DOI: https://doi.org/10.1016/j.accinf.2025.100760
تاريخ النشر: 2025-11-20
المؤلف: Theophanis C. Stratopoulos وآخرون
الموضوع الرئيسي: تعليم المحاسبة والمهن
نظرة عامة
تتناول الورقة التأثير التحويلي للذكاء الاصطناعي التوليدي (GenAI) ونماذج اللغة الكبيرة (LLMs) على أبحاث المحاسبة، مقترحة إطار عمل يصنف دراسات الذكاء الاصطناعي في المحاسبة بناءً على بعدين: التركيز البحثي (مركز على المحاسبة مقابل مركز على الذكاء الاصطناعي) والنهج المنهجي (مبني على الذكاء الاصطناعي مقابل الطرق التقليدية). من خلال تطبيق هذا الإطار على العدد الخاص من IJAIS ومنشورات أخرى حديثة، يحدد المؤلفون أنماط البحث الحالية والفرص المتاحة للعلماء. يبرزون الدور المزدوج لـ GenAI في ديمقراطية قدرات البحث بينما يزيد من المنافسة، مما يستلزم إصلاحًا في التعليم الدكتوراه لتعزيز الطلاقة في الذكاء الاصطناعي بين الباحثين في المحاسبة.
في الختام، يكشف تحليل سبع أوراق من العدد الخاص عن تطبيقات متنوعة للذكاء الاصطناعي في أبحاث المحاسبة، مصنفة إلى ثلاثة أرباع: ورقة واحدة تعزز الاستفسارات التقليدية بأساليب الذكاء الاصطناعي، وثلاث أوراق تركز على الابتكارات المنهجية في الذكاء الاصطناعي، وثلاث أوراق تقيم بشكل نقدي أنظمة الذكاء الاصطناعي باستخدام الطرق التقليدية. يمدد الدراسة إطار عملها إلى 89 ورقة حديثة في الذكاء الاصطناعي والمحاسبة، مشيرة إلى أن مجلات AIS تعطي الأولوية لتقنيات الذكاء الاصطناعي، بينما تركز المجلات غير التابعة لـ AIS على الأسئلة الأساسية في المحاسبة التي تعززها الذكاء الاصطناعي. يحدد المؤلفون أربعة مجالات بحثية متميزة حيث يمكن لعلماء المحاسبة الاستفادة من نقاط قوتهم الفريدة، مثل تطوير خوارزميات ذكاء اصطناعي متخصصة وإجراء تقييمات نقدية لأنظمة الذكاء الاصطناعي، مما يضعهم في موقع متميز في المشهد المتطور لأبحاث الذكاء الاصطناعي في المحاسبة.
مقدمة
تسلط المقدمة الضوء على التأثير الكبير للذكاء الاصطناعي (AI) على مهنة المحاسبة، مشددة على تأثيراته التحويلية على الممارسين والمستثمرين ومنهجيات البحث. يتبنى الممارسون بشكل متزايد تقنيات الذكاء الاصطناعي، مما يؤدي إلى تحسينات ملحوظة في الإنتاجية والكفاءة (تشوي وشي، 2025). في الوقت نفسه، انخرطت المجتمع الأكاديمي مع هذه التطورات، لا سيما في مجال الذكاء الاصطناعي التوليدي (GenAI)، مما أدى إلى زيادة الأدبيات التي تستكشف تداعياته عبر مختلف قطاعات المحاسبة (دونغ وآخرون، 2024). من الجدير بالذكر أن ما يقرب من ثلثي الباحثين في المحاسبة قد دمجوا GenAI في أنشطتهم الأكاديمية (بارريك وآخرون، 2025)، مما يشير إلى تحول كبير في ممارسات البحث داخل هذا المجال.
