Of je ziet automatisch wie toe is aan een gesprek over bedrijfsopvolging, waar de grootste advieskansen liggen of welke klanten een rekening-courantverhouding hebben zonder overeenkomst. Die belofte is reëel. Maar voor de meeste kantoren blijft het vooralsnog bij een theorie.
Ernesto Lopez Vega, CEO van Qwoater, herkent het patroon. “Kantoren koppelen Copilot aan SharePoint, stellen vragen aan ChatGPT of bouwen een datawarehouse. Ze verwachten dat AI vervolgens het werk doet. Maar zonder de juiste basis levert geen van deze oplossingen wat ze beloven.” De reden? Er ontbreekt structureel iets aan het fundament.
Drie lagen bepalen de waarde
Volgens Ernesto zijn er drie fundamentele bouwstenen die samen bepalen of AI in de accountancy daadwerkelijk waarde levert: klantdata, domeincontext en AI-inzichten. De meeste tools missen er minstens één.
De eerste laag is ook de meest onderschatte: gecentraliseerde klantdocumenten. “In de accountancy landt bijna alles wat je voor een klant doet in een document”, stelt Ernesto. “Een jaarrekening, een aangifte, een advies, een contract. Tachtig procent van alle klantinformatie zit in documenten. Dat is je rijkste databron.”
Het probleem is, dat die informatie verspreid staat. Over mailboxen, lokale schijven, meerdere systemen. Generieke tools als ChatGPT vereisen dat je handmatig aanlevert en samenvoegt. Copilot gekoppeld aan SharePoint gaat verder, maar ook dat heeft een harde grens. Vragen over een paar klanten gaat nog, maar bij tientallen klanten en duizenden documenten houdt het op, terwijl een gemiddeld accountantskantoor honderdduizenden tot miljoenen klantdocumenten heeft. Generieke oplossingen zijn simpelweg niet gebouwd voor die schaal.
Domeinkennis maakt het verschil
De tweede laag is domeincontext: de kennis van hoe de accountancy werkt. Hier lopen de meeste AI-experimenten stuk. Generieke tools kennen geen dossierlogica, geen belastingdienstrichtlijnen en begrijpen niet het verschil tussen aandeelhouderschap en zeggenschap.
“Vraag maar eens aan ChatGPT: bij welke DGA’s boven de zestig is de opvolging nog niet geregeld?”, zegt Ernesto. “Dan loopt het vast. Of je krijgt een antwoord dat plausibel klinkt maar nergens op is gebaseerd. Hallucinaties, simpelweg, omdat de accountancycontext ontbreekt om de vraag goed te kunnen beantwoorden.”
Accountancyspecifieke AI-partijen hebben die domeinkennis wél ingebouwd. Maar ze hebben de klantdata niet. “Soms moeten een aandeelhoudersovereenkomst en een jaarrekening samen een antwoord vormen of misschien moet een testament in het antwoord worden betrokken. Dat lukt alleen als je het volledige klantdossier hebt én als het systeem begrijpt hoe de documenten en entiteiten zich tot elkaar verhouden.”
Wat er dan wél mogelijk is
Als beide lagen op orde zijn, verandert wat je kunt vragen aan je klantdossiers fundamenteel. Denk aan:
Financiële risico’s signaleren: AI scant dossiers op signalen, zoals niet-benutte belastingvoordelen, gemiste subsidies of opvallende kostenpatronen, nog voordat een klant zelf aan de bel trekt.
Cross-sell kansen identificeren: veranderingen zoals bedrijfsgroei of een nieuwe aankoop zijn het natuurlijke moment om een aanvullende dienst ter sprake te brengen. AI herkent die signalen automatisch.
Klantvertrek voorspellen: als een klant minder documenten aanlevert, minder reageert of minder diensten afneemt, is dat een meetbaar patroon. AI signaleert het; jij belt.
Dossiervolledigheid bewaken: AI controleert ruim vóór de deadline of alle documenten aanwezig zijn, gericht op de context van de specifieke klant en het type aangifte.
Sectortrends analyseren: door klantdata in portefeuille te combineren, kun je als kantoor proactief sectorupdates publiceren op basis van je eigen data, zonder uren handmatig onderzoek.
Dit zijn geen futuristische scenario’s. Je kunt deze vragen vandaag stellen, mits de documentbasis en de domeincontext op orde zijn.
Essentiële randvoorwaarden
Wie AI toegang geeft tot jaren aan gevoelige klantdata, ontkomt niet aan de vraag wie er bij welke dossiers en documenten mag. Hoe zeker weet je dat een antwoord klopt en niet is gebaseerd op verouderde informatie? En voldoet de oplossing aan de AVG?
“Een AI-oplossing die niet specifiek is gebouwd voor de eisen van de branche loopt hier vroeg of laat op vast”, stelt hij. Autorisaties moeten werken op documentniveau, niet op mapniveau. En antwoorden moeten getoetst worden aan accountancylogica voordat ze bij een medewerker terechtkomen.
Alles is er al, behalve de basis
De vraag over verlopen financieringen waarmee dit artikel opende is geen toekomstmuziek. Het is een vraag die je vandaag kunt stellen, aan een AI-omgeving die toegang heeft tot je volledige klantenportefeuille. Dat geldt ook voor vragen zoals: Welke testamenten zijn ouder dan vijf jaar? Welke klanten hebben financieringen die bijna verlopen? Waar factureer ik structureel te weinig voor bepaalde opdrachten?
De inzichten zijn er al. In de jaarrekeningen, de aangiftes, de auditfiles, de correspondentie. De vraag is niet of er waarde in je dossiers zit. Die is er. De vraag is of je de basis hebt ingericht om die waarde eruit te halen.
Deze bijdrage komt uit het AV-magazine met als thema ICT & AI. Dit magazine is verschenen in juli 2026. https://www.accountancyvanmorgen.nl/kennisdoc/av-2-2026-ict-ai/
Geef een reactie