Het is niet moeilijk om voorbeelden te vinden van zakelijke dienstverleners die de mist ingaan met AI. Naast pijnlijk zijn die fouten soms ook behoorlijk grappig. Neem PwC, dat een initiatief van JPMorgan in een recent rapport bejubelde als ‘real world succes story’ van agentic AI.
De Amerikaanse zakenbank had de controle van zakelijke kredietovereenkomsten geautomatiseerd en daarmee honderden uren aan menselijk werk bespaard. Prachtvoorbeeld natuurlijk. Alleen was het initiatief in 2017 gelanceerd, vijf jaar voor de komst van ChatGPT het AI-tijdperk inluidde. Oeps.
Hoe PwC aan dit voorbeeld kwam? Hier wordt het nog geestiger: een tienerblogger had er op publicatieplatform Medium over geschreven. Een AI-tool had de inhoud klakkeloos overgenomen, blijkbaar zonder dat een kritische eindredacteur een blik had geworpen op de bron. De blogger had slechts 280 volgers. In het rapport werd vrolijk geciteerd uit dit soort foutieve bronnen, en in drie andere PwC-studies ook.
‘Big Four’ blundert
PwC is niet het enige accountantskantoor dat blundert met AI. De ‘Big Four’ – de vier grootste accountants- en adviesorganisaties ter wereld – gingen het afgelopen jaar allemaal de fout in. Deloitte moest in oktober 2025 een opdracht voor de Australische overheid ter waarde van 440.000 dollar gedeeltelijk terugbetalen, nadat was gebleken dat het rapport vol AI-hallucinaties stond. Deloitte gaf toe generatieve AI te hebben gebruikt bij het maken van het rapport, al bleef het accountantskantoor wel achter de conclusies staan.
EY moest in mei een rapport over loyaliteitsprogramma’s intrekken nadat bleek dat AI bronnen verkeerd had geciteerd of zelfs volledig verzonnen, waaronder een niet-bestaande studie van McKinsey. Een maand later overkwam KPMG hetzelfde met – extra pijnlijk – een rapport met de ronkende titel Redefining excellence in the age of agentic AI.
Dat bevatte bij elkaar gehallucineerde voorbeelden van bedrijven die AI-agents inzetten. De woordvoerders van de bedrijven in kwestie zeiden tegen de Financial Times dat de informatie ‘feitelijk onjuist’, ‘niet accuraat’ en zelfs ‘misleidend’ was.
Lees ook: AI ziet zak chips voor pistool aan – en 6 andere megablunders met kunstmatige intelligentie
Denkwerk wordt uitbesteed
Naast ‘licht grappig’ zijn dit soort voorbeelden vooral zeer kwalijk, zegt David Graus. Hij is universitair docent Information Retrieval & Natural Language Processing bij de Universiteit van Amsterdam, en voormalig lead data scientist bij Randstad. ‘De kern van wat accountants- en advieskantoren als KPMG doen, en moeten doen, is nadenken en zaken overzien.’
Juist dat denkwerk wordt nu aan kunstmatige intelligentie uitbesteed, ziet hij. ‘In de wetenschappelijke wereld gebeurt het ook veel. Er zijn legio voorbeelden van wetenschappers die papers schrijven die bij elkaar zijn gehallucineerd. Met name in de wetenschap kan dat grote gevolgen hebben voor de mate waarin we academische kennis nog vertrouwen.’
Maar ook de fouten in de Big Four-rapporten zijn niet onschuldig, zeggen onderzoekers Om Ogale, Paul Esau en Alex Cui van GPTZero. De onderzoeksgroep is gespecialiseerd in het detecteren van AI-gegenereerde teksten en legde de hallucinaties in samenwerking met Financial Times bloot. ‘Een rapport publiceren is feitelijk een vorm van data-injectie in de vijver van kennis die het internet is’, schrijven ze in een blog. ‘Als zo’n rapport valse informatie bevat, kan dat de bron vergiftigen.’
Onderzoekers kunnen op de resultaten voortbouwen met nieuw onderzoek, media kunnen de inhoud overnemen en verspreiden. Ze vertrouwen er immers op dat de informatie – nogmaals, het gaat om de meest gerenommeerde adviesorganisaties ter wereld – grondig is gecontroleerd. De GPTZero-onderzoekers ontdekten bovendien dat taalmodellen als Claude, ChatGPT en AI-zoekmachine Perplexity hallucinaties uit het EY-rapport overnamen en die als feiten aan gebruikers presenteerden.
