Grote advies- en accountantskantoren werven versneld AI‑talent dat techniek met adviesvaardigheden combineert. In Nederland en Europa zoeken Deloitte, PwC, EY, KPMG, Accenture en McKinsey nu profielen die kunnen bouwen aan systemen én klanten begeleiden. De vraag stijgt door generatieve AI en door de Europese AI‑verordening (AI Act), met directe gevolgen voor overheid en bedrijfsleven. De werving speelt op dit moment, omdat organisaties modellen willen inzetten en tegelijk aan nieuwe regels moeten voldoen.
Vraag naar hybride profielen
De grootste kantoren breiden hun teams voor kunstmatige intelligentie uit. Zij zoeken mensen die datamodellen kunnen ontwikkelen en ook strategisch advies geven. Het gaat om rollen als AI‑consultant, data scientist en risk‑specialist, dicht op de klant.
De vraag stijgt nu organisaties generatieve AI testen en invoeren. Generatieve AI is software die nieuwe tekst, beeld of code maakt op basis van voorbeelden. Klanten vragen vaak om inzet van modellen als GPT‑4o (OpenAI), Gemini (Google) en Claude (Anthropic) in bestaande werkprocessen.
Veel opdrachten draaien om “van proef naar productie”. Dan zijn ook MLOps‑vaardigheden nodig, kort gezegd het beheren van AI‑systemen in gebruik. Teams combineren daarom ontwikkelaars, domeinexperts en adviseurs die processen en risico’s overzien.
EU‑verordening stuurt adviesmarkt
De Europese AI‑verordening dwingt organisaties tot strengere controle op algoritmen. Kantoren bouwen daarom governance‑ en compliance‑teams die impactanalyses en modeldossiers maken. Ook transparantie en documentatie rond datagebruik worden kernonderdelen van projecten.
De AI‑verordening deelt AI in van minimaal tot hoog risico; hoogrisico‑toepassingen krijgen extra eisen voor data, toezicht en traceerbaarheid, terwijl verboden toepassingen niet zijn toegestaan.
Voor Nederlandse overheden en toezichthouders zijn de gevolgen concreet. De Europese AI‑verordening gevolgen overheid: inkoop, toetsing en logging moeten op orde zijn voordat een systeem live gaat. Adviseurs helpen bij risicoklassen, leverancierskeuze en rapportage richting bestuur en burgers.
Daarnaast blijft de AVG leidend bij alle datastromen. Dataminimalisatie, versleuteling en duidelijke doelen voor verwerking zijn verplicht. Adviespartijen richten daarom datagovernance in en testen modellen op bias en uitlegbaarheid.
Omscholing binnen de kantoren
De schaarste op de arbeidsmarkt versnelt interne omscholing. Op het moment van schrijven draaien de grote kantoren eigen AI‑academies met cursussen over Python, dataveiligheid en de AI‑verordening. Certificeringen van Microsoft Azure, Google Cloud en AWS helpen medewerkers richting klantprojecten.
Ook niet‑technische collega’s leren werken met generatieve AI. Een prompt, de tekstinvoer voor een model, wordt een basisvaardigheid naast spreadsheetkennis. Teams oefenen met cases als documentsamenvatting, code‑review en risicobeoordeling.
Om nieuwe instroom te vinden, zoeken kantoren actief contact met Nederlandse universiteiten en hogescholen. Denk aan TU Delft, Eindhoven, Twente en data‑opleidingen in Amsterdam en Utrecht. Stages en duale trajecten moeten de doorstroom naar adviespraktijken vergroten.
Felle concurrentie om talent
Consultants concurreren met techbedrijven en start‑ups om hetzelfde profiel. Salarissen, opleidingsbudget en werktijdbeleid spelen een grotere rol bij keuzes van kandidaten. Hybride werken en internationale projecten worden vaak als plus genoemd.
Niet elk profiel kiest voor consultancy; sommige experts willen onderzoek of productontwikkeling doen. Kantoren zetten daar variatie in opdrachten en zichtbare maatschappelijke impact tegenover. Projecten in zorg, energie en overheid trekken kandidaten die breed willen bouwen.
Behouden van talent vraagt ook om duidelijke kaders voor “Responsible AI”. Dat betekent grenzen aan datadeling, evaluaties van modelkwaliteit en snelle bijsturing bij fouten. Een heldere gedragscode en realistische werkdruk blijken daarbij bepalend.
Toepassing bij Nederlandse klanten
In de accountancy helpt AI bij documentcontrole en het opsporen van afwijkingen in grote datasets. Menselijke toetsing blijft nodig, omdat modellen kunnen hallucineren, oftewel onjuiste uitkomsten geven. Kantoren bouwen daarom processen met vier‑ogen‑checks en herhaalbare evaluaties.
In de financiële sector richten projecten zich op transactiemonitoring en kredietbeoordeling. Uitlegbaarheid van modellen is daar cruciaal voor interne audit en externe toezichthouders. Consultants combineren statistische tests met rapportages die bestuurders begrijpen.
Bij overheden liggen kansen in samenvatten van beleidsteksten en het beantwoorden van vragen van burgers. Voor live‑gebruik is een gegevensbeschermingseffectbeoordeling (DPIA) onder de AVG nodig. Veel implementaties draaien daarom eerst als afgeschermde proef, met beperkte datasets en strikte logging.