مقاله انگلیسی آیا بکارگیری هوش مصنوعی، دقت گزارشگری مالی، کارایی حسابرسی و عدم تقارن اطلاعات را بازتعریف می‌کند؟ یک مدل یکپارچه از TOE-TAM-RDT و حاکمیت کلان داده.

عنوان فارسی:

آیا بکارگیری هوش مصنوعی، دقت گزارشگری مالی، کارایی حسابرسی و عدم تقارن اطلاعات را بازتعریف می‌کند؟ یک مدل یکپارچه از TOE-TAM-RDT و حاکمیت کلان داده.

عنوان انگلیسی:

Does AI adoption redefine financial reporting accuracy, auditing efficiency, and information asymmetry? An integrated model of TOE-TAM-RDT and big data governance

کد محصول: H1079

سال نشر: ۲۰۲۵

نام ناشر (پایگاه داده): الزویر

نام مجله: Computers in Human Behavior Reports

نوع مقاله: علمی پژوهشی (Research Article)

متغیر : دارد

فرضیه: دارد

مدل مفهومی: دارد

پرسشنامه : دارد

تعداد صفحه انگلیسی: ۱۴ صفحه PDF

برای دانلود رایگان مقاله انگلیسی بر روی دکمه ذیل کلیک نمایید

وضعیت ترجمه: این مقاله تاکنون ترجمه نشده برای سفارش ترجمه تخصصی مقاله بر روی دکمه ذیل کلیک نمایید (کد مقاله:H1079)

مقالات مرتبط با این موضوع: برای مشاهده سایر مقالات مرتبط با این موضوع (با ترجمه و بدون ترجمه)  بر روی دکمه ذیل کلیک نمایید

چکیده فارسی

شرکت‌های حسابداری و حسابرسی (AAFها) به دلیل ادغام هوش مصنوعی (AI) که پتانسیل ایجاد تحولات بنیادین در زمینه‌هایی مهم مانند افزایش دقت گزارشگری مالی، کارایی حسابرسی و کاهش عدم تقارن اطلاعاتی را دارد، در حال تجربه یک تغییر الگو هستند. با این حال، اثربخشی پذیرش هوش مصنوعی در دستیابی به این هدف تضمین شده نیست. از این رو، این مطالعه به‌دنبال بررسی تجربی عواملی است که بر پذیرش هوش مصنوعی در میان شرکت‌های حسابداری و حسابرسی تأثیر می‌گذارند و به این موضوع می پردازد که نقش بالقوه آن در دقت گزارشگری مالی، کارایی حسابرسی و عدم تقارن اطلاعاتی چیست. با استفاده از یک مدل معتبر TOE-TAM-RDT و تحلیل با استفاده از PLS-SEM، ما دریافتیم که پذیرش هوش مصنوعی تحت تأثیر فشار رقابتی، اکوسیستم تامین‌کنندگان، حمایت مدیریت ارشد، مزیت نسبی، آمادگی برای هوش مصنوعی و جو نوآوری قرار دارد. پذیرش سیستم‌های مبتنی بر هوش مصنوعی در میان شرکت‌های حسابداری و حسابرسی تأثیر مثبت بر دقت گزارشگری مالی و کارایی حسابرسی و تأثیر منفی بر عدم تقارن اطلاعاتی داشت. نتایج همچنین نشان‌دهنده اثر تعدیلگر و معنادار حاکمیت داده‌های کلان است، که نشان می‌دهد مدیریت، کیفیت و استفاده اخلاقی از داده‌ها در شرکت‌های حسابداری و حسابرسی می‌تواند مزایای پذیرش هوش مصنوعی را تقویت کند و دقت گزارشگری مالی، کارایی حسابرسی و کاهش عدم تقارن‌های اطلاعاتی میان شرکت‌های حسابداری و حسابرسی و ذینفعان را افزایش دهد. این نتایج نه تنها به پیشبرد مباحث علمی در مورد پذیرش هوش مصنوعی در عرصه مالی و حسابداری کمک می‌کند، بلکه استراتژی‌های عملی برای ذینفعان فراهم می‌آورد تا مزایای این فناوری تحول آفرین را به حداکثر برسانند.

