Ton Abelen

Accountantskantoren zijn volop bezig met AI. Tegelijk spreek ik ook veel kantoren die er liever hun vingers niet aan branden. Dat is niet vreemd: AI is een complexe technologie waarover veel te doen is. En wie verantwoordelijk is voor de kwaliteit van zijn werk, stapt niet zomaar in iets wat hij niet goed kan overzien. Ik adviseer al twaalf jaar over AI en voer AI-projecten uit. Wat mij nog steeds verbaast, is het verschil tussen kantoren. Het ene kantoor gaat er uiterst zorgvuldig mee om. Het andere zet AI gewoon aan, zonder ook maar nagedacht te hebben over testen, kwaliteit of risico's.

Deze zomer publiceerde de Autoriteit Persoonsgegevens (AP) een Hulpmiddel inzet generatieve AI & de AVG. Dat is een checklist met stellingen die je per stap afvinkt en toelicht. Een goed instrument, maar wel geschreven voor privacyprofessionals en IT-specialisten. In deze bijdrage houd ik het tegen de praktijk van een accountantskantoor. En dan vooral het hoofdstuk dat de AP zo treffend noemt: de keuze voor een specifiek generatief AI-systeem.

Als je besluit AI in te zetten, zijn er vier vragen die je jezelf eerlijk moet stellen.

1 Waarom wil je AI inzetten?

De AP is hier helder: AI mag geen doel op zich zijn, het moet een concreet probleem oplossen. Een omschrijving als "medewerkers ondersteunen" of "processen efficiënter maken" is volgens de AP te algemeen. In de praktijk begint het namelijk vaak andersom. Iemand op kantoor heeft iets gezien op een congres, er is een licentie beschikbaar, of de concurrent "doet ook iets met AI". Dan wordt achteraf gezocht naar een probleem dat erbij past.

'AI mag geen doel op zich zijn, het moet een concreet probleem oplossen.'

Begin daarom bij het werk zelf. Waar gaat in je kantoor tijd verloren? Waar ontstaan fouten? Wat blijft liggen? Welke kennis vind je niet snel genoeg terug? Hoe concreter het antwoord, hoe beter je later kunt beoordelen of AI het probleem echt oplost. "We willen dat vragen van klanten binnen een werkdag bij de juiste medewerker liggen" is een doel waarop je kunt toetsen. "We willen iets met AI" is dat niet.

Een scherp doel helpt je ook bij alle volgende vragen. Het bepaalt welke data het systeem nodig heeft, welke fouten acceptabel zijn en wanneer je het project een succes mag noemen.

2 Hoe betrouwbaar is het eigenlijk?

Om te begrijpen waarom generatieve AI fouten maakt, moet je zien waarin het verschilt van de software die je bent gewend. Die software is deterministisch: ze volgt vaste regels, waardoor dezelfde invoer altijd tot dezelfde uitkomst leidt. Wat op je scherm staat, staat ook precies zo in het systeem. Generatieve AI werkt anders. Het probeert kunstmatig te redeneren en daardoor spelen veel meer factoren mee:

1. Wat is eigenlijk de bedoeling van je vraag? Het systeem moet die zelf inschatten.
2. Heb je duidelijke kaders gesteld in je opdracht of vraag? Zo niet, dan vult AI die zelf in.
3. AI is getraind om een antwoord te geven en resultaat te behalen. Ontbreekt er informatie, dan verzint het die liever dan dat het niets zegt.
4. Generatieve AI heet niet voor niets zo: het genereert antwoorden. Waar je bij je huidige software bent gewend dat de getoonde informatie precies zo in het systeem staat, kan AI daar zomaar een eigen interpretatie aan geven.

Een onjuist antwoord kan daardoor heel overtuigend klinken. De oplossing die de AP noemt, is vooral bewustwording: medewerkers moeten weten dat de output fout kan zijn en tijd hebben om die kritisch te beoordelen. Dat is nodig, maar het is te weinig. Een ervaren medewerker ziet een fout vaak direct.

'Meestal wordt een AI-toepassing met een paar voorbeelden uitgeprobeerd, is iedereen onder de indruk en gaat het systeem live.'

Maar je zet AI juist in om tijd te winnen, door werk weg te halen bij die ervaren medewerker. Dan moet je erop kunnen vertrouwen dat de uitkomst klopt. Daarbij komt dat een drukke medewerker die een paar keer een goed antwoord heeft gezien, de controle al snel overslaat.

Toch zie ik in de praktijk zelden dat kantoren dit serieus testen. Meestal wordt een AI-toepassing met een paar voorbeelden uitgeprobeerd, is iedereen onder de indruk en gaat het systeem live. Niemand heeft vastgelegd wat "goed genoeg" is, niemand heeft het systeem losgelaten op lastige of afwijkende gevallen en niemand meet na de livegang nog of de kwaliteit hetzelfde blijft.

Als accountant zou je dit bij een klant nooit accepteren. Een nieuw boekhoudsysteem zonder aantoonbare werking, zonder steekproef en zonder controle achteraf? Behandel AI dan ook zo. Test met je eigen werk, met echte en ook met lastige gevallen. Bepaal vooraf welk foutpercentage acceptabel is. En spreek af wie de kwaliteit blijft volgen, nadat het enthousiasme van de eerste weken voorbij is.

3 Zelf bouwen, een algemene chatbot of een gerichte oplossing?

Grofweg heeft een kantoor drie routes. Je kunt zelf iets laten ontwikkelen, je kunt een algemene AI-assistent gebruiken zoals Microsoft Copilot of ChatGPT, of je kunt gericht zoeken naar een oplossing die voor jouw type werk is gemaakt.

