مقاله انگلیسی با ترجمه حسابداری مدیریت و هوش مصنوعی: مروری بر ادبیات جامع و توصیه‌هایی برای تحقیقات آینده

مشخصات مقاله  فهرست مطالب نمونه ترجمه مقاله انگلیسی خرید ترجمه مقالات مرتبط

عنوان فارسی:

حسابداری مدیریت و هوش مصنوعی: مروری بر ادبیات جامع و توصیه‌هایی برای تحقیقات آینده

عنوان انگلیسی:

Management Accounting and Artificial Intelligence: A Comprehensive Literature Review and Recommendations for Future Research

کد محصول: H1080

سال نشر: 2025

نام ناشر (پایگاه داده): الزویر

نام مجله: The British Accounting Review

نوع مقاله: علمی پژوهشی (Research Article)

متغیر : ندارد

فرضیه: ندارد

مدل مفهومی: ندارد

پرسشنامه : ندارد

تعداد صفحه انگلیسی: 26 صفحه PDF

تعداد صفحه ترجمه فارسی:   64 صفحه WORD

قیمت فایل ترجمه شده:  178000 تومان

برای دانلود رایگان مقاله انگلیسی بر روی دکمه ذیل کلیک نمایید

وضعیت ترجمه: این مقاله به صورت کامل ترجمه شده برای خرید ترجمه کامل مقاله بر روی دکمه ذیل کلیک نمایید (لینک دانلود بلافاصله بعد از خرید نمایش داده می شود)

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

فناوری‌های دیجیتالی‌سازی و هوش مصنوعی (AI) این پتانسیل را دارند که حوزه حسابداری مدیریت و نقش حسابداران را دگرگون و متحول کنند. این مطالعه به طور سیستماتیک 91 مقاله را بررسی می‌کند و مطالعات علمی در مورد دیجیتالی‌سازی، هوش مصنوعی، یادگیری ماشین (ML)، یادگیری عمیق (DL)، هوش مصنوعی قابل توضیح، هوش مصنوعی مولد و مدل‌های زبانی بزرگ (LLM) در حسابداری مدیریت را تلفیق می‌کند. در این راستا، این مطالعه از چندین جنبه ارزشمند است. اول، ما استدلال می‌کنیم که این فناوری‌ها اطلاعات حسابداری و ساختارهای سازمانی را متحول می‌کنند و بر ارتباط بین عملکرد حسابداری با سایر عملکردهای سازمانی تأثیر می‌گذارند. دوم، آنها چالش‌های جدیدی را برای حسابداران مدیریت ایجاد می‌کنند، از جمله حریم خصوصی داده‌ها، محرمانگی، امنیت و نگرانی‌های اخلاقی. “سوم، فناوری‌های دیجیتال با خودکارسازی وظایف بنیادین حسابداری و فرآیندهای تصمیم‌گیری، به‌طور بالقوه موجب دگرگونی در نقش‌ها و مهارت‌های حسابداران مدیریت می‌شوند. این دگرگونی می‌تواند به اشکال مختلفی مانند حذف مشاغل، ارتقای سطح مهارت‌ها، کاهش سطح مهارت‌ها و یا نیاز به بازآموزی کارکنان، نمود یابد. چهارم، این فناوری‌ها زمینه‌ساز فرصت‌های نوینی برای همکاری‌های بین‌رشته‌ای شده و حدود و مرزهای حرفه‌ای را بازتعریف می‌کنند. این مقاله با بررسی اثرات دیجیتالی‌سازی و جدیدترین فناوری‌های هوش مصنوعی بر حسابداری مدیریت، و همچنین تبیین چگونگی ارزش‌آفرینی تجاری این فناوری‌ها و برجسته‌سازی چالش‌ها و ریسک‌های مرتبط با آن برای این حرفه، به غنای دانش موجود کمک می‌کند. در پایان، این مقاله دستور کارهای پژوهشی و پرسش‌های محتمل برای تحقیقات آتی را پیشنهاد داده و دیدگاه‌هایی را پیرامون اثرات و پیامدهای بالقوه آن بر حرفه حسابداری و نقش حسابداران ارائه می‌دهد.”

واژه‌های کلیدی: هوش مصنوعی، یادگیری ماشین، هوش مصنوعی قابل توضیح، حسابداری مدیریت، مدل‌های زبانی بزرگ، دیجیتالی‌سازی.

