DOI: https://doi.org/10.3844/jcssp.2026.87.99
تاريخ النشر: 2026-01-01
المؤلف: Soumaya Amraoui وآخرون
الموضوع الرئيسي: حوكمة واستراتيجية تكنولوجيا المعلومات
نظرة عامة
تقاطع الذكاء الاصطناعي (AI) والمنهجيات الرشيقة يعزز بشكل كبير ممارسات تدقيق نظم المعلومات من خلال تسهيل تقييم المخاطر في الوقت الحقيقي، واكتشاف الشذوذ، واختبار التحكم الآلي. يقدم هذا البحث نموذج نضج ديناميكي للذكاء الاصطناعي لتدقيق الرشاقة، والذي ينظم في خمسة مستويات من تكامل الذكاء الاصطناعي. كل مستوى يدل على تقدم في قدرات الذكاء الاصطناعي ويحدد نقاط انتقال حاسمة، مما يدعم اعتماد الذكاء الاصطناعي الاستراتيجي عبر مجالات التدقيق المختلفة مثل تحليل البيانات، والأمن السيبراني، ورصد الامتثال، واكتشاف الاحتيال. يتم تأكيد صحة النموذج من خلال المقابلات ودراسة حالة أجريت داخل مؤسسة تدقيق في القطاع العام، مع معالجة الاعتبارات الأخلاقية المتعلقة بالشفافية، والعدالة، والمساءلة في سياق تأثير الذكاء الاصطناعي على الخصوصية والحكم.
يوفر نموذج النضج فرق التدقيق بإطار عمل منظم لدمج الذكاء الاصطناعي في ممارساتهم الرشيقة، موضحًا الرحلة عبر مستويات متميزة تحدد المهارات والأدوات والتخطيط الضروري للتقدم. لا يساعد هذا النهج المنظمات فقط في صياغة استراتيجيات واقعية لاعتماد الذكاء الاصطناعي، بل يؤكد أيضًا على قابلية تعديل النموذج للتكنولوجيا والمعايير المتطورة. من خلال البقاء ذا صلة وسط التغيير المستمر، يمكّن النموذج وظائف التدقيق من تعزيز اتخاذ القرار وتحسين عمليات التدقيق باستمرار، مما يعزز الفعالية العامة للتدقيق الرشيق.
مقدمة
تسلط مقدمة الورقة الضوء على التأثير التحويلي للذكاء الاصطناعي (AI) على مشهد التدقيق، خاصة في سياق منهجيات التدقيق الرشيقة. بينما تكافح المنظمات مع التقدم التكنولوجي السريع، وزيادة حجم البيانات، وتطور اللوائح، تصبح ممارسات التدقيق التقليدية غير كافية. يقدم الذكاء الاصطناعي فرصًا لتعزيز كفاءة التدقيق من خلال أتمتة المهام المتكررة وتمكين المدققين من التركيز على الأنشطة الاستراتيجية التي توفر قيمة أكبر. تشير الأبحاث إلى وجود علاقة قوية بين النية لاعتماد تقنيات التدقيق المتقدمة والتنفيذ الفعلي للذكاء الاصطناعي، مما يبرز ضرورة احتضان وظائف التدقيق للذكاء الاصطناعي للبقاء ذات صلة وفعالة.
