SavedAdd your journal

Journals / Gümrük ve Ticaret Dergisi / 2026 / Cilt: 13 Sayı: 39

Artificial Intelligence and Internal Auditing: A New Approach in Risk Management

Yapay Zeka ve İç Denetim: Risk Yönetiminde Yeni Bir Yaklaşım

Ali Altınbay(KÜTAHYA DUMLUPINAR ÜNİVERSİTESİ)0000-0003-3128-0669
Dilan Elalmış(KÜTAHYA DUMLUPINAR ÜNİVERSİTESİ)0009-0000-4035-7846
Pages
14–28
Publication Date
2026-03-31
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

In conclusion, artificial intelligence is emphasized as a powerful tool transforming internal auditing.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:This article comprehensively examines the role of artificial intelligence in internal audit processes and its innovative contributions to risk management.
📊
Key Findings & Data:Based on a literature review, the concepts of artificial intelligence and internal auditing are defined, and various application areas such as automated audit processes, data analytics, anomaly detection, blockchain-based transparent risk management, and natural language processing are discussed in detail.
💡
Conclusion & Impact:In conclusion, artificial intelligence is emphasized as a powerful tool transforming internal auditing.
🔬Design:Review & Systematic Survey
📍Scope:Comprehensive Sample
⚙️Variables:Yapay zeka · İç denetim · Risk yönetimi

Abstract

This article comprehensively examines the role of artificial intelligence in internal audit processes and its innovative contributions to risk management. Based on a literature review, the concepts of artificial intelligence and internal auditing are defined, and various application areas such as automated audit processes, data analytics, anomaly detection, blockchain-based transparent risk management, and natural language processing are discussed in detail. The interaction of artificial intelligence with audit processes, the integration of technology, the efficiency gains provided by automation, and the changes in auditors’ roles and responsibilities are evaluated. In addition, issues arising from data security, ethical principles, and legal regulations are discussed, highlighting their potential impact on professional practices and decision-making processes. The article also analyzes the opportunities that artificial intelligence-based technologies may provide to audit activities in the future, the risks they may introduce, and sectoral trends. In conclusion, artificial intelligence is emphasized as a powerful tool transforming internal auditing. This technology enhances the speed, accuracy, and efficiency of audit processes, reduces human error, and enables a more analytical approach to decision-making. At the same time, the use of artificial intelligence brings significant risks related to data security, ethical responsibilities, and legal compliance, requiring auditors to manage these risks effectively and integrate the technology consciously.

Özet

Bu makale, yapay zekanın iç denetim süreçlerindeki rolünü ve risk yönetimine sağladığı yenilikçi katkıları kapsamlı bir şekilde incelemektedir. Literatür taraması doğrultusunda yapay zeka ve iç denetim kavramları tanımlanmış; otomatikleştirilmiş denetim süreçleri, veri analitiği, anomali tespiti, blockchain tabanlı şeffaf risk yönetimi ve doğal dil işleme gibi farklı uygulama alanları detaylı olarak ele alınmıştır. Yapay zekanın denetim süreçleriyle etkileşimi, teknolojinin entegrasyonu, otomasyonun sağladığı verimlilik artışı ve denetçilerin görev ve sorumluluklarındaki değişim bağlamında değerlendirilmiştir. Ayrıca, veri güvenliği, etik ilkeler ve yasal düzenlemelerden kaynaklanan sorunlar tartışılmış; bu sorunların mesleki uygulamalara ve karar alma süreçlerine olası etkileri incelenmiştir. Makale, geleceğe dönük olarak yapay zeka tabanlı teknolojilerin denetim faaliyetlerine sağlayabileceği fırsatları, ortaya çıkarabileceği riskleri ve sektörel eğilimleri de analiz etmektedir. Sonuç olarak, yapay zekanın iç denetimde dönüşüm yaratan güçlü bir araç olduğu vurgulanmaktadır. Bu teknoloji, denetim süreçlerini daha hızlı, doğru ve verimli hâle getirerek insan hatasını azaltmakta ve karar alma süreçlerinde analitik bir yaklaşımı mümkün kılmaktadır. Bununla birlikte, yapay zekanın kullanımı, veri güvenliği, etik sorumluluklar ve yasal uyumluluk gibi önemli riskleri de beraberinde getirmekte; denetçilerin bu riskleri etkin şekilde yönetmeleri ve teknolojiyi bilinçli şekilde entegre etmeleri gerekmektedir.

