Zie hoe AI boekhoudteams versterkt door repetitieve workflows te automatiseren.
mei 10, 2026
AI verandert al de manier waarop financiële en boekhoudteams werken - het automatiseren van reconciliaties, het markeren van uitzonderingen en het verkorten van de afsluitcyclus. Deze gids behandelt wat AI voor boekhouding eigenlijk betekent, de technologieën erachter, de gebruikscases die echte resultaten opleveren en wat de best presterende teams doen om het verantwoord in te zetten.
De groeiende populariteit van AI in moderne boekhoudworkflows toont een duidelijke verschuiving in praktische capaciteit - met gebruikers die al structurele voordelen opbouwen ten opzichte van hun concurrentie. Het is een krachtvermenigvuldiger, die handmatige taken met een hoog volume automatiseert en boekhoudtalent vrijmaakt om zich te concentreren op strategie en analyse.
In dit artikel verkennen we hoe en waarom AI financiële teams helpt boekhoudworkflows te heroverwegen en waar het het meest effectief is.
AI voor boekhouding is een brede term die verschillende technologieën omvat - machine learning, natuurlijke taalverwerking en agentische systemen - die werk met een hoog volume en op regels gebaseerd boekhoudwerk automatiseren, terwijl het oordeel en toezicht bij het team blijven.
Financiële en boekhoudteams gebruiken AI al in een reeks kernworkflows, waaronder reconciliatie, rapportage en afsluitbeheer. Het vervangt de rol van de controller niet, maar vermindert wel het volume van repetitief werk dat tussen het team en verantwoordelijkheden met hogere waarde zoals analyse en adviesondersteuning zit.
Soorten AI Gebruikt in Boekhouding
Verschillende technologieën vallen onder de AI-paraplu. Financiële en boekhoudteams zullen ze in combinatie tegenkomen in plaats van geïsoleerd:
Nee. Financiële en boekhoudteams dragen juridische, regelgevende en fiduciaire verantwoordelijkheid die AI niet kan dragen - wat de structurele reden is waarom AI de boekhoudcapaciteit uitbreidt in plaats van deze volledig te vervangen.
Overweeg de realiteit van de rol: een controller ondertekent de afsluiting. Een auditor ondertekent de financiële overzichten. Onder SOX-regelgeving certificeert de CFO persoonlijk dat de financiële overzichten nauwkeurig zijn. Wat het systeem ook produceert, een mens is nog steeds eigenaar van het eindcijfer dat de auditor bereikt. Dat is het echte antwoord op de vraag van AI-vervanging, ongeacht hoe capabel de technologie wordt.
Wat AI wel doet, is het absorberen van het werk met een hoog volume en op regels gebaseerd werk dat moeilijk te schalen is met alleen personeel - inclusief transactiematching, gegevensextractie, eerste-voorspellingsreconciliaties en het markeren van uitzonderingen. Beslissingen, goedkeuringen en oordeel blijven bij het team.
Het werk zelf verandert echter. In plaats van gegevens in te voeren en reconciliaties na te jagen, besteden financiële en boekhoudteams meer tijd aan strategisch werk, auditgereedheid en het adviseren van het bedrijf over de cijfers. Voor middelgrote teams die te maken hebben met groeiende complexiteit in entiteiten, systemen en regelgevende overlays, maakt AI het mogelijk om meer werk aan te kunnen met hetzelfde team in plaats van te moeten aannemen bij elk nieuw drukpunt.
De boekhoudprofessionals die het beste presteren met AI behandelen het als een ander systeem onder hun controle - gekalibreerd, gemonitord, beoordeeld, aangepast - in plaats van als een autonome kracht die om hen heen handelt.
Wanneer AI wordt ingezet met duidelijke kaders, neemt het werk met een hoog volume over zonder het team dat het denkwerk doet te verdringen. Het resultaat: snellere afsluitingen, minder verrassingen aan het einde van het kwartaal en meer tijd voor het werk dat daadwerkelijk een boekhouder vereist.
Effectief gebruikt, helpt AI financiële en boekhoudteams om handmatige processen te stroomlijnen en te automatiseren, terwijl ze nog steeds volledige controle en het laatste woord hebben over workflows, rapporten en uitzonderingen.
Bedrijven zoals KBD Group gebruiken autonome financiële software om drie keer hun gebruikelijke bedrijfsvolume te verwerken. Door dit te doen, verving het verouderde Excel-spreadsheets en verouderde rapportagesoftware in minder dan een maand.
