أثر استخدام الذكاء الاصطناعي على جودة المراجعة في مكافحة الاحتيال المالي: دراسة ميدانية على البنوك التجارية السودانية
DOI:
https://doi.org/10.59992/IJFAES.2026.v5n6p5الكلمات المفتاحية:
الذكاء الاصطناعي، جودة المراجعة، الاحتيال المالي، البنوك السودانية، تعلّم الآلة، الخوارزميات الجينية، الوكلاء الأذكياء، الشبكات العصبية الاصطناعيةالملخص
هدفت هذه الدراسة إلى قياس أثر استخدام تقنيات الذكاء الاصطناعي بأبعادها الأربعة: الخوارزميات الجينية، والوكلاء الأذكياء، والشبكات العصبية الاصطناعية، وتعلّم الآلة، على جودة المراجعة في مكافحة الاحتيال المالي في البنوك التجارية السودانية خلال الفترة 2023-2025م. اعتمدت الدراسة المنهج الوصفي التحليلي، وتم جمع البيانات الأولية باستخدام استبانة وزعت على عينة قوامها 142 مراجعاً داخلياً ومدير مخاطر من 15 بنكاً تجارياً سودانياً. وتم تحليل البيانات باستخدام برنامج الحزم الإحصائية للعلوم الاجتماعية الإصدار 26 من خلال المتوسطات الحسابية، والانحرافات المعيارية، ومعامل كرونباخ ألفا لقياس الثبات، ومعامل ارتباط بيرسون، وتحليل الانحدار الخطي المتعدد والمتدرج لاختبار الفرضيات.
أظهرت نتائج الدراسة وجود أثر ذي دلالة إحصائية عند مستوى دلالة 0.05 للذكاء الاصطناعي بأبعاده الأربعة مجتمعة في مكافحة الاحتيال المالي، حيث بلغ معامل الارتباط 0.771، ومعامل التحديد 0.594، أي أن النموذج يفسر 59.4% من التباين في المتغير التابع. كما تبين تفوق بُعد "تعلّم الآلة" كأكثر الأبعاد تأثيراً منفرداً بقدرة تفسيرية بلغت 46.7%، يليه "الوكلاء الأذكياء" بنسبة 51.8%، ثم "الخوارزميات الجينية" بنسبة 51.2%، وأخيراً "الشبكات العصبية الاصطناعية" بنسبة 39.7%. وخلصت الدراسة إلى مجموعة من التوصيات أهمها: ضرورة الاستثمار في رأس المال البشري وتدريب المراجعين على أدوات الذكاء الاصطناعي، وضمان جودة البيانات وسلامتها، وبناء شراكات استراتيجية مع شركات التكنولوجيا، وتحديث أنظمة الرقابة الداخلية، وترسيخ ثقافة النزاهة والامتثال، وإنشاء وحدة متخصصة للذكاء الاصطناعي في البنوك السودانية.
المراجع
5-1 المراجع العربية:
- الشريف، عبدالله، الغامدي، سعيد والزهراني، خالد. 2020. دور تحليلات البيانات الضخمة في كشف الاحتيال المالي الإلكتروني. المجلة العلمية للدراسات المحاسبية والإدارية، 8(2)، ص112-134.
- الشوابكة، خالد. 2017. أثر الذكاء الاصطناعي على تطوير نظم المعلومات المحاسبية. مجلة جامعة دمشق للعلوم الاقتصادية والقانونية، 33(2)، ص145-168. بلعسل، محمد. 2022. الذكاء الاصطناعي وتطبيقاته في الأعمال. عمان: دار المسيرة للنشر والتوزيع.
- شتوح، أحمد. 2021. تقنيات الذكاء الاصطناعي وأثرها على كفاءة الأداء المصرفي. المجلة العربية للإدارة، 41(3)، ص89-112.
- عميرة، أحمد وروتال، عبد القادر. 2020. أهمية تطبيق تقنيات الذكاء الاصطناعي في تحسين جودة التدقيق الخارجي: دراسة حالة شركة Deloitte. مجلة الاقتصاد الجديد، 11(4)، ص401-403.
- متولي، هاني. 2020. التحوّل الرقمي وتأثيره على مهنة المراجعة. القاهرة: دار الفكر العربي.
5-2 المراجع الأجنبية:
1. Chen, J., Li, X. and Wang, Y., 2024. AI-driven fraud detection in banking: A machine learning approach. Journal of Financial Technology, 9(1), pp.45-67.
2. Dimitrijevic, M. and Milutinovic, S., 2021. The impact of financial fraud on economic stability. International Journal of Economics and Finance, 13(4), pp.78-91
3. Fedyk, A., Hodson, J., Khimich, N. and Fedyk, T., 2022. Is artificial intelligence improving the audit process? Review of Accounting Studies, 27(3), pp.938-985.
4. Goodfellow, I., Bengio, Y. and Courville, A., 2016. Deep learning. Cambridge, MA: MIT Press.
5. Jordan, M.I. and Mitchell, T.M., 2015. Machine learning: Trends, perspectives, and prospects. Science, 349(6245), pp.255-260.
6. Mitchell, M., 2021. Artificial intelligence: A guide for thinking humans, 2nd ed. New York: Picador.
7. Reddy, P. and Rao, S., 2024. Synthetic fraud and adaptive attacks in the age of AI. Computers & Security, 135, p.103456.
8. Russell, S. and Norvig, P., 2021. Artificial intelligence: A modern approach, 4th ed. London: Pearson.
9. Sharma, R. and Singh, K., 2023. Intelligent agents for real-time fraud prevention in digital banking. International Journal of Bank Marketing, 41(2), pp.210-229.
10. Yasser Drive, 2024. Predictive analytics in fraud detection: A practical guide. Dubai: Emirates Publishing.
11. Zakaria, Z., 2021. Artificial intelligence and decision-making in financial institutions. Journal of Banking and Financial Technology, 5(2), pp.335-350.
12. Zhang, Y., Liu, H. and Chen, W., 2023. Genetic algorithms and neural networks for fraud detection: A hybrid model. Expert Systems with Applications, 211, p.118572.
