Artificial Intelligence in Accounting: A Systematic Literature Review
47 हालिया प्रकाशनों का यह व्यवस्थित साहित्य समीक्षा लेखांकन और ऑडिटिंग में एआई (AI) अनुसंधान की तीव्र वृद्धि को प्रकट करती है, जो सामान्य और धोखाधड़ी-केंद्रित अध्ययनों के वर्तमान प्रभुत्व को उजागर करते हुए भविष्य के कार्यों के लिए अधिक सिद्धांत-आधारित, संदर्भ-विशिष्ट और अनुभवजन्य रूप से पुष्ट होने की एक महत्वपूर्ण आवश्यकता की पहचान करती है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
आधुनिक वित्त की दुनिया में, संख्याओं ने हमेशा एक कहानी कही है, लेकिन उन कहानियों को पढ़ने का तरीका बदल रहा है। दशकों से, लेखाकार (अकाउंटेंट) और ऑडिटर्स ने बही-खातों की जांच करने, त्रुटियों को पकड़ने और वित्तीय रिपोर्टों को ईमानदार सुनिश्चित करने के लिए मानवीय निर्णय पर भरोसा किया है। आज, कार्यालय में एक नए प्रकार के उपकरण का प्रवेश हो रहा है: आर्टिफिशियल इंटेलिजेंस (कृत्रिम बुद्धिमत्ता)। यह कोई एक मशीन नहीं है, बल्कि स्मार्ट कंप्यूटर प्रोग्रामों का एक संग्रह है जो डेटा से सीख पाने में सक्षम है। ये उपकरण सेकंडों में हजारों दस्तावेजों को स्कैन कर सकते हैं, ऐसे पैटर्न की तलाश कर सकते हैं जिन्हें मानवीय आंख मिस कर सकती है। इनका उपयोग नियमित कार्यों को स्वचालित करने, वित्तीय जोखिमों का पूर्वानुमान लगाने और धोखाधड़ी का पता लगाने के लिए किया जा रहा है। फिर भी, जैसे-जैसे ये उपकरण अधिक सामान्य होते जा रहे हैं, एक प्रश्न बना हुआ है: हम वास्तव में उनके प्रभाव के बारे में कितना समझते हैं? क्या वे मानव निर्णय लेने वालों की जगह ले रहे हैं, या केवल शक्तिशाली सहायकों के रूप में कार्य कर रहे हैं? इनके उत्तर सैकड़ों नए अध्ययनों में बिखरे हुए हैं, जो एक ऐसा परिदृश्य बनाते हैं जो सूचनाओं से तो समृद्ध है लेकिन नेविगेट करने में कठिन है।
इस बढ़ते क्षेत्र में स्पष्टता लाने के लिए, ग्लोबलनेक्स्ट यूनिवर्सिटी के एक शोधकर्ता जिनवू चै ने ज्ञान की वर्तमान स्थिति का मानचित्र तैयार करने का बीड़ा उठाया। लक्ष्य किसी विशिष्ट सॉफ्टवेयर का परीक्षण करना या नया प्रयोग करना नहीं था, बल्कि 2023 और 2026 के बीच प्रकाशित मौजूदा शोध को एकत्र करना और व्यवस्थित करना था। शोधकर्ता ने 49 रिकॉर्डों की एक सूची से शुरुआत की, जिसमें जर्नल लेख, पुस्तक अध्याय और डेटा रिपोर्ट शामिल थे। डुप्लिकेट और लेखांकन के दायरे में न आने वाले अध्ययनों को सावधानीपूर्वक हटाने के बाद, परीक्षण के लिए 47 प्रकाशन शेष रहे। इस प्रक्रिया में इन कार्यों के शीर्षकों और प्रकारों को पढ़ना शामिल था ताकि उन्हें वर्ष, विषय और पद्धति के आधार पर वर्गीकृत किया जा सके। यह देखने का एक व्यवस्थित प्रयास था कि शोध किस दिशा में जा रहा है, क्या प्रश्न पूछे जा रहे हैं, और ज्ञान की कमी कहाँ बनी हुई है।
