Een jaar verschil
Een jaar geleden bouwde ik een applicatie met vibe coding. Het idee achter vibe coding is simpel: je beschrijft in gewone taal wat je wilt, en AI schrijft de code. De start was spectaculair. Binnen een uur had ik een werkend prototype waar ik zonder AI dagen over had gedaan. Maar naarmate de applicatie complexer werd, sloeg de frustratie toe. De AI maakte op een gegeven moment meer kapot dan het toevoegde. Elke fix introduceerde twee nieuwe bugs. Ik heb het project uiteindelijk met veel moeite afgekregen, maar enthousiast was ik niet.
Nu, nog geen twaalf maanden later, bouw ik een nieuwe applicatie op dezelfde manier. De ervaring is compleet anders. Gestructureerd en betrouwbaar heb ik in een week een applicatie gebouwd waar een traditioneel IT-team maanden aan zou hebben gewerkt. Niet omdat ik zoveel beter ben geworden. Maar omdat de AI zoveel beter is geworden.
Die ervaring, een compleet andere wereld in minder dan een jaar, is waarom ik denk dat elk finance team zich nu moet voorbereiden. Niet over drie jaar. Nu.
De versnelling
De AI-modellen van vandaag zijn fundamenteel beter dan die van een jaar geleden. Ze redeneren beter, ze volgen complexere instructies op, ze maken minder fouten, en ze kunnen grotere hoeveelheden informatie verwerken. Epoch AI publiceerde in april 2026 onderzoek waaruit blijkt dat drie van de vier capability-metrics van AI-modellen versneld verbeteren, met name gedreven door betere redeneercapaciteiten.
En er is iets bijzonders aan de hand met deze ontwikkeling. Naarmate AI beter wordt, kan het ook meer bijdragen aan zijn eigen ontwikkeling. AI helpt bij het schrijven van betere code, bij het vinden van betere trainingsmethoden, bij het ontdekken van betere architecturen. Dat creëert een feedbackloop die de ontwikkeling verder versnelt. Het is daardoor bijna niet te voorspellen waar we over twee of drie jaar staan.
Maar we kunnen wel redeneren over de richting.
Wat AI is, en wat dat betekent voor finance
Om te begrijpen waar we heen gaan, helpt het om scherp te krijgen wat AI fundamenteel is. De naam zegt het eigenlijk: AI is artificial intelligence. Intelligentie die je kunt inschakelen wanneer je het nodig hebt, zonder limiet op beschikbaarheid of schaal.
Stel je voor dat je een team van twintig van de beste finance experts ter wereld tot je beschikking hebt. Je legt ze een vraag voor, en ze werken er een week aan om het best mogelijke antwoord te geven. De AI van de nabije toekomst kan je datzelfde antwoord in een paar seconden geven. Alle kennis over financiële analyse, consolidatietechnieken, verslaggevingsstandaarden, scenariomodellering, cashflow-forecasting: beschikbaar, onbeperkt, en razendsnel.
Dit is geen sciencefiction, de richting is duidelijk. En het stelt een interessante vraag: als intelligentie geen schaars goed meer is, wat bepaalt dan de kwaliteit van het resultaat?
Het antwoord: de kwaliteit van de input. De informatie, de data, de context en de instructies die je de AI meegeeft. Een team van twintig experts levert ook niets op als je ze een rommelige doos met ongesorteerde en incomplete papieren geeft en zegt “zoek het maar uit”. Hoe beter gestructureerd en volledig je input, hoe beter het resultaat. Dat geldt nu al, en het gaat alleen maar meer gelden.
[AFBEELDING: Twee scenario’s boven elkaar. Boven: rommelige input (versnipperde Excel-bestanden, losse e-mails, ongestructureerde data) → AI → matig resultaat. Onder: gestructureerde input (gestandaardiseerde databron, KPI’s, menselijke context, procesparameters) → AI → uitstekend resultaat. Caption: “AI wordt alleen zo goed als de data die je het geeft.”]
Twee vragen die je nu moet stellen
Als je accepteert dat AI in de komende jaren steeds meer controller-activiteiten gaat overnemen, zijn er twee strategische vragen die je nu moet beantwoorden.
Is jullie financiële data klaar voor AI?
De eerste vraag gaat over je databron. Wil je in de nabije toekomst een best-in-class finance-organisatie zijn, dan moet je nu gaan werken aan het structureren, verrijken en toegankelijk maken van jullie financiële data en operationele KPI’s.
