Amsterdam, 15 april 2026 – Bijna de
helft (45%) van de organisaties die zichzelf tot de ‘AI-leiders’ rekent,
beschikt niet over het minimale governancekader dat nodig is om
AI verantwoord op te schalen in finance workflows. Dat blijkt uit
nieuw onderzoek van
Payhawk.
Het onderzoek weerlegt ook de gangbare aanname dat
AI-volwassenheid zich langs een vaste ladder ontwikkelt. Zelfs binnen de
categorie ‘leiders’ valt de AI-gereedheid uiteen in zes afzonderlijke
adoptieprofielen, elk met andere tekortkomingen. Uit de data
blijkt dat de werkelijke belemmering voor opschaling niet de
AI-capaciteit zelf is, maar de beheersbaarheid ervan: de mate waarin een
organisatie kan verantwoorden, herleiden en controleren wat AI doet
binnen de finance workflows.
Deze bevindingen zijn gebaseerd op een wereldwijd
onderzoek onder 1.520 finance- en bedrijfsleiders. ‘AI-leiders’
(deelgroep n=405) zijn gedefinieerd als organisaties die hun
AI-volwassenheid beoordeelden met een 7 of hoger op een schaal van 10.
‘Regelschuld’ en
‘dataschuld’: waarom AI-programma’s vastlopen
Vijf operationele vereisten bepalen of AI
binnen finance workflows de stap kan zetten van
‘geïmplementeerd’ naar ‘operationeel’: uitvoeringsmaatregelen, minimale
gebruiksregels voor AI, vaardigheden en instrumenten, een toegewezen
budget, en data die geschikt is voor AI-analyse. Slechts 26% van de
AI-leiders heeft alle vijf vereisten op orde.
Het onderzoek onderscheidt zes operationele profielen
op basis van de scores op deze vijf vereisten:
- Opgeschaalde adopteerders (26,9%): sterk op alle vijf vereisten.
Deze organisaties beschikken over een volledig operationele
AI-infrastructuur.
- Stapsgewijze verbeteraars (17,5%): AI-gereedheid is verspreid
aanwezig, maar nergens echt sterk ontwikkeld.
- Uitvoeringsgedreven implementeerders (16,0%): sterk op uitvoering en
vaardigheden, maar de basisregels ontbreken. Het
duidelijkste voorbeeld van ‘regelschuld’.
- Agent-first, controle-later (14,1%): enthousiasme en
experimenteerdrang lopen ver voor op governance. Basisregels
ontbreken en de uitvoeringsgereedheid schiet tekort.
- Governance-voorwaartse opschalers (13,8%): sterke regels en uitvoering,
maar de datagereedheid is zwak (slechts 30% scoort hier sterk). Het
duidelijkste voorbeeld van ‘dataschuld’.
- ‘Control first’ planners (11,6%): vaardigheden, budget en data zijn
relatief sterk, maar uitvoeringsmaatregelen ontbreken. De capaciteit
is er, maar wordt niet benut.
Figuur 1:
Leiders verdeeld in zes operationele profielen; er is geen vaste ladder
Deze twee structurele
tekortkomingen, ‘regelschuld’ en ‘dataschuld’, verklaren waarom
opschaling zo vaak vastloopt.
- Regelschuld ontstaat wanneer organisaties AI
sneller inzetten dan zij hun governance inrichten. Dit leidt tot
systemen die niet kunnen worden gecontroleerd, verantwoord of veilig
ingebed in werkprocessen met goedkeuringen, compliancevereisten of
financiële controlemechanismen. Twee profielen, Uitvoeringsgedreven
implementeerders en Agent-first, controle-later, vertonen dit
patroon en vertegenwoordigen samen circa 30% van de leiders.
- Dataschuld ontstaat
wanneer governance en uitvoering wel op orde zijn, maar de
onderliggende data inconsistent, onvolledig of gefragmenteerd is. In
dat geval kan een organisatie het AI-gebruik beheersen, maar niet
vertrouwen op de uitkomsten op grotere schaal. Het meest
uitgesproken voorbeeld hiervan zijn
de Governance-voorwaartse opschalers.
