Afwachten is ook een keuze: waarom accountants vandaag al moeten investeren in AI
Lees verder
No items found.
Blog
Veiligheidsmaatregelen, geen gimmicks: waarom assurance vraagt om beheerste AI, niet om een generiek LLM
De vijf tekortkomingen van generieke AI die je niet met een betere prompt oplost en hoe beheerste AI het anders aanpakt
Een generieke AI-tool kan waarschijnlijk een examenvraag voor accountants beantwoorden. Maar de tool kan je niet vertellen of je dossier klaar is voor de eindbeoordeling. En al helemaal niet dienen als onderdeel van je onderbouwing. Juist daarom is het verschil tussen generieke en beheerste AI belangrijker dan wat je tijdens een demo ziet.
Ergens binnen je kantoor heeft op dit moment een beginnend accountant een generieke chatbot openstaan in een ander tabblad.
Niet omdat diegene onverantwoord te werk gaat, maar omdat het efficiënt is. Er ligt een leaseovereenkomst die moet worden samengevat, een toelichting waarvan niet helemaal duidelijk is waar die thuishoort en een manager die voor de lunch een eerste concept verwacht. De tool is snel, formuleert goed en is gratis.
Maar die tool weet niet aan welke opdracht wordt gewerkt. Kent de materialiteitsgrens niet. Weet niets van de risico's die het team drie weken geleden heeft vastgelegd. Heeft geen zicht op de interne beheersingsomgeving van vorig jaar. En, minstens zo belangrijk, hoeft niet aan te geven wanneer het antwoord eigenlijk een gok is. Wat de tool oplevert, kan uiteindelijk in een werkdocument terechtkomen zonder bronvermelding, zonder herleidbaarheid en zonder vastlegging van wie het heeft gecontroleerd.
Dát is het werkelijke AI-risico binnen de samenstel-, beoordelings- en controlepraktijk: niet de mogelijkheden van AI, maar de beheersing ervan.
De mogelijkheden van AI waren nooit het knelpunt
Het idee dat geavanceerde AI-modellen niet intelligent genoeg zijn voor professioneel werk, kunnen we inmiddels achter ons laten. Ze presteren goed op academisch niveau en kunnen complexe vraagstukken in meerdere stappen analyseren. Als het alleen om de technische mogelijkheden gaat, is die discussie al enige tijd voorbij.
Maar goed presteren op een benchmark is iets heel anders dan geschikt zijn om een professionele conclusie te ondersteunen. En juist in het verschil daartussen schiet veel AI binnen de accountancy tekort. Caseware's eigen VP of AI and Methodology – voormalig standard-setter, toezichthouder en inspecteur – verwoordde het heel duidelijk: een basismodel zonder specifieke afstemming levert soms een redelijk antwoord, soms een uitstekend antwoord en soms een zeer slecht antwoord. Niet de kwaliteit van één afzonderlijk antwoord is het grootste probleem, maar die onvoorspelbaarheid.
Accountants leren vanaf dag één om professioneel-kritisch te zijn. Je kunt geen betrouwbaar beoordelingsproces bouwen op incidenteel uitstekende resultaten. Je hebt een oplossing nodig waarvan je de kwaliteit structureel kunt beoordelen.
De vijf dingen die een generiek LLM je fundamenteel niet kan bieden
Dit is geen kritiek op hoe goed generieke modellen hun werk doen. Het gaat om waarvoor ze zijn ontworpen. Een generieke AI-assistent staat buiten je opdracht. Alleen al dat gegeven leidt tot vijf tekortkomingen die je niet met betere prompts kunt oplossen.
- De tool kent de context van je opdracht niet
Vraag een generiek model om risico's uit een saldibalans te halen en je krijgt waarschijnlijk een aannemelijk antwoord: de voorraad is met 11% gestegen en de marges zijn gedaald. Beide kunnen feitelijk juist zijn, maar zeggen op zichzelf weinig. De ontbrekende stap is precies wat een ervaren accountant vrijwel automatisch doet: die ontwikkeling verbinden aan bijvoorbeeld bestuursnotulen, de interne beheersingsomgeving van vorig jaar en het specifieke risicoprofiel van deze klant op dit moment.
