Als AI de ticketprijs bepaalt

We lezen op Accountant.nl veel over hoe auditors AI inzetten. Ik heb al een paar keer aangegeven dat in de audits van vandaag Large Language Models (LLM’s) worden ingezet; handig, blijf zelf ook nadenken. Maar gelukkig (nog) geen AI-blackbox audit tools, die lukraak een audit gaan uitvoeren op basis van een black box. Tegelijkertijd gaan onze cliënten wel door een AI-transitie. Om een keer weg te blijven van ‘hoogover’ AI-blabla – daarvan vind je op LinkedIn genoeg voorbeelden – een keer een concrete casus die zich inmiddels ontwikkelt. Nu hebben we nog de tijd om er met elkaar over na te denken.

Wat als AI de ticketprijs bepaalt? Bij KLM weten we het ongeveer wel. Ticketprijzen worden bepaald via zogeheten fare buckets: vooraf ingestelde prijsniveaus die automatisch wijzigen op basis van boekingscurves, historische data en handmatige ingrepen door revenue managers. Voor auditors is dat vertrouwd terrein. Er zijn regels, systemen, normen, controlepunten, en – belangrijk – logica. Maar wat als die logica verdwijnt?

Delta Air Lines experimenteert sinds kort met generatieve AI om ticketprijzen realtime vast te stellen. Geen buckets meer. Geen menselijke tussenkomst. Gewoon een algoritme dat de optimale prijs bepaalt op het moment van boeken. Delta laat AI het werk doen en de omzet stijgt.
Maar de vraag is: wat doet de auditor dan? Wie vandaag de jaarrekening van een luchtvaartmaatschappij als KLM controleert, zal het volgende herkennen:

• Controle op volledigheid van omzet: zijn alle verkochte tickets opgenomen?
• Controle op verantwoorde waardering van nog niet gebruikte tickets (vooruitontvangen opbrengsten).
• Begrip van het revenue managementsysteem: hoe worden prijzen bepaald?
• Steekproeven op boekingen, annuleringen, restituties.
• Gebruik van data-analyse om patronen in verkoop en prijs te toetsen aan bekende structuren (zoals fare classes en routes).

Bij KLM is de omgeving gecontroleerd, deels voorspelbaar en gebaseerd op regels. De auditor kijkt of de logica werkt, of de regels juist zijn toegepast en of afwijkingen verklaarbaar zijn.
Maar bij Delta? Delta’s nieuwe AI-model (Fetcherr) laat die voorspelbaarheid los. De prijs wordt continu herberekend op basis van vraag, concurrentie, tijdstip, historische patronen en misschien zelfs klantgedrag. De structuur verdwijnt – de output blijft. Dus hoe controleer je dan?

1. Controle op logica?  Lastig. Er is geen vaste prijstabel meer. Geen bucketstructuur. Geen vaste routes tussen input en output. De prijs “komt uit het model”, klaar. Als auditor kun je het model niet eenvoudig navolgen of hertesten.

2. Controle op output?  Ja, maar beperkt. Je kunt checken of een passagier daadwerkelijk €412 heeft betaald. Maar waarom dat € 412 was en niet € 385? Geen idee. Daar zit de black box.

3. Controle op volledigheid?  Nog steeds cruciaal. Zijn alle verkochte tickets opgenomen? Is omzet juist toegewezen aan het boekjaar? Zijn refunds goed geboekt? Deze klassieke assertions blijven, maar worden moeilijker te onderbouwen zonder heldere pricing-structuur.

4. Controle op model governance? Nieuwe uitdaging. Is het AI-model goed beheerd? Is het gevalideerd? Zijn er ethische kaders? Zijn er tests uitgevoerd op bias of foutieve prijsstelling? Hier raakt de audit de wereld van AI-governance.

De AI-toepassing van Delta dwingt auditors om nieuwe kennis en vaardigheden te ontwikkelen. Denk bijvoorbeeld aan:

Maar wacht even… als de klant gewoon betaalt? Sommige tech-optimisten en auditors zullen zeggen: “Als de klant akkoord gaat met de prijs, wat maakt het dan uit hoe die prijs tot stand kwam?”
Dat is deels waar – maar niet het hele verhaal. De auditor controleert niet alleen of de klant heeft betaald, maar of de omzet correct, volledig en tijdig is opgenomen, of de processen eerlijk en transparant zijn en of de gebruikte systemen niet leiden tot ongewenste of onethische effecten.
Stel dat een AI-systeem systematisch hogere prijzen vraagt aan bepaalde klantgroepen, zonder dat het bedrijf dit doorheeft. De auditor die alleen naar output kijkt, mist mogelijk een materieel maatschappelijk risico.

Oké Pieter, mooi verhaal, maar welke generatie auditor heeft deze kennis eigenlijk? Het nieuwe Beroepsprofiel Accountants 2025 spreekt over “digitaal vaardige professionals”, “data literacy” en “verantwoordelijkheid in een digitale samenleving”. Mooie woorden, toch? Er is lang genoeg over gedebatteerd. Maar wie binnen het controleteam van vandaag begrijpt echt hoe generatieve AI werkt? Wie weet hoe je een model valideert, bias detecteert of governance beoordeelt? Zijn dat de seniors van nu? De juniors van morgen? Of wachten we stiekem op een of andere AuditGPT die het ons voorrekent?

De kans is groot dat de nieuwe generatie auditors – studenten, young professionals, changemakers binnen het beroep – deze kennis zelf moet ontwikkelen. Via opleidingen, intervisie, specialisatie. Niet als extraatje, maar als kern van het vak. Ik vraag mij af welke universiteit deze kennis al overdraagt anno 2025.

Ik denk dat pricing audit nooit meer hetzelfde zal worden. Delta’s AI-toepassing dwingt ons als beroepsgroep om na te denken: hoe audit je een wereld zonder regels, zonder structuur, zonder voorspelbare logica? Het antwoord is niet eenvoudig, maar één ding is zeker: de auditor van morgen kijkt minder naar controlepunten in systemen en meer naar gedrag van modellen, governance, outputanalyse én maatschappelijke context.
En ja, nogmaals, de klant kan € 412 betalen; maar de auditor moet volgens mij weten waarom dat bedrag en wat dat betekent voor de betrouwbaarheid van de omzet. Wat denk jij, collega?

Voor de nieuwe generatie auditors een slotgedachte. Stel je voor: jij krijgt de audit van Delta, 2027. Er zijn geen buckets meer. Alleen een model.
Durf jij de vraag te stellen: “Kan ik hierop assurance geven?” Dan ben je misschien wel precies de auditor die het nieuwe beroepsprofiel écht tot leven brengt. Ik wens je veel plezier.