AI voor accountants: waar de admin ophoudt, begint je werk

AI voor accountants is de inzet van kunstmatige intelligentie om routinematige administratieve taken te automatiseren zodat de mens zich richt op advies, oordeel en klantrelatie. De vraag is dus niet of de rol van accountant verdwijnt, maar welk deel van het dagelijkse werk waarde blijft toevoegen. De routinematige boeking en samenstelling worden door software gedaan, en wat blijft is precies wat je tot accountant maakte. Het deel waarvoor klanten je bellen. Het advies, de inschatting, de tuchtrechtelijke verantwoordelijkheid, de relatie. Volgens de KMO Barometer van Exact gebruikte 71 procent van de Nederlandse accountantskantoren in april 2026 AI in een vorm. Tegelijk worstelen veel van die kantoren met implementatie en verschuivende klantverwachtingen. Dit essay legt uit waarom die spanning niet over je rol gaat, maar over je verdienmodel.

Het verschil zit in je verdienmodel, niet in je vakgebied

In de gesprekken die wij voeren zien we steeds hetzelfde patroon. Accountants die op uurtarief factureren, zijn vaak terughoudend om met een tool als Nance of een vergelijkbaar AI-platform te beginnen. Niet omdat ze de techniek niet begrijpen, maar omdat ze redeneren dat als de software hun werk doet, hun factuur korter wordt. Hun klanten betalen voor uren; uren weghalen lijkt omzet weghalen. Dat is een redenering die binnen het uurtariefmodel klopt en buiten dat model breekt.

Accountants die op abonnement of vaste maandfee factureren, denken bijna automatisch andersom. Hun klant betaalt voor uitkomst, niet voor uren. Als AI de routinematige verwerking sneller doet, blijft de uitkomst dezelfde en wordt het kantoor winstgevender. Sterker: ze kunnen meer klanten bedienen met hetzelfde team, of dezelfde klanten dieper bedienen met hetzelfde team. Voor hen is AI een marge-vergroter en een capaciteits-vermenigvuldiger.

Welk model je hebt, bepaalt dus hoe AI voor je voelt. En dat verklaart waarom binnen hetzelfde kantoor een partner kan zeggen "we moeten dit doen" en een senior medewerker tegelijkertijd "dit eet mijn werk op". Allebei zien ze hetzelfde patroon; ze trekken er een andere conclusie uit omdat ze in een andere economie van hun werk staan. De gesprekken die wij meemaken eindigen meestal niet bij "moeten we AI gebruiken", maar bij "wat doen we met ons tariefmodel".

Wat AI vandaag al goed kan, ook wat niemand bespreekt

De voor de hand liggende lijst staat overal: factuur-coderen, btw-controle, bank-reconciliatie, periode-afsluit-checks, eerstegraads samenstelling, concept-jaarrekening-toelichtingen. Op die taken zit AI in 2026 op nuttig-accuratesse-niveau (de exacte percentages verschillen per tool en per dataset, en je moet ze meten op je eigen klantmix voordat je iets aan een klant levert dat door AI is voorbereid).

Wat in deze lijstjes bijna nooit staat zijn de taken die nu helemaal niet gebeuren omdat niemand er tijd voor heeft. Drie voorbeelden die wij vaak terugzien.

De btw-code-kruiscontrole tussen factuur, grootboekrekening en leverancier. Op papier eenvoudig: hoort de btw-code op deze factuur bij deze grootboekrekening, en past hij bij wat we van deze leverancier in het verleden hebben geboekt? In de praktijk doet vrijwel niemand dit periodiek. Een AI-laag die dit elke week doet, ontdekt afwijkingen die anders pas bij de jaarrekening of bij een steekproef-controle opduiken.

De leveranciers-datahygiene. Bankrekeningnummer nog correct, e-mail nog bestaand, adres-gegevens actueel, fiscale identiteit nog kloppend. Niemand zet hier tijd op tot er iets mis gaat. AI kan dit elke maand cross-checken tegen externe bronnen en alerts geven op wat is verschoven. Het resultaat is een schoner crediteuren-bestand en minder verrassingen op betaaldag.

De ERP-dataverrijking. De meeste ERP's hebben velden die structureel onderbezet zijn: kostenplaats per leverancier, project-koppeling per inkooporder, branche-segmentatie per debiteur. Niet kritiek, wel waardevol als ze gevuld zijn. AI kan dit langzaam invullen op basis van patronen in de bestaande data, telkens met een vier-ogen-stap.

Het gemeenschappelijke kenmerk: dit zijn taken waar niemand op zat te wachten omdat ze niemand tijd kostten in de zin van een uur. Ze waren simpelweg niet gedaan. AI verandert die afwezigheid in een aanwezigheid, en dat is een onderschatte hefboom.

Wat AI vandaag niet kan, en waarom dat eerlijk gezegd niet snel verandert

De grens zit niet in de modellen. De grens zit in wat er gebeurt als de modellen mis zitten. Een accountant die een conceptueel verkeerd advies aan een klant geeft, voert dat verkeerd advies naar zijn eigen tuchtrechtelijke verantwoordelijkheid. Een AI-tool die hetzelfde advies geeft, schuift die verantwoordelijkheid naar de mens die het advies doorgeeft. Dat is een verschuiving die de mens niet alleen niet kan weigeren maar ook niet hoort te willen. De waarde van een accountant zit precies in dat oordeels-moment.

