Je team keurt elke dag tientallen AI-uitkomsten goed. Hoeveel daarvan zijn echt bekeken?
bron: AccountancyWorld
Er gebeurt iets vreemds op kantoren die AI serieus gebruiken. Het werk gaat sneller. De controle niet.
Een jaar geleden liet een collega een chatbot een mail herschrijven. Vandaag zet AI boekingen klaar, legt het kruisverbanden tussen bank, btw en loon en schrijft het een concept-advies over een auto op de zaak. Dat zijn geen losse zinnen meer. Het zijn complexe stukken, waarin cijfers uit het pakket, een document uit de mail en een regel uit de wet samenkomen. Ze komen niet één keer per week, maar tientallen keren per dag.
De tijd om het na te kijken groeit niet mee. Een uur is nog steeds een uur. Dus kijkt iemand vluchtiger. Omdat het de laatste twintig keer goed was, kijkt diegene de eenentwintigste keer nog vluchtiger.
Het risico is niet dat AI fouten maakt. Het risico is dat wij stoppen met kijken.
Meer werk per dag, evenveel tijd om na te kijken
De stukken worden complexer. Een AI-uitkomst is steeds vaker het resultaat van een reeks stappen: gegevens ophalen, vergelijken, een regel toepassen, een conclusie trekken. Een fout kan in elke stap zitten. Wie alleen de conclusie ziet, kan niet beoordelen of de weg ernaartoe klopte.
Het tempo gaat omhoog. Waar een medewerker vroeger vijf btw-aangiftes per dag voorbereidde, staan er nu vijftig klaar. Controle die per stuk tien minuten kost, past daar niet meer in. Het gevolg is niet dat er minder gecontroleerd wordt, maar dat er slechter gecontroleerd wordt.
De modellen veranderen. Onderzoek van Stanford en Berkeley liet in 2023 zien dat het gedrag van taalmodellen binnen een paar maanden sterk kan verschuiven, op precies dezelfde taken. Wat vorige maand goed ging, is geen garantie voor vandaag.
De eisen gaan juist omhoog. De AI-leidraad van NBA en NOREA vraagt dat je kunt laten zien hoe een uitkomst tot stand kwam. SKM1 vraagt dat AI-gebruik in je kwaliteitssysteem staat. De Europese AI-verordening legt de nadruk op menselijk toezicht, transparantie en AI-geletterdheid van wie ermee werkt. Meer output en minder tijd per stuk, terwijl de eisen aan verantwoording stijgen. Dat gaat niet vanzelf samen.
Hoe vaker AI gelijk heeft, hoe minder je kijkt
Dit is geen kwestie van luiheid. Het is een bekend verschijnsel dat al decennia wordt onderzocht.
In de luchtvaart en de zorg is beschreven wat er gebeurt als mensen werken met een systeem dat meestal gelijk heeft. Ze gaan erop vertrouwen en controleren minder. Onderzoekers noemen dat automation bias. Een veel aangehaald overzicht van Parasuraman en Manzey uit 2010 laat zien dat dit effect optreedt bij beginners én bij experts. Training alleen neemt het niet weg. Eerder onderzoek van Skitka en collega’s liet zien dat mensen met een geautomatiseerd hulpmiddel fouten missen die ze zonder dat hulpmiddel wel hadden gezien.
De les is niet dat je de machine moet wantrouwen. De les is dat een mens niet hoort te kiezen tussen alles narekenen of niets narekenen. Je moet het makkelijk maken om op de juiste plek te kijken.
Kun jij deze vier vragen beantwoorden bij je laatste AI-uitkomst?
Controleerbaar betekent dat je bij elke AI-uitkomst binnen een paar seconden vier vragen kunt beantwoorden:
• Wat is er gedaan?
• Op welke feiten rust het? Waar komen die vandaan?
• Wat is er aangenomen? Klopt die aanname voor deze klant?
• Wie heeft besloten? Wanneer?
Lukt dat niet, dan is de uitkomst niet controleerbaar. Hoe goed hij ook klinkt.
Zo kijk je in twee minuten op de juiste plek
In Accountee is controle geen extra stap achteraf. Het zit in de manier waarop elke uitkomst bij je binnenkomt.
Keuzes makkelijk maken. Een bot bereidt voor en beslist niet. Wat een beslissing vraagt, komt als één heldere keuze bij je binnen: akkoord, aanpassen of afwijzen. Wat klopt, staat gebundeld. Wat afwijkt, staat apart bovenaan met de reden erbij. Zo gaat je aandacht naar de plekken waar het ertoe doet. Er wordt niets geboekt of verstuurd zonder dat iemand op akkoord heeft gedrukt.
Feiten en aannames apart. Elke uitkomst opent met een korte samenvatting in drie delen. Eerst de feiten: wat vaststaat, met de bron erbij. Denk aan het bedrag op de factuur of de bankregel van 12 oktober. Dan de aannames: wat de bot heeft aangenomen omdat het niet vaststond, zoals “de auto wordt ook privé gereden”. Tot slot de conclusie die daaruit volgt. Een fout zit meestal in een aanname. Omdat de aannames apart staan, zie je in één oogopslag waar je moet kijken.