समीक्षा ने जो पहली बात उजागर की, वह इस क्षेत्र में विकास की अत्यधिक गति थी। इस क्षेत्र में प्रकाशित अध्ययनों की संख्या कुछ ही वर्षों में विस्फोट की तरह बढ़ी है। 2023 में, सूची में केवल चार अध्ययन थे। 2024 तक, वह संख्या दोगुनी से अधिक हो गई थी। यह गति 2025 और 2026 में भी जारी रही, जिसमें क्रमशः 16 और 18 अध्ययन थे। कुल मिलाकर, 47 में से 34 अध्ययन, जो लगभग 72 प्रतिशत है, अकेले पिछले दो वर्षों में प्रकाशित हुए थे। यह तीव्र वृद्धि बताती है कि लेखांकन में आर्टिफिशियल इंटेलिजेंस के इर्द-गिर्द चल रही चर्चा एक विशिष्ट रुचि से हटकर चर्चा के केंद्रीय विषय की ओर बढ़ रही है। हालांकि, समीक्षा ने यह भी नोट किया कि यह सूची उपलब्ध साहित्य का एक विशिष्ट स्नैपशॉट है और इसे विषय पर लिखे गए प्रत्येक अध्ययन की पूर्ण गणना नहीं माना जाना चाहिए।
जब यह देखा गया कि ये अध्ययन वास्तव में किसके बारे में थे, तो एक स्पष्ट पैटर्न उभर कर आया। शोध मुख्य रूप से दो क्षेत्रों पर केंद्रित है: लेखांकन और ऑडिटिंग में आर्टिफिशियल इंटेलिजेंस कैसे फिट होता है इसका सामान्य अवलोकन, और धोखाधड़ी का पता लगाने के लिए इन उपकरणों का विशिष्ट अनुप्रयोग। लगभग दो-तिहाई अध्ययन इन्हीं श्रेणियों में आते हैं। धोखाधड़ी का पता लगाना, विशेष रूप से, रुचि का एक केंद्रित क्षेत्र है क्योंकि कंप्यूटर अनियमितताओं या त्रुटियों का संकेत देने वाले असामान्य पैटर्न खोजने के लिए विशाल मात्रा में डेटा को छानने में असाधारण रूप से कुशल होते हैं। ऑडिटिंग, जिसमें वित्तीय रिकॉर्ड की सटीकता की जांच शामिल है, दूसरा सबसे आम कार्य है जिसका अध्ययन किया जा रहा है। इसके विपरीत, लेखांकन की अन्य महत्वपूर्ण शाखाएं, जैसे कि प्रबंधन लेखांकन (मैनेजमेंट अकाउंटिंग)—जो व्यवसायों को उनके संचालन की योजना बनाने और नियंत्रण करने में मदद करता है—वर्तमान शोध में लगभग पूरी तरह से अनुपस्थित दिखाई देती हैं, जिसमें केवल एक अध्ययन समर्पित है। कराधान (टैक्सेशन) भी शायद ही कभी मुख्य फोकस रहा है, जो आमतौर पर व्यापक शीर्षकों के एक छोटे हिस्से के रूप में ही दिखाई देता है।
इन अध्ययनों में उपयोग की गई पद्धतियां कहानी का एक और हिस्सा बताती हैं। कार्य का एक बड़ा हिस्सा समीक्षाओं (रिव्यूज) का है, जहाँ शोधकर्ता उन चीजों का सारांश प्रस्तुत करते हैं जो दूसरों ने पहले ही खोज ली हैं। लगभग 13 प्रतिशत अध्ययन व्यवस्थित साहित्य समीक्षा (सिस्टमैटिक लिटरेचर रिव्यू) हैं, और 15 प्रतिशत नैरेटिव या वैचारिक समीक्षाएं हैं। बहुत कम अध्ययनों में से, केवल एक जिसे इसके शीर्षक से स्पष्ट रूप से पहचाना जा सका, ने वास्तविक दुनिया के प्रयोगों से एकत्र किए गए नए क्षेत्र साक्ष्य या डेटा प्रस्तुत किया। इसका अर्थ यह है कि ज्ञान का वर्तमान भंडार वास्तविक लेखा फर्मों से प्राप्त कठोर डेटा के परीक्षण के बजाय विचारों के सारांश और संभावनाओं की चर्चा पर अधिक आधारित है। जबकि ये समीक्षाएं तेजी से बढ़ते क्षेत्र की एक व्यापक तस्वीर प्राप्त करने के लिए उपयोगी हैं, शोधकर्ता का सुझाव है कि उन पर बहुत अधिक निर्भर रहने से ठोस, साक्ष्य-आधारित निष्कर्ष निकालने की क्षमता सीमित हो जाती है।
