انتشارات دانشگاه تهران بررسی‏‌های حسابداری و حسابرسی 2645-8020 33 3 2026 09 23 Identifying and Prioritizing the Key Components of Artificial Intelligence Applications for Enhancing Independent Auditing Processes and Mitigating Financial Risks: A Fuzzy Delphi and Thematic Analysis Approach شناسایی و اولویت‌‌‌بندی مؤلفه‌‌های کلیدی کاربرد هوش مصنوعی در بهبود فرایندهای حسابرسی مستقل و کاهش ریسک‌‌های مالی: رویکرد دلفی فازی و تحلیل مضمون 481 521 108615 10.22059/acctgrev.2026.410148.1009236 FA حسن حامد محمد دانشجوی دکتری، گروه حسابداری و مدیریت مالی، دانشکدۀ اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران. 0009-0006-2669-1788 مهدی حیدری دانشجوی دکتری، گروه حسابداری و مدیریت مالی، دانشکدۀ اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران. 0000-0002-0148-1470 علی آشتاب دانشیار، گروه حسابداری و مدیریت مالی، دانشکدۀ اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران. 0000-0002-7339-2100 Journal Article 2026 01 27 Objective The primary objective of this research is to design and validate a structural model for the application of Artificial Intelligence (AI) aimed at mitigating financial risks within the context of independent auditing. Methods This study adopts an applied-developmental design, employing a mixed-methods (qualitative-quantitative) approach. In the qualitative phase, following a systematic literature review and the filtration of initial sources down to core references, an inductive thematic analysis was conducted alongside semi-structured interviews with subject-matter experts. The expert panel—comprising university professors specializing in AI, senior managers and partners of audit firms, and IT/AI specialists was selected utilizing purposive and snowball sampling techniques. This phase yielded open codes, which were subsequently classified into overarching categories: predicting financial trends, task automation, financial data analysis, fraud detection, enhancing internal controls, increasing accuracy and efficiency, time optimization, improving audit quality, timely auditing, and workforce reduction. The inter-rater reliability of the coding process was corroborated, yielding a Kappa coefficient of . In the quantitative phase, the proposed model was validated by an independent panel of experts via the Fuzzy Delphi method (utilizing a -point scale, with an acceptance threshold of ). Furthermore, the causal relationships and the hierarchical structure of the identified components were analyzed applying Decision-Making Trial and Evaluation Laboratory (DEMATEL) and Interpretive Structural Modeling (ISM) techniques. Results The comparative ranking of the indicators demonstrated that timely auditing acquired the highest priority (mean = ), followed by increasing accuracy and efficiency (mean = ), and improving audit quality (mean = ). The DEMATEL analysis revealed that fraud detection and error elimination constitute the most influential components, functioning as central catalysts for the enhancement of audit quality. Additionally, task automation exhibited a substantial causal impact on time optimization (coefficient = ) and the prediction of financial trends (coefficient = ). Conversely, workforce reduction emerged as the least impactful factor, underscoring the complementary nature of AI relative to human cognitive functions. Conclusion The findings conclude that the integration of AI into independent auditing predominantly expedites the audit process while significantly augmenting its accuracy, efficiency, and overarching