‘Hoog automatiseringspotentieel’
En dan te bedenken dat we nog maar aan het begin staan. De zakelijke dienstverlening staat op een kantelpunt, concludeerde Rabobank afgelopen juni in een onderzoek. Bijna tweederde van de taken (64 procent) van zakelijke dienstverleners heeft wat Mark van Kampen, sectormanager tech, media & telecom bij de bank, een ‘hoog automatiseringspotentieel’ noemt.
Die transitie is al volop gaande, ziet hij, hoewel de mogelijkheden bij lange na nog niet volledig worden benut. ‘AI wordt nog vooral ingezet voor repeterende taken. In de accountancy helpt het bijvoorbeeld bij de controle van jaarrekeningen en het uitlezen en verwerken van facturen. In de juridische sector wordt kunstmatige intelligentie ingezet voor contractanalyses en het opsporen van afwijkende clausules.’
En ook in de consultancy neemt AI steeds vaker het voorbereidende werk over: data-analyses, eerste versies van rapportages en klantpresentaties. Van Kampen: ‘Vroeger maakten junioren de PowerPoints, maar dat werk wordt nu steeds meer door AI overgenomen.’
Lees ook: Van 300 naar 120 fte met AI – en HelloPrint groeit onverminderd door
De reden dat zakelijke dienstverleners AI zo gretig omarmen, is dat het in tijden van arbeidskrapte een welkome manier is om te kunnen blijven groeien. Van Kampen: ‘Personeel is schaars; ruim de helft van de advocatenkantoren zegt bijvoorbeeld dat ze moeite hebben om aan mensen te komen. En als het niet lukt om extra mensen aan te nemen, kan het verhogen van de productiviteit per medewerker voor toekomstige groei zorgen.’
Afhankelijk van de taak kan AI de productiviteit van medewerkers met zo’n 10 tot soms meer dan 50 procent verhogen, becijfert Rabobank op basis van verschillende studies. Met de kanttekening, vult Van Kampen aan, dat het deels om een papieren werkelijkheid gaat. ‘De kosten voor AI kunnen in de praktijk snel oplopen.’
Bom onder uurtje-factuurtje-model
Ondertussen zien klanten dat dienstverleners dankzij AI meer gedaan kunnen krijgen met minder tijd en mensen. Dat legt een bom onder het uurtje-factuurtje-model dat nu als standaard geldt. ‘Klanten plaatsen steeds meer vraagtekens bij de traditionele uurtarieven’, zegt Van Kampen. ‘Ze willen weten wat door mensen en wat door AI wordt gedaan, en of dat wordt meegewogen in de prijzen.’
Het leidt tot nieuwe verdienmodellen, waarbij niet langer wordt betaald voor de tijd die aan opdrachten is besteed, maar voor het resultaat dat ermee wordt behaald. Hoeveel klantvragen een AI-agent bij een helpdesk zelfstandig afhandelt zonder dat een menselijke medewerker hoeft bij te springen, bijvoorbeeld.
Outcome-based pricing (OBP) heet dat, en volgens Han Mesters is het de toekomst. Hij is sector banker zakelijke dienstverlening bij ABN Amro en bracht samen met collega Amad Khan in kaart hoe zakelijke dienstverleners AI succesvoller kunnen inzetten. Het omarmen van het OBP-model is een van de oplossingen om richting de toekomst relevant te blijven, concluderen ze.
Ja, er zijn risico’s: bedrijven die overstappen, hebben tijdelijk minder omzet en winst, omdat ze pas kunnen factureren op het moment dat er daadwerkelijk resultaat wordt behaald. Tegelijkertijd is het OBP-model ook een motor voor innovatie; het zijn immers niet de uren die bepalen wat je verdient, maar de waarde die je levert.
Hapsnap aanpak
En innovatie, daar schort het volgens Mesters in ons land bij veel dienstverleners aan. ‘Veel bedrijven pakken AI hapsnap aan. Ze gebruiken losse tools, maar veranderen hun kernprocessen niet. In plaats van échte procesinnovatie gebruiken ze kunstmatige intelligentie eerder als schaamlap om reorganisaties door te voeren.’
