Human Intelligence heeft meerdere voordelen ten opzichte van de inzet van AI. Dat moeten we niet negeren, met de AI-hype die nu gaande is. ‘Ik geloof dat ik nog jaren lang ga winnen van AI met mijn HI’, schrijft Onno Wouters, head of analytics bij Coney Minds.
De hype van AI in de audit is hoog, heel hoog. Pieter de Kok noemde het in de radio-uitzending van Let’s Talk Business nog ‘de allermooiste hype in 30 jaar accountancy’. Wij kijken ernaar uit om ermee aan de slag te gaan, maar dan moet er wel iets zijn waarmee we aan de slag kunnen gaan.
Beluister de uitzending van Let’s Talk Business
Wij zijn als accountants op aarde om vertrouwen toe te voegen aan informatie. Dit kan alleen als we onze werkzaamheden uitvoeren op zo’n manier dat ‘het maatschappelijk verkeer’ ook kan vertrouwen dat die werkzaamheden goed zijn uitgevoerd.
Het vak evalueert wel, maar in een heel behoudend tempo. Op zich niet zo gek, we willen immers zeker weten of we met de inzet van nieuwe technologie ons doel nog wel – aantoonbaar – kunnen dienen.
Het grote voordeel van het inzetten van good old data-analyse (zoals besproken in deze podcast), een techniek die al zeker meer dan 30 jaar oud is, is dat de uitkomsten controleerbaar zijn, en – mits goed opgezet – ook reproduceerbaar zijn. Dus, iedere keer als ik dezelfde data-analyse uitvoer op dezelfde data, komt er exact hetzelfde resultaat uit. Let je op? Dit is cruciaal.
Wij zijn de afgelopen jaren heel goed geworden in het uitvoeren van beschrijvende analyses. Door middel van historische data zichtbaar maken wat er is gebeurd. Vervolgens duiden wij als professionals zelf wat de reden zou kunnen zijn waarom dingen gebeurd zijn. Het onderbouwen van de verklaring kan vervolgens weer – deels – met behulp van data-analyse plaatsvinden.
Eigenlijk toen we nog midden on onze vorige hype zaten (Machine Learning) hadden wij het intern op kantoor al over een oplossing op zoek naar een probleem. Iedereen wilde toen Machine Learning al inzetten, maar het lukte ons en de markt niet goed het ultieme probleem hiervoor te vinden.
En als we dan al een ‘probleem’ hadden gevonden, of een onderwerp waar het zou kunnen helpen, liepen we weer tegen andere problemen aan. Stel dat we forecasting algoritmes willen inzetten om de cashflow te voorspellen voor de komende periode. Hoe ga je dat model trainen, wanneer heb je genoeg data, wanneer is de uitkomst betrouwbaar genoeg? Hebben wij alle kennis om de parameters van een model te kunnen toetsen? Etc. etc.
Dit leidde iedere keer weer tot discussie, veel vragen en weinig concrete antwoorden. We zijn hierin nog steeds zoekende..
We hebben een groot tekort aan instroom van jong talent dat enthousiast is over ons vak. Dit kan leiden tot de reflex om op zoek te gaan naar vervanging voor deze menskracht. Mogelijk dat AI ons hiermee kan helpen.
Het probleem wat ik hierin zie: als we de jonge professional niet meer opleiden, niet meer laten beginnen bij het begin, hoe kunnen wij dan verwachten dat deze straks op een hoger niveau gaat instromen? Gaan we de studie voor accountant dan maar verlengen? Hij is nu al zo lang.
We verlangen er altijd naar de simpele, eenvoudige klusjes, uit te besteden aan een computer. Maar deze taken zijn essentieel voor het trainen van onze eigen interne menselijke accountants- algoritme. Je moet als accountant eerst vele journaalposten, banktransacties, debiteurenlijsten en grootboekkaartjes zien, voordat je een goede radar hebt ontwikkeld om snel opvallende posten, transacties of mutaties te spotten. Je hebt die kennis nodig om het grotere plaatje te kunnen overzien, de grotere verbanden te kunnen herkennen. Je kan niet meteen op het hoogste niveau instromen.
Wanneer je AI inzet, krijg je met de huidige technieken – zoals de transformer-modellen van de LLM’s – een beste schatting van een antwoord: een voorspelling, verwachting. En dat antwoord kan iedere keer een beetje anders zijn, soms zelf heel anders en compleet verzonnen. Lijkt mij geen prettig idee.
De inzet van HI: Human Intelligence, heeft meerdere voordelen ten opzichte van de inzet van AI.
HI heeft enkele superkrachten die AI nog niet heeft.
HI is bij vele accountants al jarenlang getraind op vele, heel specifieke datasets met miljoenen parameters. En we kunnen die kennis van alle jaren, alle klanten, alle datasets die in onze hoofden is opgeslagen, eindeloos blijven gebruiken en inzetten in nieuwe situaties. Bij het trainen van Machine Learning-modellen ben je al snel gebonden aan geïsoleerde datasets van een klant over enkele jaren. Alle kennis van andere bedrijven mogen/ kunnen niet meegenomen worden.
Met HI ben je in staat om de mooiste data-analyses te bouwen, te toetsen en te reproduceren. Op maat gemaakt, specifiek voor jouw klant, en jouw controlebehoefte. En, iedere keer dat je de analyse opnieuw draait, krijg je exact hetzelfde resultaat. Dat geeft vertrouwen.
Analyses en werkzaamheden uitgevoerd met behulp van HI zijn ook gewoon uitlegbaar aan je collega’s, aan toezichthouders, aan je klanten en eventuele andere stakeholders. Het is toch geweldig als je stap voor stap kan laten zien en uitleggen wat je gedaan hebt, waarom je dat gedaan hebt en hoe je dat gedaan hebt. Dan kan je het er echt eens over hebben met elkaar.
Ons werk is een ambacht. Dat moet je leren, en dat kost tijd. Bloed, zweet en tranen moet er in de ontwikkeling van je eigen HI worden gestoken, maar dan heb je er daarna ook jarenlang plezier van. Sla je die stappen over, ben je niet bereid je eigen HI te trainen, wat blijft er dan nog over?
Ik geloof dat ik nog jaren lang ga winnen van AI met mijn HI. De toekomst van AI laat zich alleen nog beschrijven in mooie vergezichten, sommige corveetaken van ons vak zullen vervangen worden, maar er is nog geen sprake van grootse inzet van AI in het echte controleproces.
Ik wil het echte verhaal blijven vertellen over de inzet van techniek in de audit. Dat is namelijk een prachtig verhaal en is de moeite waard om verteld te worden. Als we dat met elkaar blijven doen, lukt het ons misschien wel om de nieuwe generatie te enthousiasmeren voor ons vak. Die willen namelijk van toegevoegde waarde kunnen zijn, een vak leren en niet vervangen worden door AI. Juist zij willen ook hun HI voor ons inzetten.
Head of Analytics, Coney Minds