AI Toepassingen

AI in het accountantskantoor: tijdwinst, tuchtrecht en je verdienmodel

Waar AI in het accountantskantoor tijd bespaart, waar de accountant verantwoordelijk blijft volgens VGBA en NBA, en wat dat betekent voor je verdienmodel.

aiworktalent Redactie · 26 juli 2026 · 11 min leestijd

Voor een ondernemer die zelf zijn bonnetjes scant, is AI een handig hulpmiddel. Voor een accountants- of administratiekantoor is het iets anders: AI raakt het primaire proces waar het kantoor zijn geld mee verdient, én het raakt een beroep met een tuchtrechtelijk kader. Dit artikel gaat over het kantoor als dienstverlener — waar in het dagelijkse werk zit de echte tijdwinst, waar mag AI niet beslissen, en wat betekent het voor je verdienmodel als een deel van de uren verdwijnt.

Waar de echte tijdwinst zit

Zes plekken in het dagelijkse werk van een kantoor waar AI aantoonbaar tijd scheelt, in min of meer oplopende volgorde van hoeveel oordeel er nog bij komt kijken.

Documentherkenning en boekingsvoorstellen. Dit is het meest volwassen toepassingsgebied. Boekhoudpakketten zoals Wolters Kluwer CCH iFirm, Visma, Exact, AFAS en CaseWare hebben allemaal AI-modules voor het uitlezen van facturen, bonnen en bankafschriften en het doen van een boekingsvoorstel. Yuki claimt bijvoorbeeld dat zijn documentherkenning meer dan 95% van de documenten correct naar type herkent — een cijfer van de leverancier zelf, dus een indicatie van de volwassenheid van de techniek, geen onafhankelijk gemeten norm. Het patroon is steeds hetzelfde: de software stelt een boeking voor, een medewerker beoordeelt de uitzonderingen en accordeert.

Samenstelwerk voorbereiden. Een eerste opzet van een jaarrekening, een toelichting of een waarderingsgrondslag laten genereren op basis van de brondata scheelt bij samenstelopdrachten veel schrijfwerk. De inhoudelijke keuzes — welke grondslag, welke toelichting is materieel — blijven bij de samensteller.

Dossiervorming. AI kan een dossier ordenen, ontbrekende stukken signaleren en een samenvatting van een omvangrijk contract of een leningsovereenkomst maken, zodat een medewerker sneller ziet waar de aandachtspunten zitten. Dat is een leeshulp bij het dossier, geen vervanging van de dossierbeoordeling die de opdracht vereist.

Vragenlijsten aan klanten. Het opstellen van een intakevragenlijst voor een nieuwe klant, of het verwerken van antwoorden uit een jaarlijkse update-vragenlijst tot een overzichtelijke samenvatting, is bij uitstek repetitief werk dat AI kan voorbereiden.

Urenverantwoording. Het omzetten van losse aantekeningen en agenda-items naar een onderbouwde urenspecificatie voor de factuur is een kleine maar terugkerende tijdsvreter waar een taalmodel goed in is — mits iemand de uiteindelijke declaratie nog controleert.

Kennisvragen op de eigen vaktechniek-database. Grotere kantoren bouwen een doorzoekbare kennisbank met interne memo's, standpunten en NBA-standaarden. Een AI-laag daarbovenop laat een medewerker in gewone taal een vraag stellen en krijgt een antwoord met verwijzing naar de bron in de eigen documentatie — sneller dan handmatig zoeken, maar het antwoord blijft een hulpmiddel dat je aan de bron toetst, geen vaktechnisch oordeel op zich.

