DOI: https://doi.org/10.63332/joph.v6i2.3940
تاريخ النشر: 2026-02-02
المؤلف: Solomon Ezonle Akossey وآخرون
الموضوع الرئيسي: التدقيق، إدارة الأرباح، الحوكمة
نظرة عامة
تستكشف هذه الدراسة تأثير تحليلات بيانات التدقيق (ADA) والذكاء الاصطناعي (AI) على حكم المدقق وجودة التدقيق في الاقتصادات الناشئة، في إطار منظور ما بعد الإنسانية. تتحدى الآراء التقليدية التي تعتبر الحكم المهني مجرد جهد إنساني، مقترحة بدلاً من ذلك أن حكم المدقق هو عملية هجينة تنشأ من تفاعل العناصر البشرية وعناصر الذكاء الاصطناعي ضمن سياقات تنظيمية ومؤسسية وتكنولوجية متنوعة. باستخدام بيانات استقصائية من 326 مدققًا عبر سبع اقتصادات ناشئة وتوظيف نمذجة المعادلات الهيكلية باستخدام المربعات الصغرى الجزئية (PLS SEM) جنبًا إلى جنب مع تحليل الانحدار اللوجستي، تستكشف البحث كيف تؤثر كثافة ADA، ودمج AI، والدعم السياقي على جودة الحكم ونتائج التدقيق.
تكشف النتائج أن كل من ADA وAI تحسن بشكل كبير جودة التدقيق من خلال آليات مباشرة وغير مباشرة، لا سيما من خلال تعزيز جودة حكم المدقق. بالإضافة إلى ذلك، تبرز الدراسة أن الدعم التنظيمي والبنية التحتية التكنولوجية تلعب دورًا حاسمًا في تعزيز هذه العلاقات. من خلال إثبات أن جودة التدقيق هي نتاج تشابكات اجتماعية-تكنولوجية بدلاً من مجرد خبرة بشرية، تسهم هذه البحث في مجال المحاسبة ما بعد الإنسانية وتؤكد على الآثار المترتبة على المساءلة، والمسؤولية المهنية، وحوكمة التدقيق في البيئات التي تتأثر بشكل متزايد بالخوارزميات.
مقدمة
تسلط مقدمة ورقة البحث الضوء على تحول كبير في ممارسات التدقيق بسبب دمج تحليلات البيانات والذكاء الاصطناعي (AI) طوال دورة حياة التدقيق، بما في ذلك التخطيط، وتقييم المخاطر، والاختبار الجوهري، والتقارير. تسهل تحليلات بيانات التدقيق (ADA) الاختبار الشامل وتحديد الأنماط المعقدة، بينما تعزز تقنيات AI هذه القدرات من خلال الأتمتة في اكتشاف الشذوذ وتحليل الوثائق. في الاقتصادات الناشئة، يتأثر اعتماد هذه التقنيات بالتحديات المؤسسية مثل عدم الاتساق التنظيمي وتفاوت قدرات شركات التدقيق. تشير الأدلة التجريبية إلى أن ADA وAI يمكن أن تحسن كفاءة وجودة التدقيق، ومع ذلك، لا تزال المخاوف بشأن سلامة البيانات، وشفافية الخوارزميات، والمسؤولية الأخلاقية قائمة.
تؤكد الورقة على الحاجة إلى البحث التجريبي لاستكشاف كيف تعيد أدوات AI تشكيل حكم المدقق والمسؤولية، حيث تشير الأطر التنظيمية الحالية إلى أن العديد من شركات التدقيق الكبيرة لا تقيم هذه التأثيرات بشكل كافٍ. من خلال اعتماد منظور ما بعد الإنسانية، تهدف الدراسة إلى التحقيق في إعادة تشكيل حكم المدقق وجودة التدقيق في الاقتصادات الناشئة، مقترحة أن الحكم هو نتاج للتفاعلات الاجتماعية-تكنولوجية بدلاً من كونه مجرد جهد إنساني. تتناول البحث ثلاثة أسئلة رئيسية تتعلق بتأثير ADA وAI على جودة حكم المدقق، ونتائج التدقيق، ودور الدعم التنظيمي في هذه الديناميات. تسهم الدراسة في الأدبيات من خلال تشغيل حكم المدقق كوكالة موزعة، وربط التشابكات التكنولوجية بنتائج التدقيق، وتقديم رؤى حول العوامل المؤسسية التي تؤثر على التعاون بين البشر وAI في التدقيق.