Abstract: Digitalization and artificial intelligence (AI) technologies have the potential to disrupt and transform the management accounting domain and the role of accountants. The study systematically reviews 91 articles, synthesizing scholarly work on digitalization, AI, machine learning (ML), deep learning (DL), explainable AI, generative AI, and large language models (LLMs) in management accounting. In this context, the value of the paper is multi-fold. First, we argue that these technologies transform accounting information and organizational structures, affecting the accounting function’s relationship with other organizational functions. Second, they present new challenges for management accountants, including data privacy, confidentiality, security and ethical concerns. Third, digital technologies automate basic accounting tasks and decision-making processes, potentially reshaping management accountants’ roles and skills in terms of job elimination, upskilling, deskilling and reskilling. Fourth, these technologies create new opportunities for multidisciplinary collaboration and redefine professional boundaries. This paper contributes by discussing the impact of digitalization and the latest AI technologies on management accounting, illustrating how they can create business value, and highlighting associated challenges and risks for the profession. It proposes research agendas and potential research questions for future studies, providing insight into the potential impacts and implications for the accounting profession and the role of accountants.

Keywords: Artificial intelligence, Machine learning, Explainable AI, Management accounting, Large language models, Digitalization

1-مقدمه

دیجیتالی سازی به عنوان مهم‌ترین روند فناوری در نظر گرفته شده است که موجب تغییر جامعه و کسب و کار می‌شود (لویه‌کانگاس، 2016؛ پاروینن و همکاران، 2017) و این پتانسیل را دارد که مدل‌های کسب و کار سازمانی، حوزه حسابداری مدیریت و رویه های کنترلی را به همراه نقش کنترل کننده ها، به ویژه در حوزه حسابداری و مالی، متحول کند (بهیمانی و ویلکاکس، 2014؛ مولر و همکاران، 2020؛ روتیاینن و همکاران، 2024). سازمان‌های داده‌محور، داده‌ها را جمع‌آوری و تجزیه و تحلیل می‌کنند تا تصمیمات بهتر، سریع‌تر و دقیق‌تری بگیرند که مزیت رقابتی آن‌ها را افزایش می‌دهد (فروخی و همکاران، 2020). اخیراً، ظهور قدرت محاسباتی فوق‌العاده و بهبود ذخیره‌سازی، در دسترس بودن کلان‌داده‌ها و روش‌ها و الگوریتم‌های پیشرفته آماری، هوش مصنوعی (AI) را توانمند کرده است (دوان و همکاران، 2019؛ سیواراجاه و همکاران، 2017). هوش مصنوعی، همراه با کلان‌داده‌ها و یادگیری ماشین (ML)، در حال ایجاد تحول در عملیات (کولبیورنسرود، 2024)، کسب و کارها (داگرتی و ویلسون، 2018) و حسابداری مدیریت (نیلسن، 2020؛ ریچینز و همکاران، 2017) است. ارزش اصلی هوش مصنوعی این است که می‌تواند تصمیم‌گیری‌ها و اقدامات انسانی را بهبود بخشد و در برخی موارد، حتی جایگزین آن‌ها شود (داونپورت و رونانکی، 2018)، به طوری که سیستم‌های هوش مصنوعی وظایف پیچیده را انجام داده و قضاوت‌ها و تصمیمات پیچیده‌ای می‌گیرند. این سیستم‌ها دقیق‌تر بوده و شامل محدودیت‌های شخصی کارکنان، مانند خطاهای انسانی، نمی شوند (مرچنت و ون در استد، 2017). با پیشرفت هوش مصنوعی، این احتمال وجود دارد که بازار کار تا حد بی‌سابقه‌ای دگرگون شود (فورد، 2021) و این تأثیر ممکن است تحولاتی را ایجاد کند که می‌تواند از تحولات گذشته مانند انقلاب‌های کشاورزی و صنعتی فراتر رود (فورد، 2016)…

