Driekwart van de Nederlandse accountantskantoren zet kunstmatige intelligentie in. Het gaat vooral om taalmodellen (systemen die tekst voorspellen) zoals ChatGPT van OpenAI en Microsoft Copilot, en om AI-functies in boekhoudsoftware. Toch ontbreekt vaak een duidelijke strategie en meetkader. Kantoren zoeken tijdwinst door personeelsschaarste en kosten, maar sturen nog weinig op kwaliteit, risico en wetgeving.
Veel gebruik, weinig richting
Bij veel kantoren is AI snel opgepakt op de werkvloer. Medewerkers laten e-mails herschrijven, maken samenvattingen of genereren conceptteksten voor adviesbrieven. Ook worden AI-functies in pakketten als Exact Online (Exact), Twinfield (Wolters Kluwer) en AFAS gebruikt voor taken zoals factuurherkenning en dossiervorming. Die inzet is nuttig, maar vaak nog los van een duidelijke doelstelling per proces.
Daarnaast verschijnen generatieve modellen zoals ChatGPT, Google Gemini en Copilot in bijna elke kantooromgeving. Dat werkt laagdrempelig, maar brengt verschillen in datagebruik en veiligheid mee. Zonder vaste keuzes per taak en per systeem ontstaat een lappendeken van tools. Daardoor is het lastig om kwaliteit, kosten en risico’s te vergelijken.
Driekwart van de kantoren gebruikt al AI, maar slechts zelden met een vastgelegd plan, proces en meetpunt.
Een strategie ontbreekt vaak op drie punten: governance, training en evaluatie. Governance is het vastleggen van spelregels en toezicht voor algoritmen. Training gaat over praktische scholing en heldere voorbeelden per werkstap. Evaluatie vraagt om meetbare doelen, zoals foutpercentages, tijdsbesparing en klanttevredenheid.
Werk vooral op efficiëntie
De meeste toepassingen richten zich op efficiëntie in dagelijkse taken. Denk aan het opstellen van standaardbrieven, het prioriteren van e-mail en het opzetten van werkprogramma’s. In de administratie helpen AI-functies bij documentherkenning, btw-controles en het aanvullen van velden. Deze winst is tastbaar, maar blijft vaak op teamniveau.
Wat nog ontbreekt, is verankering in de primaire processen van het kantoor. AI-uitvoer is zelden gekoppeld aan kwaliteitscontrole of aan klantproposities. Ook worden resultaten niet structureel gelogd om te leren en bij te sturen. Zo blijft de inzet vooral een verzameling losse toepassingen.
Leveranciers rollen snel nieuwe functies uit, van tekstassistenten tot voorspellingen in dashboards. Dat maakt het verleidelijk om te volgen wat beschikbaar is. Maar functies uitproberen is niet hetzelfde als waarde realiseren. Zonder proceskeuzes en KPI’s is de bijdrage aan marge en kwaliteit moeilijk te bewijzen.
Europese regels vragen voorbereiding
De Europese AI-verordening (AI Act) treedt gefaseerd in werking en legt plichten op aan bouwers en gebruikers van AI. Voor kantoren geldt: generatieve hulpmiddelen voor tekst en productiviteit vallen meestal in de categorie “beperkt risico”. Toepassingen die cliënten beoordelen of mensen rangschikken (zoals kredietwaardigheid of personeelsscreening) kunnen “hoog risico” zijn. Dat vraagt om risicobeheer, documentatie en menselijk toezicht.
Daarnaast blijft de AVG leidend voor cliëntdata. Kantoren moeten dataminimalisatie toepassen, verwerkersovereenkomsten sluiten en passende beveiliging regelen. Het plakken van vertrouwelijke gegevens in publieke chatbots is zonder extra maatregelen ongeschikt. Controleer daarom of een dienst zakelijk is ingericht, waar data wordt opgeslagen en of logging en versleuteling zijn geregeld.
Concreet betekent dit: leg per AI-toepassing het doel, de gegevensstromen en de juridische grondslag vast. Beoordeel of een gegevensbeschermingseffectbeoordeling (DPIA) nodig is. Bepaal ook welke taken altijd door een mens worden beoordeeld. Zo voldoet het kantoor stap voor stap aan de AI Act en de AVG, op het moment van schrijven de belangrijkste Europese kaders.
Kwaliteit vraagt menselijk toezicht
Generatieve modellen kunnen hallucineren: het systeem verzint feitjes die logisch klinken maar niet kloppen. Daarom is “mens-in-de-lus” noodzakelijk bij advies, dossiervorming en controlewerk. Vraag om bronvermelding, controleer berekeningen en bewaar bewijsmateriaal. Leg in het dossier vast wat door de medewerker is beoordeeld.
Beroepsregels zoals de VGBA van de Nederlandse Beroepsorganisatie van Accountants vragen om zorgvuldigheid en professionele oordeelsvorming. Dat geldt ook als AI is gebruikt bij analyse of rapportage. Documenteer aannames, versies van modellen en gebruikte instellingen. Zo blijft het controleerbaar hoe een uitkomst tot stand kwam.
Ook toegang en privacy vragen aandacht. Beperk wie AI-uitvoer mag publiceren of delen met cliënten. Schakel waar mogelijk rolgebaseerde toegang en auditlogs in. Train medewerkers om geen vertrouwelijke gegevens in prompts te zetten zonder passende waarborgen.
Zo maak je het plan
Begin met een eenvoudige AI-strategie per praktijkgebied: samenstel, audit en advies. Kies per proces één taak waar winst en risico in balans zijn, zoals het opstellen van concept-werkprogramma’s of het controleren van btw-velden. Koppel doelen aan cijfers: foutpercentages, doorlooptijd en klantimpact. Evalueer maandelijks en stel bij.
Richt governance in met drie elementen: eigenaarschap, een register van AI-toepassingen en een toetsingskader. Eigenaarschap betekent een business verantwoordelijke en een IT/risico-partner per toepassing. In het register staan doel, datastromen, leverancier en juridische basis. Het toetsingskader beschrijft kwaliteitscontroles, menselijke goedkeuring en logging.
Investeer in korte, taakgerichte scholing. Werk met sjablonen voor prompts en checklists voor dossiervorming. Stel inkoopregels op voor ChatGPT, Microsoft Copilot, Google Gemini en AI-functies in Exact Online, Twinfield en AFAS. Start met een afgebakende pilot, meet het effect en schaal alleen op als kwaliteit en compliance op orde zijn.