Tag: AI

De datagedreven audit wordt al jaren aangekondigd als de toekomst van de accountancy. Toch werkt een groot deel van de sector nog altijd met steekproeven, PBC-lijsten en traditionele controleprocessen, terwijl de benodigde data en analysetechnologie allang beschikbaar zijn. Ondertussen verschuift de aandacht naar generatieve AI. Large Language Models zouden de audit fundamenteel gaan veranderen, maar daarmee dreigt de sector opnieuw op technologie te wachten. De belangrijkste stap begint niet bij generatieve AI, maar bij het daadwerkelijk gebruiken van de data, systemen en analysemethoden die er al zijn.

Steeds meer organisaties experimenteren met kunstmatige intelligentie om processen efficiënter in te richten en de productiviteit te verhogen. De praktijk laat echter zien dat succesvolle AI-adoptie verder gaat dan het implementeren van nieuwe technologie. De manier waarop AI wordt ingezet, heeft direct invloed op klantbeleving, bedrijfsvoering en strategische keuzes. De ontwikkelingen bij Klarna laten zien dat de grootste uitdagingen vaak niet technisch van aard zijn, maar liggen op het snijvlak van organisatie, governance en waardecreatie.

Vertrouwen in AI hangt niet alleen af van de technologie zelf, maar vooral van de context waarin zij wordt toegepast. Terwijl kunstmatige intelligentie steeds vaker wordt ingezet in sectoren als defensie en gezondheidszorg, blijkt onze houding ten opzichte van dezelfde technologie opvallend verschillend. De uitspraak “We vertrouwen AI om te doden, maar niet om te genezen” legt die tegenstelling scherp bloot. Niet omdat AI fundamenteel anders werkt, maar omdat onze behoefte aan controle, verantwoordelijkheid en uitleg verandert zodra technologie dichter bij ons eigen leven komt.

De discussie over AI en AGI wordt steeds vaker gevoerd in termen van snelheid, disruptie en maatschappelijke impact. Nieuwe technologische doorbraken leiden al snel tot voorspellingen over een toekomst waarin kunstmatige intelligentie vrijwel alle vormen van kenniswerk overneemt. Maar tussen technologische vooruitgang en maatschappelijke verandering ligt een veel complexere werkelijkheid. Organisaties veranderen langzaam, verantwoordelijkheid laat zich niet automatiseren en professioneel oordeel blijft meer dan de optelsom van losse taken. Juist daar begint de echte discussie over AI en AGI.

Er was een tijd dat sommige dingen simpelweg buiten bereik leken te liggen. Niet omdat we er niet nieuwsgierig naar waren, maar omdat ze zich onttrokken aan onze logica. Dierencommunicatie was zo’n domein. Fascinerend, intrigerend, maar uiteindelijk iets wat we accepteerden als ondoorgrondelijk. Tot nu. Met de opkomst van AI-systemen die patronen herkennen in geluid, gedrag en context, schuift dat idee langzaam op. Wat ooit thuishoorde in sciencefiction, wordt nu serieus onderzocht: het decoderen van communicatie tussen niet-menselijke soorten. Walvissen, vogels, misschien zelfs huisdieren,  de ambitie is niet langer om ze alleen te observeren, maar om ze te begrijpen. Technologisch gezien is dat indrukwekkend. Misschien zelfs historisch. Maar zoals vaker bij AI, ligt de interessantste vraag niet in wat er mogelijk is. Die ligt in wat het betekent. Begrijpen is nog geen betekenis We gebruiken het woord “begrijpen” opvallend makkelijk. Als een model patronen herkent in dierengeluiden en daar structuur in aanbrengt, spreken we al snel van taal. Van communicatie. Van interpretatie. Maar begrijpen we dan echt iets? Of hebben we simpelweg correlaties ontdekt die voor ons bruikbaar zijn? Het is een ongemakkelijke gedachte, maar wel een eerlijke. AI is uitzonderlijk goed in het herkennen van patronen. Maar betekenis, echte

AI-ethiek wordt vaak besproken als een verzameling principes, richtlijnen en theoretische modellen. Maar zodra kunstmatige intelligentie zelfstandig beslissingen ondersteunt of neemt, verschuift de discussie van theorie naar praktijk. Dan draait het niet langer alleen om wat mensen belangrijk vinden, maar vooral om welke keuzes vooraf in systemen zijn ingebouwd. De workshop van de KNVI over AI-ethiek vormt een mooie aanleiding om stil te staan bij die ontwikkeling. Want de grootste uitdaging ligt misschien niet in het bespreken van ethische perspectieven, maar in de verantwoordelijkheid voor de systemen die we ontwerpen.