1.Introduction: Digitalization has been considered the most critical technological trend to change society and business (Leviäkangas, 2016; Parviainen et al., 2017) and has the potential to disrupt organizational business models, the management accounting domain, and control practices, along with the role of controllers, especially in the accounting and finance domain (Bhimani & Willcocks, 2014; Möller et al., 2020; Rautiainen et al., 2024). Datadriven organizations collect and analyze data to make better, faster and more accurate decisions that increase their competitive edge (Farrokhi et al., 2020). Recently, the rise of super computational power and improved storage, the availability of big data, and advanced statistical methods and algorithms have empowered artificial intelligence (AI) (Duan et al., 2019; Sivarajah et al., 2017). AI, along with big data and machine learning (ML), is revolutionizing operations (Kolbjørnsrud, 2024), businesses (Daugherty & Wilson, 2018) and management accounting (Nielsen, 2020; Richins et al., 2017). The key value proposition of AI is that it can enhance and, in some cases, even replace human decision-making and actions (Davenport & Ronanki, 2018), where AI systems perform complex tasks and make sophisticated judgments and decisions. These systems are more accurate and help to avoid personal limitations of the staff, such as human errors (Merchant & Van der Stede, 2017). With advancement in AI, it could potentially upend the job market to an unprecedented degree (Ford, 2021) and this impact might trigger disruptions that can exceed past disruptions such as agricultural and industrial revolutions (Ford, 2016)…

2.1 طراحی تحقیق

مرور سیستماتیک ادبیات شامل بررسی جامع و دقیق نتایج جستجو است (کیچنهام، 2004؛ اوکولی و شابرام، 2010) و روشی مناسب برای ترکیب نتایج ارائه می‌دهد (بریتن و همکاران، 2002؛ ماسارو و همکاران، 2016). این روش زمانی مناسب است که هدف تحقیق، توسعه یک دید کلی از یک مفهوم یا موضوع نوظهور باشد (وبستر و واتسون، 2002)، به عنوان مثال، هوش مصنوعی و دیجیتالی سازی. علاوه بر این، یک بررسی سیستماتیک از ادبیات زمانی حائز اهمیت به نظر می‌رسد که محقق قصد دارد زمینه‌های فرصت‌های تحقیقاتی آینده را کشف کند (کنودسن، 2020؛ ماسارو و همکاران، 2016)، که هدف مطالعه حاضر است. این روش‌شناسی با موفقیت در زمینه‌های مختلف مدیریت (آدامز و همکاران، 2016؛ کولیکیا و استروزی، 2012؛ دلبوفالو، 2012؛ سیواراجاه و همکاران، 2017؛ اسپاناکی و همکاران، 2018) و همچنین در حسابداری (آگوستینو و همکاران، 2021؛ گارانینا و همکاران، 2021؛ جانسن، 2018؛ کنودسن، 2020؛ لومباردی و همکاران، 2021؛ ولف و همکاران، 2020) به کار گرفته شده است…

2.1.Research design : Systematic literature reviews involve a comprehensive and detailed examination of search results (Kitchenham, 2004; Okoli & Schabram, 2010) and present a proper way to synthesize results (Britten et al., 2002; Massaro et al., 2016). This method is appropriate when the research goal is to develop an overview of an emerging concept or issue (Webster & Watson, 2002), for instance, AI and digitalization. Furthermore, a systematic review of the literature appears to be relevant when the researcher aims to uncover areas for future research opportunities (Knudsen, 2020; Massaro et al., 2016), which is the purpose of the current study. This methodology has been employed successfully in various fields of management (Adams et al., 2016; Colicchia & Strozzi, 2012; Delbufalo, 2012; Sivarajah et al., 2017; Spanaki et al., 2018) and also in accounting (Agostino et al., 2021; Garanina et al., 2021; Jansen, 2018; Knudsen, 2020; Lombardi et al., 2021; Wolf et al., 2020)…

3.2. معیارهای ورود و خروج

ما چهار معیار ورود و خروج را برای یافتن متون علمی مرتبط در پایگاه داده برای این مطالعه تعریف کردیم. اول، جستجو بر روی مقالات منتشر شده، مقالات سرمقاله‌ای و مجموعه‌ مقالات کنفرانس‌ها متمرکز بود تا بینش‌هایی را در مورد این حوزه جدید ثبت کند. این رویکرد جستجو قبلاً در سایر مطالعات مروری در مدیریت، فناوری اطلاعات و فناوری‌های جدید اعمال شده است (فدریکو، گارزا-رِیس، کومار و کومار، 2020؛ کونیگستورفر و تالمان، 2020؛ توراجی‌پور، سهراب‌پور، نظرپور، اوقازی و فیشل، 2021). ما بررسی را به “مجلات برتر” به تنهایی محدود نکردیم، زیرا استدلال شد که این مجلات ممکن است نسبت به موضوعات یا روش‌های خاصی سوگیری داشته باشند. یک مطالعه توسط سامرز و وود (2017) نشان داد که کمتر از 2 درصد از مقالات سیستم‌های اطلاعات حسابداری (AIS) در 25 سال گذشته در مجلات برتر منتشر شده‌اند. به طور مشابه، بریک، مِکام، سامرز و وود (2017) دریافتند که هیچ یک از سه مجله برتر حسابداری، پر استنادترین مقالات را در زمینه‌های تحقیقات حسابداری مدیریت و سیستم‌های اطلاعات حسابداری (AIS) منتشر نکرده‌اند. مقالاتی غیر از مقالات مجلات برتر وجود دارند که استناد بیشتری نسبت به پر استنادترین مقالات مجلات برتر دارند (سامرز و وود، 2017)…

