Artificial Intelligence in Accounting: A Systematic Literature Review

Nel mondo della finanza moderna, i numeri hanno sempre raccontato una storia, ma il modo in cui queste storie vengono lette sta cambiando. Per decenni, contabili e revisori hanno fatto affidamento sul giudizio umano per controllare i registri, individuare errori e garantire che i rapporti finanziari fossero onesti. Oggi, un nuovo tipo di strumento sta entrando in ufficio: l'intelligenza artificiale. Questa non è una singola macchina, ma una collezione di programmi informatici intelligenti capaci di apprendere dai dati. Questi strumenti possono scansionare miglia estratti di documenti in pochi secondi, cercando schemi che l'occhio umano potrebbe mancare. Vengono utilizzati per automatizzare compiti di routine, prevedere rischi finanziari e dare la caccia alle frodi. Eppure, man mano che questi strumenti diventano più comuni, rimane una domanda: quanto comprendiamo davvero il loro impatto sulla professione? Stanno sostituendo i decisori umani o stanno semplicemente agendo come potenti assistenti? Le risposte sono sparse in centinaia di nuovi studi, creando un panorama ricco di informazioni ma difficile da navigare.

Per portare chiarezza in questo campo in crescita, un ricercatore di nome Jinwoo Chae, della GlobalNxt University, si è proposto di mappare lo stato attuale delle conoscenze. L'obiettivo non era testare un software specifico o condurre un nuovo esperimento, ma raccogliere e organizzare la ricerca esistente pubblicata tra il 2023 e il 2026. Il ricercatore è partito da un elenco di 49 record, che includevano articoli di riviste, capitoli di libri e rapporti di dati. Dopo aver rimosso con cura i duplicati e gli studi che non rientravano nell'ambito della contabilità, sono rimasti 47 pubblicazioni da esaminare. Il processo ha comportato la lettura dei titoli e dei tipi di questi lavori per categorizzarli per anno, argomento e metodo. È stato uno sforio sistematico per vedere verso dove si stesse dirigendo la ricerca, quali domande venissero poste e dove risiedessero ancora le lacune nella conoscenza.

La prima cosa che la revisione ha rivelato è stata la pura velocità di crescita in questo campo. Il numero di studi pubblicati è esploso in pochi anni. Nel 2023, c'erano solo quattro studi nell'elenco. Nel 2024, quel numero era più che raddoppiato. L'impulso è continuato nel 2025 e nel 2026, con rispettivamente 16 e 18 studi. In totale, 34 dei 47 studi, ovvero circa il 72 percento, sono stati pubblicati solo negli ultimi due anni. Questo rapido aumento suggerisce che la conversazione attorno all'intelligenza artificiale nella contabilità si stia spostando da un interesse di nicchia a un argomento centrale di discussione. Tuttavia, la revisione ha anche notato che questo elenco rappresenta un particolare istantanea della letteratura disponibile e non deve essere considerato come un conteggio completo di ogni studio mai scritto sull'argomento.

Guardando a cosa riguardassero effettivamente questi studi, è emerso un modello chiaro. La ricerca è fortemente concentrata su due aree principali: panoramiche generali su come l'intelligenza artificiale si inserisca nella contabilità e nella revisione contabile, e l'applicazione specifica di questi strumenti per rilevare le frodi. Quasi due terzi degli studi rientrano in queste categorie. Il rilevamento delle frodi, in particolare, è un'area di interesse concentrata perché i computer sono eccezionalmente bravi a setacciare enormi quantità di dati per trovare schemi insoliti che potrebbero indicare irregolarità o errori. La revisione contabile, che consiste nel verificare l'accuratezza dei registri finanziari, è la seconda funzione più studiata. Al contrario, altre parti importanti del mondo contabile, come la contabilità gestionale — che aiuta le imprese a pianificare e controllare le proprie operazioni — sembrano quasi del tutto assenti dalla ricerca attuale, con un solo studio dedicato ad essa. Anche la tassazione è raramente il focus principale, apparendo solitamente solo come una piccola parte di titoli più ampi.

I metodi utilizzati in questi studi raccontano un'altra parte della storia. Una grande parte del lavoro consiste in revisioni, in cui i ricercatori riassumono ciò che altri hanno già scoperto. Circa il 13 percento degli studi sono revisioni sistematiche della letteratura, e un altro 15 percento sono revisioni narrative o concettuali. Solo un numero molto piccolo di studi, uno che poteva essere chiaramente identificato dal suo titolo, presentava nuove prove sul campo o dati raccolti da esperimenti reali. Ciò significa che l'attuale corpo di conoscenza è costruito più sul riassunto di idee e sulla discussione di possibilità che sul test delle stesse con dati concreti provenienti da vere società di contabilità. Sebbene queste revisioni siano utili per ottenere un quadro generale di un campo in rapida evoluzione, il ricercatore suggerisce che fare troppo affidamento su di esse limiti la capacità di trarre conclusioni solide basate sull'evidenza.

La revisione ha inoltre evidenziato la necessità di una maggiore precisione nel modo in cui queste tecnologie vengono descritte. Alcuni studi trattano tutte le forme di intelligenza artificiale come uno strumento singolo e uniforme. Tuttavia, il ricercatore sostiene che questo sia fuorviante. Esistono differenze importanti tra l'automazione semplice basata su regole, che segue istruzioni rigide, e l'apprendimento automatico avanzato, che può apprendere e adattarsi. C'è anche una distinzione tra questi e i modelli generativi che possono creare nuovi contenuti. Trattarli tutti come la stessa "intelligenza artificiale" può nascondere importanti differenze in ciò che possono fare, nei dati di cui hanno bisogno e nei rischi che comportano. La ricerca futura deve essere più specifica su quale tecnologia venga utilizzata e su quanto sia coinvolto la supervisione umana.

Guardando al futuro, il ricercatore propone una nuova direzione per il campo. La fase successiva di studio dovrebbe andare oltre le discussioni generali e gli argomenti concettuali verso test più rigorosi e reali. Ciò significa utilizzare teorie consolidate per spiegare perché i contabili adottano questi strumenti e come essi cambino il giudizio professionale. Significa anche espandere l'ambito della ricerca per includere diversi paesi, piccole imprese e aree meno studiate come la rendicontazione della sostenibilità e la conformità fiscale. Fondamentalmente, il ricercatore chiede più studi che esaminino la governance di questi sistemi: chi è responsabile quando un computer commette un errore, e come possiamo garantire che le decisioni prese da questi strumenti siano affidabili ed eque?

La revisione conclude che, sebbene il campo stia crescendo rapidamente, è ancora in una fase iniziale. La letteratura attuale è dominata da discussioni ampie e revisioni, con una carenza di prove empiriche profonde da veri ambienti contabili. La concentrazione della ricerca sul rilevamento delle frodi e sulla revisione contabile suggerisce che la professione si sia naturalmente orientata verso aree in cui i benefici dell'automazione sono più evidenti. Per comprendere veramente il futuro della contabilità, i ricercatori devono ora ampliare la loro prospettiva. Devono indagare come questi strumenti influenzino il lavoro quotidiano dei contabili in vari contesti, come cambiano il modo in cui i professionisti pensano e quali regole sono necessarie per mantenere il sistema onesto. Il percorso da seguire richiede di passare dal chiedere cosa l'intelligenza artificiale potrebbe fare, al misurare esattamente cosa sta facendo e come sta rimodellando la professione dall'interno verso l'esterno.