Financiële en boekhoudteams gebruiken AI om taken af te handelen die anders aanzienlijke tijd en moeite zouden kosten. In de workflow kan het gegevensvastlegging en transactiematching automatiseren, continu rekeningen reconciliëren en anomalieën en uitzonderingen voor mensen ter beoordeling verhogen.
Met dat in gedachten is AI een kans om boekhoudprocessen te versterken in plaats van rollen en verantwoordelijkheden te vervangen. Het handelt taken met een hoog volume af om financieel en boekhoudpersoneel vrij te maken om zich te concentreren op andere gebieden die hun expertise en oordeel vereisen, zoals analyse en strategiebouw.
Hieronder verkennen we de volgende kwesties rondom het gebruik van AI voor boekhouding:
Zes workflows zien de snelste opbrengst wanneer financiële en boekhoudteams AI inzetten: planningscycli, uitzonderingsmonitoring, crediteurenadministratie, de financiële afsluiting, uitgavenbeheer en fraudedetectie, en belastingonderzoek en -voorbereiding.
Met de ondersteuning van AI versnellen financiële en boekhoudteams planningscycli, automatiseren ze uitzonderingsmonitoring, moderniseren ze AP en comprimeren ze de financiële afsluiting.
Laten we elk van deze bedrijfsresultaten verkennen en hoe kunstmatige intelligentie in financiën ze mogelijk maakt.
Planningscycli Versnellen
AI helpt financiële en boekhoudteams om de planningscyclus te verkorten en de nauwkeurigheid van hun voorspellingen te verbeteren. Dit leidt tot meer zelfverzekerde en dynamische besluitvorming.
AI maakt doorlopende prognoses mogelijk, beheert, matcht en verwerkt gegevens, levert betrouwbare rapporten op schaal om sterkere, efficiëntere planning te ondersteunen.
Geautomatiseerde Uitzonderingsmonitoring
Boekhoudteams monitoren uitzonderingen in realtime in plaats van problemen te ontdekken op het moment van afsluiting of tijdens audits. Hun risico om fouten te vinden op kritieke momenten en mogelijk cycli te vertragen, is aanzienlijk verminderd.
AI vermindert de menselijke inspanning die nodig is voor gegevensreiniging en -beheer, tenzij noodzakelijk, en ondersteunt meer gestroomlijnde, voorspelbare en herhaalbare processen.
Een doorlopende uitzonderingsafhandelingssysteem gebaseerd op AI moet echter altijd gebaseerd zijn op regels en kaders die door het financiële team zijn ingesteld en beheerd. Financiën delegeren taken op laag niveau aan AI en behandelen uitzonderingen buiten zijn bereik in realtime.
Crediteurenadministratie Moderniseren
AI-versterkte financiële en boekhoudteams verbeteren continu de nauwkeurigheid van gegevensmatching en verminderen downstream reconciliatieproblemen, waardoor betrouwbaardere afsluitingsfundamenten worden opgebouwd.
Gedreven door het verwijderen van handmatige taken, maakt AI dit mogelijk door intelligente, doorlopende gegevensvastlegging. Het leert van gegevenspatronen en factuurinvoer en routeert workflows en taken automatisch naar de juiste managers en controllers.
De Financiële Afsluiting Comprimeren
Financiële en boekhoudteams sluiten sneller af terwijl ze het vertrouwen in hun gerapporteerde cijfers vergroten, met gegevens die gedurende het fiscale jaar worden gereconcilieerd en uitzonderingen worden verhoogd. Gegevens zijn klaar om te rapporteren naarmate deadlines naderen, waardoor tijdrovende onderzoeken of escalaties (vooral bij de jaarafsluiting) worden verwijderd.
Glazen doos AI voor boekhouding automatiseert transparant reconciliaties en verhoogt uitzonderingen op basis van de regels en eigendom van financiën. Dit betekent dat controllers altijd kunnen zien hoe de AI specifieke acties heeft ondernomen en waarom, voor het geval ze beslissingen moeten terugdraaien of acties tijdens audits moeten uitleggen, of aan de leiding na de afsluiting.
