fa کاربرد هوش مصنوعی در حسابرسی مستمر با تأکید بر شفافیت، پاسخگویی و تحلیل ریسک تخصصي Special پژوهشي Research <div style="text-align: justify;"><span style="line-height:2;"><span style="font-family:IRANyekan;"><span style="font-size:12px;"><span style="direction:rtl"><span style="unicode-bidi:embed"><span lang="FA"><span b="" mitra="">با توجه به تکالیف قانونی مقرر در ماده ۱۰۷ قانون برنامه پنجساله هفتم پیشرفت جمهوری اسلامی ایران مبنی بر هوشمندسازی، تحقق دولت الکترونیک و الزام دستگاه‌های اجرایی به اتصال مراکز داده اصلی و پشتیبان خود به زیرساخت یکپارچه ابری دولت هوشمند (بند الف)، بسترهای تبادل داده و پلتفرم‌های یکپارچه اطلاعاتی شکل گرفته‌اند که زیربنای فناوری‌های نظارتی نوین محسوب می‌شوند. بر این اساس، هدف این پژوهش، بررسی نقش و کارکرد هوش مصنوعی در تحقق حسابرسی مستمر و بهبود فرآیند تحلیل ریسک در نظام‌های مالی نوین است. در این مطالعه، کاربرد الگوریتم‌های هوش مصنوعی شامل یادگیری ماشین، تحلیل پیش‌بینانه و پردازش زبان طبیعی در فرآیندهای حسابرسی مورد تحلیل قرار گرفته است. یافته‌ها نشان می‌دهد که ادغام این فناوری‌ها موجب کاهش قابل‌ملاحظه زمان تشخیص ناهنجاری‌ها، افزایش دقت در پیش‌بینی ریسک‌های تحریف بااهمیت و ارتقای قابلیت اعتماد گزارش‌های مالی شده است. نتایج پژوهش بیانگر آن است که استفاده از مدل‌های توضیح‌پذیر هوش مصنوعی، ضمن کاهش ابهام در تصمیم‌گیری الگوریتمی، شفافیت فرآیند حسابرسی را افزایش داده و اعتماد ذی‌نفعان به خروجی‌های حسابرسی مبتنی بر فناوری را تقویت می‌کند. همچنین، همسویی ابزارهای هوش مصنوعی با استانداردهای بین‌المللی حسابرسی، به‌ویژه در حوزه شناسایی و ارزیابی ریسک و گردآوری شواهد حسابرسی، موجب کارآمدتر شدن فرآیندهای نظارتی و بهبود پاسخگویی مالی شده است. در مجموع، یافته‌های این پژوهش نشان می‌دهد که عدم پذیرش هوش مصنوعی در حرفه حسابرسی می‌تواند منجر به عقب‌ماندگی حرفه‌ای و کاهش اثربخشی نظام‌های نظارتی شود؛ در حالی که ادغام هدفمند و حکمرانی‌شده این فناوری، علاوه بر کاهش هزینه‌ها و ارتقای کیفیت قضاوت حرفه‌ای حسابرسان، زمینه‌ساز افزایش شفافیت مالی، تقویت نظارت هوشمند و بهبود اعتماد عمومی در سازمان‌های مالی خواهد بود.</span></span><span dir="LTR" style="font-size:14.0pt"></span></span></span><br> &nbsp;</span></span></span></div> <div style="text-align: justify;"><span style="font-size:11.0pt"><span style="line-height:107%"><span new="" roman="" style="font-family:" times=""><span style="color:black">Given the statutory obligations set forth in Article 107 of the Seventh Five-Year </span></span></span></span><span style="font-size:10.0pt"><span style="line-height:107%"><span new="" roman="" style="font-family:" times=""><span style="color:black">Development Plan </span></span></span></span><span style="font-size:11.0pt"><span style="line-height:107%"><span new="" roman="" style="font-family:" times=""><span style="color:black">of the Islamic Republic of Iran regarding smartification</span></span></span></span><span style="font-size:10.0pt"><span style="line-height:107%"><span new="" roman="" style="font-family:" times=""><span style="color:black">, the </span></span></span></span><span style="font-size:11.0pt"><span style="line-height:107%"><span new="" roman="" style="font-family:" times=""><span style="color:black">realization of electronic government, and the mandate for executive bodies to connect their primary and backup data centers to the integrated cloud infrastructure of the smart government (Clause A), data exchange platforms and integrated information systems have emerged that constitute the foundation of modern supervisory technologies. Accordingly, this study aims to investigate the role and function of artificial intelligence (AI) in implementing continuous auditing and improving the risk analysis process in modern financial systems. In this study, the application of artificial intelligence algorithms&mdash;including machine learning, predictive analytics, and natural language processing&mdash;in auditing processes is analyzed. The findings indicate that the integration of these technologies significantly reduces the time required for anomaly detection, increases accuracy in predicting risks of material misstatement, and enhances the reliability of financial reports. The results of the research demonstrate that the use of explainable AI (XAI) models, while reducing ambiguity in algorithmic decision-making, increases the transparency of the auditing process and strengthens stakeholders&rsquo; trust in technology-driven audit outcomes. Furthermore, aligning AI tools with international auditing standards, particularly in the areas of risk identification and assessment and the gathering of audit evidence, leads to more efficient supervisory processes and improved financial accountability. Overall, the findings of this research show that failure to adopt AI in the auditing profession can lead to professional lag and a decline in the effectiveness of supervisory systems; whereas, a purposeful and governed integration of this technology not only reduces costs and enhances the quality of auditors&rsquo; professional judgment, but also paves the way for increased financial transparency, strengthened smart supervision, and enhanced public trust in financial organizations</span></span></span></span></div> هوش مصنوعی, حسابرسی مستمر, تحلیل ریسک, استانداردهای حسابرسی, ماده ۱۰۷ قانون برنامه هفتم پیشرفت. Artifical intelligence, continuous auditing, Risk Analysis, Auditing Standards, Article 107the seventh Development Plan, 4 20 http://malieh.dmk.ir/browse.php?a_code=A-10-263-1&slc_lang=fa&sid=1 مینا صدر انزابی 1003194753284600917 1003194753284600917 Yes دکترای حسابداری، اردبیل