تحدد الورقة الحواجز الكبيرة أمام اعتماد الذكاء الاصطناعي داخل فرق التدقيق، بما في ذلك الأنظمة القديمة، والتدريب غير الكافي، والمقاومة الثقافية. تؤكد على الحاجة إلى التحول نحو ممارسات التدقيق الرشيقة، التي تعزز التعاون، والمرونة، والاستجابة للأولويات المتغيرة. يُعتبر دمج الذكاء الاصطناعي مع المنهجيات الرشيقة وسيلة لتعزيز جودة التدقيق، وتحسين الشفافية، وتسهيل اتخاذ القرارات المستنيرة. ومع ذلك، يحذر المؤلفون من أن تنفيذ الذكاء الاصطناعي بنجاح يتطلب من المدققين تطوير فهم قوي للاعتبارات الأخلاقية وإطارات الحوكمة. لمعالجة الفجوة الحالية في البحث الأكاديمي، تقترح الورقة نموذج نضج ديناميكي للذكاء الاصطناعي لتدقيق الرشاقة، والذي يقدم نهجًا منظمًا للمنظمات لاعتماد الذكاء الاصطناعي تدريجيًا مع التوافق مع المبادئ الرشيقة. يهدف هذا النموذج إلى دعم فرق التدقيق في التنقل عبر تعقيدات دمج الذكاء الاصطناعي، مما يعزز في النهاية قدرتهم على تقديم عمل تدقيق عالي الجودة مدفوع بالقيمة في بيئة تتطور بسرعة.
الطرق
تستخدم الأبحاث نهجًا متعدد الأساليب لتطوير والتحقق من صحة نموذج نضج الذكاء الاصطناعي الديناميكي لتدقيق الرشاقة. في البداية، تم إجراء مراجعة أدبية شاملة لتحديد المفاهيم والأبعاد الرئيسية المتعلقة باعتماد الذكاء الاصطناعي، والتدقيق الرشيق، ونماذج القدرة التنظيمية. سهل هذا الإطار النظري تنظيم النموذج في خمسة مستويات وعملية ديناميكية.
بعد ذلك، تم جمع بيانات نوعية من خلال مقابلات شبه منظمة مع 18 محترف تدقيق من منظمة تدقيق مالي عام في المغرب. قدمت هذه المقابلات رؤى حول التحديات التشغيلية، والاعتبارات الاستراتيجية، والأهداف الطموحة لدمج الذكاء الاصطناعي في التدقيق الرشيق. تم استخدام النتائج لتحسين النموذج بشكل تكراري، مما يضمن صلاحيته السياقية. أخيرًا، تم اختبار النموذج في الممارسة العملية داخل منظمة تدقيق في القطاع العام، مما أسفر عن تعليقات قيمة أكدت هيكله وفائدته، خاصة في السيناريوهات التي تواجه فيها الجهات التنظيمية للتدقيق قيودًا على الموارد وزيادة الطلبات على الرشاقة والتحول الرقمي.
النتائج
تم إجراء التحقق التجريبي من نموذج نضج الذكاء الاصطناعي المقترح داخل مؤسسة تدقيق مالي عام في المغرب، حيث شملت المقابلات شبه المنظمة مع 18 محترف تدقيق كبير. كشفت النتائج عن توافق قوي حول أهمية دمج الذكاء الاصطناعي في تعزيز ممارسات التدقيق الرشيق، على الرغم من تحديد حواجز مثل التدريب غير الكافي، والموارد المحدودة، والمقاومة التنظيمية. أعرب المشاركون عن تفاؤلهم بشأن إمكانيات الذكاء الاصطناعي لتحسين مرونة التدقيق، وكفاءته، والتوافق الاستراتيجي، بينما أعربوا أيضًا عن مخاوف بشأن الأنظمة المجزأة وخوف إعادة تعريف الأدوار في بيئة آلية. ومن الجدير بالذكر أن 83% من المستجيبين أبدوا اهتمامًا بدمج الذكاء الاصطناعي، لكن فقط 11% أفادوا بوجود استراتيجية مؤسسية محددة جيدًا، مما يبرز الفجوة الكبيرة بين الإمكانات المدركة والتنفيذ الفعلي.
