Te veel AI, te vroeg: Stellen financiële teams zichzelf op voor mislukking?

Financiële teams staan onder enorme druk om AI te adopteren, vooral gedreven door besturen die streven naar efficiëntiewinst, CFO’s die snellere afsluitingen nastreven, en leveranciers die ongekende automatisering beloven. 

De heersende veronderstelling is dat meer AI vanzelf tot betere resultaten leidt, omdat het data binnen seconden efficiënt kan analyseren. Maar snelheid alleen is niet de enige factor die succes garandeert, vooral niet als het onderliggende proces gebrekkig of onderontwikkeld is. 

Naarmate organisaties zich haasten AI in financiële werkstromen te integreren, riskeren ze een fundamentele waarheid over het hoofd te zien: AI is slechts zo effectief als de systemen die het automatiseert. 

Het kan taken versnellen, maar het kan geen compensatie bieden voor zwakke controles, gefragmenteerde data of inconsistente processen.

Desondanks wint de technologie aan bekendheid binnen grotere ondernemingen, en steeds meer bedrijven hopen dat het onmiddellijke resultaten zal opleveren. 

Voor 2025 is het aandeel C‑suite‑executives dat AI‑gedragsrisico’s als een belangrijk materieel risico identificeert is gestegen van 16 % in de afgelopen drie jaar naar 56 % voor de toekomst, waardoor het het belangrijkste niet‑financiële risico is. Tegelijkertijd, zijn grote incidenten met bedrijfsconductie gestegen met 55 % tussen 2023 en 2025, met een gemiddelde kostprijs van $14 miljoen per incident, wat leidt tot reactieve in plaats van proactieve investeringen in governance en datakwaliteit. 

In geen enkel ander gebied is het gebruik van AI zo cruciaal als in de financiële sector, waar maandafsluitingen afhankelijk zijn van controles, afstemmingen en verificatie. AI kan de snelheid van dat proces verhogen, maar zonder een solide basis kan het net zo gemakkelijk bestaande zwaktes vergroten als ze elimineren. 

De vraag is dan of de financiële sector voldoende groundwork heeft gedaan om klaar te zijn voor een massale AI‑overname. 

AI is een vermenigvuldiger, geen oplossing

Hoewel AI ongetwijfeld een uitstekend hulpmiddel is om taken gemakkelijker aan te pakken, bestaat de veelvoorkomende misvatting dat AI alle gebroken processen kan oplossen, terwijl het in werkelijkheid alleen maar versterkt wat al bestaat. 

Als de onderliggende data inconsistent is, controles zwak zijn, of afstemmingspraktijken gebrekkig, zal AI die tekortkomingen simpelweg sneller en op grotere schaal uitvoeren. Het oude principe van ‘garbage in, garbage out’ is niet verdwenen; het werkt nu op machinesnelheid.

Dit betekent niet dat AI nutteloos is; integendeel, het automatiseert arbeidsintensieve taken zoals data‑extractie en presentatie, waardoor financiële professionals zich kunnen richten op werk met meer toegevoegde waarde. Het stelt hen in staat meer te investeren in kritisch denken, conclusies trekken en toezicht te houden op wat machines uitvoeren. 

Echter, een overmatige afhankelijkheid van AI kan kwetsbaarheden creëren als systemen falen of onverwachte resultaten opleveren. Als een AI‑model dat voor marktvoorspellingen wordt gebruikt tijdens een crisis defect raakt, kan het bijvoorbeeld verliezen vergroten of markten destabiliseren. 

The Basel Committee on Banking Supervision and other bodieszijn bijzonder bezorgd over systemische risico’s, waarbij wijdverspreide AI‑storingen de financiële stabiliteit zouden kunnen bedreigen. 

In plaats van AI te behandelen als een remedie voor operationele inefficiënties, zouden organisaties zich moeten richten op het opbouwen van de financiële infrastructuur die automatisering betrouwbaar laat werken. Dat betekent gestandaardiseerde afstemmingsprocessen, sterkere interne controles, betere datagovernance en meer inzicht in het afsluitingsproces.

“Er bestaat een veelvoorkomende misvatting dat AI een oplossing is voor procesproblemen. Dat is het niet. Het is een versterker van wat er al is. Financiële leiders komen vaak naar AI op zoek naar verlichting van handmatig werk, trage afsluitingen of rapportages die te lang duren,” zei Shagun Malhotra, CEO van de geautomatiseerde maandafsluitingssoftware SkyStem, tijdens een gesprek met Unite AI. 

Maar als het onderliggende proces gebrekkig is, voegde ze toe, lost AI de fout niet op. Het voert het gewoon sneller en op grotere schaal uit. “De misvatting is dat technologie diagnostisch werk doet terwijl dat niet het geval is. Dat onderdeel heeft nog steeds een professional nodig achter zich.” 

SkyStem richt zich voornamelijk op het helpen van organisaties waarvan de financiële afsluitingsplatformen afstemmingen standaardiseren, werkstromen automatiseren en interne controles versterken voordat AI wordt toegevoegd aan kritieke boekhoudprocessen. In plaats van gedisciplineerde financiële operaties te vervangen door AI, bouwt het bedrijf betrouwbare operationele fundamenten zodat automatisering daadwerkelijk nauwkeurige resultaten kan leveren zonder data in gevaar te brengen. 

