هوش مصنوعی و تصمیم‌گیری اخلاقی در حسابداری و حسابرسی: تحلیل چالش‌های مرتبط

الموضوعات :

یاشار آذرسعید ¹ , شعیب رستمی ²

1 - گروه اقتصاد، دانشگاه پیام نور واحد کرج، البرز، ایران
2 - گروه حسابداری، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران.

تاريخ الإرسال : 21 الأحد , ذو الحجة, 1444 تاريخ التأكيد : 14 الأربعاء , صفر, 1445 تاريخ الإصدار : 08 السبت , ربيع الأول, 1445

الکلمات المفتاحية: تصمیم‌گیری اخلاقی, مدل رست, چالش‌های هنجاری و اجتماعی, آینده حسابداری, واژه‌های کلیدی: هوش مصنوعی,

ملخص المقالة :

چکیدهمقاله حاضر، چالش های اخلاقی کاربرد سیستم های حسابداری مبتنی بر هوش مصنوعی برای تصمیم گیری را بررسی و در چارچوب مدل چهارمؤلفه ای رست در باب تصمیم گیری صحیح ارائه می نماید. مقاله پیش رو به ادبیات مربوط به حسابداری به عنوان یک عامل ذهنی همانند عملکرد یک واسطه در زمینه اجتماعی - مادی کمک می کند. این کار با ارائه یک استدلال قوی صورت می پذیرد که هوش مصنوعی به تنهایی، علی‌رغم نقش توانمندکننده و واسطه‌ای که در حسابداری دارد، نمی‌تواند تصمیمات اخلاقی حسابداری بگیرد، زیرا از نظر مدل رست فاقد پیش‌شرط‌های لازم است. علاوه بر این، از آنجایی که هوش مصنوعی با وجود یادگیری مستقل و شیوه‌های انطباقی، مقید به اهداف از پیش تعیین‌شده توسط انسان ها بوده، فاقد بی‌طرفی واقعی است. موضوع مورد بحث در بین 138 مقاله از 43 مجله معتبر بین المللی حسابداری بررسی شده است. در کدگذاری موضوعی مقالات انتخاب شده، پنج چالش اخلاقی عمده تصمیم گیری مبتنی بر هوش مصنوعی در حسابداری شناسایی گردید که عبارتنداز: بی طرفی، حریم خصوصی، شفافیت، پاسخگویی و قابل اعتمادبودن. با استفاده از مؤلفه‌های مدل رست برای تصمیم‌گیری اخلاقی به‌عنوان چارچوبی پایدار برای ساختار مورد بحث، می توان چالش‌ها و ارتباط آنها را برای همکاری آینده انسان و ماشین در دفاتر مختلف بین انسان‌ها و هوش مصنوعی، مورد بحث قرار داد. از این رو علاوه بر درک فرآیند مناسب تصمیم گیری در حسابداری بر اساس هوش مصنوعی پیشنهاد می شود که فرآیندهای حسابرسی مستقل و داخلی نیز از نظر مهارت‌ها و آگاهی، تطبیق داده شوند تا از تصمیم‌گیری اخلاقی مبتنی بر هوش مصنوعی اطمینان حاصل شود.

المصادر:

فهرست منابع

• احمدزاده، زاهد و احمد یعقوب نژاد، (1401)، "تأثیر درک حسابرسان از فرهنگ اخلاقی حاکم در مؤسسات بر ارزش­های حرفه­ای در مؤسسات حسابرسی"، پژوهش­های حسابداری مالی و حسابرسی، 14(55)، صص 23-40.


• حسین­زاده، امیر، رسول عبدی، عسگر پاک مرام و نادر رضایی، (1401)، "الگوی تصمیم‌گیری اخلاقی حسابداری"، اخلاق در علوم و فناوری، 17، صص 180-152.


• خوشبخت، اسماعیل، امیرحسین تائبی نقندری و حدیث زینلی، (1401)، "دینداری، اخلاق حرفه‌ای حسابداران و تقلب‌های گزارشگری مالی"، پژوهش­های حسابداری مالی و حسابرسی، 14(53)، صص 223-254.


