Artificiële intelligentie verandert niet alleen de manier waarop accountants werken, maar ook hoe toekomstige professionals worden opgeleid. Tijdens de Docentendag 2026 van AccountancyVandaag (11 september 2026, HOGENT) liet Thomas Donvil, onderzoeker bij UCLL Education & Development, zien waarom klassieke onderwijsopdrachten steeds minder volstaan. AI maakt kennis en oplossingen gemakkelijk toegankelijk. De uitdaging voor docenten ligt daarom steeds meer in het toetsen van inzicht, redeneringsvermogen, kritische beoordeling en het vermogen om keuzes inhoudelijk te onderbouwen.
Vijf stellingen als startpunt
Thomas Donvil opende zijn keynote met vijf stellingen over AI in het onderwijs en de accountancy. De deelnemers moesten telkens inschatten of ze waar of niet waar waren. Het ging om:
- 8 op de 10 studenten in Vlaanderen gebruiken AI voor schoolwerk.
- Ervaren docenten herkennen in de meeste gevallen een door AI geschreven tekst.
- AI-detectiesoftware zoals Turnitin herkent AI-tekst betrouwbaar, zoals de fabrikant claimt.
- Bijna de helft van de accountants gebruikt AI dagelijks in zijn werk.
- ChatGPT haalt het niet voor het CPA-examen, het equivalent van het accountantsexamen.
Deze stellingen vormden een goede opstap naar de bredere discussie over de mogelijkheden én beperkingen van AI.
AI-teksten zijn moeilijk betrouwbaar te detecteren
Een eerste aandachtspunt was de stelling dat ervaren docenten AI-teksten in de meeste gevallen zouden herkennen. De praktijk blijkt veel genuanceerder. AI-gegenereerde teksten worden steeds moeilijker te onderscheiden van teksten die door mensen zijn geschreven. Een Duitse studie met 64 universitaire docenten wees uit dat slechts ongeveer de helft van de AI-teksten correct werd herkend. Bij professionele teksten lag dat percentage zelfs rond 20 procent.
Ook gespecialiseerde detectietools bieden geen sluitende oplossing. Zo werd aangehaald dat Turnitin in een studie met veertig volledig door AI geschreven masterproeven geen enkele tekst als AI-gegenereerd detecteerde. Een andere tool bestempelde zelfs een boek van Albert Camus voor 73 procent als AI-tekst.
De conclusie is duidelijk:
detectiesoftware mag geen doorslaggevende rol spelen bij de beoordeling. Het werkproces, de argumentatie en het vermogen van studenten om hun antwoord te verdedigen, leveren veel relevantere informatie op.
AI wordt ook in accountancy steeds belangrijker
Een andere stelling bleek alvast dicht bij de realiteit te liggen: bijna de helft van de accountants gebruikt AI dagelijks. Een internationale studie komt uit op ongeveer 46 procent. De toepassingen zijn uiteenlopend:
- e-mails opstellen
- informatie samenvatten en verwerken
- administratieve processen automatiseren
- boekhoudkundige gegevens analyseren
- mogelijke onregelmatigheden opsporen
Tijdens zijn presentatie maakte Thomas dit concreet met een analyse van transacties van een fictieve bakkerij. Artificiële intelligentie kon die in ongeveer één minuut verwerken en daarbij onder meer een grootboek, btw-informatie, detailoverzicht, saldoanalyse en mogelijke onregelmatigheden opleveren. AI kan bepaalde voorbereidende en controlerende werkzaamheden dus aanzienlijk versnellen.
Context blijft cruciaal
Snelheid betekent echter niet automatisch betrouwbaarheid. AI-systemen kennen niet vanzelf de Belgische of Vlaamse context.
Zonder duidelijke instructies kunnen ze bijvoorbeeld Nederlandse regelgeving, Amerikaanse bronnen of buitenlandse fiscale principes gebruiken. Ook foutieve of zelfs niet-bestaande wetsartikelen behoren tot de mogelijkheden.
