Podpora poslovodnega računovodstva ciljnemu delovanju v dobi umetne inteligence

Spasovska, Irena

| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Prva stran > Izpis gradiva

Izpis gradiva

Naslov:	Podpora poslovodnega računovodstva ciljnemu delovanju v dobi umetne inteligence
Avtorji:	ID Spasovska, Irena (Avtor) ID Kolar, Iztok (Mentor) Več o mentorju...
Datoteke:	UN_Spasovska_Irena_2026.pdf (640,60 KB) MD5: 182B6A90E6D254657E906FE721F20EDF
Jezik:	Slovenski jezik
Vrsta gradiva:	Diplomsko delo/naloga
Tipologija:	2.11 - Diplomsko delo
Organizacija:	EPF - Ekonomsko-poslovna fakulteta
Opis:	Diplomsko delo obravnava vlogo poslovodnega računovodstva pri določanju, spremljanju in prilagajanju poslovnih ciljev v dobi umetne inteligence. Namen raziskave je bil proučiti razlike med napovedno analitiko in generativno umetno inteligenco, njun vpliv na planiranje, spremljanje ključnih kazalnikov uspešnosti in poslovno odločanje ter pomen kakovosti podatkov, človeške presoje in odgovornosti. V teoretičnem delu smo z analizo domače in tuje literature predstavili sodobno vlogo poslovodnega računovodstva, ključne kazalnike uspešnosti, drseče napovedi, digitalizacijo, napovedno analitiko in generativno umetno inteligenco. Raziskavo smo teoretično oprli na teorijo kontingence in teorijo virov podjetja. Empirični del je bil izveden kot kvalitativna večkratna študija primera treh izbranih podjetij. Podatke smo pridobili s tremi pisnimi polstrukturiranimi intervjuji, manj izčrpna odgovora pa smo dopolnili s kratkimi dodatnimi vprašanji. Zbrano gradivo smo analizirali z metodo tematske analize. Rezultati so pokazali, da napovedna analitika neposredneje podpira kvantitativno ocenjevanje prodaje, zalog, denarnih tokov in drugih prihodnjih rezultatov, medtem ko se generativna umetna inteligenca uporablja predvsem za povzemanje, razlago in predstavitev informacij. Podjetja se razlikujejo po digitalni zrelosti: eno podjetje uporablja več digitalnih in generativnih orodij, drugo umetno inteligenco uvaja postopoma, tretje pa je še ne uporablja. Kot ključni pogoji za uspešno uporabo umetne inteligence so se pokazali kakovost in pravočasnost podatkov, ustrezna infrastruktura, znanje zaposlenih, organizacijska pripravljenost in podpora managementa. Med tveganji so bili izpostavljeni nekakovostni ali pristranski podatki, netočne napovedi, omejena preglednost modelov, kibernetske grožnje, težave pri preverjanju podatkov ter stroški in zahtevnost uvajanja. Vsi intervjuvanci so poudarili, da mora imeti človeška presoja prednost pred priporočili sistema, končna odgovornost za odločitve pa mora ostati pri ljudeh. Omejitev raziskave predstavljajo majhno število intervjuvancev, pisna oblika intervjujev in različna poglobljenost odgovorov, zato ugotovitev ni mogoče posploševati na širšo populacijo podjetij.
Ključne besede:	poslovodno računovodstvo, določanje ciljev, umetna inteligenca, napovedna analitika, generativna umetna inteligenca, ključni kazalniki uspešnosti.
Kraj izida:	Maribor
Založnik:	I. Spasovska]
Leto izida:	2026
PID:	20.500.12556/DKUM-98939
UDK:	657:004.8
COBISS.SI-ID:	290322691
Datum objave v DKUM:	08.09.2026
Število ogledov:	115
Število prenosov:	6
Metapodatki:
Področja:	EPF
:	Kopiraj citat

Skupna ocena:	(0 glasov)
Vaša ocena:	Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:

Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Licence

Licenca:	CC BY-NC-ND 4.0, Creative Commons Priznanje avtorstva-Nekomercialno-Brez predelav 4.0 Mednarodna

Povezava:	http://creativecommons.org/licenses/by-nc-nd/4.0/deed.sl
Opis:	Najbolj omejujoča licenca Creative Commons. Uporabniki lahko prenesejo in delijo delo v nekomercialne namene in ga ne smejo uporabiti za nobene druge namene.
Začetek licenciranja:	02.08.2026

Sekundarni jezik

Jezik:	Angleški jezik
Naslov:	Management accounting support for goal-oriented operations in the age of artificial intelligence
Opis:	The thesis examines the role of management accounting in setting, monitoring, and adjusting business goals in the age of artificial intelligence. The purpose of the research was to examine the differences between predictive analytics and generative artificial intelligence, their impact on planning, key performance indicator monitoring, and business decision-making, as well as the importance of data quality, human judgement, and accountability. The theoretical part is based on an analysis of domestic and international literature and presents the contemporary role of management accounting, key performance indicators, rolling forecasts, digitalisation, predictive analytics, and generative artificial intelligence. Contingency theory and the resource-based view of the firm were used as the theoretical foundations. The empirical part was conducted as a qualitative multiple-case study involving three selected companies. Data were collected through three written semi-structured interviews. Two less detailed responses were supplemented with short follow-up questions, and the material was analysed using thematic analysis. The results indicate that predictive analytics more directly supports the quantitative assessment of sales, inventories, cash flows, and other future outcomes, whereas generative artificial intelligence is primarily used to summarise, explain, and present information. The companies differ in their level of digital maturity: one company uses several digital and generative AI tools, another is gradually introducing artificial intelligence, while the third does not yet use it. The successful use of artificial intelligence depends on data quality and timeliness, suitable infrastructure, employee knowledge, organisational readiness, and management support. The identified risks include poor-quality or biased data, inaccurate forecasts, limited model transparency, cyber threats, difficulties in data validation, and the cost and complexity of implementation. All interviewees emphasised that human judgement should take precedence over system recommendations and that final responsibility for decisions must remain with people. The main limitations of the research are the small number of interviewees, the written form of the interviews, and the unequal depth of the responses; therefore, the findings cannot be generalised to a broader population of companies.
Ključne besede:	management accounting, goal setting, artificial intelligence, predictive analytics, generative artificial intelligence, key performance indicators

Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)

0 - 0 / 0

Ni komentarjev!

Nazaj