De toekomst van de accountancy ligt niet in het algoritme, maar in hoe we het inzetten, schrijft Kristof Stouthuysen, professor management accounting en digital finance aan Vlerick Business School.
De Belgische accountancysector beleeft een stille revolutie. Overnames volgen elkaar in ijltempo op. Kantoren als SBB, PIA en Moore Belgium, vaak gesteund door investeringsgroepen met diepe zakken, groeien via acquisities. Ook familiebedrijven zonder externe financiering, zoals Vandelanotte, kondigen ambitieus aan dat ze tegen 2030 voorbij de mijlpaal van 150 miljoen euro omzet willen gaan. Achter die versnelling schuilt een duidelijke logica: wie wil overleven, moet investeren in technologie, voldoen aan de almaar strengere regelgeving en aantrekkelijk blijven voor schaars talent. Schaalgrootte is geen luxe meer, maar een noodzaak.
Maar de schaalvoordelen hebben ook bijwerkingen. Ze vergroten de afstand tussen kantoor en klant, tussen cijfers en betekenis. Technologie wordt voorgesteld als een wondermiddel, maar zonder duidelijke visie holt ze net uit wat het beroep waardevol maakt: nabijheid, oordeelsvermogen en contextuele nuance. Wie inzet op standaardisatie zonder het menselijke weefsel van het beroep te behouden, riskeert te verzanden in eenheidsworst. De echte strijd gaat niet over wie het snelst digitaliseert, maar over wie technologie weet te koppelen aan persoonlijk, relevant advies.
Waarom generatieve AI voorlopig nog geen adviseur is
Vandaag wordt AI vooral operationeel gebruikt. Documentherkenning blijft de populairste toepassing: facturen scannen, entiteiten herkennen, automatisch boeken. Efficiënt? Zeker. Innovatief? Nauwelijks. Ook automatische rapportering en dashboards worden breder ingezet, maar blijven fundamenteel terugblikkend. Vooruitkijkende toepassingen — zoals cashflowvoorspellingen, fiscale simulaties of groeiscenario’s — blijven uitzonderlijk.
Generatieve AI vindt intussen haar weg naar het kantoorleven via automatische e-mails, samenvattingen of PowerPoint-slides. Maar of die toepassingen de productiviteit fundamenteel verhogen, is onzeker. Wat ontbreekt, is context. GenAI genereert gemiddeld plausibele antwoorden, maar begrijpt de klant niet.
Recent onderzoek beschrijft GenAI als een traject in drie fases: democratisering, average trap en model collapse. In de eerste fase wordt AI breed toegankelijk. Iedereen kan complexe bewerkingen uitvoeren, maar het onderscheid tussen kennis en interface vervaagt. In de average trap produceert GenAI vooral wat statistisch waarschijnlijk is. Dat werkt voor standaardvragen, maar niet voor advies op maat. Een accountant werkt niet met een gemiddelde klant, maar met unieke situaties, contexten en risico’s. Juist de afwijking maakt het verschil. Zonder menselijk ingrijpen volgt model collapse: een feedbacklus waarin AI enkel nog leert van zichzelf. Wat begint als efficiëntie, eindigt in ruis.
En hoe nu verder?
De oplossing ligt niet in het afremmen van AI, maar in het herijken ervan. De eerste stap? Opleiding. AI-vaardigheid moet een kerncompetentie worden bij accountants, net zoals kennis van IFRS of vennootschapsbelasting. Wie begrijpt hoe technologie werkt, gebruikt ze beter en bewuster.
Daarnaast moeten accountants technologie actiever naar zich toetrekken. Vandaag zijn veel kantoren afhankelijk van externe softwareleveranciers. Dat remt innovatie én creativiteit. Terwijl net accountants unieke kansen hebben om hun expertise te vertalen in toepassingen op maat.
Finetuning biedt daarbij een krachtig, onderbenut alternatief. Door GenAI-modellen te trainen op eigen klantcases of sectorspecifieke data, kunnen kantoren de technologie afstemmen op hun realiteit. Daar hoeft geen miljoenenproject tegenover te staan.
Ook response engineering wint aan belang: onderzoek toont dat AI-interacties beter verlopen als ze gespreksstructuren volgen die mensen herkennen: beurtwisseling, erkenning van input, het stellen van verdiepende vragen.
Klassieke AI-toepassingen verdienen tegelijk een tweede adem. Kantoren kunnen meer dan consumeren wat de markt aanbiedt. In kleine, multidisciplinaire teams — eventueel aangevuld met een externe partner of een stagiair — kunnen zij vandaag al voorspellende toepassingen ontwikkelen op basis van hun eigen data. De technologische drempel is lager dan vaak gedacht. Tegelijk moeten we realistisch blijven: De instapkosten zijn laag, maar wie inzet op betrouwbaarheid en schaalbaarheid, moet ook investeren in datakwaliteit, governance en integratie.
En tot slot: investeren in technologie is niet genoeg. Wie een klant ontmoet, weet dat het echte gesprek vaak niet in de cijfers zit, maar in wat tussen de regels gebeurt. In een aarzeling. In een zijdelingse opmerking. In wat níét gezegd wordt. Expertise groeit in die marges — in het aanvoelen van context, het interpreteren van signalen, het durven doorvragen. Dat leer je niet van een chatbot, maar van ervaring. Van gesprekken, van voorbeelden, van fouten.
De toekomst van accountancy ligt dus niet in het algoritme zelf, maar in hoe we het inzetten. Technologie ontwikkelt zich hoe dan ook. De keuze ligt niet bij AI. De keuze ligt bij de accountant.