Elke leidinggevende in finance wil sneller gaan: minder manuele handelingen, minder achterstanden, minder late avonden bij de maandafsluit. Wanneer er dus een project rond automatisering van financeprocessen op tafel komt, is de eerste reflex "ja" zeggen en snel te schakelen. Maar snelheid en richting zijn twee verschillende dingen. Het automatiseren van een proces dat al gebrekkig is, lost het probleem niet op; het vergroot het probleem net uit. Je maakt je fouten simpelweg sneller, wat je kosten verhoogt.
Dat is de valkuil waar dit artikel over gaat. Geen theoretische valkuil, maar een die onze experts, Johan Reunis (Expert Practice Lead), Olivier De Boeck (Expert Lead) en Lander Coene (Project Manager), regelmatig tegenkomen in projecten bij klanten. Van procesverbeteringen in purchase-to-pay, order-to-cash en record-to-report tot volledige ERP-implementaties. Het duikt op bij vrijwel elke digitale transformatie binnen finance, of je één enkel proces aanpakt of een volledige systeemherziening doorvoert. Deze problemen komen meestal pas na afloop van het project aan het licht, tijdens de hypercare-fase of in de dagelijkse werking. Het goede nieuws is dat dit volledig te voorkomen is zonder maandenlang vertraging op te lopen. Hoe? Door een stap terug te zetten en de juiste volgorde te hanteren.
De valkuil geïllustreerd
Automatisering kan een proces dat op papier goed lijkt, op schaal onbeheersbaar maken. Een invorderingsproces met een logische herinneringsstructuur genereerde na automatisering meer belacties dan het team kon verwerken. Bovendien leidde het ontbreken van een drempelwaarde tot formele aanmaningen voor bedragen die te klein waren om nog maar de verzendkosten te verantwoorden.
Een andere case binnen procure-to-pay: regels voor automatische boeking draaiden op onvolledige masterdata (ontbrekende kostenplaatsen) en overgenomen goedkeuringsdrempels die geen onderscheid maakten tussen grote en routinematige aankopen. Hierdoor kwamen issues aan het licht die eerder stilzwijgend via handmatige workarounds werden opgevangen. In elk van deze gevallen was automatisering niet de oorzaak van het probleem; het bracht een bestaand probleem aan het licht en vergrootte de impact ervan.
Waarom het gebeurt
Niets hiervan is het gevolg van slechte bedoelingen. Het gebeurt omdat mensen vaak meteen naar de oplossing grijpen voordat het potentieel voor verbeteringen volledig is gedefinieerd. Lander is duidelijk over het patroon dat hij het vaakst ziet: "Het begint meestal met: we hebben een oplossing nodig, we moeten automatiseren of een tool gebruiken die alles zal oplossen." Leveranciers verkopen finance-automatisering als plug-and-play. Onder budgettaire druk en drang van het management om snel resultaten te boeken, is die boodschap erg aantrekkelijk. Het minder spectaculaire werk van het eerst in kaart brengen en verbeteren van het proces wordt overgeslagen.
AI verhoogt hierbij de inzet in plaats van ze te verlagen. Je hoeft immers niet altijd software aan te kopen. Bovendien waren er, toen je in finance zelf met traditionele RPA aan de slag ging, natuurlijke snelheidsdrempels: je had IT-architectuur nodig, een toegewezen bot-gebruiker en een technische opzet voordat er iets kon draaien. Die voorwaarden dwongen tot een pauze, en vaak tot een gesprek. AI neemt de meeste van die drempels weg. Volgens Lander is de drempel om 'gewoon iets te proberen' nu een prompt in plaats van een ontwikkelingsproject. Dat is krachtig, maar het betekent ook dat "het risico om in de valkuil te trappen veel hoger is, omdat er minder mensen aan tafel zitten om te zeggen: laten we hier eerst eens goed over nadenken."
