کاربرد داده کاوی و هوش مصنوعی در حسابداری

حرفه حسابداری در آستانه تحولی بنیادین قرار دارد و فناوری های نوین مانند داده کاوی و هوش مصنوعی، مرزهای سنتی این حوزه را جابه جا کرده اند. این مقاله به بررسی جامع کاربردهای داده کاوی و هوش مصنوعی در حسابداری می پردازد و با تکیه بر پژوهش های معتبر، ابعاد گوناگون این تاثیرگذاری را کالبدشکافی می کند. یافته های حاصل از مرور نظام مند پژوهش ها نشان می دهد که این فناوری ها در پنج حوزه کلیدی حسابداری تحول ایجاد کرده اند: کشف تقلب در صورت های مالی، پیش بینی سلامت مالی و درماندگی مالی، حسابداری مدیریت و تحلیل هزینه، حسابرسی مستمر و هوشمند، و گزارشگری مالی و تحلیل متون. پژوهش ها حاکی از آن است که الگوریتم های یادگیری ماشین و یادگیری عمیق، به ویژه مدل های مبتنی بر درخت تصمیم، جنگل تصادفی و شبکه های عصبی عمیق، دقت قابل توجهی در شناسایی گزارش گری مالی متقلبانه از خود نشان داده اند (Atrous, ۲۰۲۵; Hajek & Henriques, ۲۰۱۷; Wang et al., ۲۰۲۵). با این حال، موفقیت این فناوری ها در گرو عواملی مانند کیفیت داده، شفافیت الگوریتم ها و پذیرش سازمانی است و چالش هایی چون کمبود نیروی متخصص، ابهامات قانونی و نگرانی های اخلاقی، مسیر دشواری را پیش روی این تحول قرار داده اند (Abdo-Salloum & Chehade, ۲۰۲۶). این مقاله با رویکردی توصیفی-تحلیلی و با بهره گیری از نتایج پژوهش های تجربی و مرورهای نظام مند، ضمن ترسیم چشم انداز فعلی، به تحلیل چالش ها و ارائه چشم اندازی برای آینده این حوزه می پردازد.

کلیدواژه ها:

داده کاوی ، هوش مصنوعی ، حسابداری ، کشف تقلب ، حسابرسی ، یادگیری ماشین ، گزارشگری مالی ، درماندگی مالی