طرق
تحدد هذه القسم إطار عمل منهجي شامل يميز بين طرق البحث المبنية على الذكاء الاصطناعي والطرق التقليدية في المحاسبة. يؤكد على أن الطرق المبنية على الذكاء الاصطناعي تتميز باستخدام أدوات الذكاء الاصطناعي – مثل نماذج اللغة الكبيرة (LLMs)، وخوارزميات التعلم الآلي، والشبكات العصبية – لدفع التحليلات الأساسية والنتائج. في المقابل، تعتمد الطرق التقليدية على أساليب راسخة مثل تحليل الانحدار والدراسات الحالة، حيث قد يكون الذكاء الاصطناعي مجرد خلفية سياقية بدلاً من أداة تحليلية رئيسية. يصنف الإطار البحث إلى أربعة أرباع: (1) **مركز على المحاسبة عبر طرق مبنية على الذكاء الاصطناعي**، حيث تعالج تقنيات الذكاء الاصطناعي الأسئلة الأساسية في المحاسبة؛ (2) **مركز على المحاسبة عبر طرق تقليدية**، التي تفحص نتائج المحاسبة باستخدام طرق تقليدية مع الذكاء الاصطناعي كتغير سياقي؛ (3) **مركز على الذكاء الاصطناعي عبر طرق مبنية على الذكاء الاصطناعي**، تركز على تطوير منهجيات الذكاء الاصطناعي المخصصة لتطبيقات المحاسبة؛ و(4) **مركز على الذكاء الاصطناعي عبر طرق تقليدية**، التي تقيم بشكل نقدي تقنيات الذكاء الاصطناعي باستخدام طرق البحث المعتمدة.
تتوسع هذه القسم في توضيح المساهمات الفريدة لعلماء المحاسبة، الذين يمكنهم الاستفادة من خبراتهم في المجال لتطبيق طرق الذكاء الاصطناعي في تصاميم بحث صارمة. يشمل ذلك تحسين قياس مفاهيم المحاسبة، واكتشاف الأنماط، ودمج البيانات المالية وغير المالية. يبرز الإطار الإمكانية لعلماء المحاسبة لاستكشاف تداعيات اعتماد الذكاء الاصطناعي، مثل تأثيراته على الممارسات المهنية والاعتبارات الأخلاقية، باستخدام تقييمات مستقلة ونقدية قد يغفلها الباحثون في الصناعة وعلوم الكمبيوتر. بشكل عام، يعمل الإطار المقترح كدليل لتوجيهات البحث المستقبلية، مع التأكيد على التفاعل بين الذكاء الاصطناعي ومنهجيات المحاسبة بينما يعالج الأسئلة النظرية الأساسية داخل التخصص.
مناقشة
تسلط المناقشة الضوء على المجال المتنامي لأبحاث الذكاء الاصطناعي في المحاسبة، كما يتضح من الدعوات الأخيرة من مجلات مثل المجلة الدولية لنظم معلومات المحاسبة (IJAIS) ومجلة أبحاث المحاسبة (JAR) للمساهمات في هذا المجال. توضح الأوراق السبع المعروضة في العدد الخاص من IJAIS التطبيقات المتنوعة للذكاء الاصطناعي في المحاسبة، بدءًا من تقنيات التعلم الآلي لتحديد استراتيجيات إدارة الأرباح إلى استخدام تحليل BERT على مستوى الجملة لتوقع الإفلاس. تؤكد هذه المساهمات على إمكانيات الذكاء الاصطناعي لتعزيز المنهجيات التقليدية في المحاسبة وكشف رؤى قد تغفلها الأساليب التقليدية.
على الرغم من التقدم الواعد، تثير المناقشة أسئلة حاسمة بشأن التنقل في هذه الأدبيات المجزأة، لا سيما بالنسبة للمبتدئين في هذا المجال. تؤكد على الحاجة إلى إطار شامل لتصنيف أبحاث الذكاء الاصطناعي في المحاسبة، مميزًا بين المساهمات المركزية على المحاسبة والمركزية على الذكاء الاصطناعي. لا يساعد هذا التصنيف فقط في فهم الأدبيات الحالية ولكن أيضًا يحدد الفرص الاستراتيجية للبحث المستقبلي. يدعو المؤلفون إلى منظور ميزة التعاون، معترفين بالقوى التكميلية لعلماء المحاسبة، والممارسين في الصناعة، وعلماء الكمبيوتر. يشجع هذا النهج على استكشاف مجالات بحثية فريدة حيث يمكن أن تقود خبرة المحاسبة الابتكار في تطبيقات الذكاء الاصطناعي، مما يعزز في النهاية دقة وأهمية أبحاث المحاسبة في مشهد متزايد الاعتماد على الذكاء الاصطناعي.
DOI: https://doi.org/10.1016/j.accinf.2025.100760
Publication Date: 2025-11-20
Author(s): Theophanis C. Stratopoulos et al.
