Amsterdam – Bijna de helft van Nederlandse financieel leiders die zich AI-voorlopers noemen, mist essentiële basisregels voor verantwoord AI-gebruik in finance workflows. Dit blijkt uit nieuw onderzoek van Payhawk onder 1.520 finance- en bedrijfsleiders wereldwijd. Volgens het onderzoek beschikt 45 procent van zelfbenoemde AI-leiders niet over het minimale governancekader dat nodig is voor verantwoorde opschaling.
AI-governance blijft achter bij ambitie
Nederlandse financieel leiders zien zichzelf graag als AI-pioniers, maar het onderzoek van Payhawk onthult een pijnlijk gat: bijna de helft mist basale governance-regels voor verantwoord AI-gebruik in financiële processen. Dit probleem speelt niet in isolatie, het Payhawk-onderzoek onder 1.520 finance- en bedrijfsleiders wereldwijd toont aan dat AI-volwassenheid zich niet volgens een vaste ladder ontwikkelt, maar in zes verschillende adoptieprofilen, elk met eigen risico’s. In Nederland, waar MKB-bedrijven snel AI inzetten zonder structuur, groeit de urgentie voor governance.
Voor ondernemers in finance, boekhouden en bedrijfsvoering betekent dit: investeer eerst in governance voordat je AI schaal. Bedrijven zonder basale controlekaders riskeren compliance-problemen, financiële onnauwkeurigheden en reputatieschade. De onderzoeksgegevens tonen dat zelfs ‘AI-leiders’ veelal geen minimale regels hebben—een waarschuwing dat snelheid zonder structuur kostbaar wordt.
AI-leiders hebben verschillende adoptieprofiel
Het onderzoek weerlegt de gangbare aanname dat AI-volwassenheid zich langs een vaste ladder ontwikkelt. Zelfs binnen de categorie leiders valt de AI-gereedheid uiteen in zes verschillende adoptieprofielen, elk met eigen tekortkomingen. Volgens de data ligt de werkelijke belemmering voor opschaling niet bij de AI-capaciteit zelf, maar bij de beheersbaarheid ervan.
Daarnaast bepalen vijf operationele vereisten of AI binnen finance workflows kan overstappen van geïmplementeerd naar operationeel. Deze omvatten uitvoeringsmaatregelen, minimale gebruiksregels voor AI, vaardigheden en instrumenten, een toegewezen budget, en data geschikt voor AI-analyse. Slechts 26 procent van de AI-leiders heeft alle vijf vereisten op orde.
Zes verschillende AI-adoptieprofiel geïdentificeerd
Het onderzoek onderscheidt zes operationele profielen op basis van scores op deze vijf vereisten. Opgeschaalde adopteerders vormen 26,9 procent en scoren sterk op alle vereisten. Stapsgewijze verbeteraars maken 17,5 procent uit en hebben AI-gereedheid verspreid aanwezig, maar nergens echt sterk ontwikkeld.
Verder identificeert het onderzoek Uitvoeringsgedreven implementeerders (16,0 procent) die sterk zijn op uitvoering en vaardigheden, maar basisregels missen. Agent-first, controle-later organisaties (14,1 procent) laten enthousiasme en experimenteerdrang ver voorlopen op governance. Governance-voorwaartse opschalers (13,8 procent) hebben sterke regels en uitvoering, maar zwakke datagereedheid. Tot slot blijken Control first planners (11,6 procent) over capaciteit te beschikken, maar deze niet te benutten.
Regelschuld en dataschuld blokkeren AI-opschaling
Volgens het onderzoek verklaren twee structurele tekortkomingen waarom opschaling zo vaak vastloopt. Regelschuld ontstaat wanneer organisaties AI sneller inzetten dan zij hun governance inrichten. Dit leidt tot systemen die niet kunnen worden gecontroleerd, verantwoord of veilig ingebed in werkprocessen.
Daarentegen ontstaat dataschuld wanneer governance en uitvoering wel op orde zijn, maar de onderliggende data inconsistent, onvolledig of gefragmenteerd is. Organisaties kunnen dan het AI-gebruik beheersen, maar niet vertrouwen op de uitkomsten op grotere schaal. Terwijl 78 procent van de AI-leiders aangeeft over sterke vaardigheden te beschikken, heeft slechts 55 procent basisregels voor governance ingevoerd.
“Het gevoel dat AI in finance ongelijkmatig opschaalt, komt doordat organisaties op verschillende snelheden vordering maken op de capaciteiten die opschaling vereisen”, aldus Hristo Borisov, CEO en medeoprichter van Payhawk. Volgens Borisov investeren veel organisaties in meer AI, terwijl de echte knelpunten elders liggen in regels of data. Het derde deel van Payhawks CFO AI Readiness Report is hier te lezen.
Kernfeiten
- 45% van zelfbenoemde AI-leiders in financiële diensten mist essentieel governance-kader
- AI-gereedheid vertoont zes verschillende adoptieprofilen, niet één lineair groeipad
- Onderzoek onder 1.520 finance- en bedrijfsleiders wereldwijd uitgevoerd door Payhawk
Veelgestelde vragen
Wat betekent governance voor mijn financiële AI-implementatie?
Governance is de set regels waarbinnen AI-systemen mogen werken: wie ziet de output, wie controleert fouten, hoe worden resultaten geverifieerd. Zonder dit riskeer je dat AI-automatisering fouten reproduceert, compliance schendt of vertrouwen beschaamt. Veel MKB-bedrijven starten met AI zonder deze vragen te beantwoorden.
Hoe beinvloedt dit onderzoek mijn keuze voor AI-tools in finance?
Kies AI-leveranciers die inzicht bieden in hoe besluiten ontstaan—niet alleen in snelheid. Vraag naar audit trails, foutmeldingen en menselijke controlestappen. Het onderzoek toont aan dat veel financieel leiders AI inzetten zonder te weten wat het doet, dus zorg dat jij dat wél weet.
Wat zijn de risico’s van AI zonder governance in mijn bedrijf?
Financiële fouten kunnen onopgemerkt groeien, regelgeving kan geschonden worden, klanten kunnen misleid worden. Voor MKB-bedrijven kan één grote compliance-issue of datafout kostbaar zijn—governance voorkomt dit door controle in te bouwen voordat schaal ontstaat.
Welke stappen kan ik als ondernemer nemen om governance op te zetten?
Begin klein: definieer welke AI-processen in jouw bedrijf risicovoller zijn (bv. automatische transacties vs. predictieve analyses). Zet voor elk proces vast wie de output controleert en welke fouten mogen voorkomen. Veel MKB-bedrijven starten met een eenvoudig checklist-systeem, niet met ingewikkelde frameworks.