De Commissie Eindtermen Accountantsopleiding (CEA) heeft het conceptrapport gepubliceerd met de eindtermen voor de accountantsopleiding vanaf 2027. Het rapport beschrijft wat een startbekwame accountant straks moet kennen en kunnen en besteedt daarbij vanzelfsprekend aandacht aan technologie en de ontwikkelingen die het accountantsberoep beïnvloeden.
Wie gezien alle aandacht voor artificial intelligence een uitgebreide verzameling afzonderlijke eindtermen over AI, prompting of generatieve AI verwacht, vindt die echter niet. CEA kiest bewust voor een meer conceptuele en technologie-neutrale benadering. Specifieke toepassingen en technieken worden niet afzonderlijk benoemd.
Ontwikkelingen zoals AI vallen onder het bredere begrip IT en opleidingen krijgen ruimte om actuele technologische ontwikkelingen in hun programma’s te verwerken.
Wat ons betreft is dat een verstandige keuze. Technologie ontwikkelt zich daarvoor simpelweg te snel. Een opleiding die nu precies voorschrijft welke AI-toepassingen een accountant moet beheersen, loopt het risico alweer achterhaald te zijn voordat de eerste studenten zijn afgestudeerd.
Het sluit bovendien aan bij een discussie die wij bij Coney Minds al langer voeren. Wij zien AI niet als een nieuwe vorm van auditing. Net zoals we eerder ook niet spraken over Excel-auditing, Alteryx-auditing, process-mining-auditing of DataSnipper-auditing. Het zijn verschillende generaties hulpmiddelen waarmee een accountant zijn werk kan uitvoeren. Wat die hulpmiddelen kunnen, verandert snel. De verantwoordelijkheid van de accountant verandert veel minder snel.
De controle blijft de controle
Dat zie je ook terug in de Assurance-eindtermen. De accountant moet de organisatie en haar omgeving begrijpen, risico’s identificeren en analyseren en die vertalen naar een controleaanpak. Daarbij moet rekening worden gehouden met de geautomatiseerde gegevensverwerking en relevante technologische ontwikkelingen.
Vervolgens moet de accountant bepalen welke werkzaamheden nodig zijn om voldoende en geschikte controle-informatie te verkrijgen. Uiteindelijk moet hij of zij de verkregen informatie evalueren en op basis daarvan zelfstandig een professioneel oordeel vormen over de getrouwheid van de jaarrekening. De gemaakte afwegingen en uitkomsten moeten daarbij kunnen worden onderbouwd en gedocumenteerd.
AI kan binnen dat proces op allerlei manieren behulpzaam zijn. Een taalmodel kan ondersteunen bij het zoeken en structureren van informatie, het schrijven van een controlescript, het analyseren van gegevens of het voorbereiden van documentatie. Dat kan werkzaamheden sneller en soms ook beter maken, maar het betekent niet dat de output van een taalmodel daarmee automatisch controle-informatie is.
De accountant zal nog steeds moeten begrijpen welke informatie is gebruikt, waar die informatie vandaan komt, welke bewerkingen hebben plaatsgevonden, hoe betrouwbaar de onderliggende gegevens zijn en wat een uitkomst daadwerkelijk betekent voor de controle. Naarmate technologie meer werkzaamheden uitvoert, wordt het misschien zelfs belangrijker om expliciet vast te stellen wat de accountant zelf nog moet begrijpen en beoordelen.
Professionele oordeelsvorming blijft centraal staan
Een sterk onderdeel van het CEA-concept vinden wij daarom de aandacht voor professionele oordeelsvorming. De startbekwame accountant moet een professioneel-kritische houding kunnen hanteren, afwegingen expliciteren en documenteren en zijn of haar oordeel kunnen onderbouwen. Ook moet de accountant kunnen reflecteren op de eigen besluitvorming en op factoren die daarop van invloed kunnen zijn.
Dat is relevant in een controleomgeving waarin steeds meer technologie beschikbaar komt. Wanneer een accountant zelf een analyse bouwt, ontstaat tijdens dat proces vaak vanzelf kennis over de data, uitzonderingen, verbanden en beperkingen. Wanneer software of een AI-toepassing dezelfde analyse vrijwel direct produceert, hoeft dat begrip niet automatisch mee te komen.
Daar zit voor ons een belangrijk aandachtspunt bij verdere automatisering van de controle. Efficiencywinst is waardevol, maar niet wanneer daardoor essentiële kennis uit het controleproces verdwijnt. De vraag bij nieuwe technologie zou daarom niet alleen moeten zijn welke werkzaamheden ermee kunnen worden geautomatiseerd, maar ook welke kennis de accountant nodig heeft om de uitkomsten daarvan verantwoord te kunnen gebruiken.