Er is nog een tweede, meer onderhuidse drijfveer: organisaties verwarren efficiëntie vaak met effectiviteit. Efficiëntie is het proces sneller en goedkoper uitvoeren. Effectiviteit is de vraag of het proces überhaupt het juiste resultaat oplevert. AI in finance is buitengewoon goed in het verhogen van de efficiëntie. Maar AI kan op zichzelf niet beoordelen of het proces überhaupt de moeite waard was om op volle snelheid uit te voeren.
En er is een derde valkuil: het toevoegen van AI-functionaliteit aan een bestaand proces in plaats van dat proces te herontwerpen met zowel de mogelijkheden als de beperkingen van AI in het achterhoofd. Om die beperkingen op te vangen, is het essentieel om de 'menselijke factor' op kritieke momenten in te bedden om de AI-output te valideren.
Echte AI readiness opbouwen betekent dat je proces, data en ownership samen controleert, in plaats van ervan uit te gaan dat de technologie de hiaten wel opvult. Het is een verandering van mindset: AI werkt wanneer het fundament stevig is, niet wanneer het wordt vastgeplakt op wat er toevallig vandaag al bestaat. Veilig opschalen vereist een eenduidig AI-framework dat governance (duidelijke beslissingsrechten, guardrails voor risico's, validatie via een human-in-the-loop) combineert met een veilige technische architectuur die de datatoegang beheert en informatie beschermt bij de invoer. Bouw deze laag één keer op, en elke toekomstige use case erft dezelfde enterprise-grade beveiligings- en compliancenormen.
Hoe een process-first aanpak eruitziet
De oplossing is geen maandenlang transformatieprogramma. Een grondige eerste doorlichting kan in enkele weken gebeuren volgens de onderstaande bewezen volgorde: "Begrijp, verbeter en beheers het proces, en automatiseer het pas daarna", zegt Johan.
Begrijpen begint met het van A tot Z in kaart brengen van het proces: wat is de werkelijke invoer, wat gebeurt er vandaag, en wat is de werkelijke uitvoer? Niet het proces dat het management veronderstelt dat er plaatsvindt, maar wat er daadwerkelijk op de werkvloer gebeurt. Lander heeft deze kloof van dichtbij gezien bij klanten, waar "het ene team denkt dat het zo wordt uitgevoerd, en wanneer je met de business praat, zij zeggen: nee, zo is het nog nooit gegaan."
Een van de nuttigste diagnoses hierbij is wat Olivier de first-time-right ratio noemt: het percentage gevallen dat bij de eerste poging correct door het proces loopt, zonder rework. Dit ligt vaak lager dan organisaties verwachten, en een lage ratio is het duidelijkste signaal dat een proces niet klaar is voor automatisering. De oplossing vereist geen diepgaande studie; enkele dagen van nauwgezette observatie zijn meestal voldoende om de quick wins boven water te krijgen.
Als je veel rework hebt en je gaat het proces automatiseren, betekent dit dat je simpelweg ook het rework gaat automatiseren, wat opnieuw leidt tot een toename van het rework", aldus Olivier De Boeck over de first-time-right ratio als het duidelijkste teken dat een proces niet klaar is voor automatisering.
Verbeteren betekent schrappen wat er niet hoort te zijn, toevoegen wat ontbreekt en veranderen wat niet werkt, voordat het in een workflow wordt vastgelegd. Denk aan onnodige goedkeuringslagen, rapporten die niemand leest, wisselende overdrachten en het schrappen of toevoegen van stappen die geen waarde toevoegen. Pas wanneer die efficiëntielekken zijn verdwenen, het team het verbeterde proces een tijdje handmatig heeft uitgevoerd om te bevestigen dat het in de praktijk standhoudt, en er KPI's zijn om efficiëntie en effectiviteit te monitoren, levert automatisering daadwerkelijk de beloofde tijdswinst op.
Automatisering reikt trouwens verder dan louter processen. Soms zit het diep ingebed in het financiële operationele model van een organisatie. In bedrijven die organisch zijn gegroeid, is de taakverdeling vaak versnipperd. Arbeidsintensieve processen en buitensporige overdrachten worden de norm: werk gaat van de ene persoon naar de andere, soms met meerdere mensen die betrokken zijn bij de opmaak van één enkele factuur, en zonder duidelijke proceseigenaar om naar toe te stappen als er iets misgaat. Die fragmentatie maakt het moeilijker om het totale beeld te zien. En daardoor ontstaat het risico dat het proces verkeerd wordt geautomatiseerd.
