AI voor kmo-accountants: “Beschouw AI als een klein kind dat niet begrijpt wat je wil”

Miljoenen stukken tekst analyseren 

Een large language model bestaat uit algoritmes die miljoenen stukken tekst analyseren om te begrijpen hoe taal werkt, en vervolgens deze kennis gebruiken om menselijke teksten te genereren. Met generatieve AI creëer je geautomatiseerd content op basis van zogeheten prompts: gespecificeerde vragen of verzoeken van gebruikers. Daarmee genereer je diverse zaken:

• Teksten zoals samenvattingen of antwoorden op vragen. Bekende tools hiervoor zijn Gemini van Google, ChatGPT en Copilot van Microsoft. 
• Afbeeldingen in allerlei stijlen en over verschillende onderwerpen. Denk aan Dali van Microsoft of Midjourney. 
• Video’s voor animatie of met levensechte beelden. Bijvoorbeeld Synthese of Wondershare. 
• Audiofragmenten zoals stemmen (bijvoorbeeld Lovo of Speechify) of muziek (bijvoorbeeld Suno, Mubert of Soundraw). 
• En als laatste: code voor het programmeren van computerprogramma’s (bijvoorbeeld Github-copilot of Codeium).

Prompts superbelangrijk 

“Let wel, bij dit soort toepassingen lijkt het alsof je tegen een klein kind praat dat niet begrijpt wat je bedoelt”, zegt Urlus. “Ik gaf onlangs een presentatie over XBRL en ik wilde daarom een plaatje van een zaal met mensen die naar een presentatie over XBRL luisteren. Je vertelt dan letterlijk wat je wil en toch klopt de uitkomst niet of niet helemaal. Je moet dan dus concreet vertellen waar het fout gaat en waar je verandering wilt.” Prompts zijn dan ook superbelangrijk bij AI, beschouwt Urlus. “Vertel daarom wat voor een rol de AI-tool moet aannemen. ‘Gedraag je als mijn docent Engels en vergroot mijn woordenschat, inclusief Engelse voorbeeldzinnen.’ Hoe nauwkeuriger je vragen zijn en hoe meer context je prompts bevatten, hoe beter ChatGPT begrijpt wat voor een soort antwoord je zoekt. Prompts maken is een kunst op zich. Maar als je uit het niets iets wilt creëren en er weinig referentiemateriaal is, dan is hetgeen dat gecreëerd wordt echt onbetrouwbaar. Daar moet je je bewust van zijn. Zeker als accountant.” 

AI weet niet wat er niet is 

Maar stel het is alleen één document waar je AI op loslaat? Urlus: “Dan werkt het beter. Bijvoorbeeld als je een samenvatting wilt genereren van een rapport dat je zelf hebt geschreven. Of als je ingeeft dat je de tien belangrijkste punten uit een document wilt hebben. Dan is het antwoord redelijk betrouwbaar. Het is wel verstandig om dat antwoord nog te checken voordat je het als accountant naar je klant stuurt.” Ook kan het voor de accountant lonen om, voordat hij of zij naar een klant gaat, een AI-tool te vragen om de belangrijkste risico’s op te noemen die voor een bedrijf in een bepaalde branche gelden. “Zie het op die manier als een hulpje. Maar let daarbij wel op. AI haalt al zijn kennis van het internet: wat er niet op het internet staat, weet AI dus ook niet.  Dus kan de lijst met risico’s nooit volledig zijn. Wees je ervan bewust dat je beperkt bent in je informatie en blijf zelf nadenken. Klopt wat ik zie? Steun niet volledig op de gegeven informatie, maar laat het als inspiratie dienen.”

Ben je zeker dat je volledig bent?

AI is als een virtuele stagiair, zegt Urlus. “Maar dan wel een die je moet uitleggen hoe deze moet werken, waarvan je zijn werk moet controleren en die ook nog eens niet thuis kan geven.” AI gebruiken voor het samenstellen of auditen, gaat in de kmo-praktijk wat betreft Urlus te ver. “Je moet dan namelijk zeker weten dat je volledig bent met de gegevens die je erin stopt en eruit krijgt. En dat weet je niet.” Toepassing ziet Urlus wel in fraudedetectie. “In Japan lieten ze tien jaar geleden al software los op bestuursverslagen van beursgenoteerde bedrijven om er een patroon in te ontdekken. Maar dan heb je alleen maar vermoedens en signalen van eventuele fraude. Je weet ook daar niet of je volledig bent en dat maakt het erg lastig. Vergelijk het met software die wordt getraind om vlekjes te herkennen om huidkanker tegen te gaan. Daar weet je ook niet 100 procent of je alle vlekjes herkent.”

Er induiken of het signaal echt wat is

Dat principe maakt dat geautomatiseerde gegevenscontrole meer werk voor de accountant kan opleveren. “Je denkt met dergelijke gegevenscontrole tijd te besparen, maar als je een signaal hebt, moet je er ook induiken of het echt iets is. Nu kun je modellen wel trainen om gevallen beter te herkennen, maar dan nog is controle van het model en de individuele gevallen nodig. Kortom, we denken met AI veel tijd en geld te besparen, maar we zijn veel meer tijd bezig met het controleren van de modellen. Zijn ze niet discriminerend? Is de uitkomst te verifiëren? Is het navolgbaar? Aan de voorkant heb je dus experts nodig die het model checken en aan de achterkant moeten experts de resultaten kunnen beoordelen. Dat AI banen overbodig zou maken, geloof ik dan ook niet zo. Sterker nog, er komen juist meer banen bij.”

AI kan je op weg helpen

Al deze waarschuwingen gehoord hebbende, wat kan de kmo-accountant wel met AI? Urlus: “AI kan hem of haar op weg helpen. ‘Wat zijn over het algemeen bij een bedrijf met 75 medewerkers in de vleessector de risico’s die een ondernemer loopt?’ Het antwoord kan je een denkrichting opleveren. Mogelijk dat er, bijvoorbeeld bij bedrijven die kredietwaardigheid checken, modellen worden getraind waarbij dit soort risico’s beter naar boven komen. Ook kan AI een hulp zijn bij het maken van presentaties. Let wel, voed dergelijke modellen geen klantdata, want je overtreedt daarmee de privacyregels. Large language models gebruiken jouw data dan om slimmer te worden. En dus kan die data die jij invoert ook elders, bij een andere gebruiker opduiken.” Grote accountantskantoren hebben een voordeel bij het gebruik van AI. “Ze hebben veel data in hun eigen bedrijfsomgevingen en kunnen daar dus ook private AI-modellen op zetten. Dat levert een concurrentievoordeel op. In die zin zou het interessant zijn om te kijken hoe kmo-accountants wel data kunnen delen voor data-analyse door AI. Maar dan moet je al waarborgen hebben over betrouwbaarheid en privacy.”