AI binnen finance: wat kan het MKB ermee?

Onze overtuiging: AI verandert het werk binnen finance ingrijpend, maar maakt de controller of CFO niet overbodig. Met de juiste inzet kan de finance professional juist meer waarde toevoegen voor de ondernemer. De ontwikkelingen op het gebied van AI gaan snel. Ook binnen finance zien we steeds meer toepassingen die werkzaamheden makkelijker en sneller kunnen maken. Denk aan het analyseren van grote hoeveelheden financiële data, het verklaren van afwijkingen of het voorbereiden van rapportages en forecasts.  Dat roept ook vragen op. Wat betekent AI voor het werk van de controller of CFO? Welke werkzaamheden kunnen straks worden geautomatiseerd? En blijft er nog wel behoefte aan een finance professional?

Finance besteedt nog veel tijd aan het verzamelen van informatie
Binnen veel MKB-organisaties gaat nog altijd veel tijd zitten in het verzamelen, controleren en structureren van financiële informatie. Data komt uit verschillende systemen, rapportages worden handmatig opgebouwd en afwijkingen moeten regel voor regel worden onderzocht. Daardoor is de financiële functie vaak vooral bezig met terugkijken:

• Zijn alle transacties juist verwerkt?
• Waarom wijken de kosten af van vorige maand?
• Hoe heeft de marge zich ontwikkeld?
• Kloppen de cijfers uit de verschillende systemen met elkaar?

Dit zijn belangrijke werkzaamheden. De financiële basis moet immers betrouwbaar zijn. Maar wanneer het verzamelen en controleren van informatie te veel tijd kost, blijft er minder ruimte over voor de vragen waar de ondernemer daadwerkelijk mee vooruit kan. Waar komt de marge onder druk te staan? Welke klanten of producten zijn het meest rendabel? Wat betekent de huidige orderportefeuille voor de liquiditeit? En welke keuzes zijn nodig om de groeiplannen financieel haalbaar te maken? Juist bij het beantwoorden van deze vragen kan AI een belangrijke rol spelen.

Van handmatig uitzoeken naar sneller analyseren
AI kan grote hoeveelheden gegevens in korte tijd analyseren en helpen om patronen, afwijkingen en mogelijke verbanden zichtbaar te maken. Een finance professional hoeft daardoor minder tijd te besteden aan het handmatig doorzoeken van bestanden en kan sneller tot de kern komen. Stel dat de brutomarge van een onderneming in een bepaalde maand achterblijft. In een traditionele analyse worden verschillende rapportages naast elkaar gelegd. Vervolgens wordt gezocht naar afwijkingen per klant, product, project of order. Met behulp van AI kan deze eerste analyse veel sneller worden uitgevoerd. Welke transacties vallen op? Bij welke productgroepen is de marge gedaald? Is er een verband met hogere inkoopprijzen, meer kortingen of een andere samenstelling van de omzet? AI kan mogelijke verklaringen aandragen en aangeven waar verder onderzoek nodig is. Daarmee ontstaat sneller een gerichte analyse.

Hetzelfde geldt bijvoorbeeld voor:

• Het signaleren van klanten die structureel te laat betalen;
• Het analyseren van kostenontwikkelingen;
• Het vergelijken van werkelijke resultaten met het budget;
• Het herkennen van trends in omzet en marge;
• Het voorbereiden van scenario’s voor liquiditeit en groei.

De winst zit niet alleen in tijdsbesparing. Doordat meer gegevens kunnen worden meegenomen, kan de analyse ook breder en diepgaander worden. AI levert een analyse, maar neemt geen besluit. Tegelijkertijd is het belangrijk om realistisch te blijven over wat AI kan. Een AI-model kent niet automatisch de volledige context van een onderneming. Het weet bijvoorbeeld niet dat een klant bewust een lagere marge krijgt omdat deze belangrijk is voor de bezetting. Het kent de afspraken met leveranciers niet en weet ook niet welke strategische keuzes het management voor de komende jaren heeft gemaakt. Ook zijn de uitkomsten nooit beter dan de informatie die als input wordt gebruikt. Wanneer gegevens onvolledig zijn, definities door elkaar lopen of transacties verkeerd zijn geboekt, kan AI tot een overtuigend klinkende maar onjuiste conclusie komen.

Daarom blijft de finance professional nodig om:

• Te beoordelen of de gebruikte data betrouwbaar is;
• De juiste vragen te stellen;
• Uitkomsten inhoudelijk te controleren;
• Financiële informatie in de context van de onderneming te plaatsen;
• Verschillende belangen en scenario’s af te wegen;
• Samen met de ondernemer tot een besluit te komen.

AI kan bijvoorbeeld signaleren dat een bepaalde klant een lage marge oplevert. Maar daarmee is nog niet gezegd dat afscheid nemen van deze klant de juiste keuze is. Misschien zorgt de klant voor een stabiele basisomzet, zijn er kansen om de prijsafspraken te verbeteren of leidt de samenwerking tot andere winstgevende opdrachten. Het beantwoorden van die vraag vraagt om financieel inzicht, kennis van de onderneming en een goed gesprek met de ondernemer.

De rol van de controller verschuift
Wij verwachten daarom niet dat de controller verdwijnt. De invulling van de rol verandert wel. Wanneer AI een deel van het voorbereidende en analyserende werk versnelt, ontstaat er meer ruimte voor interpretatie en advies. De controller hoeft minder tijd te besteden aan het bouwen van rapportages en kan meer tijd besteden aan het gesprek over de uitkomsten. Dat maakt de rol juist breder. Van iemand die vooral cijfers verzamelt en controleert, naar een businesspartner die:

• Vooruitkijkt in plaats van alleen terugkijkt;
• Verbanden legt tussen financiële en operationele informatie;
• Risico’s en kansen eerder zichtbaar maakt;
• Kritische vragen stelt;
• De ondernemer helpt bij het maken van keuzes.

Voor de CFO geldt hetzelfde. AI kan helpen om sneller scenario’s uit te werken of informatie voor besluitvorming voor te bereiden. De verantwoordelijkheid voor de uiteindelijke afweging blijft echter bij de CFO en de ondernemer liggen.

Hoe wij hier bij Sturen op Strategie naar kijken
Binnen Sturen op Strategie zien we AI niet als een los experiment of als doel op zichzelf. We onderzoeken vooral hoe we AI praktisch kunnen inzetten om onze klanten beter te ondersteunen. Daarbij richten we ons op toepassingen die daadwerkelijk bijdragen aan betere financiële sturing. Bijvoorbeeld door sneller inzicht te krijgen in margeontwikkelingen, afwijkingen in de cijfers of toekomstige liquiditeitsrisico’s. Onze finance professionals blijven altijd verantwoordelijk voor de kwaliteit van de analyse en de vertaling naar de praktijk. AI helpt ons om sneller van data naar inzicht te komen. Onze controllers en FlexCFO’s zorgen ervoor dat dit inzicht wordt vertaald naar een passende beslissing voor de onderneming. Want uiteindelijk zit de grootste waarde niet in het produceren van nóg meer cijfers. De waarde ontstaat wanneer een ondernemer begrijpt wat de cijfers betekenen en weet welke actie nodig is. AI kan dat proces versnellen en verdiepen. Maar voor de juiste vragen, de afweging en het gesprek blijft de finance professional onmisbaar. Waar besteedt jouw financiële functie op dit moment de meeste tijd aan: het verzamelen van informatie of het adviseren over de toekomst?