AI & de toekomst van accountancy en advies

AI verwerkt de administratieve stukken van een onderneming volgens regels die het kantoor instelt. Een inkoopfactuur wordt herkend, leverancier, bedrag en btw worden eruit gehaald, en AI stelt de grootboekrekening voor op basis van eerdere boekingen. Bankmutaties worden gekoppeld aan openstaande facturen. Het werk op kantoor verschuift van invoeren naar beoordelen: een boeking die niet in het patroon past, een leverancier met een nieuw rekeningnummer. Met gestructureerde e-facturen gaan factuurgegevens rechtstreeks van systeem naar systeem, zonder pdf of scan. Een boeking kan daardoor klaarstaan voordat iemand de factuur heeft bekeken. Als ook levering en betaling rechtstreeks gegevens aanleveren, komt een administratie die de transactie op de voet volgt dichterbij.

Met data-analyse kan een accountant alle aangeleverde journaalposten van een jaar onderzoeken, naast of in plaats van een steekproef. AI zoekt naar wat niet in het patroon past, zoals boekingen in het weekend, ronde bedragen vlak voor de jaarafsluiting of betalingen aan een nieuwe leverancier zonder inkooporder. Een afwijking is nog geen fout, wel een reden om verder te kijken. De volgende stap gaat van alle boekingen naar alle bronnen: AI legt de boekhouding naast contracten, e-mails, vrachtgegevens en externe registers. Dan valt ook de afwijking op die in de cijfers zelf niet te zien is, zoals een levering waarvoor nooit een vrachtwagen reed.

Belastingadviseurs zoeken met AI in wetgeving, rechtspraak en beleid van de belastingdienst. Gekoppeld aan fiscale databanken vergelijken taalmodellen regelingen en vinden ze relevante uitspraken, met verwijzing naar de bron. Zoekwerk dat vroeger een middag kostte, is in minuten gedaan. De volgende stap is vooruitkijken. Onderzoekers lieten in 2016 een model de uitkomst van zaken bij een internationaal mensenrechtenhof bepalen uit de tekst van gepubliceerde uitspraken, met gemiddeld 79 procent nauwkeurigheid. Vooraf inschatten hoe een fiscaal standpunt bij de rechter kan uitpakken, ligt in het verlengde daarvan. AI kan daarnaast een wetsvoorstel koppelen aan de beschikbare klantgegevens en de financiële gevolgen doorrekenen. Zo ziet de adviseur eerder welke ondernemers geraakt worden en hoe groot het effect kan zijn.

Ondernemingen zetten AI in voor kredietbeslissingen, sollicitaties, prijzen en klantcontact. Bestuurders, toezichthouders en klanten willen weten of die systemen werken zoals bedoeld. Assurance over AI is een onafhankelijk onderzoek naar afgesproken eigenschappen van een AI-systeem of de beheersing ervan. De accountant toetst bijvoorbeeld of de data deugen, of beslissingen uitlegbaar zijn en of er goed toezicht is. Grote kantoren bieden zulke diensten al aan. De Europese AI-wet stelt eisen aan systemen met een hoog risico, en voor het beheer van AI bestaan certificeerbare internationale normen. De opdracht bepaalt welke criteria worden onderzocht; een certificaat garandeert niet dat elk besluit van het systeem klopt.

Een AI-agent voert een opdracht in meerdere stappen zelfstandig uit, binnen grenzen die mensen vooraf vastleggen. Agents verwerken al brondocumenten en bereiden onderdelen van aangiften voor. In proeven koppelen kantoren daaraan het opvragen van stukken zoals jaaropgaven en bankafschriften, het sturen van herinneringen en het bijhouden van wat nog ontbreekt. Het najagen van stukken verdwijnt zo uit de dag van de medewerker. De volgende stap: agents van kantoor, bank en klant die rechtstreeks met elkaar werken. De agent van het kantoor vraagt de jaaropgave op bij de agent van de bank, die nagaat of de klant toestemming gaf, en het stuk aanlevert. De ondernemer hoeft niets meer te zoeken, en het dossier is compleet voordat de adviseur eraan begint.

