CFO’s verhogen hun investeringen in AI, maar het rendement hangt steeds minder af van de hoogte van het budget en steeds meer van de mate waarin toepassingen daadwerkelijk worden opgeschaald. Dat blijkt uit nieuw onderzoek van Bain & Company onder senior finance executives en financeafdelingen. Volgens Bain verhoogt 56 procent van de CFO’s de bedrijfsbrede AI-investeringen dit jaar met meer dan 15 procent. Voor de komende twee jaar verwacht 83 procent van de CFO’s een stijging van meer dan 15 procent, terwijl 42 procent rekening houdt met een toename van meer dan 30 procent.
De uitkomsten laten zien dat AI niet langer vooral wordt gezien als een technologieproject buiten de financiële functie. CFO’s, die de afgelopen jaren vaak de investeringen in AI elders in de organisatie moesten beoordelen en financieren, richten zich nu nadrukkelijker op de toepassing van AI binnen hun eigen domein. Tegelijkertijd blijkt uit het onderzoek dat veel organisaties nog moeite hebben om de stap te zetten van experiment naar structurele inzet.
Snelheid belangrijker dan kostenbesparing
Een van de opvallendste bevindingen is dat CFO’s de grootste waarde van AI niet in eerste instantie zien in lagere kosten of minder personeel, maar in snelheid. Van de ondervraagde CFO’s noemt 48 procent kortere doorlooptijden en snellere processen als belangrijkste resultaat van AI. Kosten- en personeelsbesparingen worden door 34 procent genoemd.
Dat verschil is relevant voor de manier waarop finance-afdelingen hun businesscase voor AI opbouwen. AI kan bijvoorbeeld helpen om afsluitprocessen te versnellen, reconciliaties te stroomlijnen en afwijkingen eerder zichtbaar te maken. Daardoor kan de financiële functie sneller reageren op veranderingen in de markt, supplychainverstoringen, rentebewegingen of verschuivende handelsregels. Bain stelt dat snelheid daarmee niet alleen een operationele verbetering is, maar ook een strategische factor.
Voor CFO’s betekent dit dat klassieke efficiency-indicatoren niet voldoende zijn om de waarde van AI te beoordelen. Naast kostenbesparing zouden ook metrics als time-to-insight, de snelheid van forecast-updates, het aantal dagen tot afsluiting en de tijd die nodig is om afwijkingen op te lossen, zwaarder moeten meewegen.
Veel AI blijft steken in pilotfase
Hoewel de investeringen toenemen, is de schaal waarop AI daadwerkelijk wordt gebruikt nog beperkt. Ongeveer 60 procent van de finance-organisaties bevindt zich volgens Bain nog in de pilotfase of in beperkte productie. Slechts 15 tot 25 procent heeft machine learning of generatieve AI volledig opgeschaald binnen de financiële functie.
Dat verschil vertaalt zich ook in tevredenheid over de resultaten. Onder alle CFO’s beoordeelt 31 procent de resultaten van AI in finance als sterk positief. Bij organisaties die AI volledig hebben opgeschaald, stijgt dat aandeel naar 41 procent. Bij organisaties die nog in de pilotfase zitten, is dat 25 procent. Bij de meest volwassen AI-organisaties ligt de tevredenheid volgens Bain boven de 60 procent.
Daarmee ontstaat een duidelijke scheidslijn tussen organisaties die AI vooral testen en organisaties die AI onderdeel maken van hun operationele processen. De onderzoeksuitkomsten wijzen erop dat de opbrengst van AI minder wordt bepaald door losse experimenten en meer door het vermogen om toepassingen in productie te brengen, te integreren in bestaande systemen en te verankeren in de manier van werken.
Transactionele finance loopt voorop
De sterkste resultaten worden tot nu toe geboekt in transactionele processen, zoals invoice-to-cash en procure-to-pay. Dat zijn domeinen waar processen vaak gestandaardiseerd zijn, volumes hoog liggen en de economische onderbouwing van automatisering relatief duidelijk is. Tegelijkertijd verschuift de investeringsaandacht op korte termijn naar financial planning & analysis en financiële rapportage.
Die ontwikkeling past in een bredere beweging richting meer autonome en data-gedreven financeprocessen. In transactionele processen kan AI vooral bijdragen aan verwerking, controle en uitzonderingsafhandeling. In FP&A en rapportage ligt de nadruk eerder op analyse, forecasting en besluitvorming. Bain signaleert daarbij dat CFO’s AI in transactionele processen vaker koppelen aan personeelsreductie, terwijl AI in analytische rollen eerder wordt gezien als ondersteuning van medewerkers.
Workflow debt remt resultaat
Een belangrijk obstakel ligt volgens Bain niet meer primair bij de technologie, maar bij de manier waarop werk is ingericht. Naarmate organisaties verder komen met AI, worden change management, talent en procesontwerp vaker genoemd als belemmeringen voor waardecreatie.
Bain noemt dit “workflow debt”: de opeenstapeling van bestaande processtappen, overdrachten, controles en goedkeuringslagen waarop AI wordt geplaatst zonder dat het onderliggende werk opnieuw wordt ontworpen. In zulke gevallen draaien AI-voorspellingen bijvoorbeeld naast bestaande planningscycli, waardoor twee processen parallel blijven bestaan. De beloofde voordelen, zoals snellere cycli, minder handmatig werk en betere nauwkeurigheid, worden dan maar deels gerealiseerd.
Voor CFO’s is dit vooral relevant omdat zij vaak ook verantwoordelijkheid dragen voor ERP, enterprise technology of bredere transformatieprogramma’s. Technische schuld in legacy-systemen en complexiteit in werkprocessen versterken elkaar. Wanneer AI bovenop bestaande complexiteit wordt gelegd, kan automatisering leiden tot extra werk in plaats van minder werk.
Voorbereiding op agentic AI
De studie wijst ook op de rol van agentic AI, waarbij systemen zelfstandiger taken kunnen uitvoeren binnen processen. Bain stelt dat financeorganisaties eerst hun processen moeten vereenvoudigen voordat zij autonome AI-toepassingen breed inzetten. Dat betekent dat overdrachtsmomenten, goedkeuringsstappen, uitzonderingsroutes en beslisrechten opnieuw moeten worden bekeken.
