AI verandert het werk van jonge accountants sneller dan hun opleiding meebeweegt.
En daar wringt het. Want als ChatGPT, Gemini en Microsoft Copilot de eerste routineklussen overnemen, verdwijnt het oefenmateriaal waarop trainees normaal leren.
Het echte probleem zit dieper
In accountancy is startwerk niet alleen productie.
Het is ook training.
Juist in simpele opdrachten leren RA- en AA-stagiairs patronen zien, dossiers opbouwen, kritisch lezen en hun oordeel aanscherpen.
Als AI die taken afvangt, wordt de leercurve vlakker. Tegelijk stijgt de druk op tempo.
Dat raakt de hele beroepsvorming. De NBA zet in haar PE-beleid en ontwikkelthema’s voor 2026-2028 juist in op AI, professioneel handelen en risico’s.
Wat er op het spel staat in de praktijk
De zorg gaat niet alleen over minder leren.
De controlekwaliteit kan ook onder druk komen te staan.
De NBA benadrukt dat AI geen black box mag zijn. Validatie en menselijk oordeel moeten centraal blijven.
De AFM zegt hetzelfde in andere woorden. AI in sectoren waar vertrouwen en controle cruciaal zijn, vraagt om duidelijk beleid, goede datakwaliteit, zorgvuldige toetsing van leveranciers en uitlegbare, controleerbare modellen.
Dat is logisch.
Een model dat een fout heel stellig presenteert, remt kritische vragen af.
In een auditomgeving kan dat leiden tot gemiste signalen, verkeerde duidingen of dossiers die compleet lijken, maar inhoudelijk zwakker zijn.
Starters voelen dat het hardst
Senior professionals kunnen AI vaak sneller corrigeren.
Zij hebben al een referentiekader.
Starters missen dat nog.
Als zij vooral outputs consumeren in plaats van zelf werk analyseren, bouwen ze minder snel vakinstinct op. Juist dat instinct heb je nodig om afwijkingen, inconsistenties en kwaliteitsproblemen te zien.
Daarom blijft de NBA AI de komende jaren expliciet noemen als ontwikkelthema, naast professioneel oordeel, verantwoordelijkheid en reflectie.
Wat organisaties nu anders moeten doen
De reflex moet niet zijn: minder AI.
De reflex moet zijn: AI slimmer organiseren.
Daar horen drie sporen bij:
- Herontwerp opleidingen met datageletterdheid, modelbeoordeling, ethiek en prompttechniek.
- Laat de NBA-richtlijnen en permanente educatie beter aansluiten op de AI-realiteit.
- Werk met veilige oefenomgevingen, zoals sandboxen en synthetische data.
Dat laatste is belangrijk.
Als starters alleen meekijken naar AI-output, maar niet zelf controleren, redeneren en herschrijven, verdwijnt de verdieping uit het leerproces.
Oefenen moet dus blijven. Alleen verschuift het naar een gecontroleerde omgeving waarin fouten leerbaar blijven.
Governance is geen bijzaak
Bij generatieve AI komt er nog een laag bovenop: compliance.
De EU AI Act bevat transparantievereisten. De bredere EU-kaders zeggen dat AI mensgericht en betrouwbaar moet zijn.
Voor accountantskantoren betekent dat: documenteer welke tool je gebruikt, welke bronnen je raadpleegt, welke prompts je geeft, welke versie antwoordt en waar menselijke controle plaatsvindt.
Dat is niet alleen juridisch slim.
Het helpt ook didactisch.
Zo’n audit trail laat zien hoe je tot een conclusie komt. En precies daarvan leren juniors het meest.
De praktische les
De vraag is dus niet of AI werk overneemt.
De vraag is welk werk je bewust laat bestaan als leerwerk.
Kantoren die slim omgaan met AI, laten starters niet meteen los op volledige beoordelingen. Ze geven afgebakende rollen, duidelijke reviewmomenten en menselijke eindverantwoordelijkheid.
Concreet betekent dat:
- laat AI een eerste versie maken, maar laat de mens de eindversie beoordelen;
- gebruik AI voor versnelling, niet voor afschuiving van verantwoordelijkheid;
- leg vast waar AI helpt en waar extra vakmanschap nodig blijft;
- bewaak dat starters zelf blijven analyseren, toetsen en onderbouwen.
De beste volgende stap? Maak een AI-beleid dat niet alleen output regelt, maar ook vastlegt welk leerwerk starters nodig hebben om echt accountant te worden.