Uitgavenbeheer en Fraudebestrijding Stroomlijnen
Financiële en boekhoudteams gebruiken AI om uitgaven te monitoren en anomalieën te markeren voordat ze de afsluiting bereiken. Aan de uitgavenkant categoriseert AI transacties, handhaaft het beleid automatisch en brengt het uitgaven buiten het beleid aan het licht voor beoordeling. Aan de fraudekant identificeren machine learning-modellen die zijn getraind op historische transactiepatronen verdachte activiteiten - ongebruikelijke leveranciers, dubbele facturen of goedkeuringen buiten kantooruren - op een schaal die handmatige beoordeling niet kan evenaren.
Financiële teams behouden echter nog steeds de beoordelingsbeslissing over elke verhoogde uitzondering. AI brengt het signaal naar voren, maar het team beslist welke actie in elk geval moet worden ondernomen.
Ondersteuning van Belastingonderzoek en -voorbereiding
Grote taalmodellen die zijn getraind op belastingcodes en boekhoudnormen geven medewerkers sneller toegang tot antwoorden op technische vragen, zoals omzetherkenning, leaseboekhouding of jurisdictiegebonden belastingbehandeling - gebieden die ooit uren handmatig onderzoek vereisten.
Deze tools maken een eerste analyse en citeren hun bronnen, waardoor de accountant kan beoordelen, valideren en ondertekenen. De technologie versnelt de voorbereidingslaag, maar de expertise en verantwoordelijkheid blijven menselijk.
Een verantwoorde AI-implementatie is gefaseerd, gebouwd op schone en gecentraliseerde gegevens en houdt financiële teams bij elke beslissingspunt in controle. Zeven praktijken scheiden succesvolle implementaties van dure valse starts.
Implementeren Zonder Onderbreking
Net als bij elke nieuwe oplossing hangt een succesvolle AI-implementatie af van sterke bestaande processen. Als er problemen zijn, kan AI ze versterken, dus we raden aan gefaseerd te implementeren om verstoring en onverwachte resultaten te minimaliseren.
Begin met het analyseren en aanpassen van methodologieën en praktijken voordat AI wordt toegepast om effectief workflowproblemen "op te lossen". Test altijd individuele workflows of categorieën, meet vervolgens de resultaten voordat je verder gaat met anderen.
Bouw Eerst op Schone Gegevens
AI voor boekhouding is afhankelijk van schone, gestandaardiseerde gegevens om waarde te leveren. Het toepassen van AI op onvolledige of inconsistente datasets kan ervoor zorgen dat het problemen versterkt die het leest, waardoor onbetrouwbare analyses en extra handmatig werk ontstaan.
Alle informatie die je AI voert, moet gestandaardiseerd, geformatteerd en compleet zijn - bouw dit in je ontwerpproces in plaats van het als een bijzaak te beschouwen. Overweeg bijvoorbeeld om te kiezen voor gecentraliseerde, afsluitorkestratiesoftware om gefragmenteerde ERP-gegevens in één dashboard te consolideren.
Houd Financiën in Controle
Financiële teams moeten de controle behouden en "in de lus" blijven bij elke beslissing die technologie maakt. AI toestaan om zonder menselijke beoordeling naar de afsluiting te posten, leidt bijvoorbeeld tot onnauwkeurigheden, ontbrekende transacties en onjuiste voorspellingen.
Bouw een voorspelbare, continue "beoordelings"laag in je workflows. Ontwerp workflows zodat uitzonderingen die hoge oordelen vereisen altijd worden doorgestuurd naar controllers en zorg ervoor dat journaalposten handmatig worden gecontroleerd voordat ze naar de afsluiting worden gepost.
Bouw Continu Teamcapaciteit Op
Het aanpassen van AI aan legacyprocessen en -systemen vereist opzettelijke, doelgerichte capaciteitsopbouw. Financiële en boekhoudteams moeten training met AI beschouwen als een gestructureerde overgang, niet als "inhalen" op schaal.
Stel trainingscontrolepunten en benchmarks in en meet het vertrouwen en de capaciteit van mensen in de loop van de tijd. Geef prioriteit aan AI-kennis, geletterdheid en vaardigheden bij het aannemen in de afdeling tijdens opschaling.
Wolters Kluwer ontdekte dat 85% van de financiële leiders die het ondervroeg AI-vaardigheden als "belangrijk" beschouwt bij het aannemen voor financiële teamfuncties.
Prioriteer Governance en Verklaarbare AI
Volgens SOX-nalevingsnormen zijn gegevensbeheer en workflow-verklaarbaarheid niet onderhandelbaar. Financiële en boekhoudteams die AI gebruiken, moeten de gegevensintegriteit beschermen met duidelijke audit trails, gecontroleerde toegang tot informatie en totale zichtbaarheid over besluitvorming.
