سید ربیع هاشمی جویباری
دانشجوی دکتری تخصصی حسابداری , دستیار آموزشی دانشگاه آزاد اسلامی ،مدیر حسابداری شرکت ویتریا چوب ،مولف و پژوهشگر
15 یادداشت منتشر شدهچارچوب تلفیقی هوش مصنوعی و بلاکچین برای ارتقای شفافیت و کارایی در گزارشگری مالی و حسابرسی بانک های اسلامی در بستر اقتصاد دیجیتال
در عصر گذار به اقتصاد دیجیتال، بانک های اسلامی به عنوان نهادهای مالی متعهد به اصول شریعت با چالش های مضاعفی در حوزه شفافیت، انطباق مقررات، و کارایی گزارشگری مالی و فرآیندهای حسابرسی مواجه اند. ادغام فناوری های نوین مانند هوش مصنوعی (AI) و زنجیره بلوکی (Blockchain) توان بالقوه ای برای ایجاد تحول بنیادین در سامانه های گزارشگری و نظارت مالی این بانک ها دارد؛ به گونه ای که می تواند هم زمان دقت، سرعت، و قابلیت اتکای اطلاعات مالی را افزایش داده و الزامات شرعی و قانونی را به طور خودکار پایش نماید (Rahim et al., 2023؛ موسوی و همکاران، ۱۴۰۲).
این پژوهش با رویکردی ترکیبی، ابتدا ابعاد و شاخص های موثر بر شفافیت و کارایی در گزارشگری مالی بانک های اسلامی را شناسایی کرده، سپس چارچوبی تلفیقی مبتنی بر معماری بلاکچین و الگوریتم های یادگیری ماشین را طراحی و اعتبارسنجی نموده است. داده های پژوهش از طریق تحلیل محتوای اسناد نظارتی، مصاحبه با خبرگان بانکداری اسلامی، و آزمون مدل بر روی داده های واقعی چند بانک منتخب در منطقه MENA گردآوری گردیده است.
یافته ها نشان می دهد که چارچوب پیشنهادی، با بهره گیری از ویژگی تغییرناپذیری و شفافیت بلاکچین و توان تحلیل و پیش بینی هوش مصنوعی، باعث بهبود ۳۵ درصدی در دقت گزارشگری، کاهش متوسط ۲۵ درصدی زمان حسابرسی، و افزایش اطمینان سرمایه گذاران می گردد. این الگو، علاوه بر ارتقای نظارت تطبیقی با استانداردهای AAOIFI و مقررات بانک مرکزی، زمینه ایجاد اعتماد عمومی و کاهش ریسک های شهرتی بانک ها را فراهم می سازد (Alharbi & Zaabi, 2024؛ حیدری و صادقی، ۱۴۰۳).
این نوآوری، پاسخی عملی به نیاز روز افزون برای ابزارهای فناورانه در بانکداری اسلامی و گامی در جهت همگرایی فناوری با اصول شریعت در بستر اقتصاد دیجیتال محسوب می شود و می تواند الگویی برای سایر نهادهای مالی در کشورهای در حال توسعه باشد.
کلمات کلیدی:
- هوش مصنوعی
- بلاکچین
- گزارشگری مالی
- حسابرسی
- بانکداری اسلامی
- اقتصاد دیجیتال
- شریعت پایه
- شفافیت مالی
- فناوری های مالی نوین (FinTech)
- انطباق مقررات (RegTech)
1.مقدمه
تحولات فناورانه در دهه اخیر، به ویژه در حوزه هوش مصنوعی و زنجیره بلوکی، مدل های سنتی خدمات مالی را به چالش کشیده و موج جدیدی از نوآوری در ساختارهای گزارشگری و نظارت مالی ایجاد کرده است (Tapia et al., 2023). در این میان، بانک های اسلامی به دلیل پایبندی به اصول شریعت و ضرورت رعایت استانداردهای خاصی چون AAOIFI و دستورالعمل های بانک های مرکزی، با پیچیدگی های مضاعفی در انطباق، شفافیت و اثربخشی فرآیندهای حسابداری و حسابرسی مواجه اند (Rahim et al., 2023؛ موسوی و همکاران، ۱۴۰۲).
بر اساس گزارش مجمع جهانی اقتصاد (WEF, 2024)، فقدان شفافیت در زنجیره پردازش اطلاعات مالی و فاصله زمانی میان وقوع تراکنش و ثبت آن در سامانه های رسمی، همچنان از چالش های اساسی نظام های مالی اسلامی به شمار می رود. از سوی دیگر، رشد اقتصاد دیجیتال و تنوع ابزارهای فناوری مالی (FinTech) فرصت کم نظیری را برای بازطراحی چارچوب های نظارت و گزارشگری فراهم آورده است به گونه ای که می توان از ویژگی های تغییرناپذیری و قابل ردیابی بلاکچین برای تضمین شفافیت و از الگوریتم های یادگیری ماشین برای تحلیل بلادرنگ داده های مالی بهره گرفت (Alharbi& Zaabi, 2024).
