Denetimde Yapay Zekanın Benimsenmesi ve Etkileri

Öz

Bu çalışmanın amacı denetçilerin yapay zekayı benimseme düzeylerini, algılarını, tutumlarını ve yapay zekanın mesleğin geleceği üzerindeki etkilerine ilişkin görüşlerini incelemektir. Bu amaçla denetçilere anket formu uygulanmıştır. Veriler SPSS 31.0 ve AMOS 31.0 programları ile analiz edilmiştir. Bu kapsamda faktör analizleri, grup karşılaştırmaları ve ilişki testleri uygulanmıştır. Araştırma bulguları, denetçilerin yapay zekaya yönelik algı ve tutumları ile mesleğin geleceğine dair beklentileri arasında anlamlı ve pozitif yönlü bir ilişki olduğudur. Katılımcıların büyük bir kısmı yapay zeka teknolojileri hakkında bilgi sahibi olduğunu belirtmesine rağmen bu konuda profesyonel eğitim veya seminer alanların sayısı oldukça sınırlı kalmıştır. Cinsiyet, eğitim düzeyi ve kurum büyüklüğü gibi değişkenlerin denetçilerin görüşlerinde anlamlı bir farklılık yaratmadığı sonucuna ulaşılmıştır. Buna karşın yaş grupları ve mesleki pozisyonlar ise yapay zekanın mesleğin geleceğine etkisine dair görüşlerde farklılıklara yol açmıştır. Özellikle ileri yaş gruplarındaki katılımcıların ve sorumlu denetçi pozisyonunda bulunanların mesleğin geleceğine ilişkin daha temkinli bir yaklaşım sergilediği görülmüştür. Ayrıca kurumunda yapay zeka araçlarını sadece belirli bir düzeyde kullanan profesyonellerin bu teknolojilerin gelecekteki rolüne dair daha düşük puanlı algılara sahip olduğu belirlenmiştir. Sonuç olarak çalışma denetim mesleğinde yapay zeka dönüşümünün sadece teknik bir altyapı meselesi olarak değil, insan ve kurum yönetimi ve bu minvalde benimsenme ve etik boyutlarıyla bütüncül bir şekilde ele alınması gerektiğini ortaya koymaktadır. Kurumların teknolojik adaptasyon sürecinde belirsizliği azaltmak için uygulama odaklı eğitimlere ve net stratejik yol haritalarına odaklanması önerilmektedir.

Anahtar Kelimeler

• Denetim
• Bağımsız Denetim
• Yapay Zeka

Destekleyen Kurum

Destekleyen kurum yok

Etik Beyan

Etik kurul onayı gerekmektedir.

Teşekkür

Teşekkür yok

THE ADOPTION OF ARTIFICIAL INTELLIGENCE IN AUDIT AND ITS IMPACTS

Öz

This study examines auditors levels of artificial intelligence adoption as well as their perceptions and attitudes toward the technology and their views on AI’s impact on the future of the auditing profession. To this end, a survey questionnaire was administered to auditors. The data were analyzed using SPSS 31.0 and AMOS 31.0. Factor analyses, group comparisons, and relationship tests were conducted. The findings indicate a significant and positive relationship between auditors’ perceptions and attitudes toward AI and their expectations regarding the profession’s future. Although most participants reported being knowledgeable about AI technologies, only a limited number had received professional training or attended seminars on the topic. No significant differences were found in views by gender, education level, or firm size. In contrast assessments of AI’s influence on the profession’s future differed across age groups and professional positions. In particular, older participants and those serving as responsible auditors demonstrated a more cautious outlook. Moreover, professionals whose organizations used AI tools only to a certain extent reported lower perceptions of the future role of these technologies. Overall, the study suggests that AI-driven transformation in auditing should not be treated solely as a technical infrastructure issue. It should be addressed holistically by considering human and organizational management, adoption processes, and ethical dimensions. To reduce uncertainty during technological adaptation, organizations are advised to prioritize practice-oriented training and develop clear strategic roadmaps.

Anahtar Kelimeler

• Auditing
• Independent Auditing
• Artificial Intelligence

Destekleyen Kurum

No supporting organization.

Etik Beyan

Ethics committee approval is required.

