In veel tax teams zien we hetzelfde patroon ontstaan. De tools zijn er, Copilot, agents, experimenten, maar het gebruik blijft achter. Een paar enthousiaste collega’s bouwen al dingen, maar dat levert vooral een wildgroei op: agents waarvan niemand weet wie ze onderhoudt, verschillen in kwaliteit en geen gedeelde manier van werken.

Daar komt bij dat tax teams aangeven dat AI hun nummer één prioriteit is, terwijl 61% noch de structuur, noch de basis heeft om er effectief mee te werken. Uit ons onderzoek onder 1600 organisaties blijkt waarom: er is weinig vertrouwen in de technologie, omdat resultaten soms verschillen en mensen niet begrijpen hoe AI tot antwoorden komt. Daarnaast is belangrijke data nog niet beschikbaar voor agents, waardoor de veelbelovende use cases buiten bereik blijven.

Het vervolg: medewerkers zijn bang voor impact op hun rol, waardoor weerstand ontstaat als AI van bovenaf wordt “ingepusht”. Teams focussen vaak op de verkeerde use cases. Ze zijn te complex, te groot, of simpelweg niet geschikt voor AI. Het probleem is dus niet dat tax professionals niet willen. Het probleem is dat ze niet weten waar te beginnen, wat werkt en hoe je dit veilig en schaalbaar doet. En precies dáár helpen de AI Agent Workshops bij.

De workshops zijn praktisch, gestructureerd en gericht op tax teams die een eerste stap willen zetten óf willen voorkomen dat ze blijven steken in losse experimenten. We beginnen bij de basis:

• Welke use cases zijn echt waardevol?
• Welke niet en waarom?
• Wat kun je nú al bouwen zonder ingewikkelde data-projecten?

Daarna brengen we iedereen op hetzelfde kennisniveau. Niet met technische details, maar door samen te verkennen wat agents doen, hoe ze denken en wat je ervoor nodig hebt. Zo ontstaat een gedeeld begrip, wat cruciaal is voor vertrouwen en eigenaarschap.

We laten voorbeelden zien van agents die in andere tax teams al werken. We geven deelnemers werkbare prompt‑templates, duidelijke richtlijnen om data en kennis te koppelen, en praktische tips om betere resultaten uit AI te halen. Iedere deelnemer werkt tijdens de workshop aan een eigen use case, voorbereid met “huiswerk” vooraf, inclusief data (echt of synthetisch), zodat er daadwerkelijk gebouwd kan worden. Zo wordt AI iets wat je dóet, niet iets waar je over brainstormt.

‍