کاربرد هوش مصنوعی در هزینه یابی مبتنی بر فعالیت (ABC) هوشمند

گسترش فناوری های هوش مصنوعی و ظرفیت های نوظهور آن در تحلیل داده های پیچیده زمینه ساز بازتعریف الگوهای سنتی هزینه یابی در سازمان ها شده است. سیستم هزینه یابی مبتنی بر فعالیت (ABC) با وجود جایگاه برجسته در تخصیص منطقی هزینه ها در عمل با محدودیت هایی همچون ایستایی ساختار، وابستگی شدید به قضاوت انسانی، دشواری شناسایی محرک های واقعی فعالیت و ناکارآمدی در محیط های پویا مواجه است. این پژوهش با اتخاذ رویکردی کتابخانه ای مروری به واکاوی نقش هوش مصنوعی در ارتقای معماری ABC و گذار آن به ABC هوشمند می پردازد. یافته ها نشان می دهد که الگوریتم های یادگیری ماشین، شبکه های عصبی عمیق و مدل های داده محور قادرند محرک های فعالیت را به صورت خودکار استخراج کرده، روابط غیرخطی و پنهان میان فعالیت ها و مصرف منابع را آشکار سازند و تخصیص هزینه ها را با دقتی فراتر از روش های سنتی انجام دهند. علاوه بر این ادغام هوش مصنوعی با ABC امکان ایجاد سیستم های هزینه یابی پویا، خودبهینه ساز و پیش بین را فراهم می کند که قادرند رفتار هزینه ها را در شرایط عدم قطعیت مدل سازی کرده و تحلیل های تصمیم یار برای مدیریت استراتژیک ارائه دهند. این پژوهش با ارائه یک چارچوب مفهومی یکپارچه مسیرهای تحول ABC در عصر هوش مصنوعی را تبیین کرده و پیامدهای نظری و کاربردی آن را برای پژوهشگران و مدیران سازمانی برجسته می سازد.

کلیدواژه ها:

هوش مصنوعی ، هزینه یابی مبتنی بر فعالیت هوشمند ، الگوریتم های یادگیری ماشین ، شناسایی محرک های فعالیت ، ABC هوشمند ، شبکه های عصبی عمیق ، تحلیل داده های کلان ، تخصیص هوشمند هزینه ها ، تصمیم گیری پیش بینانه مدیریتی