🔖

Cite This Article

Altınbay, A., Elalmış, D. (2026). Artificial Intelligence and Internal Auditing: A New Approach in Risk Management. Gümrük ve Ticaret Dergisi, Cilt: 13 Sayı: 39, 14–28. https://doi.org/10.70490/gumrukticaretdergisi.1774884

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (85)

  1. Acar, D., Öztürk, M., & Usul, H. (2016). Dijital ortamda denetim: Sürekli denetim. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 21(Muhasebe Denetimi Özel Sayısı), 1561–1571.
  2. Aitkazinov, A. (2023). The role of artificial intelligence in auditing: Opportunities and challenges. International Journal of Research in Engineering, Science and Management, 6(6), 117–119.
  3. Akbulak, Y. (2023). İşletmeler yapay zekayı nasıl sorumlu bir şekilde kullanabilir ve etik ve güvenlik sorunlarını nasıl çözebilir? Legal Blog.
  4. Akdoğan, N., & Akdoğan, E. (2018). Büyük veri ve bilişim teknolojilerinin muhasebe uygulamalarına etkisi. Denetim ve Güvence Hizmetleri Dergisi, 3(2), 164–180.
  5. Alina, C. M., Cerasela, S. E., & Gabriela, G. (2018). Internal audit role in artificial intelligence. Ovidius University Annals, Economic Sciences Series, 18(1), 441–445.
  6. Alles, M., & Gray, G. L. (2015). The pros and cons of using big data in auditing: A synthesis of the literature and a research agenda. Awaiting Approval, 1, 37.
  7. Alles, M., & Gray, G. L. (2016). Incorporating big data in audits: Identifying inhibitors and a research agenda to address those inhibitors. International Journal of Accounting Information Systems, 22, 44–59. American Institute of Certified Public Accountants (AICPA). (2023). How automation and AI are changing the audit. AICPA Resources.
  8. Aydın, R. (2021). Veri analitiği ve iç denetim. İç Denetim Dergisi.
  9. Aydoğdu, A., & Meder Çakır, H. (2024). Blockchain teknolojisinin uygulama alanları ve finans sektörüne etkisi. Bartın Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 15(30), 101–128. https://doi.org/10.47129/bartiniibf.1556654
  10. Aysan, H., & Fırat, Z. (2024). Yapay zeka uygulamaları iç denetim mesleğine neler kazandırabilir? Ombudsman Akademik, 20, 149–178.
  11. Batarseh, F. A., & González, A. J. (2015). Predicting failures in agile software development through data analytics. Software Quality Journal, 26(1), 49–66.
  12. Bozkurt, P. (2013). Denetim kavramı ve denetim anlayışındaki gelişmeler. Denetişim Dergisi, 12, 56-62
  13. Canadian Public Accountability Board (CPAB). (2023). The use of artificial intelligence in the audit: Balancing innovation and risk. CPAB Exchange.
  14. Cao, Y., & Zhang, L. (2023). Machine learning approaches for fraud detection in auditing. International Journal of Accounting Information Systems, 40, 100–115.
  15. Carataș, M. A. (2018). Internal audit role in artificial intelligence. Ovidius University of Constanta, Faculty of Economic Sciences, 18(2), 45–52.
  16. Christofferson, S., Murray, M., McKnight, L., & Go, R. (2018). 2019 audit plan hotspots. Gartner.
  17. CNN. (2021, Şubat 9). Zillow’s home-buying debacle shows how hard it is to use AI to value real estate. https://edition.cnn.com/2021/11/09/tech/zillow-ibuying-home-zestimate/index.html
  18. Cohen, A. (2022). Denetim ve risk değerlendirmesi için blockchain. Muhasebe İncelemesi.
  19. CPA Journal. (t.y.). Textual analysis for risk profiles from 10-K filings. The CPA Journal.
