تحلیل نقش حسابداری هوشمند در بهبود کنترل‌های داخلی، کاهش خطای انسانی و افزایش سرعت پردازش اطلاعات مالی

نویسندگان

  • فاطمه سادات موسوی نژاد گروه مدیریت مالی، دانشگاه اصفهان، اصفهان، ایران نویسنده مسئول

کلمات کلیدی:

حسابداری هوشمند, کنترل داخلی, خطای انسانی, پردازش اطلاعات مالی, هوش مصنوعی, تحلیل مضمون

چکیده

هدف این پژوهش، تحلیل نقش حسابداری هوشمند در بهبود کنترل‌های داخلی، کاهش خطای انسانی و افزایش سرعت پردازش اطلاعات مالی در سازمان‌های مستقر در تهران بود. این پژوهش با رویکرد کیفی و روش تحلیل مضمون انجام شد. مشارکت‌کنندگان شامل 18 نفر از مدیران مالی، حسابداران ارشد، حسابرسان داخلی، متخصصان سیستم‌های اطلاعات حسابداری و مشاوران پیاده‌سازی نرم‌افزارهای مالی هوشمند در تهران بودند که به‌صورت هدفمند انتخاب شدند. داده‌ها از طریق مصاحبه‌های نیمه‌ساختاریافته گردآوری شد و فرایند نمونه‌گیری تا دستیابی به اشباع نظری ادامه یافت. مصاحبه‌ها پس از اخذ رضایت آگاهانه ضبط، پیاده‌سازی و در نرم‌افزار NVivo کدگذاری شد. تحلیل داده‌ها بر اساس مراحل تحلیل مضمون، شامل آشنایی با داده‌ها، استخراج کدهای اولیه، شکل‌دهی مضامین، بازبینی مضامین، نام‌گذاری مقوله‌ها و گزارش یافته‌ها انجام گرفت. برای افزایش اعتبار پژوهش از بازبینی مشارکت‌کنندگان، بررسی همتایان، ثبت مسیر تصمیم‌گیری پژوهش و مقایسه مستمر کدها استفاده شد. تحلیل داده‌ها به استخراج چهار مقوله اصلی منجر شد: «تقویت کنترل‌های داخلی مبتنی بر پایش هوشمند»، «کاهش خطای انسانی از طریق خودکارسازی و استانداردسازی»، «افزایش سرعت و یکپارچگی پردازش اطلاعات مالی» و «ضرورت حکمرانی داده و نظارت انسانی در حسابداری هوشمند». مشارکت‌کنندگان تأکید کردند که سیستم‌های هوشمند از طریق کنترل دسترسی، هشدارهای خودکار، ردیابی تغییرات، شناسایی مغایرت‌ها و پردازش بلادرنگ داده‌ها، کیفیت کنترل‌های مالی را ارتقا می‌دهند. با این حال، وابستگی بیش از حد به فناوری، ضعف داده‌های ورودی و نبود سیاست‌های روشن کنترلی از مهم‌ترین چالش‌های شناسایی‌شده بود. حسابداری هوشمند می‌تواند سازوکارهای کنترل داخلی را از الگوی سنتی و پس‌رویدادی به الگوی پیش‌گیرانه، تحلیلی و بلادرنگ تبدیل کند. این تحول موجب کاهش خطاهای انسانی، تسریع پردازش اطلاعات مالی و افزایش قابلیت اتکای گزارشگری می‌شود؛ مشروط بر آنکه با حکمرانی داده، کنترل‌های مکمل، آموزش کارکنان و نظارت حرفه‌ای همراه باشد.

دانلودها

دسترسی به دانلود اطلاعات مقدور نیست.

مراجع

Alles, M. G. (2015). Drivers of the use and facilitators and obstacles of the evolution of Big Data by the audit profession. Accounting Horizons, 29(2), 439–449. https://doi.org/10.2308/acch-51067

Alles, M. G., Kogan, A., & Vasarhelyi, M. A. (2008). Putting continuous auditing theory into practice: Lessons from two pilot implementations. Journal of Information Systems, 22(2), 195–214. https://doi.org/10.2308/jis.2008.22.2.195

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

Braun, V., & Clarke, V. (2006). Using thematic analysis in psychology. Qualitative Research in Psychology, 3(2), 77–101. https://doi.org/10.1191/1478088706qp063oa

Committee of Sponsoring Organizations of the Treadway Commission. (2013). Internal Control—Integrated Framework: Executive Summary. COSO.

Cooper, L. A., Holderness, D. K., Sorensen, T. L., & Wood, D. A. (2019). Robotic process automation in public accounting. Accounting Horizons, 33(4), 15–35. https://doi.org/10.2308/acch-52466

DeLone, W. H., & McLean, E. R. (2003). The DeLone and McLean model of information systems success: A ten-year update. Journal of Management Information Systems, 19(4), 9–30. https://doi.org/10.1080/07421222.2003.11045748

Eulerich, M., Pawlowski, J., Waddoups, N. J., & Wood, D. A. (2022). A framework for using robotic process automation for audit tasks. Contemporary Accounting Research, 39(1), 691–720. https://doi.org/10.1111/1911-3846.12723

Guest, G., Bunce, A., & Johnson, L. (2006). How many interviews are enough? An experiment with data saturation and variability. Field Methods, 18(1), 59–82. https://doi.org/10.1177/1525822X05279903

Issa, H., Sun, T., & Vasarhelyi, M. A. (2016). Research ideas for artificial intelligence in auditing: The formalization of audit and workforce supplementation. 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

Lincoln, Y. S., & Guba, E. G. (1985). Naturalistic Inquiry. Sage.

Moffitt, K. C., Rozario, A. M., & Vasarhelyi, M. A. (2018). Robotic process automation for auditing. Journal of Emerging Technologies in Accounting, 15(1), 1–10. https://doi.org/10.2308/jeta-10589

Nowell, L. S., Norris, J. M., White, D. E., & Moules, N. J. (2017). Thematic analysis: Striving to meet the trustworthiness criteria. International Journal of Qualitative Methods, 16(1), 1–13. https://doi.org/10.1177/1609406917733847

Vasarhelyi, M. A., Alles, M. G., & Kogan, A. (2004). Principles of analytic monitoring for continuous assurance. Journal of Emerging Technologies in Accounting, 1(1), 1–21. https://doi.org/10.2308/jeta.2004.1.1.1

Vasarhelyi, M. A., Kogan, A., & Tuttle, B. M. (2015). Big Data in accounting: An overview. Accounting Horizons, 29(2), 381–396. https://doi.org/10.2308/acch-51071

دانلودها

گاه‌شمار انتشار

چاپ شده

شماره

نوع مقاله

Articles

نحوه استناد به مقاله

موسوی نژاد ف. س. . (1404). تحلیل نقش حسابداری هوشمند در بهبود کنترل‌های داخلی، کاهش خطای انسانی و افزایش سرعت پردازش اطلاعات مالی. هوشمندسازی در حسابداری، اقتصاد و مدیریت مالی, 1(4), 15-26. https://jsaefm.com/index.php/jsaefm/article/view/22