ارزیابی جامع نقش دادههای بزرگ و الگوریتمهای پیشرفته هوش مصنوعی در بهبود اثربخشی فرایندهای کشف تقلب و پیشبینی عملکرد مالی سازمانهای بزرگ: ارائه چهارچوب تصمیمگیری نوین مبتنی بر حسابداری هوشمند
ارزیابی جامع نقش دادههای بزرگ و الگوریتمهای پیشرفته هوش مصنوعی در بهبود اثربخشی فرایندهای کشف تقلب و پیشبینی عملکرد مالی سازمانهای بزرگ: ارائه چهارچوب تصمیمگیری نوین مبتنی بر حسابداری هوشمند
پویا کامجو1
1) دانشجو دکتری حسابداری، گروه حسابداری، دانشگاه آزاد اسلامی واحد دماوند، دماوند، ایران.
کد IOI مقاله
:
AABF-AAFDDB
محل انتشار :
سومین کنفرانس بین المللی پژوهش های کاربردی در علوم انسانی، اقتصاد، مدیریت و حسابداری(icrhema.com/3rd)
چکیده :
در عصر تحول سریع دیجیتال، ادغام کلاندادهها و هوش مصنوعی پیشرفته (AI) چشمانداز حسابداری و مدیریت مالی را، بهویژه در سازمانهای بزرگ، از نو تعریف کرده است. پیچیدگی روزافزون تراکنشهای مالی، همراه با گسترش منابع داده دیجیتال، رویکردهای پیچیدهای را برای تشخیص تقلب و پیشبینی عملکرد مالی ضروری میکند. روشهای حسابرسی و آماری سنتی اغلب در مواجهه با مجموعه دادههای با حجم بالا، سرعت بالا و بسیار متنوع، ناکارآمد هستند. بنابراین، نیاز مبرمی به چارچوبهای یکپارچهای وجود دارد که هم از تجزیه و تحلیل کلاندادهها و هم از مدلهای مبتنی بر هوش مصنوعی برای تقویت تابآوری سازمانی در برابر تقلب و افزایش تصمیمگیری مالی استراتژیک استفاده کنند. هدف این مطالعه، انجام ارزیابی جامعی از نقش همافزایی کلاندادهها و الگوریتمهای پیشرفته هوش مصنوعی در بهبود اثربخشی فرآیندهای تشخیص تقلب و پیشبینی عملکرد مالی در سازمانهای بزرگ است. هدف اصلی، ارائه و اعتبارسنجی تجربی یک چارچوب تصمیمگیری جدید و هوشمند مبتنی بر حسابداری است که فناوریهای پیشرفته را با کاربردهای عملی برای حسابداران و مدیران مالی ادغام میکند. این تحقیق با رویکردی ترکیبی، مروری دقیق بر آخرین پیشرفتهای بینالمللی (۲۰۲۴-۲۰۲۵) را با یک مطالعه موردی تجربی انجام شده در سه سازمان چندملیتی فعال در بخشهای مختلف با ریسک بالا ترکیب میکند. مجموعه دادههای ساختاریافته، نیمهساختاریافته و بدون ساختار - شامل سوابق تراکنشها، گزارشهای حسابرسی و گزارشهای روایی - با استفاده از مجموعهای ترکیبی از مدلهای یادگیری ماشینی تحت نظارت و بدون نظارت، از جمله شبکههای عصبی عمیق و روشهای گروهی، جمعآوری و پردازش شدند. عملکرد مدل در مقایسه با سیستمهای حسابرسی سنتی از نظر دقت تشخیص تقلب، سرعت تشخیص و دقت پیشبینی برای شاخصهای کلیدی مالی مانند درآمد، سود خالص و جریانهای نقدی، مورد ارزیابی قرار گرفت. یافتهها نشان میدهد که چارچوب کلانداده یکپارچه با هوش مصنوعی به طور قابل توجهی در تمام ابعاد اندازهگیری شده از سیستمهای مرسوم بهتر عمل میکند. نکته قابل توجه این است که دقت تشخیص بیش از ۱۰ درصد افزایش یافته است، در حالی که خطاهای پیشبینی برای شاخصهای عملکرد مالی بیش از ۴۰ درصد کاهش یافته است. قابلیتهای تحلیلی در زمان واقعی، کاهش ریسک پیشگیرانه و پاسخهای مدیریتی به موقع را امکانپذیر کرده است، در حالی که اجزای هوش مصنوعی قابل توضیح، شفافیت و اعتماد کاربر را بهبود بخشیدهاند. نتایج، پتانسیل متحولکنندهی ادغام معماری کلانداده و تحلیل هوش مصنوعی در رویههای حسابداری مدرن را برجسته میکند.
کلمات کلیدی : کلان داده هوش مصنوعی تشخیص تقلب پیشبینی عملکرد مالی چارچوب حسابداری هوشمند