In Amerika snappen ze het wel, zegt Mesters. Hij laat zich graag inspireren door Jack Dorsey, medeoprichter van Twitter en tegenwoordig ceo van fintechbedrijf Block, het bedrijf achter Afterpay.
Lees ook: Banken schrappen banen, maar zeggen dat AI juist banen oplevert
Dorsey schrijft in een essay dat AI het einde van de ‘hiërarchische bedrijfsstructuur’ zal inluiden, in het bijzonder het einde van het middenmanagement. Al die managementlagen zijn immers vooral bedacht als een oplossing voor wat Dorsey ziet als een fundamentele menselijke beperking: het onvermogen om informatie efficiënt over te dragen en grote groepen aan te sturen. Een AI-systeem kan die rol overnemen en alle beslissingen, plannen, discussies en problemen binnen de organisatie vastleggen en de voortgang volgen.
Dorsey publiceerde zijn stuk kort nadat bekend werd dat Block 4.000 medewerkers ontslaat, ongeveer 40 procent van het totale personeelsbestand. De 6.000 mensen die overblijven krijgen een plek aan de ‘rand’ van de organisatie.
‘Waar intelligentie contact maakt met de realiteit’, aldus de ceo. Op dat snijvlak worden de besluiten genomen die AI niet kan maken: afwegingen bij ethische dilemma’s, nieuwe en onvoorziene situaties en ‘existentiële’ keuzes voor het voortbestaan van het bedrijf.
Mensen ‘aan de rand’
In Dorseys model is grofweg plaats voor drie menselijke rollen. Allereerst zijn er de specialisten die de AI-systemen bedienen en verbeteren. ‘Player-coaches’ houden zich bezig met de ontwikkeling van hun team (over die ontwikkeling rapporteren hoeft dan weer niet, dat doet het AI-model). En klanten krijgen te maken met zogeheten directly responsible individuals, die zicht houden op de externe output van de AI en de eindverantwoordelijkheid hebben voor complexe problemen en specifieke klantresultaten.
Accepteren klanten die nieuwe rollen zomaar? Het antwoord is nee. De mensen ‘aan de rand’ moeten dat vertrouwen eerst maar eens verdienen, bewijzen dat ze inderdaad als bewaker kunnen optreden: de output van AI kunnen valideren, maar ook ingrijpen als dat nodig is.
Dan helpt het niet als het op het meest basale niveau al misgaat – met de inzet van generatieve AI voor het schrijven van rapporten, die tienerbloggers met enkele honderden volgers opvoeren als serieuze bron.
Fouten opmerken en corrigeren
Bedrijven die al wel verder gingen met de implementatie en enthousiast medewerkers dumpten voor AI, kwamen er ook niet zonder kleerscheuren vanaf. Zo wipte Ford honderden engineers omdat AI de kwaliteitscontroles ook wel kon doen.
Om er vervolgens achter te komen dat de 900 AI-camera’s die waren geïnstalleerd toch niet helemaal konden tippen aan het scherpe oog, de vaardigheden en tientallen jaren ervaring van de mensen die zojuist ontslagen waren. Het leidde tot kwaliteitsproblemen; de autofabrikant heeft nu 350 engineers teruggehaald om die problemen op te lossen.
Lees ook: De AI-ontslaggolf krijgt een verrassend staartje: bedrijven halen hun mensen terug
AI zal altijd fouten maken. De vraag is wie deze fouten opmerkt en corrigeert – want de systemen zijn daar zelf niet toe in staat. Zonder komen die problemen pas aan het licht als de kwaliteit tekortschiet, zoals bij Ford. Of als klanten gaan klagen, zoals bij de Commonwealth Bank of Australia (CBA). Klanten waren niet blij toen de bank vorig jaar 45 medewerkers van de klantenservice ontsloeg, en verving door een AI-voicebot met de naam Bumblebee.
Bumblebee zou het aantal telefoontjes dat door echte klantenservicemedewerkers afgehandeld zou moeten worden met 2.000 per week verminderen en dus waren er minder mensen nodig, was het idee. Het tegenovergestelde gebeurde: het aantal telefoongesprekken nam toe. Bumblebee bleek niet opgewassen tegen de complexiteit en nuances van het omgaan met ‘echte’ mensen. En dus belden gefrustreerde klanten júíst vaker terug.
