Dinsdagochtend, kwart over negen. Slack-berichtje van de marketingmanager aan finance: “Hoeveel budget heb ik nog voor Q4?”

Om half elf, in het MT, vraagt de CEO wat er met onze runway gebeurt als de grootste klant zou opzeggen.

Tussendoor een appje van een teamlead aan een van mijn controllers: hij heeft morgen een beoordelingsgesprek en wil weten wanneer zijn developer voor het laatst opslag kreeg.

Ik werk als fractional CFO bij een handvol bedrijven.
Ze lijken weinig op elkaar, maar mijn collega´s in de finance teams krijgen altijd dezelfde vragen. En wij beantwoorden die dan ook op dezelfde manier:

We openen de cijfers van de laatste maandafsluiting, of klikken door naar de boekhouding, leggen er het budget naast, soms de salarisadministratie, soms zoeken in een stapel facturen. Dan een berichtje terugschrijven met het antwoord en dan kan iedereen weer verder. Tot de volgende vraag.

Lees ook op CFO.nl: IKEA had met AI 8.500 banen kunnen schrappen. Het koos voor iets moeilijkers.

Finance als loket
In het budgetseizoen loopt dat helemaal uit de hand. Afdelingshoofden willen weten wat ze vorig jaar aan budget hadden, wat daar daadwerkelijk van op is gegaan en waaraan. Managers willen de gemiddelde salarissen weten in hun team, hoe zich dat verhoudt tot de benchmark, wat de salarisstijgingen per persoon en bedrijfsbreed waren etc. Finance verandert dan maandenlang in een soort loket.

Dat ging mij irriteren. Niet de vragen zelf, die zijn volkomen terecht. Maar het antwoord bestond al. In de maandelijkse close cijfers, in het budget, in de HR-tool. De enige reden dat de vraag bij finance belandt, is dat de data niet toegankelijk genoeg is. Dus zitten dure mensen dingen op te zoeken die allang uitgezocht zijn.

Dashboards kunnen dit toch ondervangen? Ja, eens, groot fan van. Een goed dashboard voorkomt dat iedereen met zijn eigen Excelletje rondloopt en scheelt eindeloze discussies over wiens cijfers kloppen.

Maar een dashboard heeft één stevige beperking: je moet van tevoren bedenken welke vraag iemand gaat stellen. En dat lukt niet altijd.

De CEO-vraag over de runway “als klant X wegvalt” is toch net weer een special case.
De vervolgvraag na de maandafsluiting ” wat gebeurt er met onze cashflow als die klant toch niet vooruitbetaalt?” ook.

Voor elke vervolgvraag een dashboard bouwen is een race die je verliest.

Lees ook op CFO.nl: Michel Wessel (CFO van Royal Talens): “De toekomst is digitaal. Het moment om de eerste stap te zetten in AI is nu.” 

Niet zomaar AI op de boekhouding
Met de huidige generatie AI kan dat anders. Laat mensen gewoon hun vraag stellen aan de data.

Klinkt mooi. Maar veel CFO’s worden er ook een beetje nerveus van. Een taalmodel op je administratie zetten en de hele organisatie erop loslaten? Wie mag dan wat zien? Een teamlead die naar de salarissen van zijn eigen team vraagt is prima, maar niet als hij de salarissen van het hele bedrijf terugkrijgt.

Daarnaast geeft AI soms met veel overtuiging een verkeerd antwoord, en bij financiële cijfers is “waarschijnlijk goed” niet goed genoeg.

Als de CEO vraagt hoeveel ruimte er nog in het salesbudget zit, wil ik niet dat een model ad hoc zelf gaat verzinnen welke kostensoorten daar wel of niet onder vallen.

Daarom geloof ik dat het interessante deel niet in het AI model zit. Het zit in de laag eronder.

Lees ook op CFO.nl: CFO meets CHRO – Marjanne van Ittersum en Kim Teunis (CFO en CHRO van Enexis): “Diversiteit is geen HR-feestje.”

Eerst de context, dan de vragen
Als CFO lever ik dagelijks context bij cijfers. Ik weet welke omzet recurring is en welke niet. Ik weet dat de piek in marketingkosten in maart de beurs was, dat die grote klant per kwartaal vooruitbetaalt en dat de bonus van december pas in februari wordt uitbetaald. Ik ken het verhaal achter de cijfers, en daarom kan ik naar een rapportage kijken en uitleggen wat er eigenlijk gebeurt.