Daarnaast is er een gedrags-grens die we steeds vaker zien. Als AI overal in je workflow zit, wordt het verleidelijk om de denkstap over te slaan en de AI-output simpelweg door te zetten naar klant of collega. Dat is geen efficiency, dat is werk verschuiven naar de ontvanger. De klant of collega krijgt nu een analyse die niet door iemand is begrepen voordat ze is verstuurd, en moet zelf uitzoeken wat ervan klopt. In de praktijk levert dat meer werk op, niet minder. Niet je denken outsourcen aan AI is geen ethisch principe, het is een productiviteit-regel.

Tot slot: niet-routinematige beslissingen. "Mijn klant denkt erover een lening van een ton af te sluiten omdat hij voorziet dat zijn cashflow over zes maanden in de problemen komt. Wat raad ik aan?" Een goed AI-systeem kan de data ophalen, de scenario's narekenen, een grafiek tonen. Het kan niet bepalen wat deze ondernemer aankan, hoe zijn relatie met de bank is, hoe risico-tolerant hij is voor de variabele rente, wat hij in zijn vorige twee crises heeft besloten en waarom. Dat zit in een gesprek tussen de accountant en de klant, niet in een prompt.

Drie rollen die er in een AI-eerste praktijk bij komen

Wat verschuift is niet de identiteit van de accountant, maar de mix van taken per dag. In een AI-eerste praktijk komen er drie rollen bij die er tien jaar geleden niet waren of marginaal waren.

De AI-supervisor. Iemand binnen het kantoor die de modelprestaties bewaakt, audit-trails leest, drempels stelt voor wanneer human-in-the-loop verplicht is, en periodiek samplet of de AI-output in lijn blijft met wat een ervaren medewerker zou hebben gedaan. Salarisbandbreedte vergelijkbaar met een senior medewerker, omdat de inhoudelijke kwaliteit dezelfde is; het verschil zit in waar de tijd zit (controleren en kalibreren in plaats van zelf boeken).

De klantstrateeg. De mens die met klanten in gesprek gaat over forward-looking onderwerpen: cashflow-scenario's, M&A-voorbereiding, fundraising, prijsmodellen, klantsegmentstrategie. Werkzaamheden die je tien jaar geleden alleen bij grote kantoren in een aparte advies-afdeling zag, komen nu binnen bereik van een MKB-accountantspraktijk omdat de tijd die anders aan boeking ging, vrijkomt. Salarisbandbreedte hoger, want je verkoopt geen uren maar resultaat.

De tooling-integrator. De mens die workflows ontwerpt, beslist welke AI waar in het proces zit, integreert met de ERP's van de klanten, en het kantoorplatform onderhoudt. In kleine kantoren is dit deeltijd-werk van een partner; in grotere kantoren een gespecialiseerde rol. Achtergrond vaak finance-IT, soms een ervaren controller die de stap naar systeem-denken heeft gezet.

Geen van deze drie rollen vervangt de bestaande senior associate. Ze ontstaan ernaast en bovenop, en ze trekken de carrière-stappen die historisch tussen junior en partner zaten een andere richting in.

Wat dit met je tariefmodel doet

Hier wordt het oncomfortabel. Als routinematig werk goedkoper wordt om te leveren, kun je twee dingen doen: je marge groter laten worden binnen het uurtariefmodel (kortdurend; de markt corrigeert), of je tariefmodel aanpassen.

Drie modellen die we in 2026 in Nederlandse praktijken zien werken, naast elkaar gezet.

In de praktijk eindigt 80 procent van de praktijken die deze keuze ergens in 2026 maken bij hybride, omdat het overgangsrisico klein is en het je tijd geeft om te leren wat klanten in het adviesdeel willen kopen.

Voor wie nu nog volledig op uurtarief zit en een paar jaar voor pensioen, is doorgaan een legitieme strategie. Voor wie nog 10 of 20 jaar door wil, is het herzien van het tariefmodel geen optionele actie maar een onderwerp voor het eerstvolgende strategie-overleg.

Wat je deze maand kunt doen zonder iets te kopen

Drie experimenten waar je geen tool voor nodig hebt en die je in een maand af kunt ronden.

Map drie processen die je nu hebt en zou willen versnellen. Niet de processen waar AI logischerwijs op past, maar de processen die de meeste tijd kosten in je praktijk. In de praktijk zien we dat veel kantoren bij de mapping al ontdekken dat hun ERP zelf al twee of drie van die processen kan automatiseren, zonder AI. Dat is winst op de korte termijn en het maakt zichtbaar waar AI later daadwerkelijk waarde toevoegt.

