Jan de Kroon (Improfin Groep): ‘De magie van AI begint bij betrouwbare data’

Het begint al meteen met een broodnodige duiding over wat we dan onder AI moeten en mogen verstaan, want het is een enorme container met een hoogtechnologische inhoud. Weet in die container de weg maar eens te vinden en alle goeroes te weerstaan die graag bereid zijn je te overladen met welke prompts ‘the magic trick happens’. De ontwikkelingen rond AI moet iedere organisatie serieus nemen maar tegelijkertijd is het zaak waakzaam te blijven bij iedere hype waar de bekende FOMO, fear of missing out, haar slachtoffers zoekt.  
 
In essentie is AI een taalmodel dat data rubriceert, analyseert, combineert en daaruit informatie genereert. Die gegenereerde informatie vormt daarbij al meteen weer data waar het model gebruik van kan maken. Er ontstaat een beeld dat kan worden ervaren als waarheid maar dat niet hoeft te zijn en vaak ook niet is. Het begint immers met de juistheid, tijdigheid en volledigheid van de data die je bij aanvang in het model stopt. Dat zijn grotendeels data die openbaar zijn en op het internet te vinden. Tenzij het data betreft van gerenommeerde instituten, is het bij die data altijd de vraag in hoeverre ze ook betrouwbaar en daarmee bruikbaar zijn.  
 
De financiële functie heeft ook een rol als ‘routeplanner’. Een proactieve rol die anticipeert op ontwikkelingen en trends en daarbij scenario’s ontwikkelt en deze met een advies onder de aandacht brengt van de bestuurder. In wezen is dat niet anders dan je van een moderne auto gewend bent. Je geeft de bestemming in met eventueel keuzes omtrent wel of geen tolweg, de snelste of de kortste route en wat dies meer zij. De routeplanner gaat meteen aan de slag en begeleidt je naar de bestemming.  
 
Business controllers fungeren als die routeplanner en kunnen informatie over de route vinden bij instituten als het CPB, CBS, PBL, TNO, ILT en aanverwant. Stuk voor stuk onderzoeksinstituten van de overheid waar je belasting voor betaalt en daar krijg je wat voor terug. Bakken met valide en verantwoorde data voor het plannen van de route.  
 
Laat daar een slimme prompt op los en met behulp van een AI-tool voed je scenario’s.  
 
Dat wil zeggen; als je daar als business controller überhaupt echt aan toe komt.   
 
De werkelijkheid in veel organisaties is dat er nog werk moet worden verzet voor het op tijd beschikbaar krijgen van data over het recente verleden en het heden. Dat wil zeggen dat we niet aan de routeplanner toekomen omdat we onze handen vol hebben aan juiste, volledige, tijdige en daarmee betrouwbare data vanuit de eigen organisatie. Inmiddels tonen ook de ervaringen met het inventariseren en verzamelen van CSRD-data aan dat het landschap enorm versnipperd is. Ook hier geldt; ‘garbage in, is garbage out’. Als je AI wil inzetten voor interne doelen, dan moet het aan de basis wel kloppen.  
 
In veel organisaties wringt daar nog de schoen, waarbij AI als het ware een opvolgende stap is ten opzichte van PowerBI; ook een softwaretool die zijn wijsheid baseert op wat je er aan data instopt. Zo’n PowerBI-dashboard ziet er goed uit, is flashy en trendy. Het is in veel gevallen echter een vervanging van de maandelijkse rapportage volgend op weer een wat frustrerende maandafsluiting met aannames, correcties en brugstaten omdat interfaces niet optimaal werken en niet iedereen zuiverheid van data even belangrijk vindt. Alle effort ten spijt; het beschikbaar komende beeld is voor de resultaatverantwoordelijke manager vrijwel per definitie te laat om zijn/haar beslissingen op te baseren. Men loopt achter de feiten aan en finance besteedt enorm veel tijd aan iets dat niet doelmatig is. Dat moet en kan actueler.  
 
Een vraag die ik onderweg veel krijg is hoe dat met AI te verbeteren. Helaas is op dit punt AI niet de ‘heilige graal’ en gaat het je dus ook niet direct helpen. AI is geen short cut. Voor het inzetten van AI als digitale hulp is het van groot belang dat de data, de input, voor het model op orde zijn. Voor de financiële functie betekent dat vooral huiswerk. Eerst de datahuishouding, ook non-financial, op orde voordat je er digitaal mee aan de slag kunt. Dat gaat voortvarender als er meer begrip is voor je rol en je toegevoegde waarde. Als financiële professional moet je eropuit binnen je organisatie, moet je verbindingen leggen en meer in ketens denken dan in je eigen silo. Een te digitaliseren en te robotiseren crediteurenproces is bijvoorbeeld onderdeel van een purchase-to-pay-keten waar ook de afdeling inkoop en de leverancier deel van uitmaken. Zonder dat blijft het ‘rommelen in de marge’. 
 
De toepassing van AI zal binnen de financiële functie zeker impact hebben. Tegelijkertijd is daarvoor randvoorwaardelijk dat de data op orde zijn, processen daaromheen nagenoeg foutloos en de financiële functie intrinsiek verbonden is met het primaire proces. Alleen dan dienen dashboard en routeplanner ook echt de bestuurder.  
 
Voor de financiële functie betekent dat niet alleen ‘werk aan de winkel’ maar ook prachtige kansen op een profilering van haar toegevoegde waarde. AI zal daar zeker bij helpen, maar niet vanzelf; er gaat huiswerk aan vooraf.