.png "Terug naar home")
Veel kantoren werken hard aan de kwaliteit van de transactieverwerking en ook de softwareleveranciers van boekhoudpakketten dragen daar hun steentje aan bij. Logisch gevolg is dat administraties van steeds betere kwaliteit zijn. De businesscase voor risicogericht samenstellen gaat zich dan ook steeds scherper aftekenen. Tijd dus om de volgende stap te zetten.
De regelgeving voor samenstellende accountants dwingt je om kritisch na te denken over risico’s (of significante aangelegenheden) die van invloed kunnen zijn op de betrouwbaarheid van de samen te stellen jaarrekening. We kunnen oeverloos discussiëren over wat die risico’s zijn, maar at the end of the day gaat het om de inschatting van de individuele accountant.
En daar gaan we verandering in brengen. We denken namelijk dat het mogelijk is om met kunstmatige intelligentie vrij goed te kunnen voorspellen welke significante aangelegenheden relevant kunnen zijn bij een gegeven klant.Hiervoor gaan we een machine learning model trainen om risico’s te kunnen voorspellen. Feitelijk komt het erop neer dat dit model patronen moet gaan herkennen in de data die we hebben van de ondernemingen in onze database. Daarbij moet je denken aan de cijfers van de onderneming, maar ook aan zaken zoals rechtsvorm, SBI-code, omvang en andere kwalitatieve aspecten. Deze patronen worden gerelateerd aan de gedefinieerde risico’s. Overigens zijn die risico’s in tekst gevat dus dat vereist ook weer wat andere technieken om daar de echte risico’s uit te extraheren (zng. natural language processing).
Als we voldoende en goede data kunnen gebruiken voor deze patroonherkenning, verwachten we dat we redelijk betrouwbare voorspellingen kunnen doen. Zo kunnen accountants gaan profiteren van elkaars kennis en ervaring. Enerzijds om sneller en gerichter te kunnen samenstellen en anderzijds om met klanten in gesprek te gaan over de zijn sector relevante aandachtspunten.
Uiteraard blijf je als accountant verantwoordelijk voor het definiëren van de risico’s. We zien nu voor ons dat we in de applicatie suggesties doen voor relevante risico’s. Zoiets als: “andere accountants vonden dit ook relevant”. Die kun je dan met één klik toevoegen aan het dossier waarna de overige suggesties uiteraard weer verdwijnen.
We zijn zelf enorm enthousiast over de mogelijkheden die machine learning ons bieden. We kunnen dit echter alleen samen met kantoren. Uiteraard omdat gebruikers ons moeten gaan vertellen of de voorspellingen die geproduceerd worden ook waardevol zijn. Maar zeker ook omdat we niet zomaar data kunnen gebruiken voor het trainen van onze modellen.
Dit is dus ook tegelijkertijd een oproep voor vooruitstrevende kantoren die samen met ons de volgende stap in samenstellen met Visionplanner willen zetten. Laat in onderstaand formulier je gegevens achter en we nemen contact met je op om je te informeren over de volgende stappen in het proces.
Lees ook onze andere blogs!
