De financiële afdeling automatiseert de organisatiestructuur in plaats van de kascyclus

Binnen de financiële sector is veel tijd besteed aan discussies over de vraag of medewerkers AI zullen gebruiken, of CFO’s erin zullen investeren en of de technologie volwassen genoeg is om verder te gaan dan experimenten. Ik weet niet eens zeker of deze vragen nog relevant zijn, want we zien al dat AI gestaag wordt ingezet binnen de CFO-organisatie.

In recent onderzoek van Auditoria uit 2026 gaf 66,5% van de financiële organisaties aan meer in AI te investeren. Het gemiddelde financiële team gebruikte AI in 2,43 functies, een stijging van 36% in één jaar. Toch zei slechts 21% dat hun AI-initiatieven betekenisvolle, meetbare resultaten hadden opgeleverd.

Een mogelijke verklaring hiervoor is dat bedrijven de verkeerde tools hebben gekozen, te snel zijn gegaan of er niet in zijn geslaagd genoeg mensen ermee te laten werken. Daar geloof ik echter niet echt in, want we hebben AI ingezet volgens de manier waarop de financiële functie is georganiseerd. Daardoor zijn nu de crediteurenadministratie, debiteurenadministratie, treasury en zelfs FP&A slimmer geworden.

Geldstromen bewegen niet op die manier. Ze doorkruisen al die grenzen, en volgens mij beginnen we de beperkingen te zien van het slimmer maken van elk onderdeel van de financiële functie, zonder hetzelfde te doen voor de financiële cyclus die ze gezamenlijk beheren.

We hebben de afzonderlijke onderdelen slimmer gemaakt

Een van de merkwaardigste lacunes in de moderne financiële sector is dat we zeer geavanceerde manieren hebben ontwikkeld waarop elke functie haar eigen deel van de geldstromen kan begrijpen. De crediteurenadministratie beheert wat eruit gaat, de debiteurenadministratie richt zich op wat binnenkomt, treasury beheert de liquiditeit en FP&A probeert te voorspellen welke kant de cijfers op gaan. Elk team kan zijn werk goed doen en toch de CFO achterlaten zonder iemand die duidelijk verantwoordelijk is voor wat er met het geld gebeurt terwijl het tussen die functies door beweegt.

Neem de gemiddelde betalingstermijn van crediteuren (DPO) en de gemiddelde incassotermijn van debiteuren (DSO). Een team voor de crediteurenadministratie kan de DPO met vijf dagen verbeteren en dat heel redelijk als vooruitgang rapporteren, terwijl de incasso’s in hetzelfde kwartaal vertragen en de DSO met zeven dagen verslechtert. Beide teams kunnen precies hebben gedaan wat van hen werd gevraagd en goede verklaringen hebben voor hun resultaten. Toch sluit het bedrijf het kwartaal af met een twee dagen slechtere omzetting van werkkapitaal in geld.

De financiële functie is heel goed in het toewijzen van verantwoordelijkheden aan afzonderlijke functies, maar het financiële resultaat komt vaak tot stand in de ruimte ertussen.

We hebben systemen gebouwd om facturen te automatiseren, rekeningen af te stemmen, de kaspositie te voorspellen, incasso’s te beheren en rapporten op te stellen. AI wordt nu in diezelfde categorieën toegepast. Daardoor dreigen we elk onderdeel van de financiële functie efficiënter te maken, zonder de functie als geheel minder versnipperd te maken.

Sneller werken is niet hetzelfde als een kortere doorlooptijd

Eén bevinding uit ons onderzoek blijft me bezighouden, omdat die dit probleem bijzonder treffend illustreert. Inmiddels beantwoordt 43,8% verzoeken binnen 24 uur, het hoogste niveau dat we in vier jaar hebben gemeten. Tegelijkertijd besteden teams 44,5% van de tijd elke week 11 uur of meer aan het opvolgen van zaken bij leveranciers, klanten en interne belanghebbenden; een jaar geleden was dat 29,7%. Nog eens 13,4% besteedt er meer dan 30 uur per week aan.

Die cijfers lijken alleen tegenstrijdig als we aannemen dat een sneller antwoord betekent dat het werk dichter bij voltooiing is. Een leverancier kan bijvoorbeeld op een e-mail reageren, maar de informatie blijft onvolledig, of een klant reageert op een incassoverzoek door de factuur te betwisten. De financiële afdeling ontdekt de afwijking en moet vervolgens iemand elders in het bedrijf vinden die deze kan toelichten.