2.3. Inclusion and exclusion criteria We defined four inclusion and exclusion criteria to find the relevant literature in the database for this study. First, the search was focused on published articles, editorial articles and conference proceedings to capture insights into this new area. This search approach has already been applied in other review studies in management, IT and new technologies (Frederico, Garza-Reyes, Kumar, & Kumar, 2020; K¨onigstorfer & Thalmann, 2020; Toorajipour, Sohrabpour, Nazarpour, Oghazi, & Fischl, 2021). We did not limit the review to the ‘top journals’ alone because it was argued that these journals might be biased towards certain topics or methodologies. A study by Summers and Wood (2017) found that less than 2 per cent of Accounting Information Systems (AIS) articles have been published in top journals in the last 25 years. Similarly, Barrick, Mecham, Summers, and Wood (2017) found that none of top three accounting journals published the most cited articles in the fields of management accounting research and AIS. There are non-top journal articles with more citations than the most cited top journal articles (Summers & Wood, 2017)…

6.نتیجه‌گیری

این مطالعه به طور سیستماتیک 91 مقاله را بررسی کرد تا به طور انتقادی ادبیات پژوهشی مربوط به دیجیتالی سازی، هوش مصنوعی، یادگیری ماشین، یادگیری عمیق، هوش مصنوعی قابل توضیح، هوش مصنوعی مولد و مدل‌های زبان بزرگ (LLM) را در حسابداری مدیریت ارزیابی کند تا زمینه های تحقیقاتی را در عین برجسته کردن شکاف‌های پژوهشی و ارائه مسیرهای تحقیقاتی آینده به دست آورد. علی‌رغم پتانسیل تحول‌آفرین فناوری‌ها برای ایجاد انقلاب در حوزه حسابداری مدیریت، ادبیات دانشگاهی در این زمینه محدود است. بنابراین، نیاز فوری به مطالعات تجربی و موردی، به ویژه در مورد آخرین فناوری‌های هوش مصنوعی مانند یادگیری ماشین و مدل‌های زبان بزرگ وجود دارد.

ادبیات مورد بررسی نقش آخرین فناوری‌های هوش مصنوعی را به عنوان یک جزء جدایی‌ناپذیر در شکل‌دهی به آینده حسابداری مدیریت برجسته کرده است، اما کاوش جامع در این زمینه وجود ندارد. زمینه های بالقوه برای تحقیقات بیشتر می‌تواند شامل پویایی اعتماد، دقت و پذیرش در پیش‌بینی‌های مشتق شده از هوش مصنوعی، ماهیت مبهم مدل‌های هوش مصنوعی، شفافیت فرآیندهای تصمیم‌گیری هوش مصنوعی و کارایی مدل‌های یادگیری ماشین در حسابداری مدیریت باشد. علاوه بر این، زمینه‌های مهم آخرین فناوری‌های هوش مصنوعی مانند هوش مصنوعی قابل توضیح، هوش مصنوعی مولد و مدل‌های زبانی بزرگ و پیامدهای آن‌ها برای حسابداری مدیریت، از قلم افتاده است…

6.Conclusion: This study systematically reviewed 91 articles to critically evaluate the research literature on digitalization, AI, ML, DL, explainable AI, generative AI, and LLMs, on management accounting to capture the research landscape while highlighting research gaps and proposing future research directions. Despite the transformative potential of technologies to revolutionize the management accounting domain, the academic literature is limited. Thus, there is an urgent need for empirical and case studies, particularly of the latest AI technologies such as ML and LLMs.

The literature under review highlighted the role of the latest AI technologies as an integral component in shaping the future of management accounting, yet a comprehensive exploration of this field is lacking. Potential themes for further research could encompass the dynamics of trust, accuracy and acceptability in AI-derived forecasts, the blackbox nature of AI models, the transparency of AI decision-making processes, and the efficiency of ML models in management accounting. Furthermore, the important fields of the latest AI technologies such as explainable AI, GenAI and LLMs, and their implications for management accounting, are missing…