In aflevering 5 doken we in Data & AI in finance: hoe datagedreven is finance echt, en waar liggen nu al de eerste kansen?

Als eerst de drie belangrijkste acties om mee aan de slag te gaan die er uit kwamen:

1. Leg vast wie eigenaar is van welke data en zet je masterdata op orde.
2. Draai AI pilots, maar borg eerst je datakwaliteit.
3. Bereid je nu voor op ViDA en zet AI in waar het al waarde levert.

Samen met Dave de Roij (fiscalist bij INGKA, de holding achter IKEA), Sil Grosscurt (Senior Data engineer bij Always Be Learning) en Jeff Reijans (Senior AI & ML engineer bij Always Be Learning) constateerden we dat de financiële wereld minder datagedreven is dan je zou denken. Veel finance afdelingen leunen nog op Excel en op het onderbuikgevoel van ervaren mensen. Het eigenaarschap van financiële data ligt bovendien zelden op één plek: de operatie voert transacties in, finance maakt de rapportages en het datateam beheert het geheel. Die gedeelde verantwoordelijkheid maakt kwaliteit lastig te borgen, zeker omdat het datateam vaak pas laat aan tafel komt.

We bespraken vervolgens de vraag voor 2026: eerst je datafundament op orde, of meteen aan de slag met AI agents (software die zelfstandig taken uitvoert)? Uit onderzoek van Deloitte noemt 54% van de CFO's dat laatste een topprioriteit, terwijl nog maar 6% het echt gebruikt. De conclusie aan tafel: doe beide, maar in de juiste verhouding. Draai gerust pilots, maar besef dat elke serieuze toepassing staat of valt met datakwaliteit, en dan vooral met je masterdata.

Diezelfde basis bepaalt of je klaar bent voor ViDA, de nieuwe EU regelgeving waarmee je straks vrijwel realtime je btw aan de Belastingdienst moet rapporteren. Landen als België, Spanje en Italië lopen voor, Nederland blijft achter, maar de richting staat vast. De makkelijkste eerste stap is je masterdata op orde brengen. En mooi nieuws voor het mkb: doordat er minder eilandjes te overbruggen zijn, kun je AI daar vaak sneller laten renderen dan bij de grote multinationals.

Tot slot lieten we zien wat er nu al kan: betaalgedrag voorspellen met machine learning. De techniek is zelden het probleem, de vraag eromheen des te meer: wat ga je met de uitkomst dóén in je proces? Begin bij je doel, kies pas daarna je model (eenvoudig en uitlegbaar, of complexer en nauwkeuriger) en bouw altijd een controlegroep in om te blijven toetsen of de voorspelling klopt. Houd daarbij rekening met de aankomende AI Act: in finance moet je een beslissing per klant kunnen verantwoorden, waarmee uitlegbaarheid verschuift van nice to have naar wettelijke eis.

Wil je de podcast luisteren? Hij staat op alle grote podcast platformen, YouTube en onze eigen Data & AI podcast site.