Volgens mij hebben we te veel tijd besteed aan het meten van de snelheid van afzonderlijke taken en te weinig aan het meten van de tijd die nodig is om van het vaststellen van een probleem te komen tot een oplossing die het financiële resultaat verandert.

AI-agenten verhogen de inzet

Traditionele automatisering heeft ons goed geholpen om een zeer versnipperd proces te versnellen. AI heeft het speelveld echter volledig veranderd. Een AI-agent kan binnen het geautomatiseerde proces beslissingen gaan nemen. Dat betekent dat de doelstellingen die we deze systemen meegeven veel belangrijker zijn dan toen software alleen informatie van het ene veld naar het andere verplaatste.

Het probleem wordt duidelijker zodra AI in de hele financiële functie actief wordt. De crediteurenadministratie kan proberen het betalingsmoment te optimaliseren, de debiteurenadministratie de incasso’s te versnellen en treasury de liquiditeit te beschermen, elk met op zichzelf verstandige doelstellingen. Het risico ontstaat wanneer die systemen beslissingen nemen op basis van verschillende definities van succes, zonder een gedeeld beeld van het financiële resultaat dat een bedrijf wil bereiken.

Daarom draait het volgende AI-vraagstuk voor de financiële sector niet om adoptie. Het gaat erom te bepalen waarop het systeem moet optimaliseren en wat er gebeurt wanneer lokaal verstandige beslissingen botsen met het bredere financiële resultaat. Machtigingen, goedkeuringsdrempels, auditsporen en escalatieregels zijn belangrijk, maar geven antwoord op de vraag wat een AI-systeem mag doen. CFO’s moeten ook bepalen wat het systeem moet bereiken binnen de financiële en bestuurlijke kaders.

Integratie wordt een operationeel vraagstuk

Het gebrek aan integratie met bestaande systemen is inmiddels de meest genoemde belemmering voor de invoering van AI; ons onderzoek komt uit op 36,7%. Weerstand tegen de invoering van technologie, voorheen bovenaan de lijst, is naar de zevende plaats gezakt. Uit afzonderlijk onderzoek uit 2026 van ACCA en CA ANZ bleek dat 40% van de financiële professionals moeite met het integreren van meerdere gegevensbronnen ziet als een belemmering voor beter inzicht in de bedrijfsvoering.

Financiële leiders steken niet langer het grootste deel van hun energie in het overtuigen van mensen dat AI thuishoort binnen de financiële functie. Ze ontdekken wat er gebeurt wanneer meerdere AI-mogelijkheden met dezelfde transacties, beleidsregels, goedkeuringen, uitzonderingen en financiële resultaten moeten werken.

Een nuttige AI-toepassing kan binnen één functie functioneren. Een bruikbaar operationeel model voor de financiële functie niet.

Breng dus niet alleen in kaart hoeveel toepassingen zijn geïmplementeerd, maar kijk ook hoeveel overdrachtsmomenten er nog zijn tussen het signaleren van een probleem en het oplossen van de financiële gevolgen ervan. Kijk niet alleen naar het aantal uren dat binnen AP of AR wordt bespaard; ik zou ook willen weten of het geld voorspelbaarder door het bedrijf stroomt. En in plaats van elke financiële functie een eigen definitie van AI-succes te geven, zou ik willen weten wie verantwoordelijk is voor het resultaat wanneer die definities met elkaar botsen.

Financiële technologie is jarenlang ingericht rond de structuur van de organisatie. Het is dan ook niet verrassend dat AI op dezelfde manier wordt ingevoerd. De CFO is verantwoordelijk voor de prestaties van die functies, maar uiteindelijk beoordeelt het bedrijf de financiële functie niet op de vraag of AP, AR, Treasury of FP&A elk hun eigen efficiëntiedoelen halen. Het gaat om het financiële resultaat dat ze samen behalen.

Als AI de financiële functie wezenlijk gaat veranderen, moet dat het uitgangspunt voor de transformatie worden. Anders automatiseren we de functies en verbeteren we de lokale meetwaarden, maar blijft het financiële resultaat versnipperd over dezelfde grenzen die we juist moesten oplossen.