مرور مطالعات پیشین نشان می دهد که اغلب پژوهش ها یا به بررسی ظرفیت های بلاکچین در حسابداری پرداخته اند (Nashr& Karim, 2022) یا به کاربرد هوش مصنوعی در حسابرسی متمرکز بوده اند (Heidari& Sadeghi, ۱۴۰۳)، اما مدل تلفیقی جامع که هم زمان قابلیت های این دو فناوری را در راستای ارتقای شفافیت و کارایی گزارشگری مالی بانکداری اسلامی به کار گیرد، کمتر مورد توجه قرار گرفته است. این شکاف پژوهشی، به ویژه در بافت کشورهای در حال توسعه و اقتصادهای شریعت محور، ضرورت طراحی چارچوبی جدید را دوچندان می کند.
بر این اساس، هدف پژوهش حاضر، طراحی و اعتبارسنجی یک چارچوب تلفیقی هوش مصنوعی–بلاکچین است که بتواند فرآیندهای گزارشگری و حسابرسی بانک های اسلامی را در بستر اقتصاد دیجیتال بهبود بخشد. نوآوری این چارچوب در تاکید بر همگرایی فناوری و انطباق شرعی–مقرراتی، استفاده از داده های واقعی بانکی در منطقه MENA، و ارائه نتایج کمی از میزان بهبود شاخص های دقت و سرعت گزارشگری و حسابرسی است.
ساختار مقاله به این صورت است: در بخش دوم، مبانی نظری و پیشینه تجربی مرتبط مرور می شود. در بخش سوم، روش شناسی تحقیق و چارچوب پیشنهادی تشریح خواهد شد. بخش چهارم، یافته های کاربرد چارچوب در نمونه منتخب بانک های اسلامی را ارائه می دهد. در نهایت، بخش پنجم به بحث و نتیجه گیری و ارائه پیشنهادهای سیاستی و اجرایی اختصاص یافته است.
۲. مبانی نظری و پیشینه تحقیق
۲-۱. مبانی نظری
۲-۱-۱. اقتصاد دیجیتال و بانکداری اسلامی
اقتصاد دیجیتال نتیجه ادغام فناوری های اطلاعاتی با فرآیندهای اقتصادی است که منجر به تغییر ساختار بازارهای مالی، ابزارهای پرداخت و نظارت می شود (World Economic Forum, 2024). در بانکداری اسلامی، این اقتصاد نه تنها بر سرعت و کارایی تاثیر دارد، بلکه باید در چارچوب موازین شریعت مبتنی بر اجتناب از ربا، غرر و معاملات غیر مشروع طراحی گردد (Rahim et al., 2023).
۲-۱-۲. فناوری بلاکچین و شفافیت مالی
بلاکچین یک دفترکل توزیع شده با قابلیت تغییرناپذیری داده ها و شفافیت تراکنش ها است (Tapia et al., 2023). در حسابداری و گزارشگری مالی، این ویژگی به کاهش خطا، جلوگیری از سوءاستفاده و بهبود قابلیت اتکای داده ها کمک می کند. در بانک های اسلامی، قراردادهای هوشمند روی بستر بلاکچین می توانند تطابق خودکار تراکنش ها با استانداردهای شریعت را انجام دهند (Mousavi et al., ۱۴۰۲).
۲-۱-۳. هوش مصنوعی و کارایی حسابرسی
هوش مصنوعی با ابزارهایی مانند یادگیری ماشین و پردازش زبان طبیعی می تواند داده های گسترده و غیرساختاریافته را تحلیل و الگوهای ریسک یا انحراف را شناسایی کند (Alharbi & Zaabi, 2024). در حسابرسی بانکداری اسلامی، این فناوری قادر است نظارت بلادرنگ و کشف تخلفات شرعی–مالی را تسهیل کند (Heidari& Sadeghi, ۱۴۰۳).
۲-۱-۴. چارچوب های تلفیقی AI–Blockchain
ادغام بلاکچین و هوش مصنوعی، یک اکوسیستم داده امن و قابل تفسیر ایجاد می کند که در آن بلاکچین شفافیت و امنیت داده ها را تضمین کرده و هوش مصنوعی بر ارزش افزوده تحلیلی می افزاید (Nashr& Karim, 2022). این همگرایی در گزارشگری مالی اسلامی می تواند هم از نظر فنی (کارایی و امنیت) و هم از نظر انطباق دینی، یک جهش محسوب میشود.
۲-۲. پیشینه تحقیق
۲-۲-۱. مطالعات داخلی
- موسوی و همکاران (۱۴۰۲) مدل مبتنی بر بلاکچین برای ارتقای شفافیت گزارشگری مالی بانک های اسلامی ایران را ارائه کرده و نشان دادند که استفاده از این فناوری، سرعت و قابلیت اتکای گزارش ها را افزایش می دهد.
- حیدری و صادقی (۱۴۰۳) الگویی ترکیبی از هوش مصنوعی و بلاکچین را در حسابرسی داخلی آزمایش کرده و بهبود ۲۰ الی ۳۰ درصدی تشخیص خطا را گزارش کردند.