Technologie waarop je steunt, moet je kunnen beoordelen
CEA besteedt daar terecht aandacht aan. Van de startbekwame accountant wordt verwacht dat deze kan reflecteren op de geschiktheid, betrouwbaarheid en risico’s van technologische hulpmiddelen waarop wordt gesteund.
Dat raakt direct aan de manier waarop wij bij Coney Minds naar technologie binnen de audit kijken. Een geavanceerd controlescript, een process-mininganalyse of een AI-toepassing krijgt niet automatisch bewijskracht omdat de gebruikte technologie indrukwekkend is. De accountant moet kunnen beoordelen of de gebruikte data geschikt en betrouwbaar zijn, begrijpen welke logica of methodiek is toegepast en kunnen vaststellen wat de uitkomst wel en niet zegt.
Herleidbaarheid, validatie en een goede audit trail blijven daardoor belangrijk. Bij traditionele, deterministische data-analyse kan een analyse onder dezelfde omstandigheden opnieuw worden uitgevoerd en kunnen tussenstappen worden gecontroleerd. Bij generatieve AI is die reproduceerbaarheid niet altijd op dezelfde manier aanwezig. Dat hoeft toepassing van AI binnen de controle niet in de weg te staan, maar vraagt wel om een bewuste keuze waarvoor dergelijke technologie wordt gebruikt en welke aanvullende waarborgen nodig zijn.
Het onderscheid tussen technologie die de accountant ondersteunt en informatie waarop uiteindelijk een controleoordeel wordt gebaseerd, blijft daarmee relevant.
Waar blijft data-analyse?
Op één punt zouden wij in de verdere uitwerking van de eindtermen graag extra aandacht zien. CEA kiest bewust voor abstracte en technologie-neutrale eindtermen. Dat voorkomt dat de accountantsopleiding achter iedere nieuwe tool of technologische ontwikkeling aanloopt, maar die abstractie mag er niet toe leiden dat praktische datavaardigheden naar de achtergrond verdwijnen.
De moderne jaarrekening ontstaat vrijwel volledig uit digitale gegevensverwerking. Een accountant hoeft daarvoor geen data scientist of programmeur te worden, maar moet wel begrijpen hoe gegevens uit systemen worden verkregen en getransformeerd en wat nodig is om de volledigheid en juistheid van datasets vast te stellen.
Dat gaat verder dan het kunnen bedienen van een analysetool. Wanneer een accountant bijvoorbeeld een volledige populatie wil analyseren, moet hij eerst kunnen vaststellen of die populatie daadwerkelijk volledig is. Een analyse kan technisch perfect zijn uitgevoerd en toch weinig waarde hebben wanneer de brondata onvolledig of onbetrouwbaar zijn. Hetzelfde geldt voor het interpreteren van uitzonderingen: een datapunt dat afwijkt is nog niet automatisch een fout en een interessant patroon is nog niet automatisch controle-informatie.
Ook moet een accountant kunnen beoordelen of een analyse reproduceerbaar is, welke bewerkingen op de oorspronkelijke gegevens hebben plaatsgevonden en welke aannames en afhankelijkheden onderdeel zijn van de analyse.
Wat ons betreft is data-analyse daarom niet zozeer een afzonderlijk specialisme naast auditing. Het is steeds meer een normale manier waarop accountants informatie onderzoeken en controle-informatie verkrijgen. Juist daarom is het belangrijk dat deze vaardigheden ook binnen een meer conceptueel ingerichte accountantsopleiding voldoende concreet terugkomen.
De accountant van 2027
De verleiding is groot om de accountant van 2027 te beschrijven aan de hand van de technologie van dat moment: AI, agents, process mining, continuous auditing en toepassingen die we nu waarschijnlijk nog niet kennen. Het CEA-concept kiest voor een fundamentelere benadering en daar kunnen wij ons voor een belangrijk deel goed in vinden.
De accountant moet kunnen analyseren, professioneel-kritisch kunnen denken, technologie verantwoord kunnen inzetten, de betrouwbaarheid van informatie kunnen beoordelen en uiteindelijk zelfstandig tot een onderbouwd professioneel oordeel kunnen komen. Nieuwe technologie kan daarbij steeds meer werkzaamheden ondersteunen of overnemen, maar daarmee verdwijnt de noodzaak om te begrijpen wat er gebeurt niet.
Voor de accountantsopleiding ligt daar wat ons betreft de uitdaging. Niet iedere nieuwe technologie hoeft een eigen vak of eindterm te krijgen. Wel moeten accountants voldoende kennis van auditing, data en technologie ontwikkelen om nieuwe hulpmiddelen te kunnen beoordelen en verantwoord toe te passen.
Dat geldt ook voor AI. We hoeven geen aparte generatie AI-accountants op te leiden. We hebben vooral goede accountants nodig die begrijpen wanneer en hoe ze AI kunnen gebruiken.
De gereedschapskist verandert. Het vakmanschap om te weten welk gereedschap je wanneer kunt gebruiken, blijft.