Teşekkür

No thank you text

Kaynakça

1. Abdolmohammadi, M. J. (1987). Decision Support and Expert Systems in Auditing: A Review and Research Directions. Accounting Business Research, 17(66), 173–185.
2. Abu Sharshouh, A. (2025). The Use of Artificial Intelligence in Accounting and Auditing. Karadeniz Ekonomi Araştırmaları Dergisi, 6(1), 1–15.
3. Acar, D., Öztürk, M. S., ve Usul, H. (2016). Dijital Ortamda Denetim: Sürekli Denetim. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 21(Muhasebe Denetimi Özel Sayısı), 1561–1571.
4. Adaş, E., ve Erbay, B. (2022). Yapay Zeka Sosyolojisi Üzerine Bir Değerlendirme. Gaziantep Üniversitesi Sosyal Bilimler Dergisi, 21(1), 326–337.
5. 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.
6. Akbaş, Ö. F., Taşkın, T. ve Dönmez, N. (2022). İşletmelerde Muhasebe, Finans ve İç Denetim Birimleri Performansının İşletme Yönetimi Başarısına Etkileri. Topkapı Sosyal Bilimler Dergisi, 1(1), 131-158.
7. Akkaya, B., Özkan, A., ve Özkan, H. (2021). Yapay Zeka Kaygı (Yapay Zekak) Ölçeği: Türkçeye Uyarlama Geçerlik ve Güvenirlik Çalışması. Alanya Akademik Bakış, 5(2), 1125–1146.
8. Alhazmi, A. H. J., Islam, S. M. N., & Prokofieva, M. (2025). The Impact of Artificial Intelligence Adoption on the Quality of Financial Reports on the Saudi Stock Exchange. International Journal of Financial Studies, 13(1), 21.