Een set complexe Excel-modellen die veel handmatig onderhoud vragen, die gestructureerde samenhang missen en die een hoog foutenrisico hebben: dat is geen ideale bron voor AI. Niet nu, en zeker niet straks. AI heeft complete, gestructureerde, betrouwbare en samenhangende data nodig. Denk aan financiële data tot op transactieniveau, budgetten met de onderliggende drivers en aannames, niet-financiële KPI’s, geconsolideerde cijfers, en de menselijke context die niet uit ruwe data te halen is, zoals variantieverklaringen en notities bij de maandafsluiting.
In Smartbooks bouwen we precies zo’n gestructureerde financiële dataomgeving, maar ongeacht welke tool je gebruikt: het principe is hetzelfde. Hoe beter je data georganiseerd is, hoe meer waarde AI er straks uit kan halen. Investeer in je databron voordat je investeert in AI-tooling.
Wil je de regie houden, of vertrouw je volledig op AI?
De tweede vraag is fundamenteler en gaat over controle. Als je die twintig beste finance experts tot je beschikking hebt, kun je zeggen: ik vertrouw daar volledig op. Richt mijn financiële processen maar in zoals jullie denken dat het het beste is. En de toekomstige AI zal dat inderdaad heel goed voor je kunnen doen.
Maar je verliest dan de controle en regie over finance. Voor sommige CFO’s is dat acceptabel. Anderen zullen zelf de regie willen houden over hoe processen ingericht zijn, welke aannames eronder liggen, en hoe resultaten tot stand komen.
Als je voor dat laatste kiest, en ik vermoed dat de meeste controllers en CFO’s dat doen, dan moet je die regie wel organiseren. Nu zit die kennis vaak in de hoofden van medewerkers, soms aangevuld met werkinstructies en een maandafsluitingschecklist in Excel. Dat is onvoldoende als je straks wilt sturen op AI-ondersteunde processen.
Je hebt dan een regielaag nodig boven de AI. Een plek waar je vastlegt hoe jullie finance-processen werken: welke instructies de AI krijgt, welke templates worden gebruikt, welke parameters en drempelwaarden gelden, waar menselijke validatie verplicht is, en hoe de audit trail eruitziet. Niet in losse documenten of chatgeschiedenissen, maar gestructureerd in een systeem dat daar specifiek voor ontworpen is.
Hoe krachtiger AI wordt, hoe belangrijker de regielaag. Niet omdat je de AI niet vertrouwt, maar omdat je als controller wilt kunnen uitleggen hoe een resultaat tot stand is gekomen.
Wat je nu kunt doen
Je hoeft niet te wachten tot AI perfect is om je voor te bereiden. Sterker nog: de organisaties die nu beginnen met het structureren van hun data en processen, hebben straks een enorm voordeel. Drie concrete stappen.
Breng je databronnen in kaart. Waar zit jullie financiële data? Hoe gestructureerd is het? Welke informatie zit in Excel-bestanden die nergens anders beschikbaar zijn? Welke menselijke context (verklaringen, notities, beslissingen) wordt nergens vastgelegd? Dit is je startpunt.
Leg je processen expliciet vast. Niet alleen wát je doet, maar ook hóe en waarom. Welke stappen doorloop je bij de maandafsluiting? Welke methodieken en drempelwaarden gebruik je bijvoorbeeld voor je variantieanalyse? Welke structuur heeft je managementpresentatie? Hoe gestructueerder je dit vastlegt, hoe beter AI deze processen straks kan ondersteunen.
Evalueer of je huidige tooling toekomstbestendig is. Kan je huidige systeem je financiële data gestructureerd ontsluiten voor AI? Kan het een regielaag bieden met templates, instructies en audit trails? Of werk je met een verzameling losse tools die niet ontworpen zijn voor deze toekomst? Platformen zoals Smartbooks zijn specifiek gebouwd om die gestructureerde datalaag en regielaag te bieden, maar er zijn meer opties. Het belangrijkste is dat je de vraag stelt.
Het verschil tussen finance teams die straks maximaal profiteren van AI en teams die achterlopen, wordt nu bepaald. Niet door AI-kennis, maar door de kwaliteit van je data en processen.
En dat was het voor vandaag.
Tot de volgende,
Jaap