Waar AI de vergelijking verandert
Niets hiervan is een argument tégen automatisering. In tegendeel. Zodra een proces begrepen, aangescherpt en bewezen is, kan AI sneller en flexibeler worden toegepast dan RPA ooit kon. Finance is daarvoor een zeer vruchtbare bodem: het draait op repetitieve, dataintensieve en grotendeels voorspelbare transacties.
Maar AI is niet het antwoord op alles. Finance werkt met grote hoeveelheden gestructureerde data, en voor gestructureerde data is regelgebaseerde automatisering vaak de betrouwbaardere keuze: sneller, eenvoudiger en zonder het risico op hallucinaties dat bij AI nog steeds bestaat. AI blinkt uit wanneer data ongestructureerd is: e-mails, documenten, uitzonderingen, gesprekken, anomalieën. De echte kracht schuilt in de combinatie van beide: RPA die de gestructureerde, regelgebaseerde stappen afhandelt, en AI die de ongestructureerde invoer beheert en de kwesties naar boven haalt die menselijke beoordeling vereisen.
Het patroon geldt voor al deze situaties: AI vervangt het diagnostische werk niet, maar laat juist zien waarom je het nodig hebt. Gebruik AI om knelpunten bloot te leggen, het echte proces in kaart te brengen en inconsistenties aan te tonen. Maar als je de procescheck overslaat, zal AI nog steeds draaien. Het zal alleen het verkeerde proces sneller én met meer zelfvertrouwen uitvoeren.
Mindsetverandering als het ontbrekende ingrediënt en de grote waarom-vraag
Uiteindelijk is dit geen mens- versus procesprobleem, het is een mens-én-procesprobleem. "Het proces is zo sterk als de mensen die het uitvoeren, beoordelen, verbeteren en meten", zegt Lander. De valkuilen ontstaan door de manier waarop teams over hun werk denken, niet omdat de workflow op zich gebrekkig is.
Daarom is een mindsetverandering geen bijzaak zodra automatisering live gaat, maar maakt het vanaf het begin deel uit van het verbeterproject. Wanneer mensen het doel begrijpen, eigenaarschap voelen en vertrouwen hebben in het herontwerp, wordt het proces sterker en de automatisering die volgt veel veerkrachtiger.
Veel automatiseringsinitiatieven beginnen met een technologische vraag: Wat kunnen we automatiseren? Welke tool moeten we gebruiken? Waar kan AI helpen?
Wij geloven dat het betere vertrekpunt veel fundamenteler is: Waarom bestaat dit proces, welk resultaat moet het opleveren en hoe goed presteert het vandaag?
Die 'grote waarom' is van belang omdat de visie van het management op een proces vaak verschilt van de werkelijkheid op de werkvloer. Een proces kan er in een workshop volkomen logisch uitzien, maar zich heel anders gedragen wanneer er honderden of duizenden transacties doorheen lopen.
"Het proces is zo sterk als de mensen die het uitvoeren, beoordelen, verbeteren en meten." Lander Coene
Vertraag voordat je versnelt
Automatisering kan enorme waarde creëren binnen finance. Maar de volgorde is van belang: Begrijpen. Verbeteren. Beheersen. En pas dan automatiseren.
Die initiële discipline hoeft geen maanden te duren. Een gerichte analyse kan de belangrijkste knelpunten vaak binnen enkele weken blootleggen. En vooraf geïnvesteerde tijd wordt later meestal terugverdiend door minder fouten, minder herstelwerk, een soepelere implementatie en een betere adoptie.
Stel dus één vraag voordat je het volgende automatiseringsinitiatief goedkeurt: Staan we op het punt om een goed proces te versnellen, of maken we een slecht proces simpelweg sneller? Want automatisering beloont snelheid. Maar alleen nadat je de juiste richting hebt gekozen.