طرق البحث
تستخدم الدراسة تصميم بحث تفسيري مقطعي يدمج بيانات الاستقصاء الأولية مع مؤشرات أرشيفية. تم توزيع استبيان منظم على المدققين الممارسين في الاقتصادات الناشئة، وتم ربط الردود المجمعة بمقاييس على مستوى الشركات مثل تأخير تقرير التدقيق وإعادة البيانات، عند الاقتضاء. لمعالجة تعقيد عدة بنى كامنة وتأثيرات الوساطة والتعديل الموجودة في البيانات، استخدم الباحثون نمذجة المعادلات الهيكلية باستخدام المربعات الصغرى الجزئية (PLS-SEM) كالتقنية التحليلية الرئيسية، كما أوصى Hair et al. (2022). تعتبر هذه الطريقة فعالة بشكل خاص للبحوث التنبؤية وبناء النظريات في السيناريوهات التي تتميز بأحجام عينات معتدلة ومسارات نماذج معقدة.
النتائج
تشير النتائج من تحليل PLS-SEM إلى دعم قوي لجميع الفرضيات الرئيسية المتعلقة بتأثير كثافة تحليلات البيانات (ADA) ودمج الذكاء الاصطناعي (AI) على حكم المدقق وجودة التدقيق. على وجه التحديد، تعزز كثافة ADA بشكل كبير جودة حكم المدقق (H1)، بينما يساهم دمج AI أيضًا بشكل إيجابي في هذه الجودة (H2). معًا، تمثل هذه العوامل حوالي 52% من التباين في جودة حكم المدقق (R² ≈ 0.52). علاوة على ذلك، يُظهر أن جودة حكم المدقق لها تأثير إيجابي كبير على جودة التدقيق (H3)، حيث تؤثر كل من كثافة ADA ودمج AI بشكل مباشر على جودة التدقيق (H4 وH5)، حيث يكون للأولى تأثير أكبر قليلاً بسبب توافقها الأقرب مع كفاية الأدلة. يفسر النموذج العام حوالي 60% من التباين في جودة التدقيق (R² ≈ 0.60)، مما يظهر قوة تفسيرية قوية.
يكشف تحليل الوساطة أن جودة حكم المدقق تتوسط جزئيًا العلاقات بين كل من ADA وجودة التدقيق، وكذلك دمج AI وجودة التدقيق (H6)، مما يشير إلى تأثيرات غير مباشرة كبيرة مع الاحتفاظ بتأثيرات مباشرة. تشير التحليلات متعددة المجموعات إلى أن تأثيرات ADA ودمج AI تكون أكثر وضوحًا في البيئات التي تتميز بدعم تنظيمي وتكنولوجي عالٍ. بالإضافة إلى ذلك، يُظهر تحليل الانحدار اللوجستي أن زيادة كثافة ADA ودمج AI ترتبط بتقليل تأخيرات تقارير التدقيق وتقليل احتمالية إعادة البيانات المتعلقة بالتحريفات، حيث تُظهر كلا العاملين علاقات سلبية كبيرة مع تأخير تقرير التدقيق واحتمالية إعادة البيانات. تم تضمين متغيرات التحكم مثل الحجم، والرفع المالي، والتعقيد، والصناعة في النماذج، التي أظهرت ملاءمة كافية (Pseudo R²).
المناقشة
تسلط قسم المناقشة في الدراسة الضوء على التأثير التحويلي لتحليلات بيانات التدقيق (ADA) والذكاء الاصطناعي (AI) على حكم المدقق وجودة التدقيق، لا سيما في الاقتصادات الناشئة. تشير النتائج إلى أن كل من كثافة ADA ودمج AI تعزز بشكل كبير جودة حكم المدقق، مما يؤثر بدوره بشكل إيجابي على جودة التدقيق العامة. تؤكد هذه العلاقة على فكرة أن التدقيق المعاصر يتميز بشكل متزايد بتفاعلات هجينة بين البشر وAI، حيث لا تدعم التكنولوجيا فقط بل تشكل أيضًا عمليات اتخاذ القرار للمدققين. تؤكد الدراسة على أن جودة حكم المدقق هي عامل وسيط حاسم، تعكس توافق الخبرة البشرية مع الرؤى الخوارزمية والمعايير المؤسسية.