Daarom moeten gebruikers voldoende context meegeven, zoals Belgische regelgeving, relevante bepalingen uit het Wetboek van de inkomstenbelastingen, boekhoudkundige normen en de concrete situatie van de onderneming. Studenten moeten bovendien niet alleen een bron kunnen vermelden, maar ook uitleggen waarom die bron daadwerkelijk van toepassing is.
Van het juiste antwoord naar inzicht
Die ontwikkeling heeft grote gevolgen voor het accountancyonderwijs. Klassieke opdrachten zoals ‘Bereken de belastbare winst’ worden steeds minder geschikt als ze uitsluitend het eindresultaat toetsen. Een rekenmachine, spreadsheet, zoekmachine, standaardsoftware of AI-tool kan dergelijke opdrachten immers gemakkelijk uitvoeren.
De relevante vragen worden daarom:
- Begrijpt de student het probleem?
- Kan hij of zij de redenering uitleggen?
- Wordt de regelgeving correct toegepast?
- Kan een AI-antwoord kritisch worden beoordeeld?
- Kan de student op basis daarvan een advies formuleren?
Een algemeen AI-verbod is volgens Thomas weinig doeltreffend. Studenten zullen de technologie toch gebruiken en moeten er later ook professioneel mee kunnen omgaan. Beter zijn duidelijke afspraken over toegestaan gebruik, opdrachten die het denkproces zichtbaar maken en aandacht voor argumentatie, onderbouwing en mondelinge verdediging.
De docent wordt meer coach en beoordelaar
Ook de rol van de docent verandert.
Omdat AI op elk moment uitleg, oefeningen, vertalingen en feedback kan leveren, is de docent niet langer uitsluitend degene die kennis overdraagt. Hij of zij wordt meer begeleider van het leerproces, coach in kritisch denken en bewaker van correcte bronverwijzing.
Belangrijk wordt vooral dat studenten kunnen aantonen hoe ze tot een antwoord kwamen. Vragen als ‘Welke stappen heb je gevolgd?’, ‘Op welk wetsartikel baseer je je?’ en ‘Waarom is dit AI-antwoord betrouwbaar?’ maken het denkproces zichtbaar.
HELDER als leidraad voor AI-bestendige opdrachten
Thomas Donvil stelde hiervoor het HELDER-framework voor. Het moet docenten helpen om opdrachten zo te ontwerpen dat ze minder gemakkelijk door AI kunnen worden opgelost:
- H – Helder doel: bepaal eerst welke vaardigheid je wilt toetsen.
- E – Expliciete grenzen: werk met een specifieke, realistische context of complexe casus.
- L – Logische opbouw: laat studenten stap voor stap probleem, regelgeving, berekening en conclusie uitwerken.
- D – Duidelijke toetsbaarheid: beoordeel naast het eindantwoord ook bronnen, argumentatie en redenering.
- E – Enkelvoudige scope: vertrek vanuit één centrale vraag waarbinnen de verschillende deelstappen samenkomen.
- R – Moeilijk reproduceerbaar: varieer bedragen, boekjaren, transacties, ondernemingsvormen en andere parameters.
Drie controlevragen voor elke opdracht
Tot slot reikte hij de deelnemers drie eenvoudige controlevragen aan:
- Kan AI de opdracht in minder dan dertig seconden oplossen zonder een denkstap te tonen?
- Is er slechts één mogelijk eindantwoord?
- En is er geen duidelijk verschil tussen een AI-antwoord en een goed mondeling antwoord van een student?
Als het antwoord op een van die vragen problematisch is, is het tijd om de opdracht te herwerken. Zo verschuift het accountancyonderwijs van het reproduceren van kennis naar wat in een AI-tijdperk echt telt: begrijpen, kritisch beoordelen, onderbouwen en adviseren.
