De accountant draagt verantwoordelijkheid voor zijn werk, niet de software of het AI model. En dit is precies waarop we elke beslissing hebben gebaseerd wanneer we AI-agenten betrekken bij een klantdossier.
We hebben agentic AI in Silverfin geïntegreerd en een early access-programma gelanceerd met echte kantoren. Maar voordat er ook maar iets in de buurt van echte klantdossiers kwam, hebben we onszelf drie voorwaarden gesteld. En als de nieuwe functionaliteit niet aan al deze voorwaarden voldoet, lanceren we het niet.
1. Jij behoudt de controle, en dat geldt ook voor je gegevens
De engste variant van een AI-agent is er een die overal toegang toe heeft. Een die doordringt tot systemen die je niet kunt zien en dingen verandert waar je niet om hebt gevraagd. En waar je pas achterkomt als het al te laat is. Dat is niet de AI-agent die wij hebben gebouwd.
De AI-agent krijgt dezelfde toegangsrechten als de persoon die hem gebruikt, en niets meer dan dat. Dat betekent dat de AI-agent alleen toegang heeft tot wat jij zelf ook zou kunnen doen. De AI-agent werkt als een verlengstuk van jou, in plaats van als een apart systeem dat boven je staat.
Controle betekent ook zichtbaarheid: je ziet de stappen die de AI-agent neemt en de correcties die deze voorstelt voordat er iets wordt doorgevoerd. Er wordt niets achter je rug om verwijderd. Op systeemniveau houden we ons aan de transparantie-eisen van de AI-verordening en gaan we nog een stap verder door in simpele taal uit te leggen hoe het werkt, in plaats van je te vragen een ‘black box’ te vertrouwen.
Kortom: de toegang van de AI-agent is beperkt tot wat de individuele gebruiker kan doen, en elke wijziging komt als voorstel dat je kunt controleren en afwijzen. Beide moeten mogelijk zijn, anders is de functionaliteit nog niet zover.
2. Een mens blijft verantwoordelijk
Achter een goedkeuring staat een persoon die met zijn oordeel en reputatie voor de cijfers instaat, en AI die helpt bij het werk verandert niets aan wie verantwoordelijk is.
Dat heeft een van onze belangrijkste ontwerpbeslissingen bepaald. De simpelste weg was om de AI-agent rechtstreeks de sjablonen en het werkdossier te laten invullen, maar we kozen voor de complexere weg. De AI-agent doet voorstellen: gegevens om toe te voegen of te wijzigen, maar niets daarvan komt in je werk terecht totdat jij het zelf accepteert. Je ziet hoe het is opgesteld, beslist of het goed genoeg is, en pas dan neem je het over en markeer je het als voorbereid.
Die beslissing blijft hierdoor in de handen van mensen. AI doet het voorbereidende werk: het opstellen van voorstellen, en de accountant beoordeelt en keurt goed. Dat is wat we bedoelen met het bouwen van AI om accountants te ondersteunen, niet om ze te vervangen. Zo win je tijd, maar de goedkeuring blijft bij een persoon die verantwoordelijkheid kan nemen.
3. Het moet je daadwerkelijk tijd besparen
Een functionaliteit kan veilig, gecontroleerd en verantwoordbaar zijn en toch niet de moeite waard zijn. Als het controleren van het werk van de AI-agent even lang duurt als het zelf doen, heb je er niets aan. Je hebt het werk en de tijd alleen maar verplaatst.
De derde voorwaarde is dus een simpele rekensom. De tijd van de AI plus jouw controletijd moet minder zijn dan wat het handmatige werk zou hebben gekost. Als dat niet zo is, lanceren we het niet.
We doen niet alsof we dat al bewezen hebben. Dat is de eerlijke reden waarom het early access-programma bestaat. We willen zien hoe het daadwerkelijke gebruik eruitziet in iemands echte werkdag, niet in een gecontroleerde demo, en we willen vermijden dat we ergens een stap versnellen terwijl we stilletjes ergens anders werk creëren. We hebben er vertrouwen in dat we dit doel zullen halen, maar we willen een gedegen aanpak hanteren en het kunnen meten voordat we het op grotere schaal lanceren.
Op wie we bouwen
De drie voorwaarden gaan over elke functionaliteit die we lanceren. Er is een vierde overweging die we niet mogen vergeten, namelijk op wie we bouwen:
AI-infrastructuur wordt momenteel zwaar gesubsidieerd. De grote leveranciers brengen de werkelijke kosten van het draaien van deze systemen niet in rekening. Ze willen zoveel mogelijk marktaandeel en verweven zich in workflows, zodat overstappen na verloop van tijd moeilijker wordt. De prijzen van vandaag zijn niet die van morgen, en iedereen die een grote afhankelijkheid van één enkele leverancier opbouwt, neemt een risico dat nog niet volledig zichtbaar is.
Daarom bouwen we onze oplossingen zo dat we die lock-in vermijden. We sluiten aan op een breder ecosysteem van modellen in plaats van alles op één model in te zetten, net zoals open API’s bedrijven ooit in staat stelden om best-of-breed-stacks te bouwen zonder gebonden te zijn aan één enkele leverancier.
We gebruiken het model dat echt het beste is voor een bepaalde taak, inclusief de domeinspecifieke AI-agents die steeds beter presteren dan algemene AI-agents, en we behouden de vrijheid om over te stappen naarmate prijzen en opties veranderen.
Veel leveranciers bouwen met opzet lock-in in. Vandaag de dag lijkt het misschien een voordeel, maar over een paar jaar kan het een last zijn.
Het onderliggende patroon
Als je naar alle vier onze voorwaarden kijkt, zie je dezelfde rode draad. Bij elke voorwaarde hebben we bewust de complexere weg gekozen: beperkte toegang in plaats van globale controle, voorstellen die je goedkeurt in plaats van directe wijzigingen, een tijdbesparingsdoel dat we moeten halen in plaats van een primeur die we mogen aankondigen, en een open benadering van leveranciers in plaats van een eenvoudige lock-in.
We maken bewust deze keuzes zodat een accountant met vertrouwen ermee kan werken in een klantdossier.
De komende weken zullen we delen wat onze early access-klanten ons na hun eerste maand vertellen, inclusief de aspecten die ons hebben verrast. Meer weten over wat we testen en waarom? Lees onze eerdere blogs over dit onderwerp:
Wat betekent agentic AI écht voor jouw accountantskantoor?