समीक्षा ने इन तकनीकों के वर्णन में अधिक सटीकता की आवश्यकता को भी रेखांकित किया। कुछ अध्ययन सभी प्रकार के आर्टिफिशियल इंटेलिजेंस को एक एकल, समान उपकरण के रूप में देखते हैं। हालांकि, शोधकर्ता का तर्क है कि यह भ्रामक है। सरल नियम-आधारित स्वचालन (ऑटोमेशन), जो सख्त निर्देशों का पालन करता है, और उन्नत मशीन लर्निंग, जो सीख और अनुकूलित हो सकता है, के बीच महत्वपूर्ण अंतर हैं। यह और जेनेरेटिव मॉडल्स (जनरेटिव मॉडल) जो नई सामग्री बना सकते हैं, के बीच भी एक अंतर है। इन सभी को एक ही "आर्टिफिशियल इंटेलिजेंस" के रूप में मानना यह छिपा सकता है कि वे क्या कर सकते हैं, उन्हें किस डेटा की आवश्यकता है, और वे क्या जोखिम पैदा करते हैं। भविष्य के शोध को इस बारे में अधिक विशिष्ट होने की आवश्यकता है कि किस तकनीक का उपयोग किया जा रहा है और इसमें मानवीय निरीक्षण कितना शामिल है।
आगे देखते हुए, शोधकर्ता इस क्षेत्र के लिए एक नया दिशा निर्देश प्रस्तावित करते हैं। अध्ययन का अगला चरण सामान्य चर्चाओं और वैचारिक तर्कों से आगे बढ़कर अधिक कठोर, वास्तविक दुनिया के परीक्षण की ओर बढ़ना चाहिए। इसका अर्थ है स्थापित सिद्धांतों का उपयोग करना कि लेखाकार इन उपकरणों को क्यों अपनाते हैं और वे पेशेवर निर्णय को कैसे बदलते हैं। इसका अर्थ अनुसंधान के दायरे को विभिन्न देशों, छोटे व्यवसायों और स्थिरता रिपोर्टिंग (सस्टेनेबिलिटी रिपोर्टिंग) एवं टैक्स अनुपालन जैसे कम अध्ययन किए गए क्षेत्रों सहित विस्तारित करना भी है। महत्वपूर्ण रूप से, शोधकर्ता इन प्रणालियों के शासन (गवर्नेंस) की जांच करने वाले अधिक अध्ययनों का आह्वान करते हैं: जब कोई कंप्यूटर गलती करता है तो जिम्मेदार कौन है, और हम यह कैसे सुनिश्चित कर सकते हैं कि इन उपकरणों द्वारा लिए गए निर्णय विश्वसनीय और निष्पक्ष हैं?
समीक्षा इस निष्कर्ष पर पहुँचती है कि यद्यपि यह क्षेत्र तेजी से बढ़ रहा है, लेकिन यह अभी भी प्रारंभिक चरण में है। वर्तमान साहित्य व्यापक चर्चाओं और समीक्षाओं से प्रधान है, जिसमें वास्तविक लेखांकन वातावरण से गहरे, अनुभवजन्य साक्ष्यों (एम्पिरिकल एविडेंस) की कमी है। धोखाधड़ी का पता लगाने और ऑडिटिंग पर शोध का संकेंद्रण यह सुझाव देता है कि पेशा स्वाभाविक रूप से उन क्षेत्रों की ओर झुका है जहाँ स्वचालन के लाभ सबसे स्पष्ट हैं। आर्टिफिशियल इंटेलिजेंस को वास्तव में समझने के लिए, शोधकर्ताओं को अब अपना लेंस व्यापक करना होगा। उन्हें यह जांचने की आवश्यकता है कि ये उपकरण विभिन्न सेटिंग्स में लेखाकारों के दैनिक कार्य को कैसे प्रभावित करते हैं, वे पेशेवरों के सोचने के तरीके को कैसे बदलते हैं, और प्रणाली को ईमानदार बनाए रखने के लिए किन नियमों की आवश्यकता है। आगे का मार्ग यह पूछने से कि आर्टिफिशियल इंटेलिजेंस क्या कर सकता है, यह मापने की ओर जाने की मांग करता है कि यह वास्तव में क्या कर रहा है, और यह भीतर से पेशे को कैसे नया आकार दे रहा है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।