quality. The fundamental efficacy of AI is rooted in its capacity for fraud and anomaly detection coupled with process automation; thereby rendering workforce reduction a marginal and secondary consequence. The originality of this research stems from the synergistic application of thematic analysis and the Fuzzy Delphi method to develop a localized AI adoption model tailored to the Iranian independent auditing environment. By leveraging a rigorous mixed-methods design and drawing upon expert consensus, this study introduces a pragmatic framework conducive to professional policymaking, auditor upskilling, and future academic inquiries into the digital transformation of the auditing profession. Ultimately, it contributes to the extant literature by delineating a robust mechanism for mitigating financial risks through AI utilization. هدف: این پژوهش با هدف طراحی و اعتبارسنجی الگوی کاربرد هوش مصنوعی در کاهش ریسک‌های مالی حسابرسی مستقل انجام شده است. روش: پژوهش حاضر از نوع توسعه‌ای ـ کاربردی با رویکرد آمیخته (کیفی ـ کمی) است. در مرحلۀ کیفی، پس از مرور نظام‌مند 127 منبع و غربالگری به 20 منبع کلیدی، با استفاده از تحلیل مضمون استقرایی و مصاحبه با 12 خبره، 62 کد باز استخراج و در قالب 10 مقوله دسته‏بندی شد. خبرگان این پژوهش، استادان دانشگاهی با حداقل 10 سال سابقۀ تدریس و سوابق پژوهشی در هوش مصنوعی، مدیران ارشد و شرکای مؤسسه‌های حسابرسی با حداقل 15 سال سابقه حرفه‌ای و متخصصان هوش مصنوعی / فناوری اطلاعات درگیر در پروژه‌های مالی بودند که به‌روش نمونه‌گیری هدفمند و گلولۀ برفی انتخاب شدند. مقوله‌های شناسایی شده عبارت‌اند از: پیش‌بینی روندهای مالی، اتوماسیون وظایف، تجزیه‏وتحلیل داده‌های مالی، تشخیص تقلب، بهبود کنترل داخلی، افزایش دقت و کارایی، صرفه‌جویی در زمان، بهبود کیفیت حسابرسی، حسابرسی به‌موقع و کاهش نیروی کار. پایایی کدگذاری با ضریب کاپای 758/0 تأیید شد. در مرحلۀ کمّی، الگوی طراحی‌شده با بهره‌مندی از 15 خبرۀ مستقل با روش دلفی فازی (مقیاس 9 درجه‌ای با معیار پذیرش کوچک‌تر از 7/0) اعتبارسنجی شد. خبرگان بخش کمّی افرادی با حداقل 20 سال سابقه در حسابرسی یا 10 سال در هوش مصنوعی کاربردی، تحصیلات دکتری مرتبط یا مدیریت ارشد مؤسسه‌های بزرگ بودند. سپس با استفاده از DEMATEL و ISM، روابط علت‌ومعلولی و ساختار سلسله‌مراتبی مؤلفه‌ها تحلیل شد. یافته‌ها: تحلیل مقایسه‌ای گروه‌های شاخص‌ها نشان داد که حسابرسی به‌موقع با میانگین 71/7 در ردۀ نخست، افزایش دقت و کارایی با میانگین 63/7 در ردۀ دوم و بهبود کیفیت حسابرسی با میانگین 55/7 در ردۀ سوم قرار گرفتند. نتایج دیماتل نشان داد که تشخیص تقلب و حذف خطاها، مؤثرترین مؤلفه است و در ارتقای کیفیت حسابرسی نقش محوری دارد. اتوماسیون وظایف تأثیر معناداری بر صرفه‌جویی در زمان (ضریب 7/0) و پیش‌بینی روندهای مالی (ضریب 6/0) دارد. کاهش نیروی کار، کم‌اثرترین مؤلفه بود که نقش مکمل هوش مصنوعی در قضاوت انسانی را نشان داد. نتیجه‌گیری: الگوی طراحی‌شده نشان می‌دهد که هوش مصنوعی در حسابرسی مستقل، بیش از هر چیز، سرعت و به‌موقع بودن، دقت و کارایی و کیفیت کلی حسابرسی را بهبود می‌بخشد. محور اثرگذاری آن، تشخیص تقلب و خطا و اتوماسیون فرایندها است؛ در حالی که کاهش نیروی انسانی، پیامد فرعی و کم‌اهمیت‌تری محسوب می‌شود. تلفیق روش تحلیل مضمون با دلفی فازی، برای استخراج و اعتبارسنجی الگویی بومی در زمینۀ کاربرد هوش مصنوعی در حسابرسی مستقل ایران، اصالت پژوهش است. این رویکرد آمیخته با تمرکز بر خبرگان آشنا به فناوری، مدلی جامع و عملیاتی ارائه می‌دهد که می‌تواند مبنایی برای سیاست‌گذاری حرفه‌ای، آموزش حسابرسان و پژوهش‌های آتی در حوزۀ تحول دیجیتال حسابرسی باشد. این مطالعه به دانش موجود در زمینۀ تأثیر هوش مصنوعی بر مدیریت ریسک حسابرسی می‌افزاید و چارچوبی کاربردی برای کاهش ریسک‌های مالی فراهم می‌آورد.. https://acctgrev.ut.ac.ir/article_108615_c17d0a405ecd22f0969717ae8143d9c7.pdf