Arnout van Kempen

Hoewel de grote woorden over Big Data, AI en ML weer wat voorbij lijken, is er op zijn minst een gezonde evolutie gaande in het accountantsvak. Toch is Arnout van Kempen bezorgd over de innovatie binnen het beroep.

Discussie Column

Drie zorgen over innovatie

Zo rond 1995 maakte ik kennis met ACL, een soort flexibele vraagtaal waarmee je grote databestanden kan bewerken, selecties kan maken en meer van dat fraais. Een soort SQL dus, maar flexibeler, met name waar het om de bestanden gaat die gelezen kunnen worden. ACL was in die tijd binnen Coopers & Lybrand, rechtsvoorganger van PwC, onderdeel van je opleiding in de auditpraktijk. Een van de interessantste toepassingen waaraan ik zelf meewerkte betrof geen audit, maar advisering door onze consultancycollega's op het gebied van inkoop. Met ACL maakten we eerst een analyse van de 'big data' (de term moest nog worden bedacht) van de klant en daarop werd dan advisering gebaseerd, waarmee klanten fors konden besparen op hun inkopen.

Nu, pakweg 25 jaar later, zie ik de dames en heren van Coney met tools bezig waarbij het ACL van toen soms wat bleekjes afsteekt. Contacten bij Deloitte, PwC en Flynth vertellen me over prachtige data-analyse-tools die daar worden ontwikkeld. En van Peter Eimers begreep ik dat de accountantsopleiding van de VU inmiddels Python in haar curriculum heeft opgenomen.

Dat zijn allemaal mooie berichten. Hoewel de grote woorden over Big Data, AI en ML inmiddels weer wat voorbij lijken, is intussen misschien geen revolutie maar toch minstens een gezonde evolutie gaande. Uit het promotieonderzoek van Eric Mantelaers mogen we afleiden dat die evolutie de kwaliteit van de controles aan het verbeteren is.

Tegelijk constateer ik dat tussen wat ik in 1995 al meemaakte en wat ik nu zie, er weinig fundamenteels lijkt te zijn veranderd in de praktijk. Geautomatiseerde data-analyse vindt nog maar langzaam zijn weg in de praktijk van veel kantoren. Process mining, wat echt iets nieuws is ten opzichte van de oudere data-analyse, zie ik nauwelijks in de praktijk toegepast worden. En hoe groot de belofte van AI en ML ook moge zijn, die belofte wordt zeker nog niet breed ingelost.

Ik ben sinds kort betrokken bij (maar zonder belang in) SoliTrust, een bedrijf dat software maakt die bedoeld is om al het controlewerk dat te automatiseren valt, te automatiseren. En er zijn meer partijen in de markt met vergelijkbare visies. Juist in tijden van personeelstekorten zijn dat veelbelovende ontwikkelingen.

Toch zie ik drie zaken die me zorgen baren:

  1. De adoptie van al die mooie innovaties gaat langzaam. Ik zie kantoren echt worstelen met de vraag: leuke tool die we nu hebben, mooie mogelijkheden, maar hoe gaan we die nu zo inzetten dat echt waarde wordt toegevoegd voor onze klanten, voor onze mensen, voor onze organisatie?
  2. Innovaties die ik de afgelopen pakweg 25 jaar heb gezien, lijken allemaal sterk gericht op het automatiseren van wat we kennen. Het is een beetje het idee van de eerste auto die wel erg op een koets zonder paarden leek, of het eerste notitieblokje op de iPhone dat echt op een notitieblokje, inclusief namaak papieren rafelrandjes, moest lijken. Wat ik nauwelijks zie is fundamentele ontwikkeling van het auditmodel zelf. Zo zie ik weinig tot niets gebeuren met de oproep van Marco Moling c.s. om het aanbod van assurancevormen sterk te verbreden. Maar ook de stappen van het synthetische controlemiddel naar het analytische model en het risico-analyse-model, lijken geen vervolg te krijgen. Is het huidige model echt niet meer te verbeteren? Ik waag dat te betwijfelen. Nart Wielaard schreef alweer een hele tijd geleden aanzetten tot een visie waarin de gebruiker van de jaarrekening feitelijk goeddeels zelf de controle uitvoert. Nooit meer iets van gehoord sindsdien.
  3. Het denken over Big Data, data-analyse, AI en ML focust zich in mijn waarneming sterk op cijfermateriaal en op gestructureerde financiële data. Het lijkt mij zinvol, zo niet noodzakelijk, dat ook ontwikkelingen op gang komen voor het automatiseren van de analyse van teksten en gestructureerde juridische data. Wat zou er niet mogelijk worden als de accountant minstens een deel van het lezen van contracten, verslagen, memo’s en brieven aan een computer zou kunnen overlaten?

Ik heb overigens geen oplossingen. Mij benieuwt vooral of anderen deze zorgen delen, andere zorgen hebben, of juist willen vertellen dat ik me zorgen maak om niks.