9. Altıntaş, N. N., ve Yakar, N. (2010). Denetimde Hata ve Hile. İstanbul Üniversitesi Sosyal Bilimler Dergisi, (1), 151–161.
10. Altunakar O. (2015). Finansal Tabloların Denetiminde Mesleki Şüphecilik. Çevrimiçi https://tr.linkedin.com/pulse/finansal-tablolar%C4%B1n-denetiminde-mesleki-%C5%9F%C3%BCphecilik-okan-altunakar.
11. Ayyayla, Ç. (2024). Denetimde Yapay Zeka Kullanımının Denetçiler Üzerindeki Olası Etkileri. Sosyal ve Beşeri Bilimler Araştırmaları Dergisi, 25(54), 113–139.
12. Betti, N. & Sarens, G. (2020). Understanding the Internal Audit Function in a Digitalised Business Environment. Journal of Accounting and Organizational Change, 16(1), 121-140.
13. Brown-Liburd, H., Issa, H. & Lombardi, D. (2015). Behavioral Implications of Big Data’s Impact on Audit Judgment and Decision Making and Future Research Directions. Accounting Horizons, 29(2), 451–468.
14. Brown-Liburd, H. ve Vasarhelyi, M. A. (2015). Big Data and Audit Evidence. Journal of Emerging Technologies in Accounting, 11(1), 1-16.
15. Cao, M., Chychyla, R. & Stewart, T. (2015). Big Data Analytics in Financial Statement Audits. Accounting Horizons, 29(2), 423–429.
16. Cömert, N. (2012). Uluslararası Denetim Standartları Kapsamında Önemlilik Düzeyinin Belirlenmesinde Kullanılabilecek Yöntemler. Mali Çözüm Dergisi, 29(50), 29-50.
17. Coşkun, F., ve Gülleroğlu, H. D. (2021). Yapay Zekanın Tarih İçindeki Gelişimi ve Eğitimde Kullanılması. Ankara University Journal of Faculty of Educational Sciences, 54(3), 947–966.
18. Dalak, G. (2000). Denetim ve kalite denetimi. Muğla Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, (1), 65–79.
19. DeVellis, R. F. (2017). Scale development: Theory and applications (4th ed.). New York: Sage Publications.
20. Dinç, E., ve Atabay, E. (2016). Güvence Denetim Standartları ve Güvence Denetim Süreci. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 21(5), 1527–1541.
21. Efe, A., ve Tunçbilek, M. (2023). Yapay Zeka Algoritmaları ile Dönüşen Denetim Araçları Üzerine Bir Değerlendirme. Denetişim, 27, 72-102.
22. Erdoğan, M. (2019). Denetim 4.0 ve Ötesi. Journal of Accounting and Taxation Studies, 12(3), 809–834.
23. Fedyk, A., Hodson, J., Khimich, N. & Fedyk, T. (2022). Is Artificial Intelligence Improving The Audit Process? Review of Accounting Studies, 27(3), 938-985.
24. Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). New York: Sage Publications.
25. Güney, A. (2025). Denetim süreçlerinde yapay zeka entegrasyonu: Yaklaşımlar, uygulamalar ve gelecek perspektifleri. Sarı Özgün, Hilal (Ed.), Yeni Çağda Muhasebe ve Finans Dünyasındaki Gelişmeler Üzerine Araştırmalar içinde (139-152). Gaziantep: Özgür Yayınları.
26. Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data analysis (8th ed.). Boston: Cengage Learning.
27. Hu, L.T., & Bentler, P. M. (1999). Cutoff Criteria for Fit Indexes in Covariance Structure Analysis: Conventional Criteria Versus New Alternatives. Structural Equation Modeling: A Multidisciplinary Journal, 6(1), 1–55.
28. Issa, H., Sun, T. & Vasarhelyi, M. A. (2016). Research Ideas for Artificial Intelligence in Auditing: the Formalization of Audit and Workforce Supplementation. Journal of Emerging Technologies in Accounting, 13(2), 1-20.
29. Kaiser, H. F. (1974). An Index of Factorial Implicity. Psychometrika, 39(1), 31-36.
30. Kandemir, Ş. (2021). Bankacılık ve Finansın Denetiminde Denetim Teknolojisi (Suptech) Ve Yapay Zeka. Çağ Üniversitesi Sosyal Bilimler Dergisi, 18(1), 59–81.
31. Kantarcı, N., ve Uzay, Ş. (2025). Yapay Zeka, Blok Zinciri ve Diğer Yeni Teknolojilerin Hileli Finansal Raporlamanın Tespitine Etkisi: Nitel Bir Analiz. Muhasebe ve Finansman Dergisi, (107), 1–28.
32. Karaca, M. (2024). Yapay Zekanın İç Denetime Etkileri: Fırsatların Yakalanması ve Tehditlerin Yönetilmesi. Denetişim, 31, 86-101.
33. Karakaş, E., ve Varıcı, İ. (2017). Kazanç Temelli Değişkenlerin Denetim Riski Üzerindeki Etkilerinin Değerlendirilmesi. Karadeniz Teknik Üniversitesi Sosyal Bilimler Enstitüsü Sosyal Bilimler Dergisi, 7(13), 193-214.
34. Kaya, N. (2025). Blok Zinciri Teknolojisi ve Yapay Zeka Yöntemleriyle Muhasebe ve Denetim: Literatür Taraması. Muhasebe ve Finans İncelemeleri Dergisi, 8(2), 438.
35. Kline, R. B. (2016). Principles and practice of structural equation modeling (4th ed.). New York: Guilford Press.