علاوة على ذلك، تحدد البحث الدور المعدل للدعم التنظيمي والبنية التحتية التكنولوجية، مما يشير إلى أن الحوكمة الفعالة والموارد التكنولوجية القوية تعزز التأثيرات الإيجابية لـ ADA وAI على نتائج التدقيق. يُظهر تحليل الانحدار اللوجستي أيضًا أن هذه التكاملات التكنولوجية ترتبط بتقليل تأخير تقارير التدقيق وانخفاض حالات إعادة البيانات المتعلقة بالتحريفات، مما يعزز الأهمية المادية لعمليات الحكم الموزعة في التقارير المالية. تدعو الدراسة إلى تبني منظور ما بعد الإنسانية في التدقيق، متحدية النماذج التقليدية التي تركز على الإنسان وتعزز فهمًا علاقاتيًا لجودة التدقيق يعترف بالاعتماد المتبادل بين المدققين البشر، والخوارزميات، وأنظمة البيانات، والأطر التنظيمية. يتطلب هذا النهج إعادة تقييم الخبرة والمسؤولية في سياق بيئات التدقيق التي تتزايد فيها الخوارزميات، مما يبرز الحاجة إلى أنظمة AI شفافة وهياكل تنظيمية داعمة للحفاظ على النزاهة المهنية وتعزيز جودة التدقيق.
القيود
تقدم الدراسة عدة قيود تبرز الاتجاهات المحتملة للبحوث المستقبلية. بشكل أساسي، قد يؤدي الاعتماد على مقاييس الاستقصاء المبلغ عنها ذاتيًا إلى إدخال تحيز في الإدراك، حتى مع تضمين مؤشرات أرشيفية مثل تأخير تقرير التدقيق وإعادة البيانات. بالإضافة إلى ذلك، يحد التصميم المقطعي من الاستنتاجات السببية؛ لذلك، يمكن أن تستفيد التحقيقات المستقبلية من منهجيات طولية أو تجريبية لتحليل تفاعلات البشر وAI بشكل أفضل مع مرور الوقت.
علاوة على ذلك، قد يعزز إجراء أبحاث مقارنة بين الاقتصادات الناشئة والمتقدمة، بالإضافة إلى التركيز على هياكل AI المحددة—مثل الذكاء الاصطناعي التوليدي أو القابل للتفسير—فهم كيفية تأثير التكوينات الاجتماعية-التكنولوجية المختلفة على حكم المدقق وجودة التدقيق. يمكن أن توفر هذه الاتجاهات للبحوث المستقبلية رؤى أعمق حول تعقيدات دمج AI في ممارسات التدقيق.
DOI: https://doi.org/10.63332/joph.v6i2.3940
Publication Date: 2026-02-02
Author(s): Solomon Ezonle Akossey et al.
Primary Topic: Auditing, Earnings Management, Governance
Overview
This study investigates the impact of audit data analytics (ADA) and artificial intelligence (AI) on auditor judgment and audit quality in emerging economies, framed within a posthumanist perspective. It challenges traditional views that regard professional judgment as solely a human endeavor, proposing instead that auditor judgment is a hybrid process arising from the interaction of human and AI elements within various regulatory, institutional, and technological contexts. Utilizing survey data from 326 auditors across seven emerging economies and employing partial least squares structural equation modeling (PLS SEM) alongside logistic regression analysis, the research explores how ADA intensity, AI integration, and contextual support influence judgment quality and audit outcomes.
The findings reveal that both ADA and AI significantly improve audit quality through direct and indirect mechanisms, particularly by enhancing auditor judgment quality. Additionally, the study highlights that regulatory support and technological infrastructure play a crucial role in reinforcing these relationships. By demonstrating that audit quality is a product of socio-technical entanglements rather than merely human expertise, this research contributes to the field of posthuman accounting and underscores the implications for accountability, professional responsibility, and audit governance in environments increasingly influenced by algorithms.
Introduction
The introduction of the research paper highlights a significant transformation in audit practices due to the integration of data analytics and artificial intelligence (AI) throughout the audit lifecycle, including planning, risk assessment, substantive testing, and reporting. Audit data analytics (ADA) facilitates comprehensive testing and the identification of complex patterns, while AI technologies enhance these capabilities through automation in anomaly detection and document analysis. In emerging economies, the adoption of these technologies is influenced by institutional challenges such as regulatory inconsistencies and varying audit firm capabilities. Empirical evidence suggests that ADA and AI can improve audit efficiency and quality, yet concerns regarding data integrity, algorithmic transparency, and ethical accountability persist.