Wat vindt u van deze column?

Reageer

Arnout van Kempen di CCO CISA is directeur compliance & risk bij aaff, de fusieorganisatie van Alfa en ABAB. Hij schrijft op persoonlijke titel.

Gerelateerd

9 reacties

Ron Heinen

@Frank de Jong 18 mei 2022

Citaat: "Wat houdt textmining in? Is dat control-f en een zoekterm ingeven of is het meer dan dat?"

Op de link

https://research.utwente.nl/files/20665286/thesis_M_Fissette.pdf

is een voorbeeld te vinden van fraudedetectie met Textmining.

Op basis van jaarverslagen waarvan bekend en bewezen is dat er gefraudeerd is zijn AI-Systemen getraind.

Met deze AI-Systemen kunnen nieuwe jaarverslagen gescand worden om de kans op fraude in te schatten.

Ron Heinen

@Frans Kersten: "Wij - departementale accountantsdienst - hadden in 1986 een maatwerk steekproefprogramma voor de hoofdboekhouding..."

Zoals je weet is op dit moment fraudedetectie bij banken een groot issue.

Echter eind jaren negentig van de vorige eeuw hadden we reeds een geautomatiseerd fraudedetectiesysteem draaien bij de grootste bank van Nederland.

Dit systeem was gebaseerd op methoden uit de Proces Algebra welke onder andere bij Philips, TuE en Universiteit Twente ontwikkeld waren.

Het systeem werkte goed: Tientallen fraudegevallen per dag werden automatisch gedetecteerd.

Van de directie mochten echter maar 3 fraudegevallen per dag nader onderzocht worden.

Dit is m.i. een aardige case hoe de leiding innovatie de kop in kan drukken.

Frans Kersten

Wij - departementale accountantsdienst - hadden in 1986 een maatwerk steekproefprogramma voor de hoofdboekhouding en gebruikten IDEA (vergelijkbaar met ACL) voor andere administraties. Rond 1990 moesten we mee om een informatieplan op te stellen. Kregen daarbij ondersteuning van Moret Advies. Daarmee mochten we vanuit IODAD 'de boer op'. Geen van de grote kantoren kon toen leveren wat we beschreven hadden. Nog een pilot uitgevoerd met een Amerikaans kantoor maar dat liep stuk op cultuur en andere zaken (aantekening maken met potlood zodat je ze later uit kon gummen en aanpassen).
Voor het plan ook mogen kijken naar de toen meest moderne ontwikkelingen. O.a. een toepassing gebaseerd op neurale netwerken die uit grote bestanden informatie kon halen die je met het menselijke oog en brein niet zag. Helaas ook uitkomsten die feitelijk juist waren, maar net als met huidige AI bevindingen sociaal of ethisch (wat is er dan mis met de feiten?) onwenselijk worden geacht.
Resumé: eens met Arnout dat het tempo veel te laag is. Alleen reden tot zorg als je vindt dat de accountantscontrole in zijn huidige vorm moet blijven bestaan. Wel een waarschuwing dat bepaalde mogelijkheden ook in licht van huidige discussies over AI bekeken moet worden.

Ron Heinen

Belangrijk bij innovatie is dat je de gestelde vragen beter kunt beantwoorden op een nieuwe manier dan op een huidige manier.

Daarbij is het stellen van de goede vragen dus een belangrijk aspect.

Data is bij de beantwoording van deze vragen de grondstof en wiskunde het fundament.

Een belangrijke hulpmiddel hierbij is goede analyse software zoals SAS, Stata, SPSS en R.

Kennis van het toepassen van (een van bovenstaande hulpmiddelen) is mijns inziens belangrijker dan bijvoorbeeld Python bij de VU. Het hulpmiddel R is hierbij de koploper.

Flexibiliteit in het proces om de gestelde vragen steeds beter te kunnen beantwoorden is belangrijk om te kunnen blijven innoveren.

Daarbij is het belangrijk om bij de opleiding de fundamenten en hulpmiddelen te leren, zodat je deze kunt blijven inzetten bij de innovatie.

Het fundament wiskunde hierbij heeft eeuwige geldigheid. Je kunt je gehele leven dezelfde wiskunde blijven toepassen.

NB. Het promotieonderzoek van Eric Mantelaers is te downloaden van:

https://www.rsm.global/netherlands/sites/default/files/media/Documenten/e.mantelaers-thesis.pdf

Tom Koning

Terechte zorgen. Ondanks dat je niet alle partijen die hard aan innovatie werken hebt genoemd ;), wil ik toch graag reageren. Een belangrijk deel van de oorzaak zit volgens mij in de vicieuze driehoek tussen softwareleveranciers, accountantsorganisaties en toezichthouders.

Softwareleveranciers maken (binnen de restricties van de beschikbare data) producten die risico’s identificeren of controlebewijs kunnen genereren. Maar het exact plaatsen van deze geïdentificeerde risico’s binnen de beroepsvoorschriften of het kader van een controle is voor hen complex.