کلیدواژه‌ها: هوش مصنوعی، شرکت‌های حسابداری و حسابرسی، حاکمیت داده‌های کلان، پذیرش هوش مصنوعی، گزارشگری مالی، کارایی حسابرسی، عدم تقارن اطلاعاتی

۱-مقدمه

امروزه، شرکت‌های حسابداری و حسابرسی (AAFs) به‌طور فزاینده‌ای در تلاشند تا عملیات خود را بهبود بخشند و مدل‌های کسب‌وکار خود را بازطراحی کنند تا مزیت رقابتی را حفظ و رشد پایدار را تحریک کنند. نوآوری‌های فناوری به‌طور قابل توجهی برای دستیابی به این هدف کمک می‌کنند. ابزارهای پیشرفته مبتنی بر فناوری برای حسابداران و حسابرسان حرفه‌ای در دسترس است تا به آنها در انجام چابک کارهایشان کمک کند. نوآوری‌های فناوری بر حرفه حسابداری تأثیرات عمیق و بالقوه ای دارد، مانند افزایش رقابت‌پذیری از طریق تسهیل عملیات حسابداری سریع‌تر، دقیق‌تر و کارآمدتر. متخصصانی مانند حسابداران و حسابرسان از طریق اتوماسیون و حذف وظایف زمان‌بر و تکراری ، می‌توانند ظرفیت خود را برای مشاوره در فعالیت‌های مالی و تجاری افزایش دهند و زمان را برای کارهای با ارزش تر آزاد کنند…

۷.۱. نتیجه‌گیری

پذیرش هوش مصنوعی در امور مالی و حسابرسی پیامدهای چندوجهی داشته که همزمان پتانسیل ایجاد تحول و افزایش پیچیدگی‌ها را دارد. یافته‌های مهم نشان می‌دهند که چگونه هوش مصنوعی بر کارایی، دقت و نقش استراتژیک متخصصان تأثیر می‌گذارد و همچنین ادبیات موجود چالش‌های اخلاقی و مقرراتی را در این صنایع بررسی کرده اند. این تحقیق نظری به‌طور جامع یک چارچوب معتبر را تدوین و اعتبارسنجی کرده است تا به ارائه بینش بیشتری در مورد پذیرش هوش مصنوعی در عرصه مالی و حسابرسی بپردازد و برای این منظور از مدل یکپارچه رویکرد TOE-TAM-RDT استفاده می کند. هدف این مطالعه بررسی تجربی عواملی است که بر پذیرش هوش مصنوعی در میان شرکت‌های حسابداری و حسابرسی تأثیر می‌گذارند و نقش بالقوه آن در بهبود دقت گزارشگری مالی، کارایی حسابرسی و عدم تقارن اطلاعاتی را مورد بررسی قرار می دهد. با استفاده از یک مدل معتبر TOE-TAM-RDT و ۷۳۴ پاسخ از شرکت‌های حسابداری و حسابرسی که با استفاده از PLS-SEM تحلیل شده‌اند، دریافتیم که پذیرش هوش مصنوعی تحت تأثیر فشار رقابتی، اکوسیستم تامین‌کنندگان، حمایت مدیریت ارشد، مزیت نسبی، آمادگی برای هوش مصنوعی و جو نوآوری قرار دارد. پذیرش سیستم‌های مبتنی بر هوش مصنوعی در میان شرکت‌های حسابداری و حسابرسی تأثیر مثبتی بر دقت گزارشگری مالی و کارایی حسابرسی و تأثیر منفی بر عدم تقارن اطلاعاتی داشت. نتایج همچنین نشان‌دهنده اثر تعدیلگر معنادار حاکمیت داده‌های کلان است که نشان می‌دهد مدیریت، کیفیت و استفاده اخلاقی از داده‌ها در میان شرکت‌های حسابداری و حسابرسی می‌تواند مزایای پذیرش هوش مصنوعی را تقویت کند و دقت گزارشگری مالی، کارایی حسابرسی و کاهش عدم تقارن‌های اطلاعاتی میان شرکت‌های حسابداری و حسابرسی و ذینفعان را افزایش دهد. این نتایج نه تنها به پیشبرد مباحث علمی در زمینه پذیرش هوش مصنوعی در عرصه مالی و حسابداری کمک می‌کند بلکه استراتژی‌های عملی برای ذینفعان فراهم می‌آورد تا از مزایای این فناوری تحول آفرین حداکثر استفاده را ببرند.