Caseware Verity, een agentic AI-laag binnen Caseware Cloud, analyseert juist de daadwerkelijke context van de opdracht. Denk aan gegevens uit de saldibalans, financiële overzichten, vastgelegde risico's, beheersingsmaatregelen, materialiteit, opdrachtdocumenten, checklists en de eigen kennisbronnen van je kantoor.
- De tool begrijpt niet hoe standaarden met elkaar samenhangen
In openbare trainingsdata is veel informatie over controlestandaarden te vinden. Wat daarin niet altijd betrouwbaar is vastgelegd, is de professionele samenhang tussen die standaarden.
Neem SAS 145: een uitgebreid geheel van vereisten die voortdurend naar elkaar verwijzen. Vrijwel geen enkele standaard staat volledig op zichzelf. Die onderlinge samenhang is in de trainingsdata van een basismodel vaak niet goed zichtbaar.
De domeinkennis van Caseware Verity wordt daarom bewust opgebouwd met gestructureerde methodologieën en instructies waarin zowel de samenhang tussen standaarden als de eigen kantoormethodologie is verwerkt.
- De tool kan zijn antwoorden niet betrouwbaar onderbouwen met bronnen
Voor iedereen die ooit met een inspectie te maken heeft gehad, zou dit punt alleen al voldoende moeten zijn.
Iedere AI-ondersteunde uitkomst in Caseware Verity is voorzien van bronverwijzingen en herleidbaar voordat deze onderdeel wordt van het dossier. Je kunt zien welke opdrachtgegevens, standaard of kantoorrichtlijn aan het antwoord ten grondslag ligt en de bron controleren voordat je ermee verdergaat.
Een overtuigend geformuleerde alinea van een chatbot heeft soms helemaal geen herleidbare bron. Een onbewezen bewering is geen controle-informatie, maar een mening waarvan je de herkomst niet kent.
- De tool kent het autorisatiemodel van je kantoor niet
Je dossier kent niet voor niets verschillende rollen, toegangsbeperkingen en functiescheidingen.
Caseware Verity werkt binnen de door je kantoor ingestelde autorisaties en beheersmaatregelen, waarbij gegevens per opdracht worden geïsoleerd. Een los browservenster houdt daar geen rekening mee, omdat het simpelweg niet weet dat deze regels bestaan.
- De tool verandert zonder dat je daar controle over hebt
Publieke AI-modellen worden regelmatig bijgewerkt. Daardoor kan hun gedrag veranderen. Dezelfde prompt die in maart goed werkte, kan in juli ineens een ander resultaat opleveren.
Caseware gebruikt daarom een continu evaluatiekader. Bij iedere nieuwe modelversie worden beoordelingen opnieuw uitgevoerd als regressietest, worden veranderingen gemeten en waar nodig aanpassingen gedaan. Zo kunnen kantoren een betrouwbaar beoordelingsproces opbouwen.
Tijdens de bètafase behaalde Caseware Verity een nauwkeurigheid van 94% ten opzichte van een referentiedataset die was samengesteld op basis van daadwerkelijk gebruik. Werkzaamheden die handmatig indicatief 15 tot 20 minuten kostten, konden daarbij worden teruggebracht tot minder dan twee minuten.
De belangrijkste veiligheidsmaatregel: de mens houdt altijd de regie
Dit is het ontwerpprincipe dat belangrijk is voor iedere accountant die uiteindelijk verantwoordelijkheid draagt voor een professionele conclusie.
Niets wordt zonder menselijke beoordeling en acceptatie in het dossier opgenomen. Dat is onderdeel van het product zelf en dus geen beleidsregel waarvan medewerkers moeten onthouden dat ze die moeten volgen.
Caseware Verity brengt relevante context naar voren, stelt risico's voor, maakt conceptsuggesties, signaleert ontbrekende onderdelen en toont bronverwijzingen. De accountant beoordeelt, past aan, accepteert of wijst af. Zoals het Caseware-team tijdens CwX 2026 stelde: "Human judgment is sacrosanct."