أكدت الدراسة على ضرورة وجود نموذج ديناميكي قائم على المراحل يتناسب مع جاهزية المنظمة، والاعتبارات الأخلاقية، والعوامل الثقافية. يعكس النموذج المنقح التحديات التي تواجهها في الميدان، مؤكدًا أن التقدم عبر مستويات النضج يتطلب ليس فقط اعتماد أدوات جديدة ولكن أيضًا تطوير القدرات وتغيير العقلية. أشارت النتائج إلى أن 72% من المشاركين حددوا أنفسهم في مستويات نضج الذكاء الاصطناعي الأولية أو الناشئة، دون أن يصل أي منهم إلى المراحل المتقدمة، مما يثبت صلة النموذج كأداة تشخيصية وإرشادية لمؤسسات التدقيق العامة. في النهاية، تهدف هذه الأبحاث إلى تقديم خارطة طريق عملية لدمج الذكاء الاصطناعي في التدقيق العام، وتعزيز التآزر بين الخبرة البشرية والتقدم التكنولوجي لتعزيز الشفافية والحكم.
المناقشة
تسلط المناقشة الضوء على التحديات والفرص التي تواجهها مؤسسات التدقيق في القطاع العام في دمج المنهجيات الرشيقة والذكاء الاصطناعي (AI) في عملياتها. مع تسارع التحول الرقمي، هناك حاجة ملحة لجعل التدقيق أكثر شفافية وكفاءة. غالبًا ما تكون أدوات الذكاء الاصطناعي الحالية معزولة وتفتقر إلى الحوكمة الاستراتيجية، مما يعيق تكاملها مع أطر التدقيق الرشيقة. تشير الأدبيات إلى وجود فجوة في تطوير نموذج نضج ديناميكي للذكاء الاصطناعي مصمم خصيصًا للتدقيق الرشيق، وهو أمر ضروري لتوجيه هيئات التدقيق في القطاع العام من خلال التحول المنهجي.
تم تعديل المنهجيات الرشيقة، التي تم تصميمها في الأصل لتطوير البرمجيات، لتناسب قطاعات مختلفة، بما في ذلك التدقيق. يعزز إطار التدقيق الرشيق (AAF) المرونة والاستجابة، مما يسمح لفرق التدقيق بالتركيز على احتياجات أصحاب المصلحة والمخاطر الناشئة. ومع ذلك، تواجه الانتقال إلى ممارسات التدقيق الرشيقة عدة قيود، بما في ذلك القيود التنظيمية، والحاجة إلى استقلالية المدقق، وتحدي مقاومة العملاء. على الرغم من هذه العقبات، فإن الفوائد المحتملة للتدقيق الرشيق – مثل تحسين الكفاءة وتفاعل أصحاب المصلحة – كبيرة. يهدف نموذج نضج الذكاء الاصطناعي الديناميكي المقترح إلى معالجة هذه التحديات من خلال تحديد خمسة مستويات من تكامل الذكاء الاصطناعي ضمن التدقيق الرشيق، من الوعي الأولي إلى التحول الشامل، مما يعزز بيئة تدقيق أكثر تكيفًا وفعالية.
القيود
تسلط فقرة القيود الضوء على تحديين كبيرين في تطبيق الذكاء الاصطناعي (AI) على التدقيق الرشيق: الاعتماد على البيانات ونقص القابلية للتفسير. تعتمد فعالية خوارزميات الذكاء الاصطناعي على الوصول إلى كميات كبيرة من البيانات عالية الجودة وذات الصلة. عندما تمتلك المنظمات بيانات مجزأة أو غير متسقة عبر الأنظمة المتكاملة، يصبح تنفيذ حلول الذكاء الاصطناعي مشكلة. تلخص هذه الظاهرة، التي غالبًا ما يتم تلخيصها بعبارة “البيانات السيئة تؤدي إلى نتائج سيئة”، أن البيانات المعيبة أو غير المكتملة يمكن أن تؤدي إلى مخرجات غير موثوقة للذكاء الاصطناعي، مما يقوض القيمة المحتملة للرؤى المدفوعة بالذكاء الاصطناعي.