  20. Çatıkkaş, Ö. (2011). İşletmelerde mali tablo hileleri. Denetişim Dergisi, 8, 18–19.
  21. Çelik, E. (2022). Otomasyon ve denetim süreçleri. Finansal Araştırmalar Dergisi, 8(2), 135–148. https://doi.org/10.55779/fad.1182675
  22. Çelik, M., & Ateş, B. A. (2022). Muhasebe ve denetimde doğal dil işlemenin (NLP) yeri. İşletme Akademisi Dergisi, 3(4), 402–418.
  23. Çetin, S. (2023). Yapay zeka ve denetimde geleceğin rollerinden. Denetim Dergisi, 45(3), 120–135.
  24. Dai, J. (2017). Three essays on audit technology. https://doi.org/10.7282/t3rn3bz9
  25. Demircioğlu, E. (2005). Çin’in ekonomik yükselişi. UEAP Discussion Paper, 1748. Uluslararası Ekonomik Araştırmalar Platformu.
  26. Dickey, G., Blanke, S., & Seaton, L. (2019). Machine learning in auditing. The CPA Journal, 89(6), 16–21.
  27. Doğan, E., & Alpaslan, H. (2024). Yapay zekanın sektörlere etkisi: Finans ve sağlık örnekleri. Teknoloji ve İnovasyon Dergisi, 22(1), 55–70.
  28. Dönmez, S. (2020). Felsefî bağlamda yapay zeka ve 2025 sendromu. Çukurova Üniversitesi İlahiyat Fakültesi Dergisi, 20(2), 748–760. https://doi.org/10.30627/cuilah.690645
  29. Drescher, D. (2017). Blockchain basics: A non-technical introduction in 25 steps. Apress. https://doi.org/10.1007/978-1-4842-2604-9
  30. Ernst & Young (E&Y). (2019). The digitization of the audit mirrors a broader transformation taking place across the business landscape. https://www.ey.com/en_gl/digital-audit/audit-digitizationtransformative-age
  31. IBM Corporation. (2020). IBM Education https://www.ibm.com
  32. Efe, A. (2023). Yapay zeka algoritmaları ile dönüşüm geçirecek denetim mesleğinin geleceği üzerinde bir değerlendirme. Yönetim Bilişim Sistemleri Dergisi, 8(2), 1–19.
  33. Giudici, P., & Raffinetti, E. (2023). SAFE artificial intelligence in finance. Finance Research Letters, 56, 104088. https://doi.org/10.1016/j.frl.2023.104088
  34. Gündüz, M. (2023). Yapay zeka ve yeni teknolojilerin kurumsal yönetimdeki rolü. Yönetim ve Ekonomi, 17(2), 32–46.
  35. Gusai, O. P. (2019). Robot human interaction: Role of artificial intelligence in accounting and auditing. Indian Journal of Accounting, 51(1), 59–62.
  36. Huang, F., & Vasarhelyi, M. (2019). Applying robotic process automation in auditing: A framework. International Journal of Accounting Information Systems, 35, 1–11.
  37. International Forum of Independent Audit Regulators (IFIAR). (2023, December). IFIAR report on use of technology in audits. https://cpab-ccrc.ca/docs/default-source/international-matters/2023-ifiar-use-of-technology-in-audits-en.pdf?sfvrsn=2824a5a2_17
  38. Institute of Internal Auditors (IIA). (2023). Yapay zeka devrimi. Global Perspectives and Insights, 28.
  39. IQlab Türkiye. (2023). Yapay zekada etik sorunlar: İnsanlığın geleceği üzerindeki etkiler. IQlab Yayınları.
  40. İstanbul Üniversitesi. (2023). Yapay zekanın sektörlerdeki dönüşümü. İşletme Araştırmaları, 31(4), 203–217. Iwuanyanwu, U., Apeh, A. J., Adaramodu, O. R., Okeleke, E. C., & Fakeyede, O. G. (2023). Analyzing the role of artificial intelligence in IT audit: Current practices and future prospects. Computer Science & IT Research Journal, 4(2), 54–68.
  41. Jones, L. (2022). Dahili denetim için makine öğrenimi: Risk tespiti alanında yeni bir dönem. Denetim Dergisi, 18(4), 99–115.