Primary Topic: Accounting Education and Careers
Overview
The paper discusses the transformative impact of generative AI (GenAI) and large language models (LLMs) on accounting research, proposing a framework that categorizes AI-accounting studies based on two dimensions: research focus (accounting-centric vs. AI-centric) and methodological approach (AI-based vs. traditional methods). By applying this framework to the IJAIS special issue and other recent publications, the authors identify existing research patterns and opportunities for scholars. They highlight the dual role of GenAI in democratizing research capabilities while increasing competition, necessitating a reform in doctoral education to enhance AI fluency among accounting researchers.
In the conclusion, the analysis of seven papers from the special issue reveals diverse applications of AI in accounting research, categorized into three quadrants: one paper enhances traditional inquiries with AI methods, three focus on methodological innovations in AI, and three critically assess AI systems using traditional approaches. The study extends its framework to 89 recent AI-accounting papers, noting that AIS journals prioritize AI technologies, while non-AIS journals focus on fundamental accounting questions enhanced by AI. The authors identify four distinct research domains where accounting scholars can leverage their unique strengths, such as developing specialized AI algorithms and conducting critical evaluations of AI systems, thereby positioning themselves advantageously in the evolving landscape of AI-accounting research.
Introduction
The introduction highlights the significant impact of artificial intelligence (AI) on the accounting profession, emphasizing its transformative effects on practitioners, investors, and research methodologies. Practitioners are increasingly adopting AI technologies, leading to notable improvements in productivity and efficiency (Choi and Xie, 2025). Concurrently, the academic community has engaged with these advancements, particularly in the realm of generative AI (GenAI), resulting in a growing body of literature that explores its implications across various accounting sectors (Dong et al., 2024). Notably, nearly two-thirds of accounting researchers have incorporated GenAI into their scholarly activities (Barrick et al., 2025), indicating a significant shift in research practices within the field.
Methods
The section outlines a comprehensive methodological framework distinguishing between AI-based and traditional research methods in accounting. It emphasizes that AI-based methods are characterized by the use of AI tools—such as large language models (LLMs), machine learning algorithms, and neural networks—to drive core analyses and findings. In contrast, traditional methods rely on established approaches like regression analysis and case studies, where AI may serve merely as a contextual backdrop rather than a primary analytical tool. The framework categorizes research into four quadrants: (1) **Accounting-Centric via AI-Based Methods**, where AI techniques address fundamental accounting questions; (2) **Accounting-Centric via Traditional Methods**, which examines accounting outcomes using conventional methods with AI as contextual variation; (3) **AI-Centric via AI-Based Methods**, focusing on advancing AI methodologies tailored for accounting applications; and (4) **AI-Centric via Traditional Methods**, which critically evaluates AI technologies using established research methods.
The section further elaborates on the unique contributions of accounting researchers, who can leverage their domain expertise to apply AI methods in rigorous research designs. This includes enhancing measurement of accounting constructs, detecting patterns, and integrating financial and non-financial data. The framework highlights the potential for accounting academics to explore the implications of AI adoption, such as its effects on professional practices and ethical considerations, using independent and critical evaluations that industry and computer science researchers may overlook. Overall, the proposed framework serves as a guide for future research directions, emphasizing the interplay between AI and accounting methodologies while addressing core theoretical questions within the discipline.
Discussion
The discussion highlights the burgeoning field of AI-accounting research, as evidenced by recent calls from journals like the International Journal of Accounting Information Systems (IJAIS) and the Journal of Accounting Research (JAR) for contributions in this area. The seven papers featured in the IJAIS special issue illustrate the diverse applications of AI in accounting, ranging from machine learning techniques for identifying earnings management strategies to the use of sentence-level BERT analysis for bankruptcy prediction. These contributions underscore the potential of AI to enhance traditional accounting methodologies and reveal insights that may be overlooked by conventional approaches.
Despite the promising advancements, the discussion raises critical questions regarding the navigation of this fragmented literature, particularly for newcomers to the field. It emphasizes the need for a comprehensive framework to classify AI-accounting research, distinguishing between accounting-centric and AI-centric contributions. This classification not only aids in understanding existing literature but also identifies strategic opportunities for future research. The authors advocate for a collaborative advantage perspective, recognizing the complementary strengths of accounting scholars, industry practitioners, and computer scientists. This approach encourages the exploration of unique research domains where accounting expertise can drive innovation in AI applications, ultimately enhancing the rigor and relevance of accounting research in an increasingly AI-driven landscape.