De agentic audit: procedures omzetten in betrouwbare AI-skills

Samenvatting voor het bestuur

De afgelopen twee jaar heeft de professionele dienstverleningssector zich gericht op het 'chatten' met AI, waarbij vragen worden gesteld en wordt gehoopt op nauwkeurige samenvattingen. We betreden nu het tijdperk van 'agentic AI', waarin het model verschuift van een passieve lezer naar een actieve deelnemer die specifieke workflows uitvoert.

Om dit te realiseren, moeten we de overstap maken van het schrijven van prompts naar het bouwen van 'agent skills'. Een agent skill is in wezen een pakket van AI-geoptimaliseerde scripts, gecombineerd met relevante professionele context. Hiermee kan de AI een complexe controlewerkzaamheid uitvoeren, zoals een continuïteitsbeoordeling, met dezelfde zorgvuldigheid als een junior medewerker die een gedetailleerd werkprogramma volgt.

De onderstaande tabel benadrukt het verschil tussen een standaard conversationele aanpak en een agent skills-aanpak.

1. Inleiding

In een traditionele controleopdracht zou u nooit een nieuwe junior medewerker een set jaarrekeningen geven en simpelweg zeggen: "Kijk of alles in orde is." U zou hem of haar een auditprogramma geven. Dit programma bevat specifieke checklists, verwijzingen naar de International Standards on Auditing (ISA) en sjablonen voor het vastleggen van de bevindingen.

Toch doen we bij het gebruik van generatieve AI vaak precies dat. We plakken een document in een chatvenster en schrijven een generieke prompt: "Beoordeel de continuïteitsveronderstelling." We behandelen de AI als een creatieve consultant in plaats van als een procedurele auditor.

Om AI effectief te integreren in gereguleerde werkprocessen, moeten we verder gaan dan conversatie. We moeten 'agentskills' definiëren. Deze benadering behandelt de AI niet alleen als een tekstgenerator, maar als een orkestratie-engine die een gestructureerd pakket bestanden gebruikt om een procedure van A tot Z uit te voeren.

2. Wat is een agent skill?

In eenvoudige termen is een Agent skill een AI-geoptimaliseerd script gecombineerd met relevante context.

Het is een digitale container die alles bevat wat de AI nodig heeft om een specifieke taak uit te voeren. In tegenstelling tot een standaardprompt, die slechts tekst is, is een Skill een gestructureerde map met bestanden die functioneert als een mini-softwaretoepassing voor de AI.

Beschouw het als het digitale equivalent van een controledossier. Het bevat de instructies (de standaard), de hulpmiddelen (de rekenmachine) en het papier (de memo). Wanneer we een agent uitrusten met een skill, vragen we hem niet om te gokken; we dwingen hem de logica te volgen die in dat pakket is gedefinieerd.

3. De anatomie van een skill

Om te begrijpen hoe dit werkt, kunnen we kijken naar de feitelijke bestandsstructuur van een typische Agentskill. Het is niet één enkele regel code, maar een map met vier afzonderlijke componenten.

isa570-skill/
├── SKILL.md (main instructions)
├── FORMS.md (form-filling guide)
├── REFERENCE.md (detailed API/ISA reference)
└── scripts/
    └── calculate_ratios.py (utility script)

isa570-skill/
├── SKILL.md (main instructions)
├── FORMS.md (form-filling guide)
├── REFERENCE.md (detailed API/ISA reference)
└── scripts/
    └── calculate_ratios.py (utility script)

isa570-skill/
├── SKILL.md (main instructions)
├── FORMS.md (form-filling guide)
├── REFERENCE.md (detailed API/ISA reference)
└── scripts/
    └── calculate_ratios.py (utility script)

1. SKILL.md (de instructies)
Dit is het "auditprogramma". Het vertelt de AI precies wat te doen, stap voor stap. Voor een beoordeling van de continuïteitsveronderstelling zou dit bestand instructies bevatten zoals: "Eerst de vlottende activa en kortlopende verplichtingen extraheren. Vervolgens het liquiditeitsscript uitvoeren. Daarna de notulen van de Raad van Bestuur controleren op trefwoorden met betrekking tot financiering."

2. FORMS.md (de output)
Dit is het "werkpapier". Het definieert exact hoe de eindoutput eruit moet zien. Het dwingt de AI om een gestructureerde sjabloon in te vullen, bijvoorbeeld een specifiek memoformaat voor de continuïteitsbeoordeling, in plaats van een generiek essay te schrijven.

3. REFERENCE.md (de context)
Dit is de "standaard". Het bevat de relevante uittreksels uit ISA 570 of specifieke firmamethodologieën. De AI gebruikt dit als basis voor zijn oordeel, zodat wordt gewaarborgd dat de juiste paragrafen van de standaard worden geciteerd wanneer een risico wordt gesignaleerd.

4. Scripts (de hulpmiddelen)
Dit zijn Python-scripts die de complexe logica uitvoeren. Een LLM is slecht in rekenen, dus we vragen het niet om ratio's te berekenen. In plaats daarvan voert het calculate_ratios.py-script de berekening uit voor de current ratio en quick ratio. De AI levert simpelweg de cijfers aan het script aan en leest het nauwkeurige resultaat terug.

4. Praktijkvoorbeeld: beoordeling van de continuïteitsveronderstelling volgens ISA 570

Laten we deze structuur toepassen op een reële auditsituatie: de beoordeling van de continuïteitsveronderstelling.

De oude manier (prompting)
U uploadt de jaarrekening en vraagt: "Is er een continuïteitsrisico?"
De AI schrijft mogelijk een overtuigende alinea. Het kan echter de ratio-berekening hallucineren, een subtiele schending van debt covenants in de toelichting missen, of nalaten te verwijzen naar de specifieke vereisten van ISA 570, paragraaf 16.

De agentic manier (skills)
We rusten de agent uit met de hierboven gedefinieerde isa570-skill. De workflow wordt deterministisch:

• Stap 1 (instructie): De agent leest SKILL.md en identificeert dat eerst de liquiditeit moet worden beoordeeld.

• Stap 2 (gebruik van hulpmiddelen): De agent extraheert de financiële gegevens en geeft deze door aan scripts/calculate_ratios.py. Het script geeft terug: "current ratio: 0.85".

• Stap 3 (context): De agent controleert REFERENCE.md (ISA 570). Het noteert dat een ratio lager dan 1,0 duidt op een materiële onzekerheid.

• Stap 4 (afronding): Het opent FORMS.md en vult de sectie "materiële onzekerheid" van de memo in, met vermelding van de berekende ratio en de relevante ISA-paragraaf.

Door de auditprocedure om te zetten in een skill, hebben we de ambiguïteit weggenomen. De AI heeft niet "nagedacht" over de wiskunde; het gebruikte een script. Het heeft de standaard niet "onthouden"; het heeft het referentiebestand gelezen.

5. Conclusie

De toekomst van professionele AI draait niet om het bouwen van een slimmere chatbot; het gaat om het bouwen van een betere toolkit. Door onze auditmethodologieën te verpakken in AI-geoptimaliseerde scripts en context, transformeren we de AI van een creatieve assistent in een betrouwbare uitvoerder.

Voor accountantskantoren ligt de directe kans in het vertalen van hun standaardchecklists naar deze bestandsstructuur. Een checklist voor de "continuïteitsveronderstelling" wordt een SKILL.md; een spreadsheet voor "ratioanalyse" wordt een script. Deze overgang zorgt ervoor dat wanneer de AI een taak uitvoert, dit gebeurt met de transparantie, consistentie en nauwkeurigheid die voor het controledossier vereist zijn.