Private AI voor accountants: AVG-bewuste documentverwerking

Steeds meer Nederlandse accountantskantoren zetten AI-toepassingen in op hun documentstromen, terwijl de Autoriteit Persoonsgegevens juist alarm slaat over datalekken die door onzorgvuldig AI-gebruik ontstaan. Die twee bewegingen bijten elkaar niet zo hard als het lijkt. De echte vraag voor een kantoor is namelijk niet óf je AI inzet op je documentstromen, maar waar de cliëntdata heen gaat op het moment dat je dat doet. Een jaarrekening, een grootboek of een aangifte in een gedeelde cloud-chatbot plakken is snel geregeld en precies daar begint het probleem. Dit artikel gaat over het alternatief: documentverwerking die binnen de AVG én je wettelijke geheimhoudingsplicht blijft.

Dit is een sector-spoke onder ons dossier private document AI, toegespitst op het accountants- en boekhoudkantoor. Waar dat dossier de techniek en de AVG in algemene zin behandelt, gaat het hier om de concrete documentstromen van een kantoor, facturen, grootboek, jaarrekening en aangiftes, en om de privacy-architectuur die dat veilig maakt. Wil je zien hoe wij dit voor accountantskantoren inrichten, dan staat dat op onze sectorpagina voor accountants en op de Private AI-pagina. De voorbeelden hieronder zijn illustratief en komen uit ons eigen werk: we draaien zelf 57 agents over 5 servers, lokaal én cloud, volledig automatisch, op dezelfde privacy-bewuste opzet die we hier beschrijven.¹

/ 01Kort gezegd

Kort gezegd

/ 02De spanning

Waarom een accountantskantoor niet zomaar een cloud-tool pakt

Voor een webshop of een installatiebedrijf is een gratis chatbot een afweegbaar risico. Voor een accountantskantoor niet, en dat komt door drie lagen tegelijk. De eerste is de AVG: op facturen, loonstroken en cliëntdossiers staan persoonsgegevens. De tweede is de wettelijke en beroepsmatige geheimhoudingsplicht, verankerd in de VGBA en de NBA-regels, die verder gaat dan privacy en álle cliëntinformatie omvat. De derde is de Wwft, die je verplicht zorgvuldig met cliënt- en transactiegegevens om te gaan. Zodra je een grootboek of jaarrekening in een generieke tool plakt, kun je van geen van die drie meer uitleggen waar de data staat, wie subverwerker is en of het materiaal wordt gebruikt om modellen te trainen.

Het risico is bovendien breder dan alleen persoonsgegevens. In een jaarrekening of een advies-memo zit koersgevoelige en concurrentiegevoelige informatie: marges, overnameplannen, financieringsafspraken. Dat is precies het materiaal waarvan een cliënt verwacht dat het jouw kantoor niet verlaat. De Autoriteit Persoonsgegevens waarschuwde eind 2025 nadrukkelijk dat onzorgvuldig AI-gebruik een groeiende bron van datalekken is.² Voor een kantoor dat op vertrouwen draait, is dat geen abstract risico maar een directe bedreiging van de relatie met de cliënt.

/ 03De documenten

Welke documenten je AI laat verwerken

Niet elk document leent zich even goed voor automatische verwerking. De winst zit in de stromen die zich herhalen en een vaste vorm hebben. Per type kort wat de AI eruit haalt en waar de mens naar blijft kijken.

• Inkoop- en verkoopfacturen. De AI leest leverancier, factuurnummer, datum, bedragen, btw en de losse factuurregels, en stelt een tegenrekening en boeking voor. Dit is de zuiverste startstroom: hoog volume, vaste opmaak, snel meetbaar resultaat.
• Bankafschriften en grootboekmutaties. Herkenning van tegenpartij en bedrag, met een voorstel voor de juiste grootboekrekening en een match tegen openstaande posten. De mens beoordeelt de afwijkers.
• Jaarrekening-brondocumenten. Verzamelen en rubriceren van onderliggende stukken, met een verwijzing terug naar het bronstuk per post. De accountant houdt de beoordeling en de eindverantwoordelijkheid.
• Btw- en IB/VpB-aangifte-stukken. Extractie van de relevante velden en een controle-overzicht, als voorbereiding. Het indienen blijft een menselijke handeling.
• Permanent cliëntdossier. Doorzoekbaar maken van notulen, adviesmemo's en eerdere afspraken, met bronverwijzing, zodat een medewerker een vraag stelt in plaats van mappen doorspit.

De rode draad: gestructureerde documenten met een vaste opmaak halen als indicatie boven de 95 procent extractie-nauwkeurigheid, terwijl handgeschreven of ongestructureerde stukken meer review vragen. Dat is geen tekortkoming maar een ontwerpkeuze: je zet de automatisering op de stroom met het hoogste volume en de laagste variatie, en laat de rest bewust bij de mens.

/ 04De pijplijn

Hoe private documentverwerking werkt

In gewone taal doorloopt een document vier stappen. Er komt een stuk binnen, bijvoorbeeld een inkoopfactuur. De extractie leest de velden: een combinatie van OCR en een taalmodel haalt bedragen, datum en regels eruit. De classificatie bepaalt het type, de cliënt en de voorgestelde grootboekrekening. Daarna volgt een voorstel met een bronverwijzing terug naar het brondocument, en pas dan keurt een mens het goed. Het model verzint niets vrij: het antwoordt op basis van jouw eigen data en rekeningschema.