The paper emphasizes the need for empirical research to explore how AI tools reshape auditor judgment and accountability, as current regulatory frameworks indicate that many large audit firms do not adequately assess these impacts. Adopting a posthumanist perspective, the study aims to investigate the reconfiguration of auditor judgment and audit quality in emerging economies, positing that judgment is a product of socio-technical interactions rather than solely a human endeavor. The research addresses three key questions regarding the influence of ADA and AI on auditor judgment quality, audit outcomes, and the role of regulatory support in these dynamics. The study contributes to the literature by operationalizing auditor judgment as distributed agency, linking technological entanglements to audit outcomes, and providing insights into the institutional factors that affect human-AI collaboration in auditing.
Methods
The study employs a cross-sectional, explanatory research design that integrates primary survey data with archival indicators. A structured questionnaire was distributed to practicing auditors in emerging economies, and the collected responses were correlated with firm-level metrics such as audit report lag and restatements, when applicable. To address the complexity of multiple latent constructs and the mediation and moderation effects present in the data, the researchers utilized partial least squares structural equation modeling (PLS-SEM) as the primary analytical technique, as recommended by Hair et al. (2022). This method is particularly effective for predictive and theory-building research in scenarios characterized by moderate sample sizes and intricate model pathways.
Results
The results from the PLS-SEM analysis indicate strong support for all main hypotheses regarding the impact of Analytical Data Analytics (ADA) intensity and Artificial Intelligence (AI) integration on auditor judgment and audit quality. Specifically, ADA intensity significantly enhances auditor judgment quality (H1), while AI integration also contributes positively to this quality (H2). Together, these factors account for approximately 52% of the variance in auditor judgment quality (R² ≈ 0.52). Furthermore, auditor judgment quality is shown to have a substantial positive effect on audit quality (H3), with both ADA intensity and AI integration directly influencing audit quality (H4 and H5), the former having a slightly larger effect due to its closer alignment with evidence sufficiency. The overall model explains about 60% of the variance in audit quality (R² ≈ 0.60), demonstrating robust explanatory power.
Mediation analysis reveals that auditor judgment quality partially mediates the relationships between both ADA and audit quality, as well as AI integration and audit quality (H6), indicating significant indirect effects while retaining direct effects. Multi-group analysis suggests that the impacts of ADA and AI integration are more pronounced in environments characterized by high regulatory and technological support. Additionally, logistic regression analysis shows that increased ADA intensity and AI integration correlate with shorter audit report lags and a reduced likelihood of misstatement-related restatements, with both factors demonstrating significant negative relationships with audit report lag and restatement probability. Control variables such as size, leverage, complexity, and industry were included in the models, which exhibited adequate fit (Pseudo R²).
Discussion
The discussion section of the study highlights the transformative impact of audit data analytics (ADA) and artificial intelligence (AI) on auditor judgment and audit quality, particularly in emerging economies. The findings indicate that both ADA intensity and AI integration significantly enhance auditor judgment quality, which in turn positively influences overall audit quality. This relationship underscores the notion that contemporary auditing is increasingly characterized by hybrid human-AI interactions, where technology not only supports but actively shapes the decision-making processes of auditors. The study emphasizes that auditor judgment quality is a critical mediating factor, reflecting the alignment of human expertise with algorithmic insights and institutional standards.
Moreover, the research identifies the moderating role of regulatory support and technological infrastructure, suggesting that effective governance and robust technological resources amplify the positive effects of ADA and AI on audit outcomes. The logistic regression analysis further demonstrates that these technological integrations correlate with reduced audit report lag and lower instances of misstatement-related restatements, reinforcing the material significance of distributed judgment processes in financial reporting. The study advocates for a posthuman perspective in auditing, challenging traditional anthropocentric models and promoting a relational understanding of audit quality that recognizes the interdependence of human auditors, algorithms, data systems, and regulatory frameworks. This approach calls for a reevaluation of expertise and accountability in the context of increasingly algorithmic audit environments, emphasizing the need for transparent AI systems and supportive regulatory structures to maintain professional integrity and enhance audit quality.
Limitations
The study presents several limitations that highlight potential directions for future research. Primarily, the reliance on self-reported survey measures may introduce perception bias, even with the inclusion of archival indicators like audit report lag and restatements. Additionally, the cross-sectional design constrains causal inference; thus, future investigations could benefit from longitudinal or experimental methodologies to better analyze human-AI interactions over time.
Moreover, conducting comparative research between emerging and advanced economies, as well as focusing on specific AI architectures—such as generative or explainable AI—could enhance the understanding of how various socio-technical configurations influence auditor judgment and audit quality. These avenues for future research could provide deeper insights into the complexities of AI integration in auditing practices.