Transformeer finance: van pionieren naar gestructureerde AI-integratie

AI in finance: van experiment naar strategie

  • Blog
  • 27/03/25
Wouter Hoff

Wouter Hoff

Partner, PwC Netherlands

De inzet van generatieve AI (GenAI) wint snel aan populariteit. Wat begint met kleine, veelbelovende toepassingen, kan zich ontwikkelen tot een transformerende kracht voor de hele organisatie. Maar hoe zorg je voor een duurzame en effectieve integratie van AI in finance? Wouter Hoff, partner finance transformation bij PwC, deelt zijn inzichten over de kansen, uitdagingen en de route naar een toekomstbestendig AI-model.

De impact van AI op finance

AI verandert de manier waarop finance-teams werken. Van het automatiseren van routinetaken tot het verbeteren van besluitvorming met geavanceerde analyses. Hoff benadrukt dat denkwerk belangrijk blijft: ‘GenAI wint snel aan populariteit, maar voor langdurig succes is een gestructureerde aanpak nodig. Zeker bij  finance kan de inzet van AI dan zeer succesvol zijn.’

Een paar van de grootste voordelen van AI zijn snelheid en efficiëntie. Finance-teams kunnen met AI sneller en nauwkeuriger rapportages opstellen, voorspellende analyses uitvoeren en transactieverwerking automatiseren. ‘Het mooie is dat de drempel om ermee aan de slag te gaan enorm verlaagd is. Vroeger had je gespecialiseerde programmeurs nodig, nu kan bijna iedereen er mee werken’, aldus Hoff.

Van experimenteren naar implementeren

Kleinschalige experimenten zijn voor bedrijven ideaal om medewerkers vertrouwd te maken met de technologie en om concrete voordelen te demonstreren. ‘De kracht van AI is impact maken met minimale inspanning. Dat is een belangrijk voordeel, zeker in een krappe arbeidsmarkt waarin efficiency een sleutelrol speelt’, zegt Hoff.

Toepassingen zoals Forecast Plus van PwC laten zien hoe AI kan bijdragen aan strategische groei. Met de forecasting tool Forecast Plus, kun je patronen herkennen in zowel interne bedrijfsdata, als externe indicatoren. De tool herkent ook patronen voor financiële en niet-financiële data. Zo kunnen bedrijven veel nauwkeuriger inschatten waar groeikansen liggen. Ook is het door vergaande automatisering mogelijk om vaker en op een lager detailniveau een forecast te genereren. Op deze manier ben je meer in control over toekomstige resultaten. Het gebruik van relevante externe indicatoren in de forecast, biedt kansen op de midden- en lange termijn, maar ook op de korte termijn.  

Een mooi voorbeeld is een retailer die de omzet-forecast per productfamilie mede laat bepalen door de actuele zoekresultaten van consumenten. Als zij op bekende online zoekmachines op buitenproducten zoeken, zoals gazonsproeiers, wordt daar snel op ingespeeld. Door deze inzichten kan een bedrijf zijn sales- en marketingstrategie, maar ook het korte termijn inkoopbeleid veel gerichter inzetten en zo omzetmaximalisatie realiseren.

Een andere, nu al eenvoudig inzetbare toepassing, is de automatisering van factuurverwerking. ‘AI scant en analyseert inkomende facturen zeer nauwkeurig.  Door machine learning wordt dit proces steeds slimmer. Zo kan je met behulp van AI-facturen en inkooporders matchen, fouten in facturen detecteren en eventuele aanvullende validaties uitvoeren. Hierdoor hoef je bijvoorbeeld veel minder na te bellen. Finance-teams kunnen zich op deze manier focussen op strategischere taken’, zegt Hoff.

De stap naar een volwassen AI-model

De echte uitdaging ligt uiteindelijk in het opschalen van AI binnen de organisatie. Mensen worden duurder en talent wordt schaars. ‘Het inzetten van technologie is een mooie ‘efficiency play’, maar ook gewoon nodig voor het blijven halen van de servicelevels. Op een gegeven moment moet je van pionieren naar een gestructureerde aanpak’, stelt Hoff. Dit betekent dat een organisatie een zogenaamd Target Operating Model (TOM) moet ontwikkelen, met een vaste plek voor AI binnen de governance, processen en strategie.

Belangrijke componenten van TOM:

  • AI Strategie: Een duidelijke AI-strategie is essentieel om technologische initiatieven te koppelen aan de bedrijfsdoelen. Waarbij prioriteiten worden gesteld om de impact van AI op de organisatie te maximaliseren. Dit omvat het identificeren van relevante use cases en het vaststellen van meetbare doelen
  • Governance en ethiek: AI moet verantwoord worden ingezet, met aandacht voor datakwaliteit, bias en ethische aspecten
  • Datamanagement: De grootste bottleneck voor AI is de kwaliteit van de data. Zonder betrouwbare data krijg je onbetrouwbare analyses
  • Adoptie en educatie: Finance-professionals moeten leren hoe ze AI effectief kunnen inzetten. Jongere generaties pakken dit sneller op, maar ervaren medewerkers brengen de strategische context. Beide groepen kunnen elkaar versterken
AI in finance: van experiment naar strategie

AI als katalysator voor finance-transformatie

Volgens Hoff wordt er met de blik naar de toekomst van AI in finance vaak één belangrijk punt vergeten: de kosten.  ‘Nu is AI relatief goedkoop, maar op termijn zullen de kosten waarschijnlijk stijgen. Daarom is het belangrijkom AI nu gelijk efficiënt te implementeren en niet te versnipperen over allerlei kleine initiatieven.’

Volgens Hoff moeten finance-afdelingen niet wachten, maar vooral beginnen. ‘AI kan helpen om finance efficiënter en strategischer te maken. Het succes hangt af van een doordachte aanpak. Zorg ook dat je medewerkers meeneemt. Soms is er sprake van het ‘not invented by me’-fenomeen, de weerstand die mensen voelen tegen een niet-zelfbedachte oplossing. De adoptie van een nieuwe techniek in organisaties is hierdoor vaak moeilijk.’ Daarnaast is het bouwen van een sterke datafundering volgens Hoff een ‘no-regret move’. Want slechte datakwaliteit of vervuilde data vormt een serieus struikelblok voor het succesvol toepassen van AI.  

Tenslotte raadt hij aan om AI slim te integreren in de processen. Zijn de uitkomsten van analyses bijvoorbeeld wel in lijn met je ethiek en strategie? Hoff: ‘Stel je voor dat een AI-systeem aanbeveelt om een nieuwe zakelijke relatie aan te gaan met een bedrijf in een land met een discutabele reputatie. Denk aan zwakke regulering en financieel strafbaar gedrag, zoals belastingontduiking of witwassen. AI kan suggereren dat deze entiteit acceptabel is op basis van algoritmische analyses van recente transacties. Maar zonder rekening te houden met de bredere context, zoals politieke risico's, reputatie, of bestaande sancties.’ Het blijft belangrijk om checks en balances in te bouwen.  

Dit is wat PwC betreft de route naar de democratisering van AI én een duurzame finance-transformatie. Wil je meer weten over hoe we helpen bij de integratie van AI in finance? Neem contact met ons op.

Over de auteur

Wouter Hoff
Wouter Hoff

Partner, PwC Netherlands

Wouter en zijn team bieden ondersteuning aan bedrijven bij hun Finance Transformatie, waarbij ze de finance organisatie helpen verbeteren op het gebied van mensen, processen, prestaties en technologie.
Volg ons