Wat accountantskantoren automatiseren met AI

Bij een willekeurig accountantskantoor zit het knelpunt zelden bij kennis. Partners en senior medewerkers kennen de fiscale regels, de verslaggevingsstandaarden, de klantgeschiedenis. Het knelpunt zit in het volume aan herhalend, goed gedefinieerd werk tussen de schoenendoos met bonnetjes van een klant en een afgeronde jaarrekening.

Precies daarom leent de accountancy zich op dit moment beter voor AI dan de meeste andere zakelijke dienstverlening. Het werk is repetitief, volgt meestal duidelijke regels, en er ligt bijna overal een spoor van documenten. Een belastingaangifte volgt duidelijke regels, behalve als een situatie van de standaard afwijkt. Een maandrapportage volgt elke maand hetzelfde format, totdat een klant iets ongebruikelijks doet. Het regelmatige deel is waar AI nu goed in is, niet het deel waar het beroepsoordeel van een professional voor nodig is. Hieronder wat er in de praktijk echt geautomatiseerd wordt, en minstens zo belangrijk: waar je het niet zonder toezicht moet laten draaien.

1. Binnenkomende facturen lezen en coderen

Elke factuur vraagt om dezelfde paar gegevens: leverancier, factuurnummer, bedrag, btw-tarief en de juiste grootboekrekening. Een getraind systeem leest het document, haalt die velden eruit en stelt een boeking voor. Een administratief medewerker controleert het voorstel in plaats van het over te typen.

Herken het in je eigen kantoor: tel hoeveel facturen een junior in een normale week met de hand verwerkt, en meet hoe lang alleen het coderen kost. Dat aantal, opgeteld over alle klantdossiers, is het lek. De oplossing is niet om de medewerker te vervangen, maar om diegene van typen naar controleren te verplaatsen, wat sneller gaat en minder fouten oplevert.

2. Bankmutaties matchen met de administratie

Bankfeeds komen al gestructureerd binnen. Wat nog tijd kost is bepalen welke mutatie bij welke openstaande factuur hoort, welke terugkerend zijn en de volgende keer automatisch geboekt kunnen worden, en welke echt door een mens bekeken moeten worden. AI doet de eerste twee categorieën goed zodra het een paar maanden lang patronen van een klant heeft gezien. De derde categorie, de vreemde of dubbelzinnige mutatie, blijft mensenwerk en moet gemarkeerd blijven in plaats van geraden.

Herken het: pak de bankreconciliatie van vorige maand en kijk hoeveel regels een handmatige beslissing nodig hadden tegenover hoeveel er automatisch matchten. Zijn handmatige beslissingen nog steeds de meerderheid, dan heeft de categorisering nog niet genoeg geschiedenis van die klant gezien, en loont het om het langer te laten meelopen voordat je oordeelt of het werkt.

3. Concepten voor standaard klantcontact

Een klant achter ontbrekende bonnetjes aan zitten, een deadline bevestigen, voor de veertigste keer antwoorden op "waar upload ik mijn stukken": geen van alle vraagt om beoordelingsvermogen, allemaal vragen ze om een reactie. Een conceptbericht dat een medewerker controleert voordat het de deur uit gaat, kost dertig seconden in plaats van vijf minuten, en het betekent dat het bericht dezelfde dag echt verstuurd wordt in plaats van achter groter werk te blijven liggen.

Herken het: kijk naar de uitgaande klantmail van vorige week en tel hoeveel daarvan een variant waren op dezelfde vijf of zes vragen. Was dat de meerderheid, dan verdient een systeem dat het concept schrijft en het versturen aan een mens overlaat, zichzelf binnen de eerste maand terug, vooral omdat het kleine werk niet meer naar het einde van de dag schuift.

4. Eerste conceptversies van periodieke rapportages

De cijfers staan al in het systeem. Wat tijd kost is er een leesbare update van maken voor het managementteam van de klant: wat is er veranderd sinds vorige periode, wat valt op, wat moeten ze eigenlijk weten. AI kan daar een degelijk eerste concept van maken, rechtstreeks vanuit de onderliggende cijfers. De accountant controleert het nog steeds, past de interpretatie aan en tekent ervoor, want dat oordeel is het eigenlijke product waarvoor een klant betaalt.

Herken het: vraag degene die de maandupdate opstelt hoeveel van die tijd gaat naar het bij elkaar zoeken van de cijfers, tegenover het schrijven van de twee alinea's toelichting die klanten daadwerkelijk lezen. Meestal is het bij elkaar zoeken wat de middag opeet, en dat is het deel dat het eerst de moeite waard is om te automatiseren.

5. De senior als zoekmachine van het kantoor

Bij de meeste kantoren beantwoorden een of twee ervaren mensen keer op keer dezelfde interne vragen: welk sjabloon hoort hierbij, hoe hebben we dit vorig jaar bij een vergelijkbare klant aangepakt, wat is ons huisstandpunt hierin. Een interne assistent, getraind op de eigen procedures en oude dossiers van het kantoor, laat junior medewerkers eerst daar vragen, zodat de senior niet langer het enige naslagwerk in het gebouw hoeft te zijn.

Herken het: laat de senior een week lang bijhouden hoeveel interne vragen binnenkomen die hij of zij al eerder heeft beantwoord. De meesten stoppen met tellen op woensdag. Die telling is een ruwe schatting van hoeveel uur per maand het kantoor kwijt is aan het opnieuw beantwoorden van opgeloste vragen, in plaats van aan klantwerk.

Waar AI niet helpt

Eerlijkheid boven hype: een kantoor dat alles probeert te automatiseren, eindigt met een andere soort rommel. Een ongebruikelijk of onduidelijk fiscaal standpunt, een klant die persoonlijk slecht nieuws over zijn cijfers moet horen, alles waar de handtekening en het beroepsoordeel van de accountant zelf voor nodig zijn, en rommelige brondata (een letterlijke schoenendoos, geen map) hebben eerst een mens nodig voordat AI daar iets aan heeft. Een klant die over een serieus probleem met zijn cijfers een bericht krijgt dat aanvoelt als een geautomatiseerd antwoord, verliest snel vertrouwen, zonder dat het sneller antwoord oplevert. Automatiseren bovenop ongeordende input levert alleen sneller ongeordende output op. Eerst de input op orde, dan pas de stappen erna automatiseren.

De rekensom

De oefening die het waard is voordat je aan tooling begint: kies één terugkerende taak, schat het aantal uren per week dat het team eraan kwijt is, en vermenigvuldig met een realistisch intern uurtarief. Vijftien uur per week tegen 60 euro is grofweg 3.600 euro per maand, voor één taak, bij één kantoor. Het is niet ongewoon dat een kantoor drie of vier van dit soort taken tegelijk laat lopen zonder ze ooit bij elkaar op te tellen.

Die schatting kun je zelf maken met de lijst hierboven en een gewone weektijdregistratie. Wil je het goed in kaart laten brengen voor jouw kantoor, met een geschreven plan per knelpunt, dan is dat precies waar onze AI-audit voor is: één uur door je workflow, gevolgd door een rapport met elk gat, de maandelijkse kost ervan, en de oplossing, stap voor stap. Gratis, geen drempel.