بالإضافة إلى ذلك، فإن الطبيعة “الصندوق الأسود” لبعض نماذج الذكاء الاصطناعي، خاصة في تطبيقات التعلم العميق ذات المخاطر العالية، تشكل حاجزًا كبيرًا أمام اعتمادها في التدقيق. يمكن أن تولد هذه النماذج توقعات دقيقة دون الكشف عن الأسباب الكامنة، مما يعقد قدرة المدققين على التحقق من النتائج وضمان الامتثال للمعايير القانونية والتنظيمية. لمعالجة هذه القضايا، يُوصى باعتماد تقنيات الذكاء الاصطناعي القابلة للتفسير (XAI). يمكن أن توضح هذه الأساليب عمليات اتخاذ القرار لنماذج الذكاء الاصطناعي، مما يمكّن المدققين من استخدام الرؤى الناتجة عن الذكاء الاصطناعي بثقة أكبر مع الحفاظ على الشك المهني والامتثال لمعايير الصناعة.
DOI: https://doi.org/10.3844/jcssp.2026.87.99
Publication Date: 2026-01-01
Author(s): Soumaya Amraoui et al.
Primary Topic: Information Technology Governance and Strategy
Overview
The intersection of Artificial Intelligence (AI) and agile methodologies is significantly enhancing information systems audit practices by facilitating real-time risk assessment, anomaly detection, and automated control testing. This paper introduces a dynamic AI maturity model for agile auditing, which is organized into five levels of AI integration. Each level signifies a progression in AI capabilities and identifies critical transition points, thereby supporting strategic AI adoption across various audit domains such as data analysis, cybersecurity, compliance monitoring, and fraud detection. The model’s validation is grounded in interviews and a case study conducted within a public-sector audit institution, while also addressing ethical considerations related to transparency, fairness, and accountability in the context of AI’s influence on privacy and governance.
The maturity model provides audit teams with a structured framework for integrating AI into their agile practices, delineating the journey through distinct levels that outline necessary skills, tools, and planning for advancement. This approach not only aids organizations in formulating realistic AI adoption strategies but also emphasizes the model’s adaptability to evolving technologies and standards. By remaining relevant amidst constant change, the model empowers audit functions to enhance decision-making and continuously improve audit processes, thereby reinforcing the overall effectiveness of agile audits.
Introduction
The introduction of the paper highlights the transformative impact of Artificial Intelligence (AI) on the auditing landscape, particularly in the context of Agile audit methodologies. As organizations grapple with rapid technological advancements, increasing data volumes, and evolving regulations, traditional audit practices are becoming inadequate. AI presents opportunities to enhance audit efficiency by automating repetitive tasks and enabling auditors to concentrate on strategic activities that provide greater value. Research indicates a strong correlation between the intention to adopt advanced audit technologies and actual AI implementation, underscoring the necessity for audit functions to embrace AI to remain relevant and effective.
The paper identifies significant barriers to AI adoption within audit teams, including outdated systems, insufficient training, and cultural resistance. It emphasizes the need for a shift towards Agile audit practices, which promote collaboration, flexibility, and responsiveness to changing priorities. The integration of AI with Agile methodologies is posited as a means to enhance audit quality, improve transparency, and facilitate informed decision-making. However, the authors caution that successful AI implementation requires auditors to develop a robust understanding of ethical considerations and governance frameworks. To address the existing gap in academic research, the paper proposes a Dynamic AI Maturity Model for Agile Audit, which offers a structured approach for organizations to progressively adopt AI while aligning with Agile principles. This model aims to support audit teams in navigating the complexities of AI integration, ultimately enhancing their ability to deliver high-quality, value-driven audit work in a rapidly evolving environment.
Methods
The research employs a multi-method approach to develop and validate the Dynamic AI Maturity Model for Agile Audit. Initially, a thorough literature review was conducted to identify key constructs and dimensions related to AI adoption, agile auditing, and organizational capability models. This theoretical framework facilitated the organization of the model into five levels and a dynamic process.