In management- en strategieadvies ging veel tijd naar voorbereidend werk: marktgegevens verzamelen, cijfers analyseren, een eerste rapport schrijven. AI versnelt dat werk, en de waarde verschuift van het rapport naar het gesprek. Een marktanalyse waar een team vroeger weken aan werkte, kan nu in dagen klaarliggen. Tijdens een bestuursvergadering rekent AI live door wat een voorstel betekent: wat een prijsverhoging doet met volume en marge, wat het sluiten van een vestiging kost aan omzet en personeel. Het bestuur ziet de gevolgen van een keuze terwijl het erover praat. De adviseur stelt de juiste vraag en weegt een uitkomst tegen wat hij van de klant weet. Mensen doen het werk met mensen; AI neemt het herhalende en het rekenwerk.

Met een actuele administratie kan een kantoor de verwachting van omzet, kosten en kasstroom regelmatig bijwerken, en AI rekent de cijfers door. Voor een ondernemer is de vraag van volgende maand vaak dringender dan die van vorig jaar: past die investering, en is er genoeg kas voor de zomer? Het systeem signaleert wat opvalt, zoals een marge die langzaam daalt of klanten die later betalen dan vorig jaar. De volgende stap is de prognose die waarschuwt voordat het misgaat. Onderzoek laat zien dat bepaalde machinelearningmodellen faillissementen nauwkeuriger voorspellen dan traditionele modellen. Doorlopende analyse kan zo de eerste tekenen van financiële problemen zichtbaar maken, ruim voordat een jaarrekening ze toont.

Een kantoor kan zijn vakkennis aanbieden via AI-assistenten die klanten zelf raadplegen. AI koppelt een vraag aan de juiste informatie uit de kennisbank en antwoordt in gewone taal. Zo wordt kennis die nu in hoofden en memo's zit, een product: een assistent voor vragen over vergoedingen aan personeel, een rekenmodel voor de overdracht van een familiebedrijf. Het kantoor verdient aan kennis zonder voor elke vraag uren te schrijven. Een mogelijke volgende stap is een agent die wijzigingen in regels volgt en de loonadministratie van een klant controleert. Die kan berekeningen aanpassen en vragen die een oordeel vereisen aan de adviseur voorleggen. Het kantoor biedt dan ook doorlopende controle aan.

Een digital twin is een digitaal model van een organisatie of keten dat steeds wordt bijgewerkt met gegevens uit de werkelijkheid: voorraden, levertijden, capaciteit en kosten. Adviseurs bouwen zo'n model samen met de klant en onderzoeken ermee hoe een verandering door de hele keten werkt. In proeven combineren ze de digital twin met AI, die duizenden varianten doorrekent: wat doet een duurdere grondstof met marge en levertijd, wat gebeurt er als een leverancier aan de andere kant van de wereld een maand uitvalt? Het model blijft een vereenvoudiging. Wel laat het zien waar een keten kwetsbaar is voordat het misgaat, en na het adviestraject blijft het staan als instrument van de klant.

Een financiële AI-assistent beantwoordt vragen op basis van de administratie en de beschikbare documenten. Daardoor kan een ondernemer eenvoudige financiële vragen zelf onderzoeken. Boekhoudsoftware krijgt zulke assistenten al: de ondernemer vraagt in gewone taal hoe de kasstroom ervoor staat of welke facturen nog openstaan. Een deel van wat nu bij het kantoor ligt, doet de klant dan zelf. Het kantoor geeft een onafhankelijk oordeel wanneer een bank of investeerder daarom vraagt. Ook begeleidt het de ondernemer bij een overname, een opvolging of een geschil met de fiscus, waar kennis van het bedrijf en persoonlijk overleg nodig zijn. Het kantoor wordt minder gebeld over de stand van de kas, en vaker over wat de ondernemer ermee wil.

