Stel: je krijgt als CFO een nieuwe forecast voorgelegd. De omzet groeit, de marge herstelt en de liquiditeit blijft binnen de afgesproken grenzen. AI heeft geholpen bij de analyse en levert meteen de verklaring: groei bij bestaande klanten, minder prijsdruk en een gunstiger productmix.

Het klinkt geweldig logisch en misschien klopt het ook. Maar als je op basis hiervan een investering van een paar miljoen wilt vrijgeven, wil je waarschijnlijk iets meer weten.

• Zijn de laatste verkoopcijfers gebruikt?
• Zijn geannuleerde orders uit de pijplijn gehaald?
• Is die betere productmix daadwerkelijk doorgerekend, of heeft AI vooral een overtuigend verhaal geschreven bij de uitkomst?

Dat onderscheid wordt wat mij betreft wel steeds belangrijker.

We praten veel over explainable AI: AI moet begrijpelijk kunnen maken hoe een uitkomst tot stand komt.

Dat klinkt aantrekkelijk, zeker voor finance, en zeker ook voor mijn vakgebied, auditing. Een uitleg is helaas nog geen onderbouwing. Een taalmodel is buitengewoon goed in het formuleren van een logisch klinkend verhaal. Dat is precies zijn kracht. Als AI vertelt dat de marge stijgt door een betere productmix, wil ik als CFO uiteindelijk weten of ik dat ook kan terugvinden in de cijfers.

Eigenlijk is dat helemaal geen nieuw vraagstuk. Bij een spreadsheet accepteren we ook niet zonder meer een getal omdat er een keurige toelichting naast staat. We willen weten welke data zijn gebruikt, welke aannames erin zitten en hoe de berekening tot stand is gekomen.

Lees ook op CFO.nl: Jorrit Kooi (CFO van Rods&Cones): “Technologie is zelden het probleem, mensen meekrijgen is de echte uitdaging.”

Wat heeft AI eigenlijk gedaan?
Mijn eerste vraag zou daarom zijn welke rol AI precies heeft gespeeld. Heeft een voorspelmodel de omzet geraamd? Heeft een taalmodel alleen een tekst geschreven bij bestaande analyses? Of heeft een AI-agent zelf gegevens opgehaald, aannames aangepast en berekeningen uitgevoerd?

We noemen het allemaal AI inmiddels, maar voor een CFO maakt het nogal wat uit wat die AI daadwerkelijk heeft gedaan. Hoe groter de invloed van AI op de totstandkoming van financiële informatie, hoe belangrijker de controleerbaarheid wordt.

Ik wil daarom kunnen terugvinden welke gegevens zijn gebruikt, van welk moment ze dateren en welke aannames eraan zijn toegevoegd. En ik wil later kunnen reconstrueren hoe de uitkomst waarop we een besluit hebben genomen tot stand kwam. Voor een forecast kunnen we de toekomst niet controleren. Anders was het geen forecast. We kunnen wél controleren waarop onze verwachting is gebaseerd.

Lees ook op CFO.nl: CFO Day 2026 – ‘Clarity in Chaos’ – Linda Weijters (CFO Mediq Benelux): “Het is lastig investeren zonder langetermijnperspectief vanuit de overheid.”

Maar er kijkt toch een mens naar?
Daar komt een tweede veelgehoord antwoord om de hoek kijken: human in the loop. Geen zorgen, er kijkt altijd nog iemand mee. Ook dat klinkt heerlijk geruststellend. Maar wat doet die mens eigenlijk?

Stel dat AI iedere maand 10.000 journaalposten analyseert en 75 posten selecteert voor nader onderzoek. Een controller bekijkt die 75, controleert de onderliggende informatie en zet uiteindelijk een vinkje. Human in the loop. Klaar? Niet helemaal.

De controller heeft vooral gekeken naar wat AI verdacht vond. Maar wie kijkt naar de andere 9.925 journaalposten? Daar kunnen transacties tussen zitten die AI ten onrechte als normaal heeft beoordeeld. Wie alleen kijkt naar wat AI afkeurt, weet nog steeds niet wat AI ten onrechte heeft goedgekeurd.

Lees ook op CFO.nl: Ryan Sampat (CFO van Eqwal Ability Nederland): “Geloof me: wat we aan het bouwen zijn, is echt bijzonder.”

Een mens is nog geen controle
Bij AI lijkt soms de redenering te ontstaan dat het risico voldoende is afgedekt zolang ergens in het proces nog een mens meekijkt, maar aanwezigheid is nog geen controle. Een menselijke review wordt pas een serieuze controlemaatregel als duidelijk is wat iemand controleert, welke informatie daarvoor beschikbaar is, welke afwijkingen moeten worden herkend en wat er vervolgens mee gebeurt.

Of eenvoudiger: de vraag is niet of er een mens in de loop zit. De vraag is of die mens nog werkelijk controle uitoefent.

Dat betekent ook kijken naar wat AI juist níét selecteert. Neem bijvoorbeeld periodiek een steekproef uit de 9.925 goedgekeurde posten. Kijk naar veranderingen in uitkomsten. Waarom selecteerde AI vorige maand 120 posten en nu nog maar 75? En registreer wanneer medewerkers AI overrulen. Dan wordt human in the loop meer dan een vinkje in een procesbeschrijving.

Lees ook op CFO.nl: CFO zorgpanel – Kan de CFO ons zorgstelsel redden?: “Bij veel zorgorganisaties is de sense of urgency nog niet voldoende om daadwerkelijk stappen te zetten.”

Human on the button
Er speelt nog iets. Ik zie het in de praktijk. Naarmate AI overtuigender wordt, wordt het verleidelijker erop te vertrouwen. Als je twintig keer controleert en niets bijzonders vindt, kijk je de eenentwintigste keer misschien minder kritisch. AI geeft bovendien niet alleen een uitkomst, maar kan die uitkomst ook nog overtuigend toelichten.

Human in the loop kan dan zomaar human on the button worden.

De medewerker kijkt nog wel, maar de feitelijke controle verschuift langzaam naar het systeem. En daar ligt voor mij de uitdaging voor de CFO. AI kan ontzettend veel toevoegen: meer data verwerken, scenario’s doorrekenen, afwijkingen signaleren en analyses sneller beschikbaar maken. Maar de verantwoordelijkheid voor de informatie waarop de onderneming stuurt, verschuift niet naar het model.

Hoe meer we AI laten doen, hoe beter we moeten weten wat de mens nog doet.

Dus vraag bij de volgende AI-analyse niet alleen wat AI ervan vindt.

Vraag waarop de uitkomst is gebaseerd én hoe is vastgesteld dat die uitkomst betrouwbaar genoeg is om erop te sturen.
AI kan het uitleggen. De controller kan een vinkje zetten. Maar daarmee ben je nog niet in control.

Lees ook op CFO.nl: CFO Day 2026 – ‘Clarity in Chaos’ – Charlotte Hanneman (CFO van Philips): “Helderheid vraagt ook om een sterke talent- en innovatieagenda.”

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