Glazen doos AI-modellen ondersteunen dit met traceerbare, beoordeelbare en aanpasbare outputs. In het omgekeerde geval verbergen black-box AI-oplossingen hun logica en creëren ze nalevingsrisico's.
Financiële en boekhoudteams moeten "Mens-in-de-Lus" validatie afdwingen om beslissingen te beoordelen en een uitgebreide inventaris bij te houden van hoe en waar AI interactie heeft met workflows.
Meet AI-prestaties
AI-prestaties moeten vanaf het begin worden gemeten met duidelijke KPI's, zoals:
Deze metrics zorgen ervoor dat AI binnen zijn kaders opereert en waarde blijft leveren. Bovendien helpt het regelmatig beoordelen van de prestaties om de gemaakte winsten te behouden, terwijl controllers aanpassingen kunnen maken voor verdere verbeteringen.
Ontwerp voor Mens-AI Samenwerking
Ontwerp financiële en boekhoudworkflows altijd met mens-AI samenwerking als standaard, in de wetenschap dat AI menselijke expertise en inspanning versterkt in plaats van vervangt.
Stel duidelijke controlepunten in voor mensen om AI-werk te beoordelen en ervoor te zorgen dat alle beslissingen die het maakt worden geanalyseerd voordat ze naar een afsluiting worden gepost of rapporten en audits worden geleverd. Dit ondersteunt consistentie, naleving en maakt effectief gebruik van menselijke expertise.
AI levert meetbare winsten op in afsluitings efficiëntie, gegevenscontrole en nalevingsgereedheid - maar brengt echte risico's met zich mee op het gebied van gegevenskwaliteit, integratie, vooringenomenheid en verandermanagement. De best uitgevoerde implementaties plannen vanaf dag één voor beide.
AI levert duidelijke, meetbare winsten op in afsluitings- en audit efficiëntie, gegevenscontrole en nalevingsadherentie. Let echter op gegevenskwaliteit, integratie met bestaande ERP's, verandermanagement en het evenwicht tussen menselijk toezicht.
Laten we de kernwaarden en AI-risico's in boekhouding in meer detail verkennen.
Belangrijkste Voordelen
Waar Implementatie Aandacht Vereist
AI in boekhouding clustert rond vier taken: afsluitbeheer, intelligente documentverwerking, AP-automatisering en technische boekhoudondersteuning. Het meeste is ingebed - direct in de workflow gebouwd in plaats van er later aan toegevoegd.
Ingebedde AI leeft binnen het platform dat financiële en boekhoudteams al dagelijks gebruiken. Reconciliaties, afsluitchecklists, journaalposten en rapportages draaien allemaal binnen de bestaande controles van het team, met audit trails en toegangsrechten al aanwezig. Dat is waar het echte dagelijkse werk gebeurt.
De vier meest voorkomende boekhoudspecifieke AI-categorieën zijn:
Algemene AI-assistenten behandelen eenmalig werk zoals het samenvatten van een norm, het opstellen van een memo of het uitvoeren van een ad-hocberekening. Ze mogen echter geen live financiële gegevens aanraken zonder duidelijke kaders en toezicht.
Voor een bredere vergelijking van AI-tools in de bredere financiële technologiestack - inclusief FP&A-platforms, uitgavenbeheer en productiviteitslagen - zie onze gids voor AI-tools voor financiële teams.
Boekhoudautomatisering verschuift van regels-gebaseerde taakuitvoering naar hyperautomatisering en agentische AI. Evoluerende rollen, sterkere ethische toezicht en realtime inzichten bepalen hoe de komende jaren van boekhouding eruit zullen zien.
Financiële en boekhoudteams stappen af van traditionele automatisering naar meer autonome workflowafhandeling dankzij vooruitgang in AI-capaciteiten. Het ondersteunt al efficiëntere en betrouwbaardere afsluitorkestratie.
Drie verschuivingen vormen de richting van boekhoudautomatisering in de toekomst:
Van voorbereider naar strategisch adviseur. De evoluerende rollen van financiële en boekhoudprofessionals zijn het meest zichtbaar in hoe tijd wordt besteed. AI neemt de voorbereidingslaag over - gegevensinvoer, matching, eerste-voorspellingsreconciliaties - terwijl accountants zich richten op het adviseren van het bedrijf, het interpreteren van de cijfers en het doen van aanbevelingen aan de leiding. AI-kennis en gegevensgeletterdheid worden kerncriteria bij het aannemen naast technische boekhoudvaardigheden.
