AI verandert het accountantsvak. Dus moeten we ook het leerpad opnieuw ontwerpen

4-11-2026 Pieter de Kok Blog

De discussie over AI in accountancy gaat vaak over efficiency. Welke werkzaamheden kunnen sneller, hoeveel capaciteit hebben we straks nog nodig en welke taken kunnen we automatiseren? Begrijpelijke vragen, zeker in een sector waarin de druk op mensen al jaren groot is.

Maar er zit een andere vraag onder die volgens mij minstens zo belangrijk is: hoe leiden we straks nog goede accountants op? Veel mensen van mijn generatie hebben het vak geleerd door vooral heel veel uren te maken. Daar zat eerlijk gezegd ook werk tussen waar we vandaag niet meer nostalgisch over hoeven te doen. We controleerden stapels documenten, maakten aansluitingen, zochten verschillen uit en liepen processen door die soms vooral tijd kostten. Toch gebeurde er ondertussen iets wat moeilijker te meten was. Je begon te begrijpen hoe een administratie werkelijk in elkaar zat. Je zag patronen, leerde uitzonderingen herkennen en kreeg langzaam gevoel voor de vraag wanneer iets logisch was en wanneer niet. Dat ontstond niet na één cursus of één dossier, maar door herhaling en door veel situaties mee te maken. Juist dat soort werk wordt nu vaak als eerste genoemd als kandidaat voor automatisering.

Daar zit wat mij betreft een risico. Niet omdat we eenvoudig werk koste wat kost zouden moeten behouden, maar omdat we moeten beseffen dat een deel van het oude werk ook een leerfunctie had. Wanneer we alleen kijken naar de vraag wat AI kan overnemen, kunnen we onbedoeld ook een deel van het opleidingspad wegautomatiseren.

Dat betekent dus niet dat iedere junior eerst jarenlang handmatig werkzaamheden moet blijven uitvoeren die aantoonbaar beter door technologie kunnen worden gedaan. Maar het betekent ook niet dat ieder efficiencyvoordeel direct moet worden geïncasseerd.

Soms is het juist verstandig om AI nog even niet in te zetten.

Een junior die zelf een aansluiting heeft gemaakt, begrijpt waarschijnlijk beter wat er gebeurt wanneer die aansluiting later geautomatiseerd wordt. Iemand die zelf met brondata heeft gewerkt, zal eerder zien wanneer een analyse niet logisch is. En wie zelf een proces heeft doorlopen, begrijpt beter waarom een mooi gegenereerde procesbeschrijving nog niet automatisch de werkelijkheid beschrijft.

Daarmee komen we volgens mij bij de kern. Het oude leerpad hoeft niet te worden verdedigd, maar het nieuwe leerpad moet wel bewust worden ontworpen.

Een deel van training on the job zal daarom gewoon moeten blijven bestaan.

Beginnende accountants moeten voldoende vlieguren maken om vanuit de basis te begrijpen hoe cijfers, administraties, processen en interne beheersing tot stand komen. Niet omdat handmatig werken op zichzelf een doel is, maar omdat je moeilijk kritisch kunt beoordelen wat je nooit zelf hebt leren begrijpen.

Tegelijkertijd kan de samenwerking tussen junior en senior veranderen. In het traditionele model kreeg de junior vaak het uitvoerende werk en kwam de senior later terug voor review. Dat model kan juist veel rijker worden. Juniors kunnen eerder aanschuiven bij klantgesprekken, eerder betrokken worden bij risico-inschattingen en eerder meekijken bij professionele afwegingen.

Dat vraagt overigens ook iets van seniors. Minder alleen werk verdelen en reviewen en meer uitleggen waarom iets relevant is, hoe je tot een oordeel komt en waar twijfel ontstaat. Veel vakmanschap zit namelijk niet in de uitkomst, maar in het denkproces daarvoor. Dat deel moeten we zichtbaarder maken als we minder vanzelfsprekende oefenuren overhouden.

AI kan daarin juist een uitstekende rol spelen, maar dan wel als hulpmiddel en niet als vervanging van begrip. Laat een junior niet alleen een analyse genereren, maar laat hem uitleggen waarom die analyse klopt. Laat hem teruggaan naar de bron, alternatieven onderzoeken en vaststellen wat de AI niet heeft gezien. Dan verschuift het leerproces van alleen produceren naar begrijpen en beoordelen.

Ook opleidingen zullen waarschijnlijk een groter deel van de basis expliciet moeten organiseren. Waar praktijkervaring vroeger bijna automatisch ontstond omdat iemand bepaalde werkzaamheden tientallen of honderden keren uitvoerde, kan het nodig zijn om die ervaring deels te vervangen door gerichte training, simulaties en casuïstiek.

Dat lijkt mij helemaal geen zwakte van het nieuwe model. Het kan zelfs beter worden dan wat we hadden, maar alleen wanneer we niet doen alsof leren vanzelf blijft gebeuren terwijl het werk fundamenteel verandert. Voor mij blijft het vertrekpunt daarbij vrij eenvoudig. We moeten mensen opleiden die zelfstandig en kritisch kunnen denken, die begrijpen waar cijfers vandaan komen, die onzekerheid herkennen en die uiteindelijk zelf een professioneel oordeel kunnen vormen.

Dat vraagt meer dan kunnen werken met AI. Wie nooit heeft geleerd hoe een administratie tot stand komt, heeft moeite om te beoordelen of een geautomatiseerde analyse betrouwbaar is. Wie een bedrijfsproces alleen kent vanuit een dashboard, ziet maar een deel van de werkelijkheid. En wie altijd begint bij een antwoord van een taalmodel, loopt het risico dat zelfstandig denken langzaam wordt vervangen door het beoordelen van een reeds voorgesteld antwoord.

Juist daarom moeten we de komende jaren niet alleen nadenken over welke taken verdwijnen, maar vooral over welke ervaringen behouden moeten blijven. Welke werkzaamheden moet iemand een aantal keren zelf hebben uitgevoerd? Welke gesprekken moet een junior meemaken? Welke fouten moet iemand leren herkennen? Welke kennis hoort thuis in het onderwijs en welke alleen in de praktijk? En bij welke werkzaamheden kiezen we er misschien bewust voor om AI nog even niet te gebruiken?

Dat zijn geen theoretische vragen. Ze raken rechtstreeks aan de kwaliteit van het beroep over tien jaar.Bij Coney Minds praten we vaak over Human Intelligence Empowering Data. Voor mij krijgt die gedachte juist hier betekenis. Technologie kan ons helpen om sneller te werken, meer data te analyseren en eerder patronen te zien. Maar zij neemt niet vanzelf de verantwoordelijkheid over om nieuwe professionals op te leiden.

Die verantwoordelijkheid blijft bij ons.

Dit is dus de echte transitie waar we nu voor staan. Niet alleen anders werken met AI, maar opnieuw bepalen hoe iemand in een door technologie veranderd vak voldoende vlieguren maakt om uiteindelijk zelfstandig te kunnen denken, twijfelen en oordelen. Dat is uiteindelijk belangrijker dan de vraag hoeveel juniorwerk we kunnen automatiseren.

 

Pieter de Kok
Geschreven door:

Pieter de Kok