Vervolgens moeten accountantsorganisaties zelf op zoek gaan naar de betrouwbare input die benodigd is voor het geleverde product en moet men zelf vaststellen of de geleverde producten exact de controledoelstelling bereiken. Dat is ook geen sinecure.

Vervolgens komt er een toezichthouder die een accountantsorganisatie moet volgen in het vertrouwen op nieuwe, technische complexe producten. Dus die is dan kritisch.

Per post en risico / bewering een beschrijving vanuit de beroepsorganisatie van welke doelstelling met welke automatisering kan worden ingevuld, inclusief randvoorwaarden rondom de betrouwbaarheid van de input zou helpen. Als naast deze beschrijving ook nog een generieke testset wordt ontwikkeld en beschikbaar wordt gesteld voor softwareleveranciers, weten softwareleveranciers concreet wat ze moeten maken, kunnen accountantsorganisaties efficiënt vaststellen dat de automatisering goed is en weet de individuele accountant wat hij moet doen om zijn werk geaccepteerd te krijgen bij een toetsing.

Pieter de Kok

Frank - vrij naar wiki

Textmining is verwant aan tekstanalyse; de termen worden vaak door elkaar gebruikt

Hoewel ook in tekstanalyse kwantitatieve methoden worden gebruikt, verwijst textmining eerder naar analyse op grote schaal: bij ondernemingen in het kader van business intelligence, bijvoorbeeld om feedback van klanten te analyseren, en bijvoorbeeld in de sociale media om de publieke opinie in kaart te brengen (sentiment analysis).

In de biotechnologie wordt textmining ingezet om wetenschappelijke informatie te analyseren uit de gigantische hoeveelheid publicaties.Textmining wordt ook benut door inlichtingendiensten.

Het gaat in de kern om logische verbanden in grote hoeveelheden tekst razendsnel in kaart te brengen door algoritme. In de audit zie ik kansen rondom inkoopcontracten te toetsen aan inkoopfacturen bij sign risico’s.. Zie verder ook blog Marcel over mondkapjesonderzoek, actueel, ik verwacht daar textmining als ondersteuning.

Frank de Jong

@Pieter Wat houdt textmining in? Is dat control-f en een zoekterm ingeven of is het meer dan dat?

Alexander Vissers

Innovatie is geen doel op zich. De belastingdienst dacht met een intelligent filtersysteem "verdachte" aangiften te kunnen opsporen maar toen bleek dat meer dan de helft van de aangiften niet door de filters kwam. Data-analyse is leuk maar geen doel op zich en voor je het weet doe je extra werk in plaats van minder.Tegen het automatiseren van controlewerk dat geautomatiseerd kan worden is natuurlijk geen bezwaar.
Ook geloof ik niet dat de huidige aanpak niet werkt, er worden relatief weinig gevallen van pertinent foute jaarrekening gepubliceerd, die krijgen echter wel veel aandacht. Met name bij grote faillissementen als Imtech en DSB bank en de fraude bij Steinhoff wordt de accountant verweten niet of te laat te zijn aangeslagen. Er van uit gaande dat alle grove miskleunen bij de accountantskamer terecht komen is er niet zo veel mis met de controle. Slechts weinig klachten met betrekking tot controle worden behandeld en nog minder leiden tot een maatregel. Als ik de belangrijkste innovatie in het accountantsberoep van de laatste decennia zou moeten noemen dan is dat de invoering van de NVCOS. De IFAC ISA. Een redelijk uitgewerkte standaard die iedereen houvast biedt. En het externe toezicht heeft een sterk disciplinerende werking in vergelijking met de vroegere peer reviews. Innovatie in regelgeving is vaak krachtiger dan technische innovatie.

Pieter de Kok

Arnout,

1. Eens
2. Eens - met opmerking dat ik verwacht dat ML een andere dimensie gaat toevoegen (zelflerend), in ieder geval inzake analytische aanpak
3. Eens

Ter aanvulling twee observatie :

A. Het ontbreekt aan onderliggende visie als sector: zo pleit ik al jaren om Ongoing Monitoring meets Ongoing Auditing (nog steeds paardenkoets) te implementeren, maar wel weg uit moeras van busy seasons, pieken en tegelijkertijd wel veel betere aansluiting Interne Beheersing op Audit
B. Ik zie wel textmining, vooral bij fraude, blijft interessante techniek, zal denk ik wel komen, want text mining buiten audit is groot.

Goed stuk

Reageren op een artikel kan tot drie maanden na plaatsing. Reageren op dit artikel is daarom niet meer mogelijk.

Aanmelden nieuwsbrief

Ontvang elke werkdag (maandag t/m vrijdag) de laatste nieuwsberichten, opinies en artikelen in uw mailbox.

Bent u NBA-lid? Dan kunt u zich ook aanmelden via uw ledenprofiel op MijnNBA.nl.