Uit het onderzoek blijkt een opvallende
onevenwichtigheid. Terwijl 78% van de zelfbenoemde ‘AI-leiders’ aangeeft
over sterke vaardigheden en instrumenten te beschikken, heeft slechts 55%
basisregels voor governance ingevoerd, de laagst scorende factor van alle
vijf.
De regelschuld verklaart waarom veel organisaties op
papier ‘gevorderd’ lijken, maar er niet in slagen verder te komen
dan kleine, ondersteunende toepassingen. Dit doet zich vooral voor
in kleinere organisaties die snel bewegen. De dataschuld verklaart waarom
andere organisaties gedisciplineerd en goed bestuurd lijken, maar toch
niet in staat zijn AI te verankeren in de kern van hun financiële
bedrijfsvoering. Die schuld concentreert zich in complexe, sterk
gereguleerde omgevingen.
Het onderzoek signaleert ook een veelvoorkomende en
kostbare onjuiste afstemming: organisaties die investeren in
meer AI-capaciteit terwijl de echte hindernis
de governance-infrastructuur is, of die
beleidsraamwerken maken terwijl de echte hindernis de
datakwaliteit is. In beide gevallen stagneert de voortgang, omdat niet de
juiste beperking wordt aangepakt.
“Het gevoel dat AI
in finance ongelijkmatig opschaalt, komt doordat organisaties
op verschillende snelheden vordering maken op de capaciteiten die
opschaling vereisen”, aldus
Hristo Borisov,
CEO en
medeoprichter
van Payhawk
. “Veel organisaties investeren in meer AI, terwijl
de echte knelpunten elders liggen – in regels of in data. AI opschalen
in finance is in de kern een vraagstuk van orkestratie: het op
elkaar afstemmen van regels, data en verantwoording dwars door
werkprocessen heen. Wie slechts een deel van de benodigde randvoorwaarden
aanpakt, loopt vast in afwegingen en blijft hangen in ondersteunende
toepassingen.”
Het
derde deel van Payhawk’s CFO AI Readiness Report is
hier te lezen.
Methodologie
Om inzicht
te verkrijgen in de wijze waarop CFO’s zich aanpassen
aan het veranderende landschap, werkte Payhawk samen
met IResearch om 1.520 senior professionals wereldwijd te
interviewen. Met behulp van stellingen, ontwikkeld in nauwe samenwerking
met leadership in finance en business,
voerde IResearch interviews uit in acht landen
om realistische operationele uitdagingen te
weerspiegelen. Het dekkingsgebied omvatte:
- Regio’s:
DACH, Spanje, Frankrijk, Benelux, VK & Ierland, Verenigde Staten*
- Senioriteit:
C-suite, VP’s, Directeuren en
individuele geïnterviewden op senior niveau*
- Functies:
Finance, Accounting, Sales, HR, Inkoop*
- Sectoren: dienstverlening, digital, maakindustrie, gezondheidszorg, onderwijs
& non-profit, B-to-C*
- Bedrijfsgrootte:
50–100 fte, 101–250 fte, 251–500 fte,
501–1.000 fte en 1.000+ fte*)
Voor
meer informatie, neem contact op met:
Coco
van Kempen,
coco.vankempen@cognitomedia.nl,
+31641605940
Over Payhawk
Payhawk is een AI-native platform voor uitgavenbeheer dat
wereldwijd bedrijfsuitgaven orkestreert over facturen, betaalkaarten,
declaraties, reizen en inkoopprocessen. Het platform biedt één wereldwijd
geldaccount bovenop je ERP, gecombineerd met intelligente agents die
regels, beleid en budgetten automatisch afdwingen bij elke betaling
terwijl medewerkers een moeiteloze uitgavenervaring krijgen.
Met hoofdkantoor in Londen en kantoren in Europa en de VS
ondersteunt Payhawk middelgrote en grote ondernemingen in meer dan 32
landen. Meer informatie:
www.payhawk.com/nl