظر هدف، بنیادی–توسعهای و از حیث روش، نظری–تحلیلی است. دادهها از طریق مرور نظاممند ادبیات و تحلیل انتقادی پژوهشهای پیشین در حوزههای حسابداری، اقتصاد رفتاری و هوش مصنوعی گردآوری شده است. رویکرد پژوهش مبتنی بر ترکیب دیدگاههای بینرشتهای بهمنظور تبیین ابعاد مختلف قضاوت و تصمیمگیری در محیطهای نوین دیجیتال است.
یافتهها: نتایج نشان میدهد که سامانههای مبتنی بر هوش مصنوعی ظرفیت قابلتوجهی در بهبود دقت تصمیمگیری، کاهش سوگیریهای شناختی، ارتقای کیفیت تحلیلهای مالی و تقویت تصمیمگیری مبتنی بر داده دارند. درعینحال، اتکای فزاینده به الگوریتمها میتواند چالشهایی همچون کاهش شفافیت، انتقال سوگیریها به مدلهای الگوریتمی، ابهام در مسئولیتپذیری حرفهای و بروز مسایل اخلاقی را به همراه داشته باشد. یافتهها همچنین نشان میدهد که هوش مصنوعی جایگزین کامل قضاوت انسانی نیست، بلکه نقش مکمل و پشتیبان را ایفا میکند.
اصالت/ارزش افزوده علمی: این پژوهش با ارایه چارچوبی مفهومی برای تبیین تعامل میان قضاوت انسانی و تصمیمگیری مبتنی بر هوش مصنوعی، به توسعه ادبیات نظری در حوزه حسابداری کمک میکند. همچنین، با تاکید بر شرایط محیطی ایران، بر ضرورت بازنگری در نظریههای کلاسیک، اصلاح نظام آموزش حرفهای و تدوین چارچوبهای اخلاقی و مقرراتی متناسب با تحولات دیجیتال تاکید دارد.
کلمات کلیدی:
قضاوت و تصمیمگیری حسابداری، هوش مصنوعی، تحول دیجیتال، سوگیریهای شناختی، اخلاق حرفهایمراجع
- [1] Vasarhelyi, M. A., Kogan, A., & Tuttle, B. M. (2015). Big data in accounting: An overview. Accounting horizons, 29(2), 381–396. https://publications.aaahq.org/accounting-horizons/article-pdf/29/2/381/14924/acch-51071.pdf
- [2] Sutton, S. G., Holt, M., & Arnold, V. (2016). “The reports of my death are greatly exaggerated”—Artificial intelligence research in accounting. International journal of accounting information systems, 22, 60–73. https://doi.org/10.1016/j.accinf.2016.07.005
- [3] Azar Saeed, Y., & Rostami, S. (2023). Artificial intelligence and ethical decision-making in accounting and auditing: An analysis of related challenges. Journal of judgment and decision making in accounting, 2(7), 87-114-. (In Persian). https://sid.ir/paper/1400361/fa
- [4] Kahneman, D. (2011). Thinking, fast and slow. Farrar, Straus and Giroux. https://www.amazon.com/Thinking-Fast-Slow-Daniel-Kahneman/dp/0374533555
- [5] Bazerman, M. H., & Moore, D. A. (2012). Judgment in managerial decision making. John Wiley & Sons. https://www.wiley.com/en-us/Judgment+in+Managerial+Decision+Making%2C+8th+Edition-p-9781118065709
- [6] Richins, G., Stapleton, A., Stratopoulos, T. C., & Wong, C. (2017). Big data analytics: Opportunity or threat for the accounting profession? Journal of information systems, 31(3), 63–79. https://doi.org/10.2308/isys-51805
- [7] Hormozi, S., Nikomaram, H., Royaei, R. A., & Rahnamay Rudposhti, F. (2016). Investigating the effect of psychological biases on auditor professional skepticism. Empirical accounting research, 6(33), 123-148. (In Persian). https://jera.alzahra.ac.ir/article_2627_92d10eb896c6d22fcd4b409f2530e591.pdf
- [8] Bonner, S. E. (2007). Judgment and decision making in accounting. Pearson. https://www.amazon.com/Judgment-Decision-Making-Accounting-Bonner/dp/0138638950
- [9] Shahriari, M., Abdoli, M. R., & Shahri, M. (2022). Investigating the effect of individual desirability on how auditors judge. Journal of new research approaches in management and accounting, 6(86), 1015-1030. (In Persian). https://majournal.ir/index.php/ma/article/view/1679/1357
- [10] Appelbaum, D., Kogan, A., & Vasarhelyi, M. A. (2017). Big data and analytics in the modern audit engagement: Research needs. Auditing: a journal of practice & theory, 36(4), 1–27. https://doi.org/10.2308/ajpt-51684
- [11] Tversky, A., & Kahneman, D. (1974). Judgment under uncertainty: Heuristics and biases: biases in judgments reveal some heuristics of thinking under uncertainty. Science, 185(4157), 1124–1131. http://www.jstor.org/stable/1738360?origin=JSTOR-pdf
- [12] Hogarth, R. M. (1987). Judgement and choice: The psychology of decision. John Wiley & Sons. https://www.amazon.com/Judgement-Choice-Second-Robin-Hogarth/dp/0471914797
- [13] Libby, R., & Luft, J. (1993). Determinants of judgment performance in accounting settings: Ability, knowledge, motivation, and environment. Accounting, organizations and society, 18(5), 425–450. https://doi.org/10.1016/0361-3682(93)90040-D
- [14] Brynjolfsson, E., & McAfee, A. (2014). The second machine age: Work progress and prosperity in a time of brilliant technologies. WW Norton & Company. https://www.amazon.com/Second-Machine-Age-Prosperity-Technologies/dp/0393350649
- [15] Libby, R., Bloomfield, R., & Nelson, M. W. (2002). Experimental research in financial accounting. Accounting, organizations and society, 27(8), 775–810. https://doi.org/10.1016/S0361-3682(01)00011-3
- [16] Russell, S., & Norvig, P. (2009). Artificial intelligence: A modern approach. Pearson. https://www.amazon.com/Artificial-Intelligence-Modern-Approach-3rd/dp/0136042597

