Een goede prompt helpt AI om een bruikbaar antwoord te geven, maar regelt niet vanzelf de juiste bronnen, klantcontext en controle. Voor een professioneel kantoor heb je daarom meer nodig: een afgebakende taak, vaste processtappen en duidelijke afspraken over wie de uitkomst beoordeelt. De stap vooruit zit niet alleen in slimmer vragen stellen, maar vooral in beter organiseren.
Wat is de aanleiding voor deze discussie?
AccountancyWorld publiceerde op 10 november 2026 het artikel ‘Waarom prompts voor een professioneel kantoor niet genoeg zijn’. Het beschrijft drie aandachtspunten: wisselende antwoorden, geloofwaardig klinkende fouten en ontbrekende kennis van het kantoor en zijn klanten.
Het bericht is afkomstig van Accountee, partner van AccountancyWorld, en beschrijft ook de aanpak van die leverancier. Het is dus geen onafhankelijke producttest. De centrale vraag is wel relevant voor ieder accountants- of administratiekantoor: hoe maak je van een handig AI-antwoord een beheersbare stap in je dagelijkse werk?
Waarom lost een goede prompt niet alles op?
Een prompt is een instructie aan een AI-model. Je kunt daarin de taak, gewenste schrijfstijl en beoordelingscriteria beschrijven. Dat helpt, maar een instructie is nog geen technische controle of vast werkproces.
Waarom kunnen antwoorden verschillen?
Een taalmodel kan bij dezelfde vraag verschillende formuleringen, redeneringen of conclusies produceren. Ook een modelwijziging of een kleine aanpassing in de invoer kan de uitkomst beïnvloeden.
Niet ieder verschil is een probleem. Twee klantmails mogen anders klinken zolang de inhoud klopt. Maar een verschil in fiscale conclusie of voorgestelde boeking vraagt wél om beoordeling. Je wilt geen identieke zinnen afdwingen, maar consistente beslissingen op basis van dezelfde feiten en regels.
Waarom kan een fout antwoord toch overtuigen?
AI kan een niet-bestaande bron noemen, een uitzondering missen of een verouderde regel gebruiken. Dat wordt vaak een hallucinatie genoemd: tekst die als feit wordt gepresenteerd, zonder dat die klopt.
De opdracht ‘verzin niets’ is nuttig, maar voorkomt zulke fouten niet gegarandeerd. Ook een bronverwijzing moet je controleren: bestaat de bron, is deze actueel en ondersteunt de passage werkelijk de conclusie?
Welke kantoorcontext ontbreekt vaak?
Een algemeen taalmodel heeft niet automatisch toegang tot goedgekeurde kantoorinstructies, klantafspraken of de relevante dossiergegevens. Zonder die context kan een antwoord algemeen juist lijken, maar voor deze klant onbruikbaar zijn.
Denk aan een interne boekingsafspraak, het tijdvak waarop een vraag betrekking heeft of een ontbrekend document. Het systeem moet zulke informatie gericht krijgen, binnen de toegangsrechten van de gebruiker. Meer gegevens delen is daarbij niet vanzelf beter: deel alleen wat voor de taak nodig is.
Wat heb je naast prompts nodig voor betrouwbaar AI-gebruik?
Een beheersbaar AI-proces combineert bronnen, vaste controles en menselijke beoordeling. Welke maatregelen nodig zijn, hangt af van de taak en de gevolgen van een fout.
| Onderdeel | Wat leg je vast? | Wat blijft een aandachtspunt? |
|---|---|---|
| Taakafbakening | Wat AI wel en niet mag voorbereiden | Een concept mag niet ongemerkt een definitief advies worden |
| Kennisbronnen | Welke documenten en versies gebruikt mogen worden | Ook een goedgekeurde bron kan verouderen |
| Vaste controles | Verplichte velden, berekeningen en aansluitingen | Een consequent uitgevoerde regel kan inhoudelijk verkeerd zijn |
| Uitzonderingen | Wanneer het proces stopt en een medewerker inschakelt | Ontbrekende gegevens mogen niet worden ingevuld met aannames |
| Goedkeuring | Wie welke uitkomst beoordeelt en vrijgeeft | De beoordelaar moet voldoende deskundig zijn |
| Vastlegging | Gebruikte bronnen, controles, wijzigingen en akkoord | Bewaar niet méér gevoelige informatie dan noodzakelijk |
Een bruikbare stopregel is bijvoorbeeld: ontbreekt een noodzakelijke klantgegeven of een passende bron, dan volgt geen inhoudelijke conclusie maar een gerichte vraag aan de behandelaar.
Hoe helpt een gecontroleerde kennisbank?
Bij retrieval-augmented generation, meestal afgekort tot RAG, haalt een systeem eerst relevante informatie uit een kennisbron op. Het taalmodel gebruikt die informatie vervolgens bij het opstellen van het antwoord.
Voor een kantoor kan dat betekenen dat een concept wordt voorbereid met goedgekeurde werkinstructies en relevante bronpassages. Leg daarbij ook de versie, geldigheidsdatum en toegang vast.
RAG is geen garantie op juistheid. Het systeem kan een verkeerde passage ophalen, een uitzondering missen of een bron verkeerd uitleggen. De kennisbank moet dus worden beheerd, en de toepassing moet aangeven wanneer er onvoldoende onderbouwing is.
