We praten veel over wat jonge accountants moeten kunnen en kennen. Maar dat gesprek kun je in een tijd van AI niet goed voeren, als je niet weet welk vakmanschap je aan het eind wilt zien, stelt Hakan Koçak.

Discussie Column Vandaag

Wat is vakmanschap, als het antwoord er al ligt?

Stel: het is 2035. Mariam is manager op de controle van een snelgroeiende internationale onderneming. Ze begon in 2027. Een omzetanalyse heeft ze als junior zelden zelf opgebouwd, want het controlesysteem las de administratie in, legde er contracten en externe data naast en berekende welk patroon te verwachten viel. Het model selecteerde de afwijkende journaalposten. De eerste versie van een memo en de eerste frauderisicoanalyse lagen er al voordat zij eraan begon. Mariam is daar geen slechtere accountant van geworden. Op haar dertigste overziet ze dossiers waar vroeger een half team voor nodig was.

Dan verschijnt op haar dashboard: omzetverantwoording, risico laag, betrouwbaarheid 94 procent, geen aanvullende werkzaamheden aanbevolen. Alles staat op groen. Alleen is er in vier dochterondernemingen een combinatie ontstaan van contractwijzigingen, retourafspraken, bonussen en ingrepen van het management. En die heeft het model verkeerd gelezen.

Voor dit moment hebben we Mariam in het proces gezet. Wees professioneel-kritisch, zeggen we dan. Maar waarmee? Het dashboard geeft haar geen aanleiding. Wat overblijft, is wat ze zelf in haar hoofd heeft: een beeld van hoe omzet, contracten, prikkels en gedrag op elkaar ingrijpen. Het gevoel dat iets niet klopt, nog voordat ze kan aanwijzen wat.

Met AI werken kan Mariam uitstekend. Maar heeft ze in de acht jaar daarvoor genoeg zelf doorgewerkt om te gaan twijfelen, op een moment dat de technologie haar daar geen reden voor geeft? Dat weten we niet. Het onderzoek naar AI en leren is jong en wijst twee kanten op. Mensen presteren met AI aantoonbaar beter, ook accountants. Tegelijk blijkt beter presteren iets anders dan beter worden: wie het antwoord krijgt aangereikt, leert minder dan wie er zelf naartoe moet werken. Dat is geen reden om de tooling te wantrouwen. Wat er nu al kan, is werkelijk fantastisch. Het is wel een reden om een vraag te stellen die nog open staat. Wat is vakmanschap voor een accountant in een tijd waarin het antwoord er altijd al ligt?

Die vraag valt uiteen in heel praktische elementen. Kun je werk beoordelen dat je nooit zelf hebt gemaakt? Als reviewen het nieuwe uitvoeren wordt, waar leer je dan wat je bij een review moet zien? Voel je je even verantwoordelijk voor een analyse die je kreeg aangereikt, als voor een die je zelf hebt opgebouwd? Hoe weet een junior of hij iets leert, of alleen goed geholpen wordt? Hoe weten wij het, als zijn werk er in beide gevallen uitstekend uitziet? Welk werk mag zonder verlies verdwijnen en welk werk leert je meer dan het oplevert? En wanneer vertrouw je terecht? Wie elk advies van een model wegwuift, is evenmin een vakmens als wie alles overneemt. Hoe blijf je alert op die ene fout, als de tooling negenennegentig keer gelijk had?

We praten in het beroep volop over wat jonge accountants moeten kunnen en kennen. Dat gesprek kun je niet goed voeren, zolang je niet weet welk vakmanschap je aan het eind wilt zien. En dan niet dat van nu, maar dat van over twee, drie jaar. Misschien hoeft Mariam straks geen standaardanalyse meer vanaf nul op te bouwen en moet ze juist beter zijn in het probleem scherp formuleren, tegenstrijdigheden zoeken en herkennen dat een situatie buiten het bereik van het model valt. Dan moeten we dat benoemen, en bedenken waar ze het leert.

Alleen: Mariam is al lang begonnen. Ze zit nu op kantoor, in haar eerste, tweede of derde jaar en werkt met technologie die elke paar weken beter wordt. Wachten op een nette definitie kan dus niet. Wat kun je morgen al doen? Begin met de volgorde. Laat iemand eerst zelf opschrijven welke risico's hij bij deze klant verwacht, voordat het model zijn uitkomst toont. Dat kost tien minuten. Daarna wordt het interessant: wat zag het model dat jij miste en wat zag jij dat het model miste?

Verander de vraag in de review. Niet alleen of het af is en klopt, maar ook: wat had je verwacht, waar verraste de uitkomst je en welk onderliggend stuk heb je zelf gezien? Oefen op fouten. We leren mensen goed te prompten, maar de moeilijkste vaardigheid is herkennen dat een overtuigend antwoord niet deugt. Geef een team een vlot geschreven analyse met drie subtiele fouten erin en laat ze zoeken.

Kijk af en toe wat iemand zonder hulp kan beredeneren. Niet als verbod, maar als meting. Anders weet je niet of je naar de accountant kijkt of naar zijn gereedschap. En kies bewust welk werk je iemand een keer zelf laat doen, ook al kan de machine het sneller. Die uren declareer je vandaag niet. Daarom is het een beslissing van partners en managers en geen opdracht voor de junior. De jonge accountant zelf zou ik één vraag meegeven: kun je dit resultaat verdedigen als het scherm uitstaat? Zo niet, dan heb je iets afgekregen, maar nog niets geleerd.

Geen van deze dingen vraagt om minder technologie. Ze vragen om de keuze welke moeite we onszelf blijven gunnen. Of Mariam over negen jaar gaat twijfelen bij een scherm vol groen, hangt af van wat we haar deze week laten doen.