36. 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.
37. Kuş, M. ve Çıtak, N. (2025). Yapay Zeka Destekli Iç Denetim Ve Uygulamalı Bir Model Yaklaşımı. Denetişim, 33, 213-237.
38. Mert, H., ve Taş, O. (2019). An Application of Artificial Intelligence on Auditing. Global Business Research Congress, 9,65-68.
39. Moffitt, K. C., Rozario, A. M. & Vasarhelyi, M. A. (2018). Robotic Process Automation for Auditing. Journal of Emerging Technologies in Accounting, 15(1), 1-10.
40. Mullool, J. M., & Neethu, A. E. (2025). Revolutionizing Financial Oversight: The Transformative Power Of Artificial Intelligence In Auditing. International Journal on Science and Technology, 16(4), 1–8.
41. Munoko, I., Brown-Liburd, H. L. & Vasarhelyi, M. (2020). The Ethical Implications of Using Artificial Intelligence in Auditing. Journal of Business Ethics, 167, 209-234.
42. Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric theory (3rd ed.). Ohio: McGraw-Hill.
43. Onay, A. (2018). Accounting of Crypto-Currencies and An Evaluation on The Impact of Crypto-Currency on The Internal Control of Enterprises. Academic Studies In Economic Sciences içinde (s. 469-491). Ankara: Gece Kitaplığı.
44. Onay, A. (2020). Büyük Veri Çağında İç Denetimin Dönüşümü. Muhasebe Bilim Dünyası Dergisi, 22(1), 127-163.
45. Onay, A. (2021). Blok zincir teknolojisinin denetime etkisi ve literatüre ilişkin bilimetrik bir araştırma. Muhasebe Konularında Bilimsel Yaklaşım ve Araştırmalar (s. 190-220). içinde Ankara: Gazi Kitabevi.
46. Ömercioğlu, A. (2024). Vergi Denetimlerinde Yapay Zeka Kullanımı ve Otonom Vergi Denetimi Perspektifi. Ankara Sosyal Bilimler Üniversitesi Hukuk Fakültesi Dergisi, 6 (2 Prof. Dr. Mustafa Avcı’ya Armağan): 1439-65.
47. Öz, D. (2008). Muhasebe denetimi ve raporlama. Ankara: Siyasal Kitabevi.
48. Özyiğit, H. (2023a). İç Kontrol Sisteminin Değerlendirilmesinde Yapay Zeka: Bağımsız Denetçilere Yönelik Bir Araştırma. Muhasebe ve Finansman Dergisi, (99), 103–128.
49. Özyiğit, H. (2023b). Yapay Zekanın İç Denetçilerin Algısına Etkisi: BIST 100 Şirketlerine Yönelik Bir Araştırma. Muhasebe ve Finansman Dergisi, (98), 21–42.
50. Polat, M. (2024). Yapay Zekanın Denetimde Kullanılması ve Etik Sorunlar. Sayıştay Dergisi, 35(134), 395-423.
51. Rozario, A. M. & Vasarhelyi, M. A. (2018). Auditing with Smart Contracts. International Journal of Digital Accounting Research, 18, 1-27.
52. Schmidt, P. J., Church, K. S. ve Riley, J. (2020). Clinging to Excel as a Security Blanket: Investigating Accountants’ Resistance to Emerging Data Analytics Technology. Journal of Emerging Technologies in Accounting, 17(1), 33-39.
53. Stancheva Todorova, E. P. (2018). How Artificial Intelligence is Challenging Accounting Profession. Journal of International Scientific Publications, 12, 125-141.
54. Şentürk, Ö. (2022). İç Denetim Faaliyetlerinde Yapay Zekadan Beklentiler: Chatgpt Uygulaması Örneği. TİDE Academia Research, 4, 51-82.
55. Şentürk, Ö. (2025). İnsan Faktörü ve Makine: Yapay Zeka İç Denetçilerin Yerini Alabilir mi? TIDE Academia Research, 7(1), 11-52.
56. Tabachnick, B. G., & Fidell, L. S. (2013). Using multivariate statistics (7th ed.). New York: Pearson.
57. Taş, O. (2019). Denetimde Yapay Zeka Uygulaması. PressAcademia Procedia, 1(9), 65–68.
58. Tavakol, M., & Dennick, R. (2011). Making Sense of Cronbach's Alpha. International Journal of Medical Education, 2, 53-55.
59. Varol, N. (2023). Dijital Dönüşüm Ve Yapay Zeka: Muhasebenin Ve Denetimin Geleceği. Denetim ve Güvence Hizmetleri Dergisi, 3(2), 162–184.
60. Vasarhelyi, M. A., Kogan, A. ve Tuttle, B. M. (2015). Big Data in Accounting: An Overview. Accounting Horizons, 29(2), 381–396.
61. Velioğlu, H., ve Demirkol, Ö. F. (2024). Blokzincir Tabanlı Muhasebe Denetiminde Yapay Zekanın Rolü. Econharran, 8(14), 27-44
62. Yılancı, M., Yıldız, B., Kiracı M. (2012). Muhasebe denetimi. Ankara: Detay Yayıncılık.
63. Yıldız, B., ve Ağdeniz, Ş. (2019). Denetim 4.0'ın Teknolojik Altyapısı. Muhasebe ve Denetime Bakış Dergisi, (58), 83–102.
64. Zemankova, I. A. (2019). Artificial intelligence in audit and accounting: Development, current trends, opportunities and threats – literature review. International Conference on Control, Artificial Intelligence, Robotics & Optimization (ICCAIRO), 148-154.