Een voorbeeld uit de praktijk

Een mkb-accountantskantoor met een eigen vaktechniek-afdeling zet een interne kennisassistent in die alleen antwoord geeft op basis van de eigen memo's, standpunten en gearchiveerde NBA-publicaties — niet op basis van het open internet. Een medewerker die twijfelt over de verwerking van een specifieke transactie, stelt de vraag in gewone taal en krijgt een antwoord met een directe verwijzing naar het onderliggende memo. Waar deze vraag eerder via een collega van de vaktechniek-afdeling liep, met wachttijd tot gevolg, is het antwoord nu direct beschikbaar. De vaktechniek-afdeling blijft de bron beheren en actueel houden, en het uiteindelijke oordeel over de casus blijft bij de opdrachtverantwoordelijke — de assistent versnelt het zoeken, niet het beslissen. Dat onderscheid, een zoekvraag versnellen versus een vaktechnisch oordeel overnemen, is precies de grens die de NBA en NOREA in hun leidraden benoemen.

Waar AI niet mag beslissen: het VGBA-kader

De Verordening gedrags- en beroepsregels accountants (VGBA) kent vijf fundamentele beginselen: vakbekwaamheid en zorgvuldigheid, integriteit, objectiviteit, vertrouwelijkheid en professioneel gedrag. Geen van deze beginselen kent een uitzondering voor werk dat door een AI-systeem is voorbereid. Zet je een boekingsvoorstel, een conceptjaarrekening of een samenvatting van een AI-tool onbeoordeeld door, dan is dat niet de fout van de software maar van de accountant die er zijn naam onder zet.

De NBA en NOREA hebben dit uitgewerkt in twee leidraden, 'AI in Control' (2024) en 'Leidraad 2: AI toegepast' (2026), met concrete praktijkvoorbeelden en randvoorwaarden voor verantwoord gebruik. De kernboodschap: AI mag voor accountants nooit een black box zijn. Validatie en menselijke beoordeling blijven de basis van het publieke vertrouwen in de beroepsgroep. Voor controleopdrachten die onder de NV COS vallen, geldt bovendien dat de bestaande controlestandaarden onverkort van toepassing blijven op werk dat met AI-ondersteuning is gedaan — een AI-tool is een hulpmiddel binnen de controleaanpak, geen vervanging van een controlestandaard.

Dat betekent voor de praktijk: leg vast welke stappen een AI-tool binnen een opdracht uitvoert, houd zichtbaar wie de output heeft beoordeeld, en zorg dat nieuwe medewerkers weten dat een AI-voorstel altijd een concept is. Voor werkgevers komt daar sinds 2 februari 2025 artikel 4 van de Europese AI-verordening (AI Act) bij. De tekst daarvan is per 27 juli 2026 gewijzigd door de Digital Omnibus (Verordening (EU) 2026/1744) en daarmee verzacht: je neemt maatregelen om de ontwikkeling van AI-geletterdheid te ondersteunen bij medewerkers die met AI-systemen werken, rekening houdend met hun kennis, ervaring en de context waarin ze die systemen gebruiken. In de nieuwe tekst staat er uitdrukkelijk bij dat dit niet betekent dat je voor iemand een bepaald niveau van AI-geletterdheid moet waarborgen. Het is dus een inspanning, geen resultaat dat je moet halen — en er staat geen boete op: artikel 4 ontbreekt in de opsomming van artikel 99 lid 4.

Geheimhouding en klantgegevens in een chatbot

De geheimhoudingsplicht uit de VGBA gaat verder dan de AVG alleen: gegevens die je uit hoofde van je functie kent, mag je niet zomaar aan een derde partij blootstellen. Het NBA-bestuur concludeerde in 2024 in een besluit over transparantie en geheimhouding dat de bestaande wet- en regelgeving voldoende ruimte biedt voor de accountant om die afweging te maken — maar dat besluit ging over de klassieke spanning tussen geheimhouding en maatschappelijke openheid, niet expliciet over het gebruik van externe AI-tools. Voor AI-tools geldt dus de gewone AVG-lijn, maar dan met de aanvullende, strengere beroepsnorm van de VGBA erbovenop.

