بيانات الباحث
أستاذ مساعد، قسم العلوم الإدارية والمالية، الكلية الجامعية بالخفجي، جامعة حفر الباطن، المملكة العربية السعودية
ملخص
تواجه مهنة المراجعة تحولاً جذرياً مدفوعاً بالتبني المتسارع لتقنيات الذكاء الاصطناعي، وهو تحول يكتسب أبعاداً فريدة في سياق الأسواق الناشئة التي تتسم بفرص نمو هائلة وتحديات هيكلية متزامنة. تسعى هذه الدراسة إلى سد فجوة معرفية قائمة من خلال فحص الأثر التجريبي لاعتماد الذكاء الاصطناعي على جودة المراجعة في هذه الأسواق. ولتحقيق هذا الهدف، تم اتباع منهج كمي وصفي-تحليلي، حيث جُمعت البيانات الأولية عبر استبيان مُحكّم وُزّع على عينة مكونة من 370 مراجعاً ومحترفاً في مجال التدقيق. تم تحليل البيانات باستخدام نمذجة المعادلات الهيكلية (SEM) لاختبار العلاقات المعقدة بين الأبعاد المختلفة لتبني الذكاء الاصطناعي وجودة المراجعة. تم تعريف المتغير المستقل “تبني الذكاء الاصطناعي” كبنية كامنة متعددة الأبعاد تشمل: أتمتة العمليات الروبوتية (RPA)، والتعلم الآلي لتحليل البيانات، وقدرات كشف الشذوذ المتقدمة، والذكاء الاصطناعي القابل للتفسير (XAI). في المقابل، قيس المتغير التابع “جودة المراجعة” من خلال أبعاد رئيسية هي: استقلالية المراجع وموضوعيته، وكفاءة عملية المراجعة، ودقة اكتشاف الأخطاء الجوهرية. أظهرت النتائج التجريبية وجود علاقات إيجابية وجوهرية إحصائياً بين أبعاد محددة للذكاء الاصطناعي وجودة المراجعة. وبشكل خاص، ارتبط تطبيق أنظمة كشف الشذوذ المتقدمة بشكل كبير بتحسين دقة الاكتشاف، بينما ساهم التعلم الآلي في تعزيز كفاءة المراجعة واستقلالية المراجع. كما برز دور الذكاء الاصطناعي القابل للتفسير كعامل حاسم في تعزيز ثقة المراجعين في الأدلة المستمدة من الأنظمة الذكية. تقدم هذه الدراسة مساهمات ثلاثية الأبعاد: نظرياً، عبر توسيع نطاق نماذج تبني التكنولوجيا لتشمل سياق المراجعة المهنية في الاقتصادات الناشئة؛ ومهنياً، من خلال تقديم إطار عمل قائم على الأدلة لمكاتب المراجعة لتوجيه استثماراتها التقنية؛ وعلى صعيد السياسات، عبر تزويد الهيئات التنظيمية برؤى حول الدعم التشريعي والبنيوي اللازم لتسخير إمكانات الذكاء الاصطناعي بفعالية.
This study empirically examines the impact of Artificial Intelligence (AI) on audit quality in emerging markets. Based on survey data from 370 audit professionals analyzed using Structural Equation Modeling (SEM), the research assesses how AI dimensions—including Robotic Process Automation (RPA), Machine Learning (ML), Anomaly Detection (AD), and Explainable AI (XAI)—affect audit quality, measured by efficiency, accuracy, and auditor independence. The findings confirm a significant positive impact, as anomaly detection enhances accuracy, machine learning improves efficiency and independence, and explainable AI is crucial for building auditor trust in AI-derived evidence. The study offers an evidence-based framework for audit firms and regulators, contributing to the literature on technology adoption in professional services.