Caseware hanteert vier uitgangspunten voor verdedigbare AI binnen een gereguleerde omgeving: uitkomsten moeten geautoriseerd, begrensd, herleidbaar en uitlegbaar zijn. Het is de moeite waard om het huidige AI-gebruik binnen je kantoor langs die vier criteria te leggen:
Geautoriseerd: werkt de tool binnen de autorisaties die je kantoor daadwerkelijk heeft ingesteld?
Begrensd: werkt de tool binnen een duidelijk afgebakende taak en methodologie, of kan deze alle kanten op?
Herleidbaar: kun je maanden later nog aantonen waarop een uitkomst is gebaseerd, ook aan iemand die niet zomaar genoegen neemt met je uitleg?
Uitlegbaar: begrijpt de beoordelaar de redenering voldoende om er verantwoordelijkheid voor te kunnen nemen?
Een generieke chatbot kan op alle vier de punten flink tekortschieten.
Dat is ook waarom de agentic AI-oplossingen uit specifieke agents bestaan, in plaats van één allesomvattende AI-assistent. Zo is er een Disclosure Checklist Agent die onderbouwde suggesties doet die je binnen je workflow kunt beoordelen, aanpassen, accepteren of afwijzen. Een Document Intelligence Agent haalt relevante informatie uit brondocumenten en verwerkt die in werkdocumenten. En een Risk Suggestion Agent stelt opdrachtspecifieke risico's voor, inclusief de bijbehorende onderbouwing.
Die afgebakende scope is juist een voordeel. Het maakt de uitkomsten controleerbaar en beoordeelbaar.
Beveiliging en vertrouwelijkheid: waar je klanten terecht waarde aan hechten
Vertrouwelijke financiële informatie van je klant hoort niet thuis in het invoerveld van een consumentenchatbot. En je professionele geheimhoudingsplicht kent geen uitzondering omdat een andere werkwijze sneller was.
Caseware Verity is geïntegreerd in Caseware Cloud en profiteert daarmee direct van de beveiliging van het platform. Denk aan SOC 2 Type II- en ISO 27001-certificering, AES-256-encryptie voor opgeslagen gegevens en TLS tijdens gegevensoverdracht met beheerd sleutelbeheer, multifactorauthenticatie en rolgebaseerde toegangscontrole, gegevensisolatie per opdracht, logische scheiding van klantgegevens, vastgestelde regio's voor gegevensopslag, continue monitoring met endpointdetectie en gecentraliseerde logging, jaarlijkse onafhankelijke audits, penetratietests en dubbele peerreview van codewijzigingen.
Prompts, documenten en klantgegevens worden niet gebruikt om de onderliggende large language models te trainen.
Vergelijk dat eens met het antwoord dat veel kantoren waarschijnlijk zouden moeten geven wanneer een klant vraagt wat er tijdens het afgelopen drukke seizoen precies met zijn gegevens is gebeurd: dat weten we niet helemaal zeker.
Daar zit een breder punt achter. Je medewerkers een veilige, goedgekeurde en opdrachtbewuste AI-oplossing bieden, is een van de effectiefste manieren om het gebruik van ongeautoriseerde AI-tools terug te dringen.
Medewerkers grijpen meestal niet uit onzorgvuldigheid naar zulke tools. Ze doen dat omdat het goedgekeurde alternatief nog niet goed genoeg is. Los dat tweede probleem op en het eerste wordt grotendeels vanzelf kleiner.
De ongemakkelijke vraag
Recent onderzoek laat zien dat AI inmiddels een belangrijke rol speelt binnen Amerikaanse audit- en accountantskantoren en dat de discussie verschuift van adoptie naar beheersing. Dat is de kern van de verandering.
De vraag is niet langer óf je kantoor AI gebruikt. Dat gebeurt waarschijnlijk al, ongeacht of je daar formeel toestemming voor hebt gegeven.
De echte vraag is of dat gebruik beheerst, gedocumenteerd en verdedigbaar is. Of dat je er pas tijdens een volgende inspectie achter komt hoe AI binnen je kantoor daadwerkelijk werd ingezet.
Caseware Verity bestaat omdat het antwoord op die vraag niet aan het toeval zou moeten worden overgelaten – of aan welk browsertabblad toevallig openstaat.
Bekijk hoe beheerste AI er binnen een opdracht daadwerkelijk uitziet. Vraag een demo van Caseware Verity aan →
No items found.