• کریمی، اکرم، رویا دارابی، محمدرضا پورفخاران و حسین مقدم، (1401)، "پیش‌بینی رتبه‌بندی کیفیت اطلاعات با رویکرد تحلیل عاملی و هوش مصنوعی"، پژوهش­های حسابداری مالی و حسابرسی، 14(54)، صص 101-140.


• نوش­فر، علی­داد، عبدالرضا محسنی و مصطفی قاسمی، (1401)، "الگویی برای بهبود تصمیم‌گیری اخلاقی در حرفه حسابداری با رویکرد مبتنی بر نظریه داده‌ بنیاد"، پژوهش­های تجربی حسابداری، 12(4)، صص 141-160.

• Albu, O.B. and Flyverbom, M. (2016), “Organizational transparency: conceptualizations, conditions, and consequences”, Business and Society, Vol. 58 No. 2, pp. 268-297.


• Baud, C., Brivot, M. and Himick, D. (2019), “Accounting ethics and the fragmentation of value”, Journal of Business Ethics, Vol. 168 No. 2, pp. 373-387.


• Bebbington, J., Osterblom, H., Crona, B., Jouffray, J.-B., Larrinaga, C., Russell, S. and Scholtens, B. € (2019), “Accounting and accountability in the Anthropocene”, Accounting, Auditing and Accountability Journal Vol. 33 No. 1, pp. 152-177.


• Boza, P. and Evgeniou, T. (2021), Implementing AI Principles: Frameworks, Processes, and Tools, INSEAD Fontainbleau, pp. 1-31.


• Cooper, L.A., Holderness, D.K., Sorensen, T.L. and Wood, D.A. (2019), “Robotic process automation in public accounting”, Accounting Horizons, Vol. 33 No. 4, pp. 15-35.


• Daugherty, P.R., Wilson, H.J. and Chowdhury, R. (2019), “Using artificial intelligence to promote diversityMIT Sloan Management Review, Vol. 60 No. 2, p. 1.


• Dignum, V. (2018), “Ethics in artificial intelligence: introduction to the special issue”, Ethics and Information Technology, Vol. 20 No. 1, pp. 1-3.


• Dillard, J. and Vinnari, E. (2019), “Critical dialogical accountability: from accounting-based accountability to accountability-based accounting”, Critical Perspectives on Accounting, Vol. 62, pp. 16-38.


• Earley, C.E. (2015), “Data analytics in auditing: opportunities and challenges”, Business Horizons, Vol. 58 No. 5, pp. 493-500.


• Gepp, A., Linnenluecke, M.K., O’Neill, T.J. and Smith, T. (2018), “Big data techniques in auditing research and practice: current trends and future opportunities”, Journal of Accounting Literature, Vol. 40, pp. 102-115.


• Glikson, E. and Woolley, A.W. (2020), “Human trust in artificial intelligence: review of empirical researchAcademy of Management Annals, Vol. 14 No. 2, pp. 627-660..


• Gong, J.J. (2016), “Ethics in accounting: a decision-making approach”, Journal of Business Ethics, Vol. 142 No. 3, pp. 621-623.


• Gunz, S. and Thorne, L. (2020), “Thematic symposium: the impact of technology on ethics, professionalism and judgement in accounting”, Journal of Business Ethics, Vol. 167 No. 2, pp. 153-155.


• Holt, T.P. and Loraas, T.M. (2021), “A potential unintended consequence of big data: does information structure lead to suboptimal auditor judgment and decision-making?”, Accounting Horizons, Vol. 35 No 3, pp. 161-186.


• Jarrahi, M.H. (2018), “Artificial intelligence and the future of work: human-AI symbiosis in organizational decision making”, Business Horizons, Vol. 61 No. 4, pp. 577-586.


• Jeacle, I. and Carter, C. (2014), “Creative spaces in interdisciplinary accounting research”, Accounting Auditing and Accountability Journal, Vol. 27 No. 8, pp. 1233-1240.


• Kellogg, K.C., Valentine, M.A. and Christin, A. (2020), “Algorithms at work: the new contested terrain of control”, Academy of Management Annals, Vol. 14 No. 1, pp. 366-410.


• Kovacova, M., Kliestik, T., Pera, A., Grecu, I. and Grecu, G. (2019), “Big data governance of automated algorithmic decision-making processes”, Review of Contemporary Philosophy, Vol. 18, pp. 126-132.


