AI in de financiële functie: zonder kwaliteitsborging geen betrouwbare tool
23 februari 2026
Blog van Peter Koot
De laatste maanden ben ik tijdens mijn opdrachten en bij het geven van colleges en cursussen steeds meer in aanraking gekomen met AI. Vaak wordt het gepresenteerd als een “wondermiddel” of als de toekomstige vervanging van de mens.
Ik ben me er meer in gaan verdiepen wat AI nu precies is, hoe het werkt en wat de mogelijkheden en onmogelijkheden zijn. Eén van mijn belangrijkste inzichten is dat de ontwikkelingen snel gaan: de AI-toepassingen worden steeds beter en er is eigenlijk “geen weg terug” meer terug. De kwaliteit van met AI gemaakte stukken is soms opvallend goed.
Mogelijke toepassingen in de financiële sector
Als mogelijke toepassingen van AI in de financiële functie worden onder meer genoemd:
- Geautomatiseerde administratie: automatisch verwerken van transacties, matchen van inkoopfacturen, etc.
- Cashflow forecasting en planning: analyseren van historische data en externe factoren
- Fraudedetectie & Compliance: real-time opsporen van anomalieën en afwijkingen
- Rapportage & Close-proces: dataintegratie en automatisch opstellen van financiële rapportages
Het gebruik in de praktijk
In de praktijk zie ik ook voorkomen dat automatisch wordt uitgegaan van de juistheid van de AI-uitkomsten, opgestelde rapportages, ingediende papers of gegenereerde modellen. Het logisch nadenken en beoordelen van de uitkomsten blijft regelmatig achterwege.
Soms vliegt AI immers uit de bocht en komt met onjuiste of vreemd voordoende uitkomsten door:
- Verkeerd prompten: op een verkeerd of onvolledig geformuleerde vraag komt ook een verkeerd of onvolledig antwoord.
- Garbage in / garbage uit effect: werken met verkeerde datasets of data input of verkeerd gestructureerde data leiden al gauw tot verkeerde rapportages of conclusies.
Wat is dan nodig en hoe kan AI wél worden gebruikt?
In de eerste plaats is het belangrijk om kritisch te blijven op de uitkomsten. Begrijp je de antwoorden en zijn ze logisch? Controleer je of de juiste datasets worden gebruikt? Zijn de getallen geverifieerd met externe en betrouwbare bronnen? En zijn rapportages reproduceerbaar?
Het blijft dus belangrijk om “old school” controles in te bouwen en het gebruik van AI te omgeven met de nodige kwaliteitsborging. Doen we dit niet dan is het risico dat de uitkomsten of output ten onrechte voor juist wordt aangenomen en verkeerde conclusies worden getrokken.
Meer weten of contact?
Bij B3TER geloven we in de kracht van interactie en waardevolle dialogen. Heeft u vragen of wilt u meer weten over hoe Peter Koot uw onderneming of organisatie kan ondersteunen bij het doorvoeren van de noodzakelijke verbeteringen of inbouwen van de nodige kwaliteitsborgingen? Neem dan gerust contact met ons op. U kunt Peter bereiken via e-mail peter@b3ter.nl of per telefoon op 06-4613 8709. U kunt ook een berichtje achterlaten op onze website www.b3ter.nl.