“AI creëert enorme waarde in volume, consistentie en snelheid voor goed gedefinieerde taken […] Maar de plekken waar mensen de controle moeten behouden, zijn juist die waar ervaring het meest telt: risico‑intuïtie, patroonherkenning onder onzekerheid, en vooral besluitvorming onder druk,” voegde Malhotra toe.  

Fundament vóór automatisering

Financiën laten weinig ruimte voor fouten toe. Nauwkeurige rapportage, afstemmingen, regelgeving en auditbaarheid zijn essentieel; AI moet deze processen verbeteren en vereenvoudigen, niet ondermijnen door bestaande zwaktes in het systeem te versnellen. 

Kognia Labs, een AI-consultancy- en softwareontwikkelingsbedrijf, deelt een vergelijkbare visie. Het helpt organisaties systemen te implementeren die fouten of incoherenties in rapporten detecteren voordat ze zo kostbaar worden. 

Voordat AI in een workflow wordt ingezet waarin een klant op het antwoord wacht, moeten drie zaken waar zijn binnen de instelling: de verbinding tussen systemen, het bereiken van informatie die niet als document is vastgelegd, en de mogelijkheid om te verifiëren waar een antwoord vandaan komt, volgens Alexandra Ollé, strategiedirecteur bij Kognia Labs. 

“De informatie die een adviseur nodig heeft, is verspreid over verschillende systemen en formaten, en die systemen communiceren doorgaans niet met elkaar. Dat is wat antwoorden in eerste instantie traag en inconsistent maakt,” vertelde Ollé aan Unite AI. “AI lost dat niet op door er simpelweg bovenop te worden geplaatst.” 

Die kloof, tussen het versnellen van een proces en het daadwerkelijk verbeteren ervan, is waar de financiële inzet concreet wordt: wanneer gelden op het spel staan, is betrouwbaarheid geen optie, en brengt een verkeerd beheer van een AI‑systeem reële juridische risico’s met zich mee. 

“AI verbetert een proces wanneer een bedrijf het gebruikt om de manier waarop het werk daadwerkelijk wordt uitgevoerd te veranderen. Dat begint meestal met het begrijpen waarom het proces faalt, iets wat de meeste instellingen niet duidelijk kunnen zien omdat het bewijs zich bevindt in duizenden klantgesprekken die geen enkel team de tijd heeft om door te nemen,” benadrukte Ollé.   

Het pad vooruit: een AI‑mens brug

Voordat organisaties AI inzetten om kritieke financiële werkstromen te automatiseren, moeten ze eerst zorgen dat hun processen er klaar voor zijn. Dat begint met het beoordelen van de procesvolwassenheid, het aanpakken van knelpunten en datakwaliteitsproblemen, en het geleidelijk introduceren van AI in minder risicovolle gebieden voordat ze uitbreiden naar complexere financiële operaties. 

Het eerst opbouwen van een sterke operationele basis maakt het mogelijk dat automatisering de efficiëntie verbetert zonder nauwkeurigheid of toezicht in gevaar te brengen. En dit is het onderdeel waar mensen hun waakzaamheid niet mogen laten verslappen; er zijn zaken die AI simpelweg niet zelfstandig kan doen. 

Er zijn al enkele bedrijven waarvan de focus op AI-implementatie voortkomt uit een ‘humans first’-benadering die zorgt voor menselijk toezicht en geloofwaardigheid over geautomatiseerde systemen. Solvd, bijvoorbeeld, is een in Californië gevestigd software‑engineeringsbedrijf dat AI‑systemen voor ondernemingen ontwikkelt, implementeert en beheert, gespecialiseerd in het bouwen van complexe werkstromen die vervolgens door mensen worden verfijnd voordat ze via automatisering worden opgeschaald. 

“Bedrijven die AI serieus nemen, leren sneller, verzamelen rijkere klantinzichten, opereren efficiënter en personaliseren effectiever. Na verloop van tijd wordt het tempo bijhouden moeilijker omdat concurrenten niet alleen betere tools inzetten; ze bouwen betere data, processen en institutioneel leren,” vertelde Skylar Roebuck, chief technology officer bij Solvd, aan Unite AI. 

Een organisatie is echt AI‑klaar wanneer het managementteam niet alleen op één lijn zit over het belang van AI, maar ook over hoe het een betekenisvol concurrentievoordeel voor het bedrijf zal opleveren. 

“Menselijk toezicht mag niet worden gezien als simpelweg iemand die elke AI‑actie goedkeurt. Die benadering schaalt niet en schept vaak de illusie van veiligheid zonder daadwerkelijke controle te bieden,” benadrukte Roebuck, en voegde eraan toe dat het systeem zowel zelfstandig binnen duidelijke grenzen moet kunnen opereren als onzekerheid moet herkennen voor escalatie wanneer oordeel nodig is. 

Kortom, AI heeft de potentie om financiën te transformeren, maar het kan de operationele discipline en het menselijk oordeel dat financiële besluitvorming vereist niet vervangen. Het doel hier is niet om de afsluiting te versnellen, maar om het vertrouwen daarin te vergroten. 

De echt succesvolle organisaties zullen niet degenen zijn die eerst automatiseren, maar degenen die de juiste basis bouwen en mensen centraal houden in de processen die het belangrijkst zijn.