فرضیات

H1. فشار رقابتی (CP) تأثیر مثبتی بر پذیرش هوش مصنوعی در زمینه مالی و حسابرسی دارد.
H2. حمایت دولتی (GS) تأثیر مثبتی بر پذیرش هوش مصنوعی در زمینه مالی و حسابرسی دارد.
H3. اکوسیستم تامین کنندگان(VE) تأثیر مثبتی بر پذیرش هوش مصنوعی در زمینه مالی و حسابرسی دارد.
H4. پشتیبانی مدیریت ارشد (TMS) تأثیر مثبتی بر پذیرش هوش مصنوعی در زمینه مالی و حسابرسی دارد.
H5. مزیت نسبی (RA) تأثیر مثبتی بر پذیرش هوش مصنوعی در زمینه مالی و حسابرسی دارد.
H6. سهولت استفاده (EoU) تأثیر مثبتی بر پذیرش هوش مصنوعی در زمینه مالی و حسابرسی دارد.
H7. آمادگی هوش مصنوعی (AIR) تأثیر مثبتی بر پذیرش هوش مصنوعی در زمینه مالی و حسابرسی دارد.
H8. جو نوآوری (IC) تأثیر مثبتی بر پذیرش هوش مصنوعی در زمینه مالی و حسابرسی دارد.
H9. پذیرش هوش مصنوعی (ADP) تأثیر مثبتی بر دقت گزارشگری مالی در میان AAF ها دارد.
H10. پذیرش هوش مصنوعی (ADP) تأثیر مثبتی بر کارایی حسابرسی در میان AAF ها دارد.
H11. پذیرش هوش مصنوعی (ADP) تأثیر منفی بر عدم تقارن اطلاعات در میان AAF ها دارد.

H12. حاکمیت کلان داده (BIG) رابطه مثبت بین ADP و دقت گزارشگری مالی را در میان AAFها تقویت می کند.
H13. حاکمیت کلان داده (BIG) رابطه مثبت بین ADP و کارایی حسابرسی را در میان AAFها تقویت می کند.
H14. حاکمیت کلان داده (BIG) رابطه منفی بین ADP و عدم تقارن اطلاعات را در میان AAFها تقویت می کند.

Abstract  

Accounting and auditing firms (AAFs) are experiencing a paradigm shift with the integration of artificial intelligence (AI), which has the potential to revolutionise important areas like fostering financial reporting accuracy, auditing efficiency, and diminishing information asymmetry. Yet, the effectiveness of AI adoption in achieving this goal is not guaranteed. Hence, this study aims to empirically explore what shapes AI adoption among AAFs, and what its potential role is in financial reporting accuracy, auditing efficiency, and information asymmetry. By applying a validated model of TOE-TAM-RDT and analysing using PLS-SEM, we found that AI adoption was shaped by competitive pressure, vendor ecosystem, top management support, relative advantage, AI readiness, and innovation climate. The adoption of AI-driven systems among AAFs exerted a positive impact on financial reporting accuracy, and auditing efficiency, while a negative impact on information asymmetry. Results further reveal a significant moderating effect of big data governance, demonstrating that proper management, quality, and ethical use of data within AAFs can amplify AI adoption benefits, boosting financial reporting accuracy, auditing efficiency, and mitigating information asymmetries between AAFs and stakeholders. These outcomes not only advance scholarly conversations on AI adoption in the financial and accounting landscape but also deliver actionable strategies for stakeholders to maximise AAFs’ benefits from this emerging revolutionary technology.

