بهبود محاسبه بهای تمام شده در حسابداری مدیریت با استفاده از هوش مصنوعی: گذار از مدل های خطی به تحلیل های غیرخطی

این مقاله مروری با هدف بررسی پتانسیل ها و چالش های پیاده سازی الگوریتم های هوش مصنوعی (AI) در محاسبه دقیق تر بهای تمام شده محصولات در محیط های کسب وکار پیچیده امروزی انجام شده است. روش تحقیق بر اساس یک مرور نظام مند ادبیات (SLR) در بازه زمانی ۲۰۱۸ تا ۲۰۲۵ استوار بود. یافته های پژوهش نشان می دهد که مدل های سنتی مبتنی بر فعالیت (ABC) و سایر روش های رایج، به دلیل فرض های خطی خود، در تخصیص هزینه های غیرمستقیم و کشف روابط پیچیده میان فعالیت ها و محصولات ناکارآمد هستند. در مقابل، مدل های هوش مصنوعی، به ویژه یادگیری ماشین، توانایی منحصر به فردی در تحلیل داده های حجیم و شناسایی الگوهای غیرخطی دارند که منجر به افزایش چشمگیر دقت تخصیص هزینه ها و بهینه سازی قیمت گذاری می شود. با این حال، چالش اصلی استقرار این ابزارها، فقدان شفافیت و تفسیرپذیری (Explainability) در نتایج مدل های جعبه سیاه است که می تواند اعتماد کاربران نهایی (حسابداران و مدیران) را سلب نماید. در نتیجه، پژوهش حاضر بر لزوم توسعه رویکردهای هوش مصنوعی قابل تفسیر (XAI) برای ایجاد توازن میان دقت محاسباتی و قابلیت درک مدیریتی تاکید می کند و زمینه را برای تصمیم گیری های استراتژیک مبتنی بر داده های واقعی تر فراهم می آورد

کلیدواژه ها:

حسابداری مدیریت ، بهای تمام شده ، هوش مصنوعی ، یادگیری ماشین ، بهایابی بر مبنای هدف