• Long, C.P. and Sitkin, S.B. (2018), “Control–trust dynamics in organizations: identifying shared perspectives and charting conceptual fault lines”, Academy of Management Annals, Vol. 12 No. 2, pp. 725-751.


• Lehner, O., Forstenlechner, C., Leitner-Hanetseder, S. and Eisl, C. (2021), “Artificial intelligence driven accounting as nascent field: on significant, legitimation and domination”, American Accounting Association Annual Meeting (AAA).


• Leyer, M. and Schneider, S. (2021), “Decision augmentation and automation with artificial intelligence: threat or opportunity for managers?”, Business Horizons, Vol. 64 No. 5, pp. 711-724.


• Leicht-Deobald, U., Busch, T., Schank, C., Weibel, A., Schafheitle, S., Wildhaber, I. and Kasper, G. (2019) “The challenges of algorithm-based HR decision-making for personal integrity”, Journal of Business Ethics, Vol. 160 No. 2, pp. 377-392.


• Lindebaum, D., Vesa, M. and den Hond, F. (2020), “Insights from ‘the machine stops’ to better understand rational assumptions in algorithmic decision making and its implications for organizations”, Academy of Management Review, Vol. 45 No. 1, pp. 247-263.


• Lombardi, D., Issa, H. and Brown-Liburd, H. (2015), “Behavioral implications of big data’s impact on audit judgment and decision making and future research directions”, Accounting Horizons, Vol. 29 No. 2, pp451-468.


• Losbichler, H. and Lehner, O.M. (2021), “Limits of artificial intelligence in controlling and the ways forward a call for future accounting research”, Journal of Applied Accounting Research, Vol. 22 No. 2, pp. 365-382.


• Manetti, G., Bellucci, M. and Oliva, S. (2021), “Unpacking dialogic accounting: a systematic literature review and research agenda”, Accounting, Auditing and Accountability Journal, Vol. 34 No. 9, pp. 250-283.


• Martin, K. (2019), “Ethical implications and accountability of algorithms”, Journal of Business Ethics, Vol 160 No. 4, pp. 835-850.


• McManus, J. (2018), “Hubris and unethical decision making: the tragedy of the uncommon”, Journal of Business Ethics, Vol. 149 No. 1, pp. 169-185.


• Munoko, I., Brown-Liburd, H.L. and Vasarhelyi, M. (2020), “The ethical implications of using artificial intelligence in auditing”, Journal of Business Ethics, Vol. 167 No. 2, pp. 209-234.


• Orlikowski, W.J. and Scott, S.V. (2008), “Sociomateriality: challenging the separation of technology, work and organization”, Academy of Management Annals, Vol. 2 No. 1, pp. 433-474.


• Parker, L.D. and Northcott, D. (2016), “Qualitative generalising in accounting research: concepts and strategies”, Accounting, Auditing and Accountability Journal, Vol. 29 No. 6, pp. 1100-1131.


• Raisch, S. and Krakowski, S. (2021), “Artificial intelligence and management: the automation– augmentation paradox”, Academy of Management Review, Vol. 46 No. 1, pp. 192-210.


• Rest, J.R. (1986), Moral Development: Advances in Research and Theory, Praeger, New York, p. 224.


• Rest, J.R. (1994), Moral Development in the Professions: Psychology and Applied Ethics, Psychology. PressHillsdale, NJ.


• Silvola, H. and Vinnari, E. (2021), “The limits of institutional work: a field study on auditors’ efforts to promote sustainability assurance in a trust society”, Accounting, Auditing and Accountability Journal, Vol. 34, 1, pp. 1-3.


• Snyder, H. (2019), “Literature review as a research methodology: an overview and guidelines”, Journal of Business Research, Vol. 104, pp. 333-339.


• Sun, T. (2019), “Applying deep learning to audit procedures: an illustrative framework”, Accounting Horizons, Vol. 33 No. 3, pp. 89-109.


• TerBogt, H.J. and Scapens, R.W. (2019), “Institutions, situated rationality and agency in management accounting”, Accounting, Auditing and Accountability Journal, Vol. 32 No. 6, pp. 1801-1825.


• West, S.M. (2019), “Data capitalism: redefining the logics of surveillance and privacy”, Business and SocietyVol. 58 No. 1, pp. 20-41.