Is een tweede AI-controle voldoende?
Een tweede AI-agent kan een extra controlelaag vormen. Zo’n agent is een AI-toepassing met een afgebakende taak, bijvoorbeeld het vergelijken van een concept met de aangeleverde bron.
Maar twee modellen kunnen dezelfde fout maken. Controle door een tweede agent is daarom niet automatisch onafhankelijk of sluitend. Gebruik vaste rekenregels voor berekeningen, expliciete controles voor verplichte gegevens en een deskundige medewerker voor vaktechnische afwegingen.
Niet iedere processtap heeft AI nodig. Een bedrag optellen of controleren of een veld is ingevuld, kun je doorgaans beter met voorspelbare softwarelogica uitvoeren.
Hoe ziet dit eruit bij een klantmail over btw?
Stel dat een klant vraagt of de btw op een bepaalde factuur aftrekbaar is. Een losse prompt kan snel een nette mail opleveren, terwijl essentiële feiten nog ontbreken. Een ingericht proces maakt dat zichtbaar voordat de mail wordt verstuurd.
Een mogelijke werkwijze:
- Controleer de invoer. Zijn de factuur, het relevante tijdvak en de benodigde klantgegevens aanwezig?
- Haal toegestane bronnen op. Gebruik passende richtlijnen en kantoorinstructies, met versie of datum.
- Scheid feiten van vragen. Zet ontbrekende informatie apart in plaats van die zelf aan te vullen.
- Bereid een concept voor. Laat AI de gecontroleerde informatie begrijpelijk verwoorden, met de onderbouwing beschikbaar voor de behandelaar.
- Laat een medewerker beoordelen. De behandelaar controleert de fiscale conclusie en geeft de mail vrij.
- Leg de afhandeling vast. Bewaar de noodzakelijke bronverwijzingen, correcties en goedkeuring volgens de afspraken van het kantoor.
Dit is een fictief procesvoorbeeld, geen beschrijving van een bestaande AIMAZE-accountancytoepassing en geen fiscaal advies. Het laat zien waar de winst kan zitten: AI helpt bij voorbereiding en formulering, terwijl ontbrekende informatie en beslismomenten zichtbaar blijven.
Hoe test je of de aanpak echt beter werkt?
Test op kwaliteit én totale behandeltijd. Een concept dat snel verschijnt maar veel herstelwerk vraagt, levert niet vanzelf tijdwinst op.
Begin bijvoorbeeld met twintig zorgvuldig geselecteerde, waar mogelijk geanonimiseerde testvragen. Dat is een praktisch startvoorstel, geen onderbouwde norm. Neem gewone vragen op, maar ook gevallen met ontbrekende gegevens, tegenstrijdige stukken en verouderde instructies.
Laat een ervaren medewerker vooraf vastleggen wat een aanvaardbare uitkomst is. Beoordeel vervolgens:
- Juistheid: klopt de inhoudelijke conclusie?
- Onderbouwing: ondersteunen de gebruikte bronnen het antwoord?
- Stopgedrag: vraagt het systeem om hulp als essentiële informatie ontbreekt?
- Herstelwerk: hoeveel tijd kost controleren en corrigeren?
- Consistentie: blijven relevante conclusies overeind bij herhaalde tests?
Een illustratief rekenvoorbeeld: kost een taak eerst twaalf minuten en daarna drie minuten voorbereiding plus vijf minuten controle, dan is de netto tijdwinst vier minuten. Niet negen. Eventueel herstelwerk, beheer en kosten komen daar nog bij. Dit is geen gemeten klantresultaat.
Herhaal de belangrijkste tests na wijzigingen in het model, de instructies, de kennisbank of de koppelingen. Een geslaagde proef is geen blijvende garantie.
Welke afspraken over klantgegevens zijn nodig?
Beoordeel vóór gebruik welke gegevens worden verwerkt, waar ze terechtkomen en wie erbij kan. Een goede prompt of kennisbank beantwoordt die privacy- en beveiligingsvragen niet.
Vraag de leverancier onder meer naar opslag, bewaartermijnen, betrokken dienstverleners, toegangsbeheer, logging en eventueel gebruik voor modeltraining. Beoordeel welke contractuele afspraken nodig zijn en beperk toegang tot de gegevens en handelingen die de taak vereist.
Ook een controlelog kan gevoelige informatie bevatten. Een audit trail, oftewel een navolgbaar overzicht van de verwerking, moet daarom niet alleen bruikbaar maar ook passend beveiligd zijn.
Welke bronnen ondersteunen dit artikel?
- AccountancyWorld, 10 november 2026: het partnerartikel van Accountee is de aanleiding voor deze blog. De beschreven productwerking is leveranciersinformatie, geen onafhankelijk vastgestelde prestatie.
- Lewis en collega’s, 2020: Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks beschrijft hoe taalmodellen met opgehaalde broninformatie worden gecombineerd. In de onderzochte taaltaken leverde dat feitelijkere tekst op dan de gebruikte vergelijking zonder die bronophaling. Het onderzoek bewijst niet dat een specifieke kantooroplossing foutloos is.
De praktische conclusie: een prompt stuurt het antwoord; een ingericht proces bepaalt hoe je ermee verantwoord verder werkt.
