Wat AI vandaag wél en niet kan in finance

Over AI in finance wordt veel beloofd en weinig geleverd. De ene helft van de verhalen zegt dat je controller volgend jaar overbodig is, de andere helft dat het allemaal speelgoed is. Beide kloppen niet. AI doet vandaag een paar dingen verrassend goed, en een paar dingen juist niet. Het verschil kennen scheelt je een hoop verspilde tijd en geld.

Wat AI vandaag goed doet

De sterkste use-cases zitten in werk dat veel tekst en context combineert met een herhaalbaar patroon. Denk aan:

• →Debiteurenbeheer: aanmaningen opstellen, betaalgedrag samenvatten, opvolging prioriteren
• →Maandafsluiting: checklists aflopen, afwijkingen signaleren, een eerste concept-toelichting schrijven
• →Rapportage en board-prep: een leesbare management-samenvatting uit de cijfers, met de vragen die een board stelt
• →BTW- en grootboek-controles: aansluitingen checken en uitschieters markeren
• →Cashflow: scenario's en toelichtingen rond een forecast die jij voedt

De rode draad: AI versnelt het opstellen, samenvatten en controleren. Het is een sterke assistent voor de eerste 80 procent van het werk, niet de laatste 20.

Wat AI (nog) niet doet

AI neemt geen verantwoordelijkheid. Het kan een cijfer met overtuiging presenteren dat onjuist is, en het weet niet wanneer het iets niet weet. Voor finance, waar een fout direct geld of vertrouwen kost, betekent dat: een mens controleert en tekent af. Dat heet human-in-the-loop, en het is geen tijdelijke maatregel maar een ontwerpprincipe.

Ook oordeelsvorming blijft mensenwerk. Of een afwijking een fout is of een signaal, of een investering verstandig is, of een klant krediet verdient: dat vraagt context die niet in de data zit. AI levert het materiaal, jij neemt het besluit.

Waar begin je: quick wins versus strategische projecten

Begin klein en concreet. Kies één terugkerende taak die veel tijd kost en weinig risico draagt, bijvoorbeeld het opstellen van aanmaningen of een eerste concept van de maandtoelichting. Een quick win bewijst de waarde, bouwt vertrouwen op in het team en leert je waar de grenzen liggen. Pas daarna komen de grotere, structurele projecten waarin AI echt in je processen verankerd wordt.

De volgorde is belangrijk. Teams die met een groot, ambitieus AI-project beginnen, lopen vast op data, governance en adoptie tegelijk. Teams die met een quick win beginnen, hebben binnen weken iets werkends.

Randvoorwaarden: governance, EU AI Act en toegang tot je data

Drie dingen die je vanaf het begin op orde wilt hebben. Eén: governance, wie mag welke AI-output gebruiken en wie controleert. Twee: de EU AI Act, die eisen stelt aan AI-gebruik en die voor finance-toepassingen relevant is. Drie: veilige, gecontroleerde toegang tot je administratie, want AI is pas nuttig als het bij je echte cijfers kan, en gevaarlijk als dat ongecontroleerd gebeurt.

En dan?

AI in finance is geen knop die je omzet, maar een vak op zich: andere methodologie, andere tooling, bouwen in plaats van adviseren. Daar heb ik een aparte propositie en een aparte site voor, met diepere artikelen per onderwerp, van de maandafsluiting tot agents en governance. Bekijk de resources op start2scale.ai voor de verdieping.