Artificial Intelligence in Accounting: A Systematic Literature Review

現代の金融の世界において、数字は常に物語を語ってきましたが、その物語の読み方は変わりつつあります。何十年もの間、会計士や監査人は、元帳をチェックし、誤りを見つけ出し、財務報告が誠実であることを確認するために、人間の判断力に頼ってきました。今日、オフィスには新しい種類のツールが登場しています。それが人工知能です。これは単一の機械ではなく、データから学習することができるスマートなコンピュータプログラムの集合体です。これらのツールは、数秒で数千の文書をスキャンし、人間の目では見逃してしまうかもしれないパターンを探し出すことができます。これらは定型業務の自動化、財務リスクの予測、そして不正の追跡に使用されています。しかし、これらのツールが一般的になるにつれ、一つの疑問が残ります。私たちは、それらが専門職に与える影響について、真にどの程度理解しているのでしょうか。それらは人間の意思決定者に取って代わろうとしているのでしょうか、それとも単に強力な助手として機能しているのでしょうか。答えは数百もの新しい研究の中に散らばっており、情報は豊富であるものの、ナビゲートするのが難しい状況を作り出しています。

この成長する分野に明快さをもたらすため、GlobalNxt UniversityのJinwoo Chaeという研究者は、現在の知識の状態をマッピングすることに着手しました。その目的は、特定のソフトウェアをテストしたり新しい実験を行ったりすることではなく、2023年から2026年の間に発表された既存の研究を収集し、整理することでした。研究者は、学術論文、書籍の章、データレポートを含む49件の記録からスタートしました。重複や会計の範囲に適合しない研究を慎重に取り除いた結果、47件の出版物が検討対象として残りました。プロセスには、これらの著作のタイトルと種類を読み、年、トピック、手法によって分類することが含まれていました。それは、研究がどこに向かっているのか、どのような問いが投げかけられているのか、そして知識の空白がどこに残されているのかを確認するための体系的な取り組みでした。

このレビューが最初に明らかにしたのは、この分野における成長の凄まじい速さでした。研究の発表数は、わずか数年で爆発的に増加しています。2023年には、リストにはわずか4つの研究がありました。2024年には、その数は2倍以上に増えました。その勢いは2025年と2026年へと続き、それぞれ16件、18件となりました。合計で47件の研究のうち34件、つまり約72パーセントが、直近の2年間だけで発表されました。この急速な増加は、会計における人工知能を巡る議論が、ニッチな関心事から中心的な議題へと移行していることを示唆しています。しかし、レビューでは、このリストは利用可能な文献の特定の断面を表したものであり、その主題について書かれたすべての研究の完全なカウントとして受け取るべきではないことも指摘されています。

これらの研究が実際に何を扱っていたのかを見ると、明確なパターンが現れました。研究は主に2つの領域に集中しています。すなわち、人工知能が会計および監査にどのように適合するかという全般的な概要と、不正検知へのこれらのツールの具体的な適用です。研究のほぼ3分の2がこれらのカテゴリーに分類されます。特に不正検知は、集中的な関心領域となっています。なぜなら、コンピュータは膨大なデータを精査して、不規則性や誤りを示す可能性のある異常なパターンを見つけ出すことに非常に長けているからです。財務記録の正確性を確認する監査は、研究されている最も一般的な機能の2番目です。対照的に、企業の運営の計画や管理を支援する管理会計など、会計の世界の他の重要な部分は、現在の研究からはほとんど欠落しており、それ dedicated な研究は1件しかありませんでした。税務もまた、主要な焦点となることは稀であり、通常はより広範なタイトルの小さな一部として現れるだけです。

これらの研究で使用されている手法は、物語のもう一つの側面を伝えています。研究の大部分は、他の研究者がすでに発見した内容を要約するレビューで構成されています。約13パーセントの研究は系統的な文献レビューであり、さらに15パーセントは記述的または概念的なレビューです。タイトルから明確に特定できたものは、極めてわずかな数であり、実際の現場の証拠や実際の実験から収集されたデータを提示している研究はわずか1件でした。これは、現在の知識体系が、実際の会計事務所からの硬いデータを用いて検証することよりも、アイデアを要約し可能性を議論することの上に築かれていることを意味します。これらのレビューは、動きの速い分野の広い全体像を把握するのには有用ですが、研究者は、これらに過度に依存することは、確固たるエビデンスに基づいた結論を導き出す能力を制限すると示唆しています。

レビューはまた、これらのテクノロジーの記述におけるさらなる精密さの必要性を強調しました。一部の研究は、あらゆる形態の人工知能を単一の均一なツールとして扱っています。しかし、研究者はこれが誤解を招くと主張しています。厳格な指示に従う単純なルールベースの自動化と、学習し適応することができる高度な機械学習との間には、重要な違いがあります。また、これらと、新しいコンテンツを作成できる生成モデルとの間にも区別があります。これらをすべて同じ「人工知能」として扱うことは、それらが何を実行できるのか、どのようなデータを必要とするのか、そしてどのようなリスクをもたらすのかという重要な違いを隠してしまう可能性があります。将来の研究は、どのテクノロジーが使用されているのか、そしてどの程度の人間による監視が行われているのかについて、より具体的にする必要があります。

将来を見据えて、研究者はこの分野への新しい方向性を提案しています。次の段階の研究は、一般的な議論や概念的な議論を超え、より厳格な実世界のテストへと移行すべきです。これは、会計士がなぜこれらのツールを採用するのか、そしてそれらが専門的な判断をどのように変えるのかを説明するために、確立された理論を用いることを意味します。また、研究の範囲を拡大し、異なる国々、中小企業、そしてサステナビリティ報告や税務コンプライアンスのような、研究が進んでいない領域を含めることも意味します。決定的なことに、研究者はこれらのシステムのガバナンスを検証する研究を求めています。つまり、コンピュータが間違いを犯したときに誰が責任を負うのか、そしてこれらのツールによる決定が信頼でき、公正であることをどのように保証できるのか、ということです。

レビューは、この分野が急速に成長している一方で、まだ初期段階にあると結論付けています。現在の文献は広範な議論とレビューに支配されており、実際の会計環境からの深い経験的証拠が不足しています。不正検知と監査に研究が集中していることは、自動化のメリットが最も明白な領域に、専門職が自然に惹きつけられたことを示唆しています。会計の未来を真に理解するためには、研究者は今、レンズを広げる必要があります。彼らは、これらのツールが様々な環境における会計士の日常業務にどのように影響するのか、専門家の考え方をどのように変えるのか、そしてシステムを誠実に保つためにどのようなルールが必要なのかを調査しなければなりません。前進への道は、「人工知能が何をする可能性があるか」を問うことから、「それが正確に何を行っているのか」、そして「それが内側からどのように専門職を再構築しているのか」を測定することへと移行することを求めています。