Het grootste deel van die kennis is vast te leggen: welke context en uitzonderingen je moet kennen om de cijfers correct te lezen. En zodra dat staat, kun je een AI-agent binnen dát afgebakende kennisdomein heel betrouwbaar analyses laten doen.

Vanuit die gedachte bouwden wij – een groep van zo’n acht betrokken CFO’s en technici – ENGI.

Met onze achtergrond in techniek én finance bouwen wij supervised finance agents. Voor bedrijven die voorop willen lopen met AI, zonder in te leveren op veiligheid en betrouwbaarheid. Supervised, omdat er altijd een mens meekijkt: onze finance engineers brengen de data op orde, configureren de agent en kijken tijdens het gebruik regelmatig mee.

De agent zelf is geen nieuwe tool die iemand moet leren. Hij leeft in de chattools waar het bedrijf toch al werkt: Teams, Slack of WhatsApp. Medewerkers stellen daar hun vraag en krijgen daar direct hun antwoord. Precies zoals ze die vraag nu aan finance stellen, alleen zonder de wachttijd.

Lees ook op CFO.nl: CFO meets CHRO (Sander Berghuis en Roos Rahimi van Polygon): “Ik vind HR-data vaak net iets waardevoller dan Finance-data.”

Welke data en hoe
Die data op orde brengen begint met de vraag welke data er eigenlijk in moet. Het antwoord hangt af van hoe het bedrijf zijn geld verdient. Een SaaS-bedrijf zit financieel nou eenmaal anders in elkaar dan een advocatenkantoor of een marktplaats, en een agent die dat verschil niet kent, geeft antwoorden die net niet kloppen.

In de praktijk bestaat zo’n kennisdomein uit twee lagen.

De basis is bij vrijwel elk bedrijf hetzelfde: de maandelijks afgesloten boekhouding, waar nodig tot op factuurniveau, plus budget, debiteuren, crediteuren en salaris- en HR-data. Daarbovenop komt wat het bedrijf zelf laat draaien. Bij een SaaS-bedrijf zijn dat ARR, churn en net revenue retention. Bij een webshop bezoekers, conversie en gemiddelde orderwaarde. Bij een consultancybedrijf declarabiliteit en het gerealiseerde uurtarief.

Staat dat eenmaal, dan kan ENGI een flink deel van de workload van een finance team overnemen. Niet alleen de simpele vragen als “hoeveel marketingbudget heb ik nog”, maar ook de deepdives die daarna komen: “welke leveranciers zorgen ervoor dat het sneller opgaat dan gepland” en “welke trends zorgen ervoor dat we onze doelen wel of niet gaan halen?”

Lees ook op CFO.nl: CFO meets CHRO (Arnold Mars en Britt Breure van AFAS): “Ik wil cijfers menselijk maken.”

Waar de agent stopt
Er zit wel een belangrijke grens aan zo’n agent. Wat er met de runway gebeurt als klant X wegvalt, kan je uit de data halen. Maar wat het bedrijf vervolgens zou moeten dóén, is een andere vraag. Daar komen strategie, risico en grijze haren bij kijken. Daar moet een CFO (of DGA) zijn oordeel over geven. ENGI zal zulke vragen dan ook altijd escaleren naar een mens.

Ik denk dus niet dat AI de CFO gaat vervangen. Wel verwacht ik dat een groot deel van het werk dat we binnen finance nu heel normaal vinden, snel gaat verdwijnen.

De technologie is er al. Over twee jaar vinden we het waarschijnlijk vreemd dat finance teams dit soort vragen ooit nog één voor één beantwoordden. Dat geeft finance-professionals de ruimte om zich te richten op het werk waar hun ervaring en oordeel écht het verschil maken.

Voor vragen over deze column kun je mailen naar frans@engi.finance

Lees ook op CFO.nl: Bas Brouns (CFO van KLM): “Als we niet structureel beter presteren, komen uiteindelijk de investeringen aan de beurt.”

Decision-making in high-stake situations with Prof. Sinaceur

Improve your effectiveness in uncertain or complex situations. Join the 2-day Decision-making in high-stake situations program by Prof. Marwan Sinaceur.

Learn more & enroll now