Concreet: klantgegevens in een publieke chatbot zoals de gratis versie van ChatGPT invoeren is geen goed idee zolang je niet zeker weet wat er met die invoer gebeurt. Kies een omgeving waarmee je kantoor een verwerkersovereenkomst kan afsluiten, en waarbij invoer aantoonbaar niet wordt gebruikt om het onderliggende model te trainen. De Autoriteit Persoonsgegevens en de ACM wijzen daarnaast op een minder voor de hand liggend risico bij chatbots: promptinjectie, waarbij een kwaadwillende een chatbot kan manipuleren om vertrouwelijke informatie prijs te geven, en het feit dat gebruikers vaak onbewust gevoelige informatie delen zonder te weten wat daarmee gebeurt. Vanaf 2 augustus 2026 verplicht de AI Act bovendien dat een organisatie bij het eerste contact meldt dat een klant met een AI-systeem communiceert. Zie ook wat de AVG in de praktijk van een dienstverlener vraagt.

Wat AI overneemt en wat de accountant blijft doen

Het verdienmodel-vraagstuk: als uren verdwijnen

Dit is de strategische vraag die achter alle tijdwinst schuilgaat, en die verdient meer aandacht dan hij meestal krijgt. Uit de Benchmark Kantoorcijfers 2025 van NOAB en Fiscount, gebaseerd op 439 deelnemende kantoren, blijkt dat de hoogste tarieven al worden gevraagd voor fiscale en adviesdiensten en de laagste voor administratief werk. De gemiddelde tarieven stegen in 2025 met 4,8%, de gemiddelde omzet per kantoor kwam uit op € 795.200 (+9,6%) en het gemiddelde resultaat vóór managementbeloning op € 287.800 (+10,9%). Inmiddels werkt 44,1% van de kantoren met vaste abonnementen in plaats van uitsluitend het uurtarief — een stijging ten opzichte van het jaar ervoor, al blijft het uurtarief bij de meerderheid nog leidend. Tegelijk stegen de ICT-kosten per fte in 2024 naar € 8.300 (+11,6%), oftewel 7% van de omzet.

Die cijfers laten een patroon zien dat los staat van AI maar er wel door versnelt: het administratieve deel van het werk levert al het minst op, en juist dat deel is waar AI het snelst tijd bespaart. Verdwijnen er uren uit het declarabele administratieve werk, dan verdwijnt niet vanzelf de omzet die daaraan hing — tenzij je actief herprijst of het vrijgekomen uur opnieuw inzet voor advieswerk. Een abonnementsmodel dat op waarde is geprijsd in plaats van op uren, voelt die verschuiving veel minder hard dan een kantoor dat puur op uurtarief werkt. Reken daarom vooraf door wat een AI-investering je kantoor werkelijk oplevert — niet alleen in bespaarde uren, maar in wat je met die uren gaat doen; zie hoe je de ROI van een AI-investering berekent.

Hoe je begint: kant-en-klaar of maatwerk

Voor documentherkenning, boekingsvoorstellen en samenstelwerk zit de AI meestal al in de software die je kantoor gebruikt — dat vraagt vooral om het daadwerkelijk inrichten en gebruiken van functionaliteit die er al is, niet om iets nieuws te laten bouwen. Voor een eigen vaktechniek-kennisassistent, een gekoppelde intakeflow of een specifieke koppeling tussen je systemen ligt dat anders: dat is maatwerk, en dan is de vraag of je dat zelf bouwt of uitbesteedt aan een specialist die met vertrouwelijke kantoorgegevens kan omgaan. Zie die afweging tussen zelf bouwen en uitbesteden uitgewerkt. Begin in beide gevallen met één concreet knelpunt — de instroom van inkoopfacturen, of de wachttijd op vaktechniek-vragen — bewijs de waarde, en breid pas daarna uit; zie het stappenplan voor AI in het mkb.

AI bespaart een accountantskantoor het meeste tijd op documentherkenning, voorbereidend samenstelwerk en het doorzoeken van de eigen kennisbank — en niets daarvan verandert wie er tekent, wie geheimhoudt en wie het vaktechnisch oordeel velt. De echte opgave is niet technisch maar strategisch: een verdienmodel bouwen dat overeind blijft als de administratieve uren minder worden. Op aiworktalent plaats je je opdracht en ontvang je voorstellen van specialisten die AI-oplossingen voor accountants- en administratiekantoren bouwen, van documentverwerking tot een eigen vaktechniek-assistent.