Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightÇalışma ampirik veri içermemekte olup bulgular kavramsal düzeyde değerlendirilmelidir.
📌 3 Maddede Bu Makale
Özet
Bu çalışma, yapay zekâ (YZ) uygulamalarının iç denetim süreçlerinde denetçi yargısı, mesleki şüphecilik ve kurumsal yönetişim üzerindeki etkilerini incelemektedir. YZ destekli denetim araçları, denetim kapsamını genişletme ve riskli alanları daha hızlı belirleme potansiyeli taşımakla birlikte; model riski, veri kalitesi, algoritmik önyargılar, açıklanabilirlik ve gerekçelendirilebilirlik ve hesap verebilirlik boşluğu gibi yeni tartışma alanlarını da gündeme getirmektedir. İç denetim fonksiyonunun salt kontrol faaliyetlerini değerlendiren bir yapı olarak değil, teknolojik karar süreçlerini de sorgulayabilen stratejik bir güvence mekanizması olarak ele alınması gerekmektedir. Çalışmada Google Scholar üzerinden yürütülen yapılandırılmış ve tematik bir literatür taraması yaklaşımı benimsenmiştir. Tarama sürecinde “AI in Internal Audit and Risk Management”, “Artificial Intelligence and Audit Judgment”, “Automation Bias in Auditing” ve “Professional Judgment in Auditing” anahtar kelime grupları kullanılmıştır. Literatür; denetim otomasyonu, otomasyon yanlılığı, algoritmadan kaçınma, açıklanabilirlik, döngüde insan yaklaşımı, YZ’nin denetlenmesi ve YZ yönetişimi temaları altında sınıflandırılmıştır. Değerlendirme sonucunda YZ’nin denetim kalitesini destekleyebileceği; ancak mesleki şüpheciliğin zayıflaması, algoritmik önerilere aşırı güven ve sorumluluk alanlarının belirsizleşmesi gibi yönetişim riskleri doğurabileceği görülmektedir. Çalışmanın özgün katkısı, otomasyon yanlılığı, açıklanabilirlik, döngüde insan ve YZ yönetişimi kavramlarını denetçi yargısının korunması ekseninde bir araya getiren kavramsal bir değerlendirme çerçevesi sunmasıdır. Çalışma ampirik veri içermemekte olup bulgular kavramsal düzeyde değerlendirilmelidir.
Abstract
This study examines the effects of artificial intelligence applications on auditor judgment, professional skepticism and corporate governance within internal audit processes. AI-supported audit tools hold potential for expanding audit scope and identifying high-risk areas more rapidly; however, they also introduce new areas of concern such as model risk, data quality, algorithmic bias, explainability and justifiability problems and accountability gaps. The internal audit function should therefore be approached not merely as a structure that evaluates control activities but as a strategic assurance mechanism capable of questioning technology-driven decision processes. The study adopts a structured and thematic literature review approach conducted through Google Scholar. The search was based on the keyword groups "AI in Internal Audit and Risk Management", "Artificial Intelligence and Audit Judgment", "Automation Bias in Auditing", and "Professional Judgment in Auditing". The literature was classified under the themes of audit automation, automation bias, algorithm aversion, explainability, human-in-the-loop, audit of AI and AI governance. The review indicates that artificial intelligence may support audit quality, yet it may also generate governance risks such as weakened professional skepticism, excessive reliance on algorithmic recommendations and ambiguity in accountability boundaries. The original contribution of this study lies in presenting a conceptual evaluation framework that brings together automation bias, explainability, human-in-the-loop and AI governance under the axis of preserving auditor judgment. The study does not contain empirical data and the findings should be interpreted at the conceptual level.