AI in de audit: het echte vraagstuk zit niet in de technologie, maar in ons gedrag
De discussie over AI in de auditsector wordt vaak gevoerd langs voorspelbare lijnen. Wat kan de technologie, hoe snel ontwikkelt zij zich, en hoeveel efficiënter kunnen we ons werk maken?
Het zijn logische vragen, maar ze raken niet de kern.
Een recente publicatie van de Foundation for Auditing Research brengt een ander perspectief naar voren. Niet de mogelijkheden van AI staan centraal, maar de manier waarop auditors ermee omgaan en erop vertrouwen. Dat lijkt een nuance, maar het is in werkelijkheid een fundamentele verschuiving in het debat.
Want zodra je de focus verlegt van technologie naar gedrag, verandert ook de vraag die we onszelf moeten stellen.
Het ongemakkelijke midden tussen wantrouwen en blind vertrouwen
Wat het onderzoek scherp blootlegt, is dat auditors zich nog zoekend bewegen tussen twee uitersten. Aan de ene kant is er een duidelijke terughoudendheid. Nieuwe technologie wordt met enige scepsis bekeken, soms zelfs genegeerd, ondanks het potentieel om betere inzichten te bieden. Dit fenomeen, vaak aangeduid als “algorithm aversion”, laat zien dat mensen geneigd zijn om menselijke oordelen hoger te waarderen dan modeluitkomsten, zelfs wanneer die objectief gezien minstens zo goed zijn. Ik ben zelf ook onderdeel van deze ‘aversion’, niet dat ik niet geloof in een minstens net zo goed scenario, maar meer omdat de uitkomsten uiteindelijk in een context beschouwd moeten worden en daar is #HI (human intelligence) beter in.
Aan de andere kant ontstaat er juist een tegenovergesteld risico. Wanneer een model overtuigende output genereert, helder gepresenteerd en ogenschijnlijk logisch, blijkt de stap naar vertrouwen soms verrassend klein. Juist de kracht van de technologie maakt haar in dat geval kwetsbaar. Ik heb hier al eerder voor gewaarschuwd, cognitieve surrender. En ik zie dit nu al in de audit praktijk ontstaan.
Tussen die twee uitersten ligt een gebied waarin professioneel oordeel bepalend zou moeten zijn. En precies daar wordt het spannend.
Technologie vergroot het speelveld, maar niet het vakmanschap
Het is verleidelijk om te denken dat betere technologie automatisch leidt tot betere audits. Meer data, meer analyses en meer signalen zouden immers moeten resulteren in meer zekerheid. De praktijk is weerbarstiger.
Auditkwaliteit is nooit primair bepaald door de hoeveelheid werk die wordt uitgevoerd, maar door de manier waarop informatie wordt geïnterpreteerd. Technologie kan het speelveld vergroten, maar neemt het vakmanschap niet over.
Sterker nog, naarmate de output overtuigender wordt, neemt de noodzaak toe om die output kritisch te blijven bevragen. Niet omdat de technologie tekortschiet, maar omdat haar kracht juist vraagt om tegenwicht.
De kern van het vak verschuift daarmee niet, maar wordt scherper zichtbaar.
De rol van ontwerp en context in vertrouwen
Een van de meer interessante inzichten uit het onderzoek is dat vertrouwen in technologie niet alleen wordt bepaald door de kwaliteit van het model, maar ook door de manier waarop het wordt gepresenteerd en ingebed in het proces.
Wanneer auditors begrijpen hoe een model tot zijn uitkomsten komt, wanneer zij invloed kunnen uitoefenen op de parameters en wanneer de toepassing aansluit bij de complexiteit van de taak, ontstaat er ruimte voor een meer gebalanceerde vorm van vertrouwen. Dit herkennen we natuurlijk bij de inzet van ‘old school’ data-analyse zoals we dat bij Coney Minds al ruim 20 jaar doen.
Zodra die context ontbreekt en systemen functioneren als black box, verandert de dynamiek. Output wordt dan eerder geaccepteerd of juist afgewezen, zonder dat daar een inhoudelijke afweging aan ten grondslag ligt. Dat maakt duidelijk dat de interactie tussen mens en technologie minstens zo belangrijk is als de technologie zelf.
En naarmate we dus opschuiven van data-analyse, naar machine learning naar #genAI, dat wordt de mate van ‘black box’ steeds hoger.
Wat dit zegt over de toekomst van het vak
Wat deze inzichten vooral duidelijk maken, is dat de impact van AI niet zit in het vervangen van auditwerkzaamheden, maar in het veranderen van de manier waarop auditors hun werk uitvoeren en beoordelen.
Dat heeft directe gevolgen voor hoe het vak zich ontwikkelt. De nadruk verschuift van uitvoeren naar begrijpen, van verzamelen naar duiden en van controleren naar interpreteren. Dat klinkt als een logische evolutie, maar het legt tegelijkertijd bloot waar de kwetsbaarheid zit.
Begrip ontstaat niet vanzelf. Het is het resultaat van ervaring, van herhaling en van het zien van voldoende variatie om patronen te herkennen en uitzonderingen te duiden.
En precies dat proces staat onder druk.
De stille impact op opleiding en ontwikkeling
Hoewel het onderzoek zich primair richt op het gebruik van technologie in de audit, raakt het impliciet aan een veel breder vraagstuk.
Als auditors moeite hebben om hun vertrouwen in AI goed te kalibreren, wat betekent dat dan voor jonge professionals die opgroeien in een omgeving waarin deze technologie vanaf dag één aanwezig is?
Hoe ontwikkel je professioneel oordeel wanneer een deel van de onderliggende werkzaamheden verdwijnt of verandert van karakter? Hoe zorg je dat nieuwe generaties niet alleen leren omgaan met output, maar ook begrijpen hoe die tot stand komt en waar de beperkingen liggen?
Dit zijn vragen die niet beantwoord kunnen worden met extra tooling of aanvullende richtlijnen. Ze raken aan de kern van hoe het vak wordt geleerd.
Een positieve ontwikkeling die om scherpte vraagt
Het sterke aan het onderzoek van de Foundation for Auditing Research is dat het geen somber beeld schetst van de rol van AI in de audit. Integendeel, het laat zien dat technologie daadwerkelijk kan bijdragen aan betere inzichten en een hogere kwaliteit van het werk, mits zij op de juiste manier wordt gebruikt.
Die voorwaarde is echter cruciaal.
Het vraagt om auditors die actief blijven nadenken, die bereid zijn om output te bevragen en die begrijpen dat technologie een hulpmiddel is en geen vervanging van professioneel oordeel.
Daarmee wordt de discussie over AI uiteindelijk minder technologisch dan vaak wordt gedacht. Het gaat niet over wat systemen kunnen. Het gaat over wat wij blijven doen wanneer systemen steeds meer kunnen.