Generatieve AI voor verhalen en analyse. Fluxcommentaar, bestuursmemo's, auditverhalen en uitvoerende samenvattingen zijn allemaal gebieden waar generatieve AI nu geloofwaardige eerste ontwerpen produceert. De accountant bewerkt, valideert en ondertekent, maar het blanco-pagina-probleem is verdwenen. Voor boekhoudteams alleen al herwint dat enkele uren per afsluiting.
Hyperautomatisering en realtime inzichten. De financiële afsluiting verschuift van een kwartaalproductie-evenement naar een continu beoordelingsproces. AI-gestuurde algoritmen behandelen matching, reconciliatie en uitzonderingsroutering op de achtergrond, terwijl voorspellende gegevensanalyses anomalieën markeren voordat ze groeien. Controllers hebben toegang tot realtime inzichten in afsluitstatus, kaspositie en workflowknelpunten zonder te wachten op maandelijkse samenvattingen.
Prophix One-klanten zoals Jamul Casino hebben de efficiëntie van de maandafsluiting met minstens 30% verbeterd, waardoor meer dan $15.000 aan arbeidskosten is bespaard. Het bedrijf heeft ook zijn budgetteringscyclus met 58% verkort sinds de adoptie van Prophix One Account Reconciliation en Financial Planning & Analysis, met glazen doos AI ingeschakeld.
Met deze verschuivingen komen ook scherpere verwachtingen rond ethisch toezicht, gegevensbeveiliging en het beheren van vooringenomenheid in AI-modellen. De financiële en boekhoudteams die voorop lopen bij AI-adoptie zijn degenen die investeren in governance-kaders, verklaarbaarheidsnormen en voortdurende prestatieaudits naast de technologie zelf. AI die financiële teams niet kunnen vertrouwen, is AI die ze niet kunnen inzetten.
Het is gewoon zo dat, naarmate AI voor boekhouding evolueert en meer handmatige taken op zich neemt, financiële en boekhoudteams zich ook moeten aanpassen en evolueren, terwijl ze regelgevende praktijken aanpassen:
"De convergentie van boekhouding met (AI) technologieën markeert het begin van een nieuw paradigma dat niet alleen belooft efficiëntie en nauwkeurigheid te verbeteren, maar ook ethische en beveiligingsuitdagingen te verhogen, evenals de behoefte aan een adaptief regelgevend kader. Het is daarom cruciaal dat beoefenaars en onderzoekers deze technologieën blijven verkennen, hun praktische en ethische implicaties beoordelen en strategieën ontwikkelen voor hun verantwoorde integratie." (Sanz Martín, L., Parra Dominguez, J., Corchado, J. M., Zafra-Gómez, E., Castillo-Ramos, V., & Zafra-Gómez, J. L.)
Wat zijn de belangrijkste gebruikscases voor AI in boekhouding?
De hoogst impactvolle gebruikscases zijn transactiematching en reconciliatie, factuurverwerking, uitzonderingsmonitoring tijdens de afsluiting, journaalpostopstelling, fluxverhaalgeneratie en technisch boekhoudonderzoek. Elk vervangt een handmatige taak met een hoog volume terwijl het boekhoudteam stevig in de beoordelingsstoel blijft.
Is AI nauwkeurig genoeg voor boekhoudwerk?
AI is nauwkeurig wanneer het wordt gecombineerd met schone, gestandaardiseerde gegevens en een juiste mens-in-de-lus beoordeling. Glazen doos AI - waar elke beslissing verklaarbaar en controleerbaar is - is de werkstandaard voor gereguleerde financiële taken. Black-box modellen creëren nalevingsrisico's en moeten worden vermeden voor alles wat de afsluiting raakt.
Wat zijn de risico's van het gebruik van AI in boekhouding?
De belangrijkste risico's zijn gegevenskwaliteit (inconsistente invoer die onbetrouwbare uitvoer veroorzaakt), gefragmenteerde ERP-integratie, zwak verandermanagement, nalevingslacunes van niet-verklaarbare modellen, algoritmische vooringenomenheid in fraude en risicoscores, en overmatige afhankelijkheid van AI zonder gestructureerde menselijke beoordeling. Elk is aan te pakken in het implementatieplan.
