Hoe een accountantskantoor met 80 medewerkers 1 dag per week bespaarde

De situatie die je herkent

Een middelgroot accountantskantoor in Midden-Nederland. Tachtig medewerkers, verdeeld over drie vestigingen. Goede reputatie, trouwe klanten, stabiele omzet. Maar ook: een groeiend gevoel dat het anders moet.

De partners zagen het al langer. Hun medewerkers besteedden te veel tijd aan werk dat geen waarde toevoegde. Data overtypen van het ene systeem naar het andere. Standaardmails kopiëren en plakken. Elk kwartaal dezelfde rapportages handmatig samenstellen. Het was niet onbekwaam, het was inefficiënt. En het kostte de beste mensen hun werkplezier.

"We wisten dat AI iets voor ons kon betekenen," vertelde de managing partner. "Maar we hadden geen idee waar we moesten beginnen. En eerlijk gezegd waren we ook een beetje bang dat het meer problemen zou creëren dan het zou oplossen."

Fase 1: Bewustwording

Het traject begon niet met technologie, maar met begrip. In een halve dag workshop zaten alle teamleiders bij elkaar. Geen PowerPoint-presentatie over de toekomst van AI, maar een praktische sessie: wat is AI, wat kan het nu al, en waar zitten de kansen in ons eigen werk?

Het kantoor ontdekte iets verrassends: de meeste medewerkers gebruikten al AI-tools. ChatGPT voor conceptmails, DeepL voor vertalingen, Copilot voor Excel-formules. Maar niemand wist van elkaar dat ze het deden. Er was geen beleid, geen afstemming, geen gedeelde kennis.

Tijdens de workshop werden twaalf concrete use cases geïdentificeerd. Van "automatisch jaarrekening-concepten genereren" tot "klantvragen sneller beantwoorden." Elke use case werd gescoord op twee criteria: hoeveel tijd bespaart het, en hoe complex is de implementatie?

Drie use cases kwamen bovendrijven als duidelijke winnaars.

De drie gekozen use cases

Use case 1: Conceptrapportages genereren. Elke medewerker besteedde gemiddeld vier uur per klant per kwartaal aan het samenstellen van financiële rapportages. Grotendeels handmatig: data uit het boekhoudsysteem exporteren, in een template plakken, begeleidende tekst schrijven. Tachtig klanten, vier keer per jaar, vier uur per rapportage. Dat is meer dan 1.200 manuren per jaar.

Use case 2: Standaard klantcommunicatie. Het kantoor verstuurde dagelijks tientallen e-mails met dezelfde strekking: bevestigingen, herinneringen, informatieaanvragen, statusupdates. Elke mail werd handmatig geschreven of gekopieerd uit eerdere mails. Consistent in kwaliteit? Niet altijd.

Use case 3: Interne kennisdeling. Met drie vestigingen en tachtig medewerkers was kennis gefragmenteerd. Wie had de laatste versie van een bepaald memo? Hoe ging het ook alweer met die specifieke BTW-regeling? Medewerkers besteedden gemiddeld dertig minuten per dag aan het zoeken naar informatie die ergens in het bedrijf al bestond.

Fase 2: Adoptie

Voordat er ook maar één tool werd geïmplementeerd, werd er gewerkt aan de basis. Het kantoor stelde een AI-beleid op: welke tools mogen gebruikt worden, welke data mag er ingevoerd worden (nooit onversleutelde klantgegevens), en wie is verantwoordelijk voor kwaliteitscontrole.

Alle medewerkers kregen een dagtraining. Niet alleen over de tools, maar over verantwoord AI-gebruik: privacy, hallucinaties herkennen, kwaliteit controleren. De training eindigde met een persoonlijk actieplan: elke medewerker koos één taak die ze de komende twee weken met AI zouden uitvoeren.