Doe één klantexperiment. Pak één klant, één workflow (bijvoorbeeld concept-jaarrekening-toelichtingen of btw-codering bij internationale facturen), en draai een maand AI-ondersteund. Aan het einde van die maand: hoeveel tijd kostte het echt, welke fouten heeft AI gemaakt, welke fouten heeft de mens gevangen, wat was de klantreactie als die werd verteld dat AI in de productie zat?

Stel het gesprek over verdienmodel open met je partners. Niet om vandaag te beslissen, wel om de optie-ruimte zichtbaar te maken. Welke klanten zouden naar abonnement kunnen, welke naar value-based? Wat zou je daarvoor anders moeten meten in je administratie? Welk gesprek voer je met klanten als ze morgen vragen "waarom verandert mijn factuur"?

Daarnaast: investeer een halve dag in de changemanagementkant van je klantrelaties. De grootste vertraging in een gemiddelde administratieve workflow zit niet bij jou; hij zit bij de klant die de inkoopfacturen pas op de zevende aanlevert, de bank-bescheiden vergeet, of de adres-wijziging van een leverancier nooit doorgeeft. Hoe automatiseer je dat aan de klant-kant? Welke standaard kan je opleggen? Wat geef je klanten als reden om mee te doen? Hier is de besparing voor een gemiddeld MKB-kantoor groter dan in welke AI-tool dan ook.

Veelgestelde vragen

Welke accountantswerkzaamheden automatiseert AI in 2026?

In 2026 zit AI op nuttig-accuratesse-niveau voor factuur-coderen, btw-controle, bank-reconciliatie, periode-afsluit-checks, eerstegraads samenstelling en concept-jaarrekening-toelichtingen. Onderschatte categorieën die nu nog vaak handmatig of helemaal niet gebeuren: btw-code-kruiscontroles tussen factuur en grootboekrekening, leveranciers-datahygiene, en ERP-veldverrijking. Voor elke taak geldt: de exacte accuratesse verschilt per tool en klantmix; meet altijd op je eigen data voordat je AI-output naar een klant stuurt.

Wat blijft het werk van de accountant?

Oordeel bij twijfel, klantrelatie, niet-routinematige beslissingen, en de tuchtrechtelijke verantwoordelijkheid. AI kan data ophalen en scenario's narekenen, maar niet bepalen wat een specifieke ondernemer aankan, hoe zijn bank-relatie staat, hoe risico-tolerant hij is, en wat hij in vorige crises heeft besloten. Dat zit in een gesprek tussen accountant en klant, niet in een prompt.

Hoe verandert de uurtarief-structuur door AI?

Het uurtariefmodel wordt onhoudbaar zodra een groot deel van het werk goedkoper te leveren is. Drie modellen die in 2026 in NL-praktijken werken: een vaste maandprijs per klantsegment, value-based pricing voor advies, of een hybride van die twee. In de praktijk eindigt 80 procent van de praktijken die de transitie in 2026 starten bij hybride, omdat het overgangsrisico klein is en het tijd geeft om te leren wat klanten in het adviesdeel willen kopen.

Welke nieuwe rollen ontstaan in een AI-eerste accountantspraktijk?

Drie rollen die er bijkomen of bestaande rollen verschuiven: de AI-supervisor (model-prestatie, audit-trails, drempels voor human-in-the-loop), de klantstrateeg (forward-looking adviesgesprekken over cashflow, M&A, fundraising), en de tooling-integrator (workflows, ERP-koppelingen, kantoorplatform onderhouden). Geen van die drie vervangt de senior associate; ze ontstaan ernaast en buigen de carrière-stappen tussen junior en partner in een andere richting.

Hoe begin je als kantoor met AI zonder grote risico's?

Drie low-risk acties zonder tool-aankoop. (1) Map drie processen die je het meest tijd kosten en kijk of je eigen ERP er al twee of drie van kan automatiseren. (2) Doe één klantexperiment: één klant, één workflow, één maand AI-ondersteund, en meet vooraf wat een succes is. (3) Open het gesprek over je verdienmodel met je partners. Pas daarna over tooling-keuzes. Voor wie sneller wil: investeer een halve dag in de change-management-kant van je klant-relaties (vertragingen zitten vaak bij de klant, niet bij jou).

Slot

De accountant verdwijnt niet. Het adminwerk verdwijnt naar de achtergrond, en wat je werk eigenlijk is komt op de voorgrond te staan. Voor wie dat al jaren wilde maar geen tijd had, is dit een kans. Voor wie zijn praktijk had gebouwd op het factureren van die admin, is dit een verbouwing. Welke van de twee je bent, weet je het beste zelf. Begin deze maand met de drie processen die je het meest kosten. Daarna pas met de tool.

Neem contact op als je accountant bent en wil meedenken over hoe AI in jouw praktijk past zonder dat je morgen je verdienmodel hoeft te herzien.

Verder lezen: AI in Exact Online: wat je vandaag echt kunt automatiseren (de integratie-kant van het verhaal), AI voor je boekhouding: wanneer chat-AI genoeg is, en wanneer je een AI-collega nodig hebt (de strategische context), alles wat Nance automatiseert in de financiële functie, of de oplossingen voor accountantskantoren voor het hele aanbod.