Keywords: Artificial intelligence, Accounting and auditing firms, Big data governance, AI adoption, Financial reporting, Auditing efficiency, Information asymmetry

۱.Introduction

Nowadays, accounting and auditing firms (AAFs) are increasingly striving to improve their operations and redesign their business models to maintain a competitive edge and drive sustainable growth (Syed et al., 2020). Technological innovations greatly aid in achieving this goal (Baiod & Hussain, 2024). A variety of advanced technology-driven tools are available to professional accountants and auditors to support them in completing their tasks with agility (Al Wael et al., 2023). There are potential profound implications of technological advancements for the accounting profession, such as enhancing competitiveness by facilitating faster, more accurate, and more efficient accounting operations. Professionals like accountants and auditors can boost their capacity to advise on financial and business activities by using technology to automate and de-skill time-consuming and repetitive tasks, freeing up time for higher-value work (Baiod & Hussain, 2024)…

۷.۱.Conclusion

The adoption of AI in finance and auditing has multifaceted implications, demonstrating its potential for transformation and the complexities it brings. Important discoveries highlight how AI affects efficiency, accuracy, and the strategic role of professionals as they address ethical and regulatory challenges in these industries. This theoretically informed research develops and validates a robust comprehensive framework to provide further insights into AI adoption in the financial and auditing landscape, applying an integrated model of the TOE-TAM-RDT approach. The objective of this study is to empirically explore what shapes AI adoption among AAFs, and what its potential role is in financial reporting accuracy, auditing efficiency, and information asymmetry. By applying a validated model of TOE-TAM- RDT and 734 responses from AAFs analysed using PLS-SEM, we found that AI adoption was shaped by competitive pressure, vendor ecosystem, top management support, relative advantage, AI readiness, and innovation climate. The adoption of AI-driven systems among AAFs exerted a positive impact on financial reporting accuracy, and auditing efficiency, while a negative impact on information asymmetry. Results further reveal a significant moderating effect of big data governance, demonstrating that proper management, quality, and ethical use of data within AAFs can amplify AI adoption benefits, boosting financial reporting accuracy, auditing efficiency, and mitigating information asymmetries between AAFs and stakeholders. These outcomes not only advance scholarly conversations on AI adoption in the financial and accounting landscape but also deliver actionable strategies for stakeholders to maximise AAFs’ benefits from this emerging revolutionary technology…

hypothesis

H1. Competitive pressure (CP) exerts a positive impact on AI adoption in the financial and auditing landscape.
H2. Government support (GS) exerts a positive impact on AI adoption in the financial and auditing landscape.
H3. Vendor ecosystem (VE) exerts a positive impact on AI adoption in the financial and auditing landscape.
H4. Top management support (TMS) exerts a positive impact on AI adoption in the financial and auditing landscape.
H5. Relative advantage (RA) exerts a positive impact on AI adoption in the financial and auditing landscape.
H6. Ease of use (EoU) exerts a positive impact on AI adoption in the financial and auditing landscape.
H7. AI readiness (AIR) exerts a positive impact on AI adoption in the financial and auditing landscape.
H8. Innovation climate (IC) exerts a positive impact on AI adoption in the financial and auditing landscape.
H9. AI adoption (ADP) exerts a positive impact on financial reporting accuracy among AAFs.
H10. AI adoption (ADP) exerts a positive impact on auditing efficiency among AAFs.
H11. AI adoption (ADP) exerts a negative impact on information asymmetry among AAFs.

H12. Big data governance (BIG) strengthens the positive relationship between ADP and financial reporting accuracy among AAFs.

H13. Big data governance (BIG) strengthens the positive relationship between ADP and auditing efficiency among AAFs.

H14. Big data governance (BIG) strengthens the negative relationship between ADP and information asymmetry among AAFs.