Naar de inhoud
Alle video’s

De vier lagen van finance-AI: van uitvoerder naar regisseur

AI ImplementatieDuur: 1:59 min

Jop van Hooft, eCommerce AI Club

Uit de sessie: Deep Dive Friday: Finance

In de Deep Dive over finance van april 2026 legt Jop van Hooft een model met vier lagen uit. Het loopt van AI een vraag stellen tot een bot die 's nachts zelf werk afmaakt. Daarna laat hij een slide zien over hoe de rol van een finance-medewerker verandert. De clip is voor wie moet kiezen waar het finance-team met AI begint.

Voor wie: Je een finance-team leidt en een eenvoudig kader zoekt om te bepalen welke taken je als eerste aan AI geeft.

Waarom dit ertoe doet

In veel webshops zit het meeste handwerk bij finance: facturen inboeken, debiteuren nabellen, bankregels matchen. Gartner vroeg in juni 2024 aan 121 finance-leiders of ze AI gebruikten. Het antwoord: 58 procent van de finance-afdelingen deed dat in 2024, tegen 37 procent een jaar eerder. Intelligente procesautomatisering was met 44 procent de meest gebruikte toepassing. Gartner voorspelde ook dat in 2026 90 procent van de organisaties een vorm van AI in finance gebruikt, en dat minder dan 10 procent daardoor minder mensen in dienst heeft. Dat past bij de rolverschuiving die Jop beschrijft, van uitvoerder naar regisseur. Met het vier-lagenmodel zie je op welke laag je team nu werkt en welke taak als eerste een laag omhoog kan.

Belangrijkste inzichten

  • Het model heeft 4 lagen: vragen stellen, samenwerken, laten draften en autonoom werken met alleen de uitzonderingen voor jou.
  • Volgens Gartner gebruikte 58 procent van de finance-afdelingen in 2024 AI, tegen 37 procent in 2023.
  • Laag 3 betekent dat de AI het concept maakt en jij alleen goedkeurt; laag 4 is een bot die 's nachts doorwerkt.
  • De rol schuift van data invoeren en brandjes blussen naar data interpreteren, relaties managen en koers bepalen.
  • In de demo na de clip vat Claude een debiteurenlijst met 31 openstaande facturen samen en stelt het zelf vier analyses voor.

De vier lagen op een rij

De slide vat ze kort samen. Laag 1 is vragen stellen: je vraagt AI om informatie. Laag 2 is samenwerken: je voert een dialoog en bouwt samen iets. Laag 3 is laten draften: de AI doet het werk en jij keurt goed. Laag 4 is autonoom werken: de AI doet alles en jij ziet alleen de uitzonderingen. Jop vergelijkt laag 1 met de chatbot zoals die volgens hem twee jaar geleden bij iedereen binnenkwam, een soort companion die antwoord geeft. Laag 2 noemt hij een extra collega. In laag 3 zit jij achter je computer en keur je alleen nog goed wat de AI heeft gemaakt. Laag 4 is een bot die 's nachts doorwerkt, zodat een groot deel van het werk klaar is als je 's ochtends op kantoor komt.

Hoe laag 1 eruitziet in de demo

Direct na deze clip begint de demo. Het team liet met AI een fictieve dataset maken van StyleHub, een verzonnen webshop in woondecoratie. Voor laag 1 opent Jop in Claude een debiteurenlijst met factuurnummer, klant, factuurdatum, vervaldatum, openstaand bedrag, ouderdom en status. Claude herkent een overzicht met 31 openstaande facturen, vat de kerncijfers samen en stelt zelf voor wat het ermee kan doen: een aging-analyse, een lijst met topdebiteuren, een risico-overzicht of een rapport in Excel of Power BI. Laag 3 en 4 komen later in dezelfde sessie terug, met onder meer de routines van Claude.

Van uitvoerder naar regisseur

De tweede slide zet vandaag tegenover morgen. Vandaag: data invoeren, leveranciers bellen, brandjes blussen, boekingen afronden en reactief werken. Morgen: data interpreteren, relaties managen, koers bepalen, strategie sturen en proactief begeleiden. Jop spreekt van een regisseur die een leger aan bots aanstuurt. Onderaan de slide staat dat de verschuiving gaat geleidelijk, laag voor laag en taak voor taak, en jij kiest welke taken je zelf houdt. Zijn advies is om per taak te bepalen of die echt waarde toevoegt voor je organisatie. Taken die weinig waarde toevoegen kun je volgens hem goed aan een AI-bot overlaten.