Zelf bouwen klinkt aantrekkelijk, omdat je alles in eigen hand houdt. Maar je wordt dan ook zelf verantwoordelijk voor de keuze van het model, het testen, de beveiliging en het onderhoud. Voor de meeste mkb-kantoren is dat een investering die niet in verhouding staat tot het doel.

Een algemene chatbot is de snelste stap, zeker als je al met Microsoft 365 werkt. Juist hier is de AP kritisch. Zij schrijft dat het gebruik van andere diensten van een leverancier niet voldoende reden is om ook voor het AI-systeem van die leverancier te kiezen. Ook wijst ze erop dat geïntegreerde assistenten vaak toegang hebben tot alle bestanden waar de gebruiker bij kan. Dan is het lastig om aan te tonen dat het systeem alleen gebruikt wat nodig is.

Deze zomer adviseerde de AP een gemeente zelfs dat haar plannen met Microsoft 365 Copilot in de voorgenomen vorm in strijd waren met de AVG. Een algemene chatbot is prima om mee te experimenteren, maar het is iets anders dan een oplossing voor een concreet probleem in je kantoor.

Een gerichte oplossing sluit beter aan op het doel dat je bij vraag 1 hebt bepaald. Maar ook dan geldt: kijk verder dan de demo. De echte vraag is niet hoe slim het systeem lijkt, maar of het in jouw processen en met jouw gegevens betrouwbaar werkt.

4 Hoe wordt het een succes in je kantoor?

De AP sluit haar hulpmiddel af met periodieke herbeoordeling en met een cultuur waarin vragen stellen, kritiek geven en leren van fouten normaal is. Dat lijkt het minst technische deel van de checklist, maar in mijn ervaring is dit het deel waar de meeste projecten op stranden. AI verandert hoe mensen werken. Dat roept vragen op en soms weerstand. Wie gewend is zijn eigen werk in te delen, ervaart een nieuw systeem al snel als controle in plaats van als hulp. Als je daar niet open over bent, gebruiken medewerkers het systeem half of helemaal niet en dan meet je ook niets.

'Wie gewend is zijn eigen werk in te delen, ervaart een nieuw systeem al snel als controle in plaats van als hulp.'

Maak daarom vooraf afspraken. Wie is eigenaar van de toepassing? Wie mag afwijken van wat het systeem voorstelt? En hoeveel tijd krijgt een medewerker om de uitkomst te beoordelen? De AP zegt het treffend: hoe minder tijd een medewerker heeft, hoe minder betekenisvol de menselijke controle wordt. Een 'mens die meekijkt' maar geen tijd heeft om echt te kijken, geeft vooral schijnzekerheid.

En plan een moment om terug te kijken, bijvoorbeeld na drie maanden. Lost het systeem het probleem op dat je bij de eerste vraag hebt benoemd? Is de kwaliteit nog zoals bij de test? Zo niet, dan stuur je bij of stop je. Ook dat is een goed besluit.

Het gevaar: weet je wel waarover je besluit?

Als je deze vier vragen eerlijk beantwoordt en het hulpmiddel van de AP serieus invult, kom je tot een solide businesscase. Maar één gevaar wil ik nadrukkelijk meegeven. Je besluit als accountant over de inzet van nieuwe technologie in je kantoor. Je weet dat je verantwoordelijk bent en dus ook dat je aansprakelijk bent als die technologie fouten maakt. De vraag is dan: Weet je eigenlijk wel wát je kiest?

Er zijn inmiddels duizenden AI-modellen. Die modellen koop je bijna nooit los. Ze zitten verwerkt in een softwarepakket, een assistent of een functie in een programma dat je al gebruikt. Je kiest dus niet voor een model, je kiest voor een oplossing waarin een model zit. Vaak weet je niet welk model dat is, waar het draait en wie er verder nog bij je gegevens kan.

'De verantwoordelijkheid blijft bij jou, wat de leverancier ook belooft.'

De AP benoemt dit risico ook, al staat het verspreid over de checklist. Als afnemer ben je grotendeels afhankelijk van wat de leverancier je vertelt. Dat geldt voor de opslag van gegevens, maar ook voor metadata en technische gegevens die het systeem zelf vastlegt. Het geldt voor bewaartermijnen en voor de vraag of je gegevens worden gebruikt om het model van de leverancier verder te trainen. En de AP is duidelijk: als de leverancier daar geen helderheid over geeft, blijf je toch zelf verantwoordelijk.

Daar komt nog iets bij wat niet in de checklist staat. Leveranciers vervangen het model onder hun oplossing regelmatig door een nieuwere versie. Dat is vaak een verbetering, maar het systeem gedraagt zich daarna wel anders. De test die je vorig jaar deed, zegt dan niet meer alles over het systeem dat je vandaag gebruikt. De verantwoordelijkheid blijft bij jou, wat de leverancier ook belooft. Wie niet kan overzien wat hij kiest, kan er ook niet voor instaan.

Check before you act

AI is niet meer weg te denken uit onze maatschappij en dat is ook logisch. Als mensen schieten we nu eenmaal te kort, wanneer we grote hoeveelheden gegevens goed moeten analyseren. AI is daarom een bijzonder krachtig hulpmiddel. Het geeft sneller inzicht en laat je efficiënter werken, zeker wanneer je het voorzichtig taken laat uitvoeren. Maar juist in die kracht zit ook het risico: hoe meer je AI laat doen, hoe minder je nog kunt controleren.

Denk daarom na voordat je besluit. Juist als accountant hoef je niet voorop te lopen met de nieuwste, experimentele tooling. Je klanten rekenen erop dat je weet wat je doet en dat geldt ook voor de technologie waarmee je werkt. Neem het hulpmiddel van de AP serieus, beantwoord de vier vragen eerlijk en kies pas als je kunt uitleggen waarom. Kortom: Check before you act.