Beïnvloedt AI in boekhouding de SOX-naleving?
AI-gebruik is compatibel met SOX-naleving wanneer er goede controles zijn: verklaarbare beslissingen, volledige audit trails, gecontroleerde toegang en gedocumenteerde menselijke beoordeling op elk controlepunt. Black-box AI is niet compatibel met SOX. Glazen doos AI is dat wel.
Hoe moet een financieel team beginnen met AI?
Begin met één workflow zoals transactiematching of AP, op schone gegevens, met kaders en een beoordelingslaag al ingebouwd. Meet resultaten tegen duidelijke KPI's voordat je verder uitbreidt. Een gefaseerde implementatie verslaat consequent een volledige implementatie.
Wat is het verschil tussen automatisering en agentische AI in boekhouding?
Automatisering voert een vaste set instructies uit. Agentische AI werkt naar een doel: het beslist welke stappen te nemen, past zich aan wanneer de omstandigheden veranderen en leert van uitkomsten in de loop van de tijd. In boekhouding kan een agentisch systeem een afsluiting monitoren, een reconciliatie activeren, uitzonderingen routeren en naar voren brengen wat het team moet beoordelen.
Het gebruik van AI voor boekhouding biedt een structureel voordeel dat al veel vooruitstrevende bedrijven ten goede komt. Het is niet langer een overweging voor de toekomst, maar een huidige asset die meer efficiënte, nauwkeurige, controleerbare en audit-klare financiële registratie en afsluitcycli ondersteunt.
De technologie kan echter alleen deze waarden leveren wanneer workflows en processen het actief ondersteunen. Dat betekent dat financiële en boekhoudteams prioriteit moeten geven aan schone, gecentraliseerde datasets, workflowtransparantie en geleidelijke implementatie en verandermanagement zodat ze er legitiem voordeel van kunnen hebben.
Ontdek hoe Prophix One™ glazen doos AI gebruikt om reconciliaties te automatiseren, de afsluiting te comprimeren en financiële teams in controle te houden over elke beslissing. Boek een demo.
1. Prophix. (n.d.). Financiële kracht opbouwen bij Kajima Building & Design Group, Inc. Prophix Klantverhalen. Geraadpleegd op 17 april 2026, van https://www.prophix.com/customer-stories/building-financial-strength-at-kajima-building-design-group-inc/
2. Prophix. (2025, 27 november). AI in Financiën: Innovaties en Toepassingen. Prophix Blog. Geraadpleegd op 17 april 2026, van https://www.prophix.com/blog/artificial-intelligence-finance/
3. Davis, K. (2025, 29 december). Jaarafsluitingsproces Gemakkelijk Gemaakt: Automatiserings Best Practices. Prophix Blog. Geraadpleegd op 17 april 2026, van https://www.prophix.com/blog/year-end-close/
4. Whybrow, S. (2025, 28 mei). Nieuwe enquête van Wolters Kluwer onthult dat financiële leiders van plan zijn de adoptie van agentische AI in de komende 12 maanden met 6x te verhogen. Wolters Kluwer. Geraadpleegd op 17 april 2026, van https://www.wolterskluwer.com/en/news/pr-2025-wolters-kluwer-survey-increasing-adoption-agentic-ai
5. Prophix. (2025, 10 juni). AI-risico's in financiën en boekhouding. Prophix Blog. Geraadpleegd op 17 april 2026, van https://www.prophix.com/blog/ai-risks-in-finance-and-accounting/
6. Prophix. (n.d.). Het budgetteringsjackpot winnen voor Jamul Casino. Prophix Klantverhalen. Geraadpleegd op 17 april 2026, van https://www.prophix.com/customer-stories/winning-the-budgeting-jackpot-for-jamul-casino/
7. Sanz Martín, L., Parra Dominguez, J., Corchado, J. M., Zafra-Gómez, E., Castillo-Ramos, V., & Zafra-Gómez, J. L. (2026). Recente evolutie en groei van AI en geavanceerde technologieën in boekhouding en financiën: systematische review en bibliometrische analyse. Spanish Journal of Finance and Accounting / Revista Española de Financiación y Contabilidad, 55(1), 47–88. Geraadpleegd op 17 april 2026, van
https://www.tandfonline.com/doi/full/10.1080/02102412.2025.2582120
