Het accountantsberoep verandert dankzij technologie, maar de grootste waarde zit in de wijze waarop accountants die weten toe te passen, meent Pieter de Kok. Dat geldt ook voor AI.

Discussie Column Vandaag

Waarom Human Intelligence de échte revolutie in de accountancy wordt

De accountantssector heeft in de afgelopen dertig jaar vrijwel iedere technologische hype voorbij zien komen. Eerst deden spreadsheets hun intrede, waarna gespecialiseerde auditsoftware het werk van accountants efficiënter maakte. Vervolgens ontstond de opmars van data-analyse, process mining, big data en machine learning, terwijl de afgelopen jaren grotendeels in het teken stonden van generatieve AI en de inzet van Large Language Models (LLM's).

Bij iedere technologische golf klonk dezelfde voorspelling. Dit zou de innovatie worden die het auditvak fundamenteel zou veranderen en misschien zelfs de accountant grotendeels overbodig zou maken. De geschiedenis laat echter een heel ander beeld zien. Geen enkele technologie heeft de auditor vervangen.
Iedere innovatie heeft het beroep wel veranderd, maar telkens bleek uiteindelijk dat de grootste waarde niet ontstond door de technologie zelf, maar door de manier waarop accountants deze wisten toe te passen binnen hun professionele oordeelsvorming.
Juist daarom denk ik dat de komende jaren niet zullen draaien om Artificial Intelligence, maar vooral om Human Intelligence.

Human Intelligence wordt belangrijker, niet minder belangrijk

Hoe krachtiger technologie wordt, hoe groter de behoefte aan mensen die kunnen beoordelen of de uitkomsten eigenlijk wel logisch zijn. Een algoritme kan immers afwijkingen signaleren, een LLM kan duizenden documenten samenvatten en een model kan patronen herkennen die voor het menselijk oog nauwelijks zichtbaar zijn, maar geen van deze technieken begrijpt werkelijk de economische werkelijkheid waarin een onderneming opereert.

De accountant blijft degene die beoordeelt of een uitkomst plausibel is, welke risico's achter een patroon schuilgaan, welke aanvullende controlewerkzaamheden noodzakelijk zijn en of de verzamelde controle-informatie uiteindelijk voldoende en geschikt is om een controleverklaring af te geven.
Juist doordat AI steeds meer voorbereidend werk kan uitvoeren, verschuift de toegevoegde waarde van de auditor naar kritisch denken, professionele scepsis en het verbinden van informatie uit verschillende bronnen. Dat zijn geen vaardigheden die verdwijnen, maar juist eigenschappen die steeds waardevoller worden.

De eerste ontwikkeling: AI wordt een digitale collega

Vrijwel iedere accountant herkent het gevoel dat een antwoord ergens beschikbaar moet zijn, maar dat het zoeken naar de juiste standaard, memo of eerdere controleaanpak soms langer duurt dan het beantwoorden van de vraag zelf.
Generatieve AI verandert dat fundamenteel. De eerste generatie toepassingen ontwikkelt zich vooral tot een digitale collega die vaktechnische vragen kan beantwoorden, regelgeving toegankelijk maakt, helpt bij het schrijven van memo's en kennis uit eerdere dossiers sneller beschikbaar stelt.
Dat lijkt misschien een bescheiden verbetering, maar de impact op de dagelijkse praktijk kan aanzienlijk zijn. Minder tijd gaat verloren aan zoeken en structureren, waardoor meer ruimte ontstaat voor analyse, overleg met de klant en professionele oordeelsvorming.

De tweede ontwikkeling: data-analyse wordt toegankelijker, maar niet eenvoudiger

Good old data-analyse vormt inmiddels al meer dan dertig jaar een belangrijk onderdeel van moderne accountantscontroles. Daarbij waren gespecialiseerde vaardigheden nodig om data te ontsluiten, op te schonen, te koppelen, te analyseren en uiteindelijk te visualiseren. Generatieve AI verlaagt de drempel om dergelijke analyses uit te voeren, omdat auditors steeds vaker in natuurlijke taal kunnen beschrijven welke analyse zij willen uitvoeren. Vroeger noemden we dit scripting of coding; ook daarbij kan een LLM tegenwoordig uitstekend ondersteunen.