Een AI-first kantoor laat AI het werk doen dat mensen niet hoeven te doen, ook het herhalende en voorspellende werk: verwerken, controleren, analyseren, prognoses maken en concepten opstellen. Accountants en adviseurs beoordelen de uitkomsten, wegen de risico's en voeren het gesprek met de klant. In een scenario voor de komende vijf tot tien jaar verandert daarmee ook de vorm van de organisatie. Agents doen een groot deel van het uitvoerende werk, en een professional stuurt een eigen team van agents aan. De piramide met veel instapfuncties aan de basis wordt smaller, met meer specialisten en minder lagen ertussen.

Bij controle en advies met AI werken accountants vaker samen met specialisten in data en modellen. Een data-auditor controleert of de gegevens van een klant volledig en betrouwbaar zijn voordat de analyse begint. Een specialist in AI-assurance toetst modellen, bij klanten en op het eigen kantoor. Ook ervaren accountants stappen over naar deze rollen. Nieuwe specialismen tekenen zich al af: de agentauditor die het gedrag van agents doorlopend toetst, de regisseur die een team van agents inzet en bijstuurt, en de specialist die tokens en slimme contracten controleert. Zo krijgen specialisten in data, modellen en code een groter aandeel in het werk en in de samenstelling van het kantoor.

In een controleteam met AI werken mensen en AI-systemen aan één dossier, elk met een eigen taak. AI leest contracten en notulen, sluit de cijfers aan, analyseert alle boekingen en zet een eerste risicobeoordeling klaar. Het team bepaalt welke aanvullende controle nodig is, ook bij posten zonder signaal van AI, en bespreekt afwijkingen met de klant: waarom is deze voorziening verlaagd, wie keurde die betaling goed? Het oordeel en de handtekening blijven bij de accountant. De volgende stap: agents bouwen het grootste deel van het dossier op, het hele jaar door. Mensen doen het gesprek, de twijfelgevallen en het oordeel. De piek van het drukke seizoen kan dan grotendeels uit het vak verdwijnen.

Accountancy is gebouwd op zekerheid: een verklaring moet kloppen, een advies moet houdbaar zijn. Die zorgvuldigheid is de kracht van het vak, en fouten hebben er grote gevolgen. Een team dat gewend is elke stap zelf te controleren, wil eerst zien dat een systeem betrouwbaar werkt. In een afgebakende proef vergelijken medewerkers de uitkomsten van AI met hun eigen beoordeling, los van het echte dossier. Ervaren medewerkers testen de systemen, omdat zij als eerste zien waar die de praktijk missen. Wat het oplevert, wordt zichtbaar in uren die vrijkomen voor de klant. De beroepsnormen blijven gelden; de werkwijze verandert.

Een toekomstacademie is de plek waar een organisatie haar medewerkers en leiders van de toekomst zelf opleidt. Het werk verandert sneller dan opleidingen hun programma's kunnen aanpassen, en nieuwe lichtingen studenten komen pas over jaren. Daarom neemt de organisatie de bijscholing van haar mensen en de opleiding van nieuwe collega's zelf in handen. Zittende medewerkers leren er werken met AI, agents en nieuwe technologie, nieuwkomers oefenen er vanaf de eerste dag met het werk van morgen, en ervaren collega's geven hun kennis door.

In een ecosysteem pakt een organisatie grotere vraagstukken aan dan ze alleen aankan, samen met start-ups die nieuwe toepassingen brengen, wetenschappers die onderzoeken wat betrouwbaar is, partners die kennis en gegevens inbrengen en overheden die werken aan gedeelde voorzieningen, zoals digitale rapportages. Dat netwerk houdt niet op bij de grens. Internationale netwerken delen methoden, modellen en agents, en wat de een ontwikkelt, kan de ander sneller toepassen. Kleinere organisaties bundelen zo hun krachten en werken met dezelfde technologie als een groot internationaal netwerk. Wat een organisatie kan, hangt dan minder af van haar omvang en meer van haar ecosysteem.