Wat dit voor een controlepraktijk bijzonder geschikt maakt, is het audit-spoor. Bij elk voorstel legt de omgeving vast wanneer het is verwerkt, welke waarden zijn geëxtraheerd, welke rekening is voorgesteld en wie akkoord heeft gegeven. Dat is precies het soort traceerbaarheid dat je nodig hebt om je werk te kunnen verantwoorden, en het is meteen het verschil met een chatbot waarin een antwoord verschijnt zonder dat je kunt reconstrueren waar het vandaan kwam. De onderliggende techniek, antwoorden ophalen uit je eigen documenten met bronverwijzing, heet RAG; die leggen we uit in RAG uitgelegd in plain Nederlands.

/ 05Compliance

AVG en geheimhoudingsplicht: wat je moet regelen

Dit is de checklist die de meeste cloud-tools overslaan, en tegelijk de plek waar een accountantskantoor het verschil maakt. Zes bouwstenen maken de verwerking verantwoordbaar. Een verwerkersovereenkomst met je AI-leverancier, én de spiegel daarvan met je cliënten, zodat de keten sluit. Het in kaart brengen van de subverwerkers, want je moet kunnen benoemen wie de data feitelijk verwerkt. Een datalocatie in de EU waar dat kan. De harde afspraak dat jouw input niet wordt gebruikt om modellen te trainen, wat bij enterprise-instellingen instelbaar is. Logging per vraag en per verwerking. En fysiek scheidbare tenants, zodat het dossier van cliënt A de omgeving van cliënt B niet raakt.

Het aardige is dat deze bouwstenen dubbel werken. Ze zijn nodig om de AVG en je geheimhoudingsplicht na te komen, maar ze zijn tegelijk het argument richting je cliënt: je kunt precies uitleggen waar zijn data heen gaat en wie erbij kan. Privacy is hier dus geen kostenpost maar een verkoopargument, mits je het eerlijk brengt.

/ 06De vergelijking

Private opzet versus generieke cloud-tools

Er zijn grofweg drie routes. Een generieke cloud-AI zoals ChatGPT of Copilot, een SaaS-boekhoudtool met ingebouwde AI, en een private opzet. Ze zijn niet allemaal fout; ze passen bij verschillende situaties. Eerlijk blijven hoort erbij: een SaaS-boekhoudtool is prima voor volume-factuur​verwerking bij standaard-cliënten. De private opzet wint zodra geheimhouding, cliëntscheiding en maatwerk op je eigen werkwijze zwaarder wegen.

De praktische leeswijzer: gebruik je een SaaS-tool voor het massawerk, dan is dat een prima keuze zolang de cliënt daar in de overeenkomst mee akkoord is. Zodra je met gevoelige dossiers, meerdere cliënten in één omgeving of maatwerk op je eigen processen te maken krijgt, verschuift het voordeel naar de private opzet, waar je de scheiding en de datastroom zelf in de hand houdt.

/ 07Verantwoordelijkheid

Mens in de lus: de accountant blijft eindverantwoordelijk

Eén principe staat boven alle techniek: de AI is een uitvoerende assistent, geen beslisser. De eindverantwoordelijkheid blijft bij de accountant of de belastingadviseur. Dat is geen rem maar een ontwerpkeuze die de kwaliteit hoog en de aansprakelijkheid op de juiste plek houdt. In de praktijk vertaalt dat zich in concrete review-drempels.

• Steekproef op automatisch verwerkte facturen. Niet elke boeking hoeft langs een mens, maar een vaste steekproef houdt de nauwkeurigheid zichtbaar en corrigeerbaar.
• Verplichte goedkeuring bij afwijkingen. Zodra een voorstel buiten de verwachte bandbreedte valt, een onbekende tegenpartij, een ongebruikelijk bedrag, gaat het per definitie naar een mens.
• Geen zelfstandige indiening. Het model bereidt een aangifte voor, maar dient nooit zelfstandig in. Die handeling blijft bij de professional die tekent.

Dit ondervangt meteen het beroepsethiek-bezwaar. Waar de AI-werkplek voor accountantskantoren de conversationele scenario's en hun valkuilen behandelt, dossiervragen, fiscale wetgeving opzoeken, cliëntmail, gaat het hier om de documentverwerking eronder. Twee kanten van hetzelfde kantoor, met dezelfde regel: een mens houdt het laatste woord.

/ 08Beginnen

Zo begin je: één documentstroom, één week

De veiligste weg naar resultaat is klein en afgebakend beginnen. Kies één documentstroom, bijvoorbeeld de inkoopfacturen van één cliëntsegment, en zet die in één week op als afgeschermde omgeving. Meet de extractie-nauwkeurigheid en de tijdwinst tegen je huidige werkwijze, en breid dan pas uit naar een volgende stroom. Zo houd je het risico klein en het resultaat meetbaar. Voor een kantoor is dat een aantrekkelijke reden om te beginnen: een groot deel van het werk op een kantoor bestaat uit dataverzameling, invoer en standaard-rapportage, precies het werk waar AI de meeste tijd kan besparen.³

Drie logische volgende stappen, in oplopende mate van commitment:

1. Lees het dossier. Bekijk het volledige beeld van architectuur, AVG en kosten in het pillar-dossier private document AI, zodat je de techniek achter deze sector-toepassing begrijpt.
2. Bekijk de sector-aanpak. Op onze sectorpagina voor accountants zie je hoe we cliënt-scheiding, review-workflow en documentstromen concreet inrichten voor een kantoor.
3. Plan een intake. Op de Private AI-pagina bepalen we samen welke documentstroom het meeste oplevert en hoe de AVG-route eruitziet. Liever eerst een vraag stellen? Dat kan via het contactformulier.