Amsterdam, 12 maart 2026 - De
meeste financeteams die zichzelf als AI-koploper beschouwen,
beschikken nog altijd niet over de operationele basis die nodig is om AI
veilig op te schalen naar kernprocessen in finance. Dit blijkt
uit nieuw onderzoek van
Payhawk. In het onderzoek zijn
“AI-koplopers” organisaties die hun AI-volwassenheid een score van 7–10
op 10 gaven (n=405 van 1.520).
Deze wereldwijde enquête onder
1.520 leidinggevenden
in finance en business toont aan dat hoewel
experimenteren met AI wijdverbreid is, drie op de vier (74%) van de
zelfverklaarde AI-koplopers niet beschikt over de governance- en
data-infrastructuur om de stap te maken van adoptie naar
operationele inzet.
Voor financefuncties is dit onderscheid
cruciaal; AI is alleen zinvol wanneer het is ingebed in de
belangrijkste processen, zoals afsluiting, controls,
goedkeuringen, afhandeling van uitzonderingen, audit trails en
uitgavenbeheer.
Wat is er nodig om AI op te schalen
binnen financiële werkprocessen
Binnen financiële organisaties kan AI worden getest met
minimale infrastructuur. Opschaling vereist echter een operationele
stack. Het onderzoek identificeert vijf operationele vereisten die
bepalen of AI kan doorgroeien van ‘geadopteerd’ naar ‘operationeel’
binnen financiële werkprocessen:
- Aanwezige uitvoeringsmaatregelen
- Minimale regels voor AI-gebruik
- Data die bruikbaar zijn voor
AI-analyses.
De analyse richtte zich op organisaties
die zichzelf een hoge AI-volwassenheid toedichtten. Zelfs binnen de groep
van zelfverklaarde koplopers is de mate van gereedheid
ongelijkmatig verdeeld. Slechts 26% van de AI-koplopers heeft alle vijf
vereisten tegelijkertijd op orde. Met andere woorden: 74% mist minstens
één fundamenteel aspect dat nodig is om AI veilig op te schalen naar
kernprocessen.
Onder
AI-koplopers geeft 78% aan over voldoende AI-vaardigheden en -tools te
beschikken, heeft 69% AI-budgetten toegewezen, en heeft 64%
uitvoeringsmaatregelen ingevoerd.
De
data suggereert dat AI-adoptie in finance niet wordt
afgeremd door een vaardighedentekort, maar door een governance- en
infrastructuurkloof. Een derde (32%) van de AI-koplopers beschikt over de
vaardigheden maar mist minimale regels voor veiliger gebruik. Nog eens
22% heeft AI-maatregelen geïmplementeerd maar mist nog steeds minimale
regels om consistent op te schalen. Intussen is twee op de vijf
(39%) het er niet sterk mee eens dat hun data AI-gedreven analyses
effectief kan ondersteunen.
Kortom:
veel teams stapelen “regelschuld” op (uitvoering die
minimale governance overtreft) en “dataschuld” (activiteit
zonder betrouwbare datafundamenten).
Figuur 1 toont
het aandeel AI-koplopers dat het er sterk mee eens is dat elke
schalingsvereiste aanwezig is.
Volledige gereedheid bestaat, maar is niet de norm
Volledige gereedheid bestaat in de markt van vandaag.
Dit is echter in de minderheid, zelfs onder de meest geavanceerde
organisaties. Veel
organisaties hebben AI-investeringen en governance-intenties, maar
opschaling stagneert uiteindelijk door een gebrek aan duidelijke minimale
regels, of doordat systemen de output niet betrouwbaar kunnen afstemmen
op vertrouwde financiële data.
“In finance is
AI alleen relevant als je echte werkzaamheden kunt delegeren binnen
gecontroleerde processen zoals goedkeuringen, rapportage en
audit trails,” aldus
Hristo Borisov,
CEO en Co-Founder van Payhawk. “Onze
data laat zien dat de vaardigheden en het experimenteren er al
zijn. Wat ontbreekt zijn, de operationele stack, minimale regels en
bruikbare data die AI verantwoordbaar maken op schaal.”
Download het tweede deel
van Payhawk’s CFO AI Readiness Report
hier.