Subsequently, qualitative data were gathered through semi-structured interviews with 18 audit professionals from a public financial audit organization in Morocco. These interviews provided insights into operational challenges, strategic considerations, and aspirational goals for AI integration in agile audits. The findings were utilized to iteratively refine the model, ensuring its contextual relevance. Finally, the model was tested in practice within a public sector audit organization, yielding valuable feedback that affirmed its structure and utility, particularly in scenarios where audit regulators face resource constraints and heightened demands for agility and digital transformation.
Results
The empirical validation of the proposed AI maturity model was conducted within a public financial audit institution in Morocco, involving semi-structured interviews with 18 senior audit professionals. The findings revealed a strong consensus on the relevance of AI integration in enhancing agile audit practices, despite identifying barriers such as insufficient training, limited resources, and organizational resistance. Participants expressed optimism regarding AI’s potential to improve audit agility, efficiency, and strategic alignment, while also voicing concerns about fragmented systems and the fear of role redefinition in an automated environment. Notably, 83% of respondents showed interest in AI integration, yet only 11% reported having a well-defined institutional strategy, highlighting a significant gap between perceived potential and actual implementation.
The study underscored the necessity for a dynamic, stage-based model that accommodates organizational readiness, ethical considerations, and cultural factors. The revised model reflects the challenges faced in the field, emphasizing that progression through maturity levels requires not only the adoption of new tools but also the development of capabilities and mindset shifts. The results indicated that 72% of participants identified themselves at initial or emerging levels of AI maturity, with none reaching advanced stages, thus validating the model’s relevance as a diagnostic and guiding tool for public audit institutions. Ultimately, this research aims to provide a practical roadmap for integrating AI into public auditing, fostering a synergy between human expertise and technological advancements to enhance transparency and governance.
Discussion
The discussion highlights the challenges and opportunities faced by public sector audit institutions in integrating Agile methodologies and artificial intelligence (AI) into their processes. As digital transformation accelerates, there is a pressing need for audits to become more transparent and efficient. Current AI tools are often isolated and lack strategic governance, which hampers their integration with Agile audit frameworks. The literature indicates a gap in the development of a Dynamic AI Maturity Model tailored for Agile audits, which is essential for guiding public sector audit bodies through systematic transformation.
Agile methodologies, originally designed for software development, have been adapted to various sectors, including auditing. The Agile Audit Framework (AAF) promotes flexibility and responsiveness, allowing audit teams to focus on stakeholder needs and emerging risks. However, the transition to Agile audit practices faces several limitations, including regulatory constraints, the need for auditor independence, and the challenge of client resistance. Despite these hurdles, the potential benefits of Agile audits—such as improved efficiency and stakeholder engagement—are significant. The proposed Dynamic AI Maturity Model aims to address these challenges by outlining five levels of AI integration within Agile audits, from initial awareness to comprehensive transformation, thereby fostering a more adaptive and effective audit environment.
Limitations
The section on limitations highlights two significant challenges in the application of artificial intelligence (AI) to agile auditing: data dependencies and the lack of explicability. The effectiveness of AI algorithms is contingent upon access to large volumes of high-quality, relevant data. When organizations possess fragmented or inconsistent data across integrated systems, the implementation of AI solutions becomes problematic. This phenomenon, often summarized by the phrase “garbage in, garbage out,” indicates that flawed or incomplete data can lead to unreliable AI outputs, undermining the potential value of AI-driven insights.
Additionally, the ‘black box’ nature of certain AI models, particularly in high-stakes Deep Learning applications, poses a substantial barrier to their adoption in auditing. These models can generate accurate predictions without revealing the underlying rationale, which complicates auditors’ ability to verify results and ensure compliance with legal and regulatory standards. To address these issues, the adoption of explainable AI (XAI) techniques is recommended. Such methods can clarify the decision-making processes of AI models, enabling auditors to utilize AI-generated insights with greater confidence while maintaining professional skepticism and adhering to industry standards.