  42. Kananen, H., & Puolitaival, H. (2019). Artificial intelligence: New tools for business. Alma Talent Oy.
  43. Kara, A., & Demirtaş, E. (2023). Yapay zeka ve iç denetim: Yapısal anormalliklerin tespiti üzerine bir inceleme. Denetim Dergisi, 15(2), 123–145.
  44. Karaca, M. (2024). Yapay zekanın iç denetime etkileri: Fırsatların yakalanması ve tehditlerin yönetilmesi. Denetişim Dergisi, 31, 86–101.
  45. Karacaer, B. (2023). Akıllı otomasyon sistemlerinin getirdiği riskler ve iç denetime etkileri. Turizm Araştırmaları Dergisi. https://doi.org/10.26677/tr1010.2023.1248
  46. Karaman, M. S. (2020). Anomali tabanlı saldırı tespit sistemlerinde makine öğrenimi modellerinin performans değerlendirmesi. Yayınlanmamış çalışma.
  47. Kestane, A. (2021). İç denetimde akıllı otomasyon teknolojilerinin kullanımı: Robotik süreç otomasyonu ve bilişsel zeka. Journal of Accounting and Taxation Studies, 14(2), 813–835.
  48. Kokina, J., & Davenport, T. H. (2017). The emergence of artificial intelligence: How automation is changing auditing. Journal of Emerging Technologies in Accounting, 14(1), 115–122. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3122572
  49. KPMG. (2018a). Robotic process automation. KPMG Insights.
  50. KPMG. (2018b). Internal audit and intelligent automation. KPMG Insights.
  51. KPMG. (2024a). Revolutionizing technology in internal audit. KPMG Insights.
  52. KPMG. (2024b). The power of AI and data analytics in audit execution. KPMG Insights.
  53. Lehto, M. (2017). Artificial intelligence and cyber security. Future Journal, 36(2), 6–14.
  54. Leocádio, D., Malheiro, L., & Reis, J. (2024). Artificial intelligence in auditing: A conceptual framework for auditing practices. Administrative Sciences, 14(10), 238. https://doi.org/10.3390/admsci14100238
  55. Mugista, M. (2019). IDEA vs ACL (Galvanise) vs Teammate + Audit Analytics: Which one? https://www.summitcl.com/idea-vs-acl-galvanise-vs-teammate-audit-analytics-which-one
  56. Organisation for Economic Co-operation and Development (OECD). (2024). Explanatory memorandum on the updated OECD definition of an AI system.https://www.oecd.org/en/publications/explanatory-memorandum-on-the-updated-oecd-definition-of-an-ai-system_623da898-en.html
  57. Omoteso, K. (2012). The application of artificial intelligence in auditing: Looking back to the future. Expert Systems With Applications, 39(9), 8490–8495.
  58. Onay, A. (2020). Büyük veri çağında iç denetimin dönüşümü. Muhasebe Bilim Dünyası Dergisi, 22(1), 127–163. https://doi.org/10.31460/mbdd.620837
  59. Öcal, N. (2020). Bağımsız denetim süreçlerinde yapay zeka kullanımı ile denetim performansı arasındaki ilişkilerin incelenmesi üzerine bir araştırma. İstanbul Üniversitesi Sosyal Bilimler Enstitüsü.
  60. Önce, S., & İşgüden, B. (2012). İç denetim faaliyetinin gelişen ve değişen bilgi teknolojileri ortamı açısından değerlendirilmesi: İMKB–100 örneği. Yönetim ve Ekonomi Araştırmaları Dergisi, 10(17), 38–70. https://doi.org/10.11611/JMER3
  61. Özçetin, N. (2022). Muhasebe denetiminde yapay zeka. Uşak Üniversitesi Uygulamalı Bilimler Fakültesi Dergisi, 2(1), 29–41.
  62. Özçetin, N. (2024). Endüstri 4.0 ve Endüstri 5.0 perspektiflerinde muhasebe: Teorik bir inceleme. Yönetim Bilimleri Dergisi, 22(Özel Sayı), 1324–1344. https://doi.org/10.35408/comuybd.1490646
