Dat AI een enorme impact gaat hebben op het financiële vakgebied dringt langzaam door. En tegelijkertijd groeit de gedachte: het gaat niet vanzelf.
AI voor financiën en de data op orde
Dat AI een enorme impact gaat hebben op het financiële vakgebied dringt langzaam door.
Op bijeenkomsten over AI gaat het gesprek opvallend snel over de fundamenten. Waar staan we als organisatie? Hebben we onze data op orde? En weten we eigenlijk waarvoor we AI willen inzetten?
De demo’s van wat AI allemaal kan zijn indrukwekkend en de prompts vliegen je om de oren. De echte uitdaging zit volgens mij niet in wat AI kan, maar in alles eromheen: strategie, processen, datakwaliteit en vooral mensen.
Voor gemeenten en gemeenschappelijke regelingen herkenbaar terrein. De aantrekkingskracht van AI is groot. En toch schrikt de ontwikkeling ook af. Want een groot deel mensenwerk kan anders geautomatiseerd worden dan we gewend zijn. Met de voortdurende krappe arbeidsmarkt is dat een kans. En tegelijk is het voor mensen een bedreiging, want het werk wordt anders.
Er is wel een structureel vraagstuk. Is de data op orde? En weten we welke data we wel en niet mogen gebruiken of bruikbaar kunnen maken? Het Position Paper Datamanagement van de gemeente Den Haag verwoordt het scherp: ‘gedurende decennia lag het accent van beheeractiviteiten vooral op applicatietechnologie en processen, en was data een bijproduct daarvan.’ Tegelijk concludeert men dat data, datagovernance en datamanagement moeten worden beschouwd als business en informatie vraagstukken en niet als ICT-vraagstukken.
Hoe zit dat met financiële data?
Daarvoor liggen de bouwstenen voor een belangrijk deel al klaar. Een grootboekrekeningschema, een eenduidige kostenverdeelsleutel, een heldere indeling van baten en lasten — het zijn allemaal vormen van datamanagement. De BBV-systematiek en de IV3 structuur dwingt gemeenten al jarenlang tot eenduidige definities, consistente rubricering en navolgbare bronnen.
Daarmee heeft financiën in feite een goede basis voor datamanagement en daarmee ook voor verdere toepassing van AI . Of zou het nog verder uitgebouwd kunnen worden met een standaard rekeningschema, standaard processen en rubrieksindelingen? Kunnen we de basis nog beter maken zodat we met AI standaard oplossingen kunnen bouwen waar alle gemeenten profijt van hebben? Dat kan een breder efficiencyvoordeel opleveren en toekomstige automatiseringskosten beperken.
Een goed en eenduidig fundament levert waarschijnlijk ook goede AI-toepassingen met betrouwbare, uitlegbare en waardevolle uitkomsten op.
En dan denk ik aan onder andere aan ondersteuning bij het opstellen van prognoses en begrotingen, een AI-ondersteunde rechtmatigheidscontrole, een automatisch gegenereerde jaarrekening (voor alle gemeente hetzelfde van opzet), met toelichtingen. Het zijn allemaal toepassingen die staan of vallen bij de kwaliteit, eenduidigheid en herkomst van de onderliggende data.
Als AI succesvol toegepast wordt veranderd ook de inhoud van het werk en de competenties die daar voor nodig zijn. Verschillende bronnen wijzen erop dat de rolverschuiving in financiële functies net zo bepalend is als de techniek zelf: van data verzamelen naar data interpreteren, van opstellen van rapportages naar adviseren.
Met alleen een cursus AI-geletterdheid zijn gemeenten er niet. Het gaat vooral om het beoordelen van de uitkomsten, het herkennen van een onlogische of onjuiste output. En het bewaken van databronnen. Het stellen van de juiste vragen aan zowel het systeem als de organisatie.
Waar staat jouw organisatie? En waarvoor wil je AI inzetten? Waar zit de grootste uitdaging als het gaat om AI binnen de financiële functie?
Is dat de strategie, de techniek, de data, de mensen of de samenhang daartussen? Of zorgt de drukte van alledag ervoor dat er geen tijd is om hier goed over na te denken?
Plaats als eerste een reactie
U moet ingelogd zijn om een reactie te kunnen plaatsen.