Realtime bonnetjes en facturen verzamelen met Agent Fetch

Schrijf je in voor de wachtlijst
Skip to main content

74% van AI-koplopers mist de basis om AI op te schalen naar kernprocessen in finance

Dit artikel wordt je aangeboden door onze redactie voor uitgavenbeheer.
AuteurPayhawk Editorial Team
Read time
2 mins
GepubliceerdMar 12, 2026
Laatst bijgewerktMar 12, 2026
74% van zogenoemde AI-volwassen finance teams mist de basis om AI op schaal in te zetten
Samenvatting

Uit onderzoek van Payhawk blijkt dat governance en data achterblijven bij vaardigheden, terwijl financeteams AI integreren in operationele werkprocessen.

Demo aanvragen
Payhawk - G2 4.6 rating (600+ reviews)
Ontvang maandelijks slimme finance & AI-tips

Door je aan te melden, ga je akkoord met het ontvangen van e-mails over onze producten en diensten, zoals beschreven in onze privacyverklaring. Afmelden kan altijd.

Dit artikel verscheen oorspronkelijk als persbericht.

Het nieuws:

De meeste financeteams die zichzelf als AI-koploper beschouwen, beschikken nog altijd niet over de operationele basis die nodig is om AI veilig op te schalen naar kernprocessen in finance. Dit blijkt uit nieuw onderzoek van Payhawk. In het onderzoek zijn “AI-koplopers” organisaties die hun AI-volwassenheid een score van 7–10 op 10 gaven (n=405 van 1.520).

Deze wereldwijde enquête onder 1.520 leidinggevenden in finance en business toont aan dat hoewel experimenteren met AI wijdverbreid is, drie op de vier (74%) van de zelfverklaarde AI-koplopers niet beschikt over de governance- en data-infrastructuur om de stap te maken van adoptie naar operationele inzet.

Voor financefuncties is dit onderscheid cruciaal; AI is alleen zinvol wanneer het is ingebed in de belangrijkste processen, zoals afsluiting, controls, goedkeuringen, afhandeling van uitzonderingen, audit trails en uitgavenbeheer.

CFO’s: zo schaal je AI binnen echte finance-workflows

Wat er nodig is om AI op te schalen binnen financiële werkprocessen

Binnen financiële organisaties kan AI worden getest met minimale infrastructuur. Opschaling vereist echter een operationele stack. Het onderzoek identificeert vijf operationele vereisten die bepalen of AI kan doorgroeien van ‘geadopteerd’ naar ‘operationeel’ binnen financiële werkprocessen:

  • Aanwezige uitvoeringsmaatregelen
  • Minimale regels voor AI-gebruik
  • Vaardigheden en tools
  • Toegewezen budget
  • Data die bruikbaar zijn voor AI-analyses

De analyse richtte zich op organisaties die zichzelf een hoge AI-volwassenheid toedichtten. Zelfs binnen de groep van zelfverklaarde koplopers is de mate van gereedheid ongelijkmatig verdeeld. Slechts 26% van de AI-koplopers heeft alle vijf vereisten tegelijkertijd op orde. Met andere woorden: 74% mist minstens één fundamenteel aspect dat nodig is om AI veilig op te schalen naar kernprocessen.

Onder AI-koplopers geeft 78% aan over voldoende AI-vaardigheden en -tools te beschikken, heeft 69% AI-budgetten toegewezen, en heeft 64% uitvoeringsmaatregelen ingevoerd.

De data suggereert dat AI-adoptie in finance niet wordt afgeremd door een vaardighedentekort, maar door een governance- en infrastructuurkloof. Een derde (32%) van de AI-koplopers beschikt over de vaardigheden maar mist minimale regels voor veiliger gebruik. Nog eens 22% heeft AI-maatregelen geïmplementeerd maar mist nog steeds minimale regels om consistent op te schalen. Intussen is twee op de vijf (39%) het er niet sterk mee eens dat hun data AI-gedreven analyses effectief kan ondersteunen.

Kortom: veel teams stapelen “regelschuld” op (uitvoering die minimale governance overtreft) en “dataschuld” (activiteit zonder betrouwbare datafundamenten).

Figuur: percentage bedrijven dat zichzelf als AI-volwassen beschouwt
Figuur 3: zelfs leiders beschikken niet over een uniforme ‘AI operating stack’

Volledige gereedheid bestaat, maar is niet de norm

Volledige gereedheid bestaat in de markt van vandaag. Dit is echter in de minderheid, zelfs onder de meest geavanceerde organisaties.

Veel organisaties hebben AI-investeringen en governance-intenties, maar opschaling stagneert uiteindelijk door een gebrek aan duidelijke minimale regels, of doordat systemen de output niet betrouwbaar kunnen afstemmen op vertrouwde financiële data.

“In finance is AI alleen relevant als je echte werkzaamheden kunt delegeren binnen gecontroleerde processen zoals goedkeuringen, rapportage en audit trails,” aldus Hristo Borisov, CEO en Co-Founder van Payhawk. “Onze data laat zien dat de vaardigheden en het experimenteren er al zijn. Wat ontbreekt zijn, de operationele stack, minimale regels en bruikbare data die AI verantwoordbaar maken op schaal.”

Download het tweede deel van Payhawk’s CFO AI Readiness Report hier.

Methodologie:

Op basis van bevestigende stellingen, ontwikkeld in nauwe samenwerking met finance- en businessleiders, voerde IResearch interviews uit in acht landen om werkelijke operationele realiteiten en uitdagingen te weerspiegelen. Aantal respondenten: 1.500.

Dekking omvatte:

  • Regio’s: DACH, EU, Spanje, Frankrijk, Benelux, VK & Ierland, Verenigde Staten
  • Senioriteit: C-level, VP’s, Directors en senior individual contributors
  • Functies: Finance, Accounting, Sales, HR, Procurement
  • Sectoren: Services, Digital, Manufacturing, Healthcare, Education & Non-profit, B2C
  • Bedrijfsgrootte: 50–100 fte, 101–250 fte, 251–500 fte, 501–1.000 fte en 1.000+ fte
Dit artikel wordt je aangeboden door onze redactie voor uitgavenbeheer.
Payhawk Editorial Team
Het Payhawk Editorial Team
LinkedIn
Bekijk alle artikelen van Payhawk

Het Payhawk Editorial Team bestaat uit doorgewinterde finance professionals met jarenlange ervaring in uitgavenbeheer, digitale transformatie en de financiële sector. We zijn toegewijd aan het leveren van inzichtelijke inhoud om je financiële reis te versterken.

Bekijk alle artikelen van Payhawk

Gerelateerde artikelen