Wat feit is en wat verwachting

Het vier-lagenmodel is een indeling die de club zelf heeft gemaakt om gesprekken te ordenen. Het is geen branchestandaard en er hoort geen meting bij. Laag 4 noemt Jop zelf de laag waar we naartoe werken; voor de meeste finance-teams is dat nog toekomst. De Gartner-cijfers gaan over AI-gebruik in finance in het algemeen en zeggen niet op welke laag teams werken. Ze komen uit een persbericht van 11 september 2024, dat wij via de Journal of Accountancy hebben gelezen. De rolverschuiving op de tweede slide is een verwachting van de sprekers; er ligt geen onderzoek onder.

Probeer dit deze week

  1. Zet de 10 taken die je finance-team elke week doet onder elkaar en schrijf bij elke taak op welke van de 4 lagen hij nu draait.
  2. Kies 1 taak uit laag 1 of 2, zoals de wekelijkse debiteurenlijst, en laat de AI er deze week een concept van maken dat jij alleen controleert.
  3. Markeer per taak of die waarde toevoegt; de taken zonder vinkje zijn je kandidaten voor laag 3 of 4.

Begrippen

Laten draften
De AI maakt een eerste versie van het werk, zoals een mail of een boeking, en een mens keurt die goed of past hem aan.
Autonome AI-agent
Software met een taalmodel die zelfstandig stappen uitvoert in andere systemen, ook als niemand meekijkt, en alleen afwijkingen aan een mens voorlegt.
Aging-analyse
Een overzicht van openstaande facturen, ingedeeld naar hoe lang ze al openstaan, zodat je ziet welke debiteuren te laat betalen.
Uitzondering
Een geval dat buiten de vaste regels valt, zoals een dubbele factuur of een betaling die nergens bij past, en dat een mens moet beoordelen.

Verdiep je in de gids

Transcriptie

Uitgeschreven uit de audio van dit fragment. Stopwoorden en herhalingen zijn weggelaten. Waar [onverstaanbaar] staat, is de opname niet te verstaan.

En daar hebben we een idee bij. We gaan over de vier lagen van Finance AI. Je kan namelijk op vier verschillende niveaus instappen op het moment dat je met AI aan de slag beeldt. Daar hebben we vier lagen in gedefinieerd. De basic laag is eigenlijk de AI zoals die twee jaar geleden in iederens leven kwam. Eigenlijk een soort van companion waar je vragen aan stelt en een antwoord gewoon krijgt. De tweede laag is veel meer een dialoog. Je gaat samenwerken met die agenten. Zie het als een extra collega die je hebt, waarmee je een dialoog voert en samen dus dingen bouwt. Dat gaat steeds meer naar een systeem waar je AI de draft laat maken. En dat jij achter je computer het alleen maar goed zit te keuren wat hij aan het doen is. Dus dat hij echt wat zelfstandig aan de slag is. En de laatste laag waar we echt naartoe aan het werken zijn, is gewoon een autonoom werkende AI-bot, waar je dus 's ochtends op kantoor komt en dat dan een groot deel van de werkzaamheden die je die dag had willen doen, verricht zijn door je bot die 's nachts lekker door heeft staan draaien. En dat is ook een beetje de rolverschuiving die we heel erg zien verschijnen. Je gaat steeds meer van een soort van uitvoerder, iemand die bepaalde taken moet doen, naar een regisseur die een army, een ledertje aan bots aanstuurt. Van data invoeren naar data interpreteren. Van nabellen of bellen van specifieke leveranciers naar veel meer relatiesmanager. Dus ook veel minder brandjes blussen of kleine dingetjes oplossen, maar veel met de koers bepalen, strategisch sturen, proactief bevrijden, in plaats van dat je reactief hoeft te werken. Dit gaat geleidelijk, laag voor laag, taak voor taak. Uiteindelijk kun je daar zelf de beste controle in houden van: welke taken wil ik graag naar me toe trekken? En graag, dat voegt echt waarde toe voor mijn organisatie. En welke taken voeg je echt wat minder waarde toe en kan ik dus heel goed uitbesteden aan zo'n AI-bot?

Spreker: Jop van Hooft, eCommerce AI Club

Bronnen

Meer over AI Implementatie