Een audit trail met alles wat is gebruikt. Van elke uitkomst ligt vast welke documenten zijn geraadpleegd: de factuur, de bankregel, de mail van de klant. Ook staat erin welke onderdelen zijn gebruikt: de bot, de stap uit de workflow, de regel uit de kennisbank en de controle door een tweede agent. Je ziet wie op welk moment akkoord gaf. Komt er een vraag van een klant, een collega of de Belastingdienst, dan hoef je niets te reconstrueren. Het staat er.
Agents die elkaar eerst controleren. Voordat iets bij jou komt, heeft een tweede agent het nagekeken. Klopt het bedrag met het stuk? Past de btw bij de rechtsvorm? Sluit het aan? Wat niet sluit, komt als afwijking binnen in plaats van als voorstel. Jouw controle is daardoor de tweede, niet de eerste.
De btw-aangifte van een bakkerij, beoordeeld in twee minuten
De btw-controle van een bakkerij over het vierde kwartaal staat klaar. Bovenaan staat: “Aangifte sluit aan op de grootboekrekeningen, één afwijking.”
Daaronder de feiten: omzet hoog en laag tarief uit het grootboek, voorbelasting uit 38 inkoopfacturen en de bankregels die erbij horen. Bij elk feit staat een link naar het stuk.
Dan de aanname: “Factuur van Makro van 14 november is volledig zakelijk aangenomen.” Daar kijk jij. Er staan ook privé-artikelen op die factuur. Je past het aan en de bot rekent opnieuw.
Dan de afwijking: een creditnota die twee keer is ingelezen. Voorstel: één keer verwijderen. Akkoord.
Twee minuten. Alles wat je hebt gezien en besloten, ligt vast.
Drie afspraken die je team scherp houden
Goede techniek is niet genoeg. Drie afspraken maken het af.
Bepaal wie wat mag goedkeuren. Een boeking is iets anders dan een advies aan een klant. Leg vast wie waarop akkoord geeft.
Controleer af en toe ook wat goed was. Juist omdat automation bias bestaat. Neem elke maand een kleine steekproef van goedgekeurde uitkomsten en reken die helemaal na. Niet omdat het systeem fout zit, maar om scherp te blijven.
Behandel aannames als werk. Een aanname die je bevestigt, wordt de volgende keer een feit. Je legt hem vast in de kantoorinstructies of in de afspraken met de klant. Zo wordt het systeem elke maand preciezer. Dezelfde aanname hoef je daarna niet opnieuw te beoordelen.
Over vijf jaar kiezen klanten het kantoor dat kan laten zien waarom
Het werk van een kantoor verschuift van maken naar beoordelen. Dat is goed nieuws: beoordelen is het vakwerk. Maken was vaak het handwerk eromheen. Beoordelen werkt alleen als je kunt zien wat je beoordeelt.
De kantoren die over vijf jaar het meeste vertrouwen hebben, zijn niet de kantoren met de slimste AI. Het zijn de kantoren die bij elke uitkomst kunnen laten zien waarop hij rust, wat er is aangenomen en wie heeft besloten. Dat begint niet met een betere prompt. Het begint met een systeem dat controle makkelijk maakt.
Zelf proberen
Pak drie AI-uitkomsten van de afgelopen week, van jezelf of van een collega. Beantwoord bij elke uitkomst de vier vragen: wat is er gedaan, op welke feiten rust het, wat is er aangenomen en wie heeft besloten. Noteer hoe lang dat duurt. Duurt het langer dan een minuut of lukt een vraag niet, dan weet je waar je controle nu staat.
In het kort
AI maakt het werk sneller en de stukken complexer. De tijd om na te kijken blijft gelijk, terwijl de eisen aan verantwoording stijgen. Onderzoek naar automation bias laat zien dat mensen dan minder goed gaan kijken, juist als het systeem meestal gelijk heeft. De oplossing is niet harder controleren. De oplossing is controle makkelijk maken. In Accountee komt elke uitkomst als een heldere keuze binnen, met feiten en aannames apart en een audit trail van elk geraadpleegd document en elk gebruikt onderdeel. Zo blijft de mens de beslisser, ook als het tempo omhooggaat.
Benieuwd hoe jij AI voor je kan laten werken? Plan een demo.
Bron: Accountee - partner AccountancyWorld
Laatste nieuws
-
17 nov NBA presenteert cijfers over het accountantsberoep
-
17 nov Aantal mkb bedrijven stijgt met 27 procent
-
17 nov Accountantsdag via livestream te volgen
-
17 nov Tips voor slimmer digitaal samenwerken met je klant
-
17 nov Je team keurt elke dag tientallen AI-uitkomsten goed. Hoeveel daarvan zijn echt bekeken?
-
17 nov Meer advieswerk als accountant: zo richt je je kantoor opnieuw in
-
17 nov Wil jij ook 10 whitepapers met tips en inspiratie voor meer advies?
-
16 nov Webinar koppeling Blinqx Fiscaal en Asperion
-
16 nov Zo ontdek je welke klanten het meeste opleveren
-
16 nov Inspiratiesessie jouw kantoor in nieuwe tijden
Praat mee
Heeft u al een account? Dan kunt u
Inloggen
Heeft u nog geen account? Maak dan een account aan