  63. Özdemir, S., & Uysal, A. (2024). Yapay zeka ve denetim süreçlerinin geleceği. Muhasebe ve Denetim, 52(1), 85–98.
  64. Palantir. (2023, December 15). Palantir’s response to OMB on AI governance, innovation, and risk management. https://blog.palantir.com/palantirs-response-to-omb-on-ai-governance-innovation-and-riskmanagement-1e2be610a6e9
  65. PricewaterhouseCoopers (PwC). (2018). Moving at the speed of innovation: The foundational tools and talents of technology-enabled internal audit. https://www.pwc.com/us/2018internalauditstudy
  66. PricewaterhouseCoopers (PwC). (2023). Transforming the audit through automation. PwC Insights.
  67. PricewaterhouseCoopers (PwC). (2024). Digital innovation in internal audit. PwC Global.
  68. PwC Türkiye. (2024). Yapay zekanın denetimdeki yeri. PwC Türkiye Yayınları.
  69. Qader, K. S., & Cek, K. (2024). Influence of blockchain and artificial intelligence on audit quality: Evidence from Turkey. Heliyon, 10(9), e30166. https://doi.org/10.1016/j.heliyon.2024.e30166
  70. Rane, N., Choudhary, S., & Rane, J. (2023). Blockchain and artificial intelligence (AI) integration for revolutionizing security and transparency in finance. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.1234567
  71. Raphael, J. (2015, Haziran 15). How artificial intelligence can boost audit quality. CFO Magazine.
  72. Rozario, A. M., & Vasarhelyi, M. A. (2018). Auditing with smart contracts. International Journal of Digital Accounting Research, 18, 1–27.
  73. Sabuncu, B. (2018). İç denetim anlayışındaki değişiklikler ve gelişmeler. Muhasebe Bilim Dünyası Dergisi, 20, 779–789.
  74. Saqlain, M., et al. (2019). Framework of an IoT-based industrial data management for smart manufacturing. Journal of Sensor and Actuator Networks, 8(2), 21. https://doi.org/10.3390/jsan8020025
  75. Schoop, R., Colombo, A. W., Suessmann, B., & Neubert, R. (2002). Industrial experiences, trends and future requirements on agent-based intelligent automation. Proceedings of the IEEE Conference on Industrial https://ieeexplore.ieee.org/document/1182870
  76. Schumann, G., & Marx Gómez, J. (n.d.). Natural language processing in internal auditing – A structured literature review. Yayınlanmamış çalışma.
  77. Smith, J. (2020). Risk yönetiminde yapay zeka: Denetimin geleceği. Risk Yönetimi Dergisi, 15(2), 45–60.
  78. Sun, T., & Vasarhelyi, M. A. (2018). Embracing textual data analytics in auditing with deep learning. International Journal of Digital Accounting Research, 18, 1–29.
  79. Sunucun. (2023). Yapay zeka etiği: Sorunlar, ilke ve çözümler. https://www.sunucun.com.tr
  80. Şentürk, Ö. (2023). İç denetim faaliyetlerinde yapay zekadan beklentiler: ChatGPT uygulaması örneği. TIDE AcademIA Research, 4(2), 51–82.
  81. Thomson Reuters. (2023). Future of professionals report. Thomson Reuters Publications.
  82. Tschang, F. T., & Almirall, E. (2021). Artificial intelligence as augmenting automation: Implications for employment. Academy of Management Perspectives, 35(4), 642–659.
  83. Türkiye Cumhuriyet Merkez Bankası. (2001). 2002 yılında para ve kur politikası ve muhtemel gelişmeler. Basın Duyurusu, 2 Ocak. www.tcmb.gov.tr
  84. Uysal, M., & Kurt, H. (2018). Blok zinciri teknolojisinin muhasebe ve denetim alanına etkileri. DergiPark.
  85. Uzay, Ş. (2003). İç denetimin geleceği ve yeni eğilimler. 22. Türkiye Muhasebe Eğitimi Sempozyumu Bildiri Kitabı, 1–10.