De meeste accountantskantoren hebben intussen geëxperimenteerd met artificiële intelligentie. ChatGPT, Claude en Gemini vatten documenten samen, zoeken informatie op en schrijven teksten in seconden. Sommige kantoren gaan een stap verder en koppelen zo’n model rechtstreeks aan hun eigen dossierdata.
Toch is er een belangrijk verschil tussen AI gebruiken en AI structureel laten meedraaien binnen een accountantskantoor.
Een algemeen AI-model redeneert goed, maar kent de werkwijze van het kantoor niet. Welke controles gelden er, welke informatie moet worden geraadpleegd, en vooral: welke uitzonderingen gelden binnen een specifiek dossier? Het antwoord ligt dus niet bij een krachtiger model, maar bij de configuratie errond.
Herkennen is geen verwerken
Ook binnen boekhoudsoftware is AI-automatisering natuurlijk niet nieuw. Veel boekhoudsoftware automatiseert vandaag de transactieverwerking op basis van historische boekingen en herkenningsmodellen. Die systemen kunnen sterke boekingsvoorstellen doen, maar daarmee is het proces nog niet volledig geautomatiseerd.
Eén voorbeeld maakt het verschil tastbaar. Een herkenningsmodel leert uit de historiek dat een telecomfactuur op de rekening telefoonkosten hoort. Een geïnstrueerde AI-agent stelt op de factuur zelf vast dat het btw-nummer van de klant er niet op staat en de btw dus niet aftrekbaar is, boekt precies zo, en bereidt een klantvraag voor om het btw-nummer bij de leverancier te laten registreren.
Het tweede verschil is wat er niet binnenkomt. Een herkenningsmodel verwerkt wat het aangeboden krijgt, maar merkt nooit op dat de maandelijkse factuur van een leverancier deze maand ontbreekt, dat een kaartbetaling geen stavingsstuk heeft, of dat een voorschot al drie maanden op een eindfactuur wacht. Een geïnstrueerde keten merkt dat wel: ze stelt het gat vast en bereidt de opvraging voor de klant voor.
Herkenning stopt bij het document dat voorligt. Een agentische keten bewaakt het dossier.
Om die mogelijkheden structureel in te zetten, volstaat het echter niet om een model telkens opnieuw de juiste instructies te geven. Daar komen agentic AI-frameworks in beeld, die werken met vooraf gedefinieerde triggers en configureerbare werkwijzen.
AI organiseren rond de werkwijze van het kantoor
Dat is het principe achter agentic AI: in plaats van één algemene AI die op iedere vraag probeert te antwoorden, worden verschillende taken georganiseerd binnen gespecialiseerde agents en workflows.
- Een verwerkingsworkflow bepaalt hoe facturen worden geboekt en hoe banktransacties worden toegewezen, volgens de kantoorregels en de afspraken per dossier.
- Een controleworkflow toetst de verwerking aan de relevante dossierinformatie, voert gerichte controles uit en signaleert afwijkingen.
- Een opvolgworkflow bepaalt welke vervolgstap nodig is bij een afwijking of ontbrekende informatie en bereidt waar nodig een opvraging voor.
De kracht ontstaat wanneer verwerking, controle en opvolging op elkaar voortbouwen: verwerking leidt tot controle, dossierkennis helpt afwijkingen beoordelen en ontbrekende informatie mondt uit in een signalering of opvraging.
Een dossierbeheerder hoeft daardoor niet telkens opnieuw uit te leggen welke stappen en controles gelden. Die werkwijze wordt per workflow vastgelegd, waardoor het kantoor vooraf bepaalt hoe bepaalde taken worden uitgevoerd.
Dossiercontext blijft daarbij essentieel. Historische boekingen, MAR-structuren, permanente stukken, klantcommunicatie, eerdere opvragingen, uitzonderingen en interne richtlijnen kunnen relevant zijn. AI moet niet alleen toegang hebben tot die informatie: het moet ook weten wanneer ze relevant is en wat ermee moet gebeuren.
De ervaring van de dossierbeheerder als kennislaag
Niet alle relevante dossierkennis staat bovendien al ergens formeel vastgelegd. Een belangrijk deel zit in de ervaring van medewerkers: een dossierbeheerder kent de uitzonderingen van een klant, terugkerende aandachtspunten en gewoontes per dossier. In een configureerbare AI-omgeving kan die kennis worden vertaald naar concrete instructies.
Correcties, bijkomende context of nieuwe afspraken kunnen vervolgens worden gebruikt om de AI-werking verder te verfijnen. Het kantoor hoeft zijn volledige werkwijze daardoor niet vooraf te formaliseren, maar kan die geleidelijk opbouwen.
Zo kan kennis die vandaag vooral bij individuele dossierbeheerders zit, stap voor stap worden vastgelegd en hergebruikt binnen het dossier.
AI Studio als controlelaag voor het kantoor
Vanuit die gedachte wordt binnen InTax gewerkt met een configureerbare AI Studio. Kantoren kunnen er gespecialiseerde agents en workflows configureren en bepalen welke informatie ze raadplegen en welke instructies en controles daarbij gelden. Via triggers wordt vervolgens vastgelegd wanneer een workflow wordt gestart en welke volgende workflow daarop aansluit. Zo bepaalt het kantoor niet alleen waar AI naar kijkt en hoe het een taak uitvoert, maar ook wanneer die taak in gang wordt gezet en wat erop volgt.
Zo kunnen afzonderlijke agents en workflows worden verbonden tot één samenhangende keten van verwerking, controle en opvolging.