Dat betekent echter niet dat hoogwaardige data-analyse vanzelf ontstaat. Sterker nog, juist hier zie ik een belangrijk misverstand ontstaan. Een LLM kan uitstekend helpen bij het schrijven van scripts of het interpreteren van resultaten, maar blijft afhankelijk van de kwaliteit van de onderliggende data, de gekozen analysemethode en de juiste interpretatie van de uitkomsten. Goede data-analyse blijft daarom een vakgebied waarin kennis van de business, processen, datamodellen en interne beheersing onmisbaar is.
Ik verwacht zelfs dat de klassieke, reproduceerbare en uitlegbare data-analyse de komende jaren opnieuw aan waardering zal winnen. Niet omdat zij spectaculair is, maar juist omdat zij reproduceerbaar is, beschikt over een volledige audit trail en geen black box vormt. 

De derde ontwikkeling: afzonderlijke audittools groeien naar elkaar toe

De afgelopen jaren is een groot ecosysteem ontstaan van gespecialiseerde auditoplossingen. Er zijn tools voor cliëntacceptatie, Wwft (en straks AMLR), documentreview, dossierondersteuning, matching, data-analyse, kennismanagement en procesanalyse, waarbij iedere leverancier een specifiek onderdeel van het controleproces probeert te optimaliseren.

Die scheiding begint langzaam te vervagen. Moderne AI-platformen combineren steeds vaker documentanalyse, regelgeving, data-analyse en kennismanagement binnen één intelligente werkomgeving. Dat vormt voor veel accountantskantoren, waaronder ook mijn eigen kantoor, een interessante organisatorische uitdaging. Tegelijkertijd betekent dit niet dat bestaande oplossingen morgen verdwijnen, maar wel dat de grenzen tussen afzonderlijke producten steeds minder scherp worden.
De discussie verschuift daardoor van de vraag welke software een kantoor gebruikt, naar de vraag hoe alle beschikbare kennis, data en documentatie optimaal samenkomen om de accountant beter te ondersteunen. 

Van auditsoftware naar Audit Intelligence

Misschien kijken we nog te veel naar technologie als losse gereedschappen. Historisch dachten we in termen van auditsoftware, data-analyseplatformen, process mining en documentreview. De volgende fase lijkt echter niet meer te draaien om afzonderlijke tools, maar om een geïntegreerde omgeving waarin kennis, data, regelgeving en documentatie voortdurend samenwerken.
Toch ligt ook daar niet de grootste innovatie. De echte revolutie zit niet in Artificial Intelligence, maar in het feit dat accountants dankzij deze technologie steeds meer tijd krijgen voor datgene waarin mensen nog altijd uitblinken: nieuwsgierig zijn, verbanden leggen, risico's begrijpen, met klanten in gesprek gaan en professionele oordelen vormen.

Dat is precies de reden waarom ik de komende jaren liever spreek over Audit Intelligence dan over AI-auditing. Ik gooi de term maar eens in de groep. Misschien staat hij over een paar jaar wel op de eerste marketingflyers van softwareleveranciers en collega-kantoren.
Audit Intelligence is geen volledig geautomatiseerde controle en evenmin een mensloze auditpraktijk. Het is een werkwijze waarin technologie steeds meer voorbereidend werk verricht, terwijl Human Intelligence de richting bepaalt, keuzes maakt en uiteindelijk verantwoordelijkheid draagt voor de kwaliteit van de controle.

Wat mij betreft is dat de belangrijkste les van alle technologische ontwikkelingen die ik de afgelopen dertig jaar in de accountancy heb zien langskomen. Technologie wordt steeds slimmer, maar juist daardoor wordt duidelijk dat de echte onderscheidende factor nooit de software is geweest. Dat blijft de accountant.