Vervolgens werd per use case een pilot gestart:

Rapportages. Er werd een systeem ingericht dat data uit het boekhoudsysteem automatisch combineerde met een rapportagetemplate. Een AI-laag analyseerde de cijfers en genereerde een concepttekst: afwijkingen ten opzichte van vorig kwartaal, aandachtspunten, trends. De accountant controleerde het concept en voegde persoonlijk advies toe. Doorlooptijd per rapportage: van vier uur naar vijftig minuten.

Klantcommunicatie. Er werd een interne tool ingericht die op basis van context (type bericht, klant, situatie) een conceptmail genereerde. De medewerker paste aan waar nodig en verstuurde. De mails werden consistenter in kwaliteit en het tempo ging omhoog.

Kennisdeling. Er werd een interne AI-assistent gebouwd (RAG-gebaseerd) die toegang had tot alle interne documenten, memo's, handleidingen en beleidsstukken. Medewerkers konden in gewoon Nederlands vragen stellen: "Hoe werken de nieuwe BTW-regels voor grensoverschrijdende dienstverlening?" Het antwoord kwam uit de eigen documenten, met bronverwijzing.

Fase 3: Resultaat

Na zes maanden meten waren de resultaten helder:

Rapportages: de doorlooptijd daalde met 80%. Medewerkers besteedden het overgrote deel van de tijd aan controle en persoonlijk advies in plaats van aan data verzamelen en formatteren. Het aantal fouten in rapportages daalde ook, omdat de AI-laag automatisch consistentiechecks uitvoerde.

Klantcommunicatie: de gemiddelde reactietijd op klantverzoeken daalde van 24 uur naar 4 uur. De kwaliteit en consistentie van de communicatie ging omhoog. Klanttevredenheid steeg meetbaar.

Kennisdeling: medewerkers vonden informatie gemiddeld vijf keer sneller. De interne AI-assistent werd het meest gebruikte hulpmiddel op kantoor. Nieuwe medewerkers waren sneller ingewerkt omdat ze direct toegang hadden tot alle kennis.

Opgeteld bespaarde het kantoor gemiddeld één werkdag per medewerker per week. Niet door harder te werken, maar door het saaie werk te elimineren.

Wat er veranderde voorbij de cijfers

De impact ging verder dan tijdsbesparing. De medewerkers die voorheen uren besteedden aan data overtypen, besteedden die tijd nu aan klantgesprekken, advisering en persoonlijke ontwikkeling. Het werkplezier steeg. Het verloop daalde. En het kantoor trok nieuw talent aan dat specifiek afkwam op de innovatieve werkwijze.

De managing partner vatte het samen: "We dachten dat AI over technologie ging. Het ging over onze mensen. De technologie was het middel. De vrijheid die het opleverde was het doel."

De vijf lessen

Vijf dingen die dit kantoor leerde en die gelden voor elk MKB-bedrijf:

Begin met het probleem, niet met de tool. Ze kozen niet "de beste AI-tool." Ze kozen de drie taken die het meest frustreerden en zochten daar een oplossing voor.

Investeer in mensen. De dagtraining was geen kostenpost, het was de belangrijkste investering. Zonder begrip en vaardigheden wordt de beste tool niet gebruikt.

Beleid eerst. Het AI-beleid stond er voordat de eerste tool werd uitgerold. Dat voorkwam privacy-incidenten en gaf medewerkers duidelijkheid.

Meet alles. Ze wisten precies hoeveel tijd elke taak kostte voor en na AI. Zonder meting geen bewijs, zonder bewijs geen draagvlak.

Begin klein. Drie use cases, niet twaalf. Bewijs de waarde, bouw vertrouwen, schaal daarna op.

Herkenbaar?

De situatie van dit kantoor is niet uniek. Elk accountantskantoor, elk adviesbureau, elk bedrijf met kenniswerkers herkent deze patronen: te veel tijd aan repetitief werk, gefragmenteerde kennis, handmatige processen die al jaren hetzelfde gaan.

Het verschil tussen bedrijven die AI succesvol inzetten en bedrijven die het uitstellen is niet technische kennis. Het is de bereidheid om te beginnen.

Wil je weten hoeveel tijd jouw team kan besparen? Start met een quickscan