Financieel directeur in de zorgtechnologie: het moeilijke deel is niet AI — maar wat eronder ligt

Fernando Blumenkron is CFO bij het wereldwijde gezondheidstechnologiebedrijf Eden. Momenteel implementeert hij AI in financiële werkprocessen, met bijzondere aandacht voor facturering, incasso en kostencategorisering.

We gingen met Fernando in gesprek om te leren wat hij succesvol heeft geautomatiseerd. Hij zei dat succes afhankelijk is van de onderliggende infrastructuur.

De financiële organisatie opschalen voorbij de uitvoering van een start-up

Ik geef leiding aan de financiële afdeling bij Eden, een in de VS gevestigd AI-bedrijf in de gezondheidstechnologie dat actief is in heel Latijns-Amerika. Het bedrijf bevindt zich in een groeifase, met een Amerikaanse moederstructuur en complexe commerciële, juridische en fiscale activiteiten in Mexico, Brazilië, Colombia en andere regionale markten.

De financiële functie omvat activiteiten met meerdere entiteiten en valuta, met SaaS- en gebruiksgerelateerde inkomsten, implementatiediensten, relaties met distributeurs, zakelijke accounts, lokale factureringsvereisten, valutarisico en kostenbeheer voor AI en infrastructuur.

Het team is klein en opgebouwd rond de belangrijkste operationele pijlers van de financiële functie: FP&A, boekhouding, facturering, incasso, verwerking van betalingen, belasting/compliance en strategische financiën. Een belangrijk onderdeel van mijn rol is het opschalen van de financiële organisatie van start-upexecutie naar een meer geïnstitutionaliseerd operationeel model, met sterkere controles, betere gegevens, schonere O2C-processen en nauwere samenwerking met Sales, Legal, Operations en Product.

Hoe AI financiële activiteiten transformeert

In het afgelopen jaar hebben we delen van de financiële functie verschoven van het handmatig samenvoegen van gegevens naar AI-ondersteunde procesbewaking, vooral op het gebied van facturering, incasso en kostencategorisering.

Voorheen besteedde het financiële team te veel tijd aan het ophalen van gegevens uit verschillende systemen, het opschonen van rapporten, het controleren van de factuurstatus, het beoordelen van achterstallige posten, het categoriseren van kosten en het handmatig vaststellen welke opvolging nodig was. Het werk was noodzakelijk, maar zeer operationeel en reactief.

We hebben AI-ondersteunde werkstromen geïntroduceerd die financiële gegevens bewaken, uitzonderingen signaleren, transacties classificeren, prioriteiten voor incasso bepalen en de eerste analyselaag voorbereiden voor beoordeling door mensen. Het doel was niet om het beoordelingsvermogen van de financiële afdeling te vervangen, maar om het repetitieve voorbereidende werk weg te nemen dat het team ervan weerhield zich op beslissingen te richten.

Daardoor is de financiële afdeling sneller en proactiever geworden. Het team besteedt nu minder tijd aan het verzamelen van informatie en meer tijd aan het handelen op basis daarvan: het prioriteren van achterstallige accounts, het eerder signaleren van hiaten in de facturering, het verbeteren van het inzicht in kosten en het escaleren van problemen met een betere context. De grootste verbetering is dat AI ons heeft verplaatst van “rapporteren wat er is gebeurd” naar “detecteren wat aandacht nodig heeft”.

Hoe AI het aanmaningsproces van de financiële afdeling stroomlijnt

Als voorbeeld bouwen we aan een AI-aangedreven aanmaningswerkstroom.

De financiële afdeling wil incasso binnen één applicatie beheren, zodat het niet meer nodig is om te wisselen tussen factureringsgegevens, rapporten met achterstallige posten, e-mail, Slack, betalingsgegevens en klantnotities.

AI identificeert achterstallige accounts, leest de betalings- en communicatiegeschiedenis, prioriteert risico's en doet een aanbeveling voor de volgende actie: herinnering, escalatie, banner, betalingsregeling of juridische beoordeling. Het systeem genereert vervolgens het bericht, volgt de reactie, werkt de zaak bij en escaleert wanneer dat nodig is.

Dit gebeurt allemaal binnen de zakelijke versie van Claude, die gevoelige informatie beschermt en ook het tokenverbruik beheert.

Mensen keuren gevoelige acties nog steeds goed, maar de werkstroom wordt geautomatiseerder, gecentraliseerder en proactiever.

Waarom financieel oordeel nog steeds een menselijke aanpak nodig heeft

Dat brengt me bij een ander punt.

AI zal input voor prognoses, ondersteuning bij budgettering, variantieanalyses, onkostencategorisering, prioritering van incasso's, detectie van factureringsuitzonderingen, monitoring van kasstromen en signalering van risico's aansturen. Maar menselijk oordeel blijft nodig voor budgetgoedkeuring, kapitaalallocatie, kredietbeslissingen, betalingsregelingen, juridische escalatie, communicatie met investeerders en afwegingen rond de financiële speelruimte.

Het principe is eenvoudig: AI moet risico's, patronen en opties sneller aan het licht brengen. De financiële afdeling blijft verantwoordelijk voor de beslissing, de verantwoordingsplicht en de zakelijke afweging.

Hoe AI een vals gevoel van zekerheid creëert als de data-infrastructuur ondermaats is

Fernando's gedachten

Uiteindelijk is AI niet het moeilijke onderdeel. Het moeilijke onderdeel bestaat uit schone data, duidelijk eigenaarschap en een goed gedefinieerd proces.

De resultaten bevinden zich nog in een vroeg stadium, aangezien dit onderdeel is van onze routekaart en nog niet volledig is opgeschaald.

Het belangrijkste voordeel is natuurlijk snelheid: minder tijd besteden aan het verzamelen en opschonen van data, en sneller factureringshiaten, incassoprioriteiten, onkostenvraagstukken en oorzaken van varianties identificeren.

De kwalitatieve verbetering is focus: de financiële afdeling kan meer tijd besteden aan oordeel en escalatie, en minder tijd aan analyses in de eerste ronde.

Het belangrijkste nadeel is datakwaliteit. AI kan een vals gevoel van zekerheid creëren als de brondata onvolledig of slecht gestructureerd is.

Ook heeft AI de behoefte aan schone systemen en controles niet weggenomen. Als factureringsgegevens, klantstatussen, contracten of onkostencategorieën niet consistent zijn, kan AI weliswaar sneller analyses produceren, maar niet noodzakelijkerwijs betere analyses.

Uiteindelijk is AI niet het moeilijke onderdeel. Het moeilijke onderdeel bestaat uit schone data, duidelijk eigenaarschap en een goed gedefinieerd proces.

Besteed daarom vooraf meer tijd aan het definiëren van het datamodel, de uitzonderingsregels, de goedkeuringspunten en de lagen voor menselijke beoordeling voordat je probeert te automatiseren. Als we dat hadden gedaan, hadden we veel herwerk en fout-positieven kunnen voorkomen.

Hoe AI financiële controle en prognoses opnieuw definieert

AI laat zien dat controle niet hoeft te betekenen dat er meer controlepunten, spreadsheets of goedkeuringen worden toegevoegd. In veel gevallen komt sterkere controle voort uit beter realtime inzicht: eerder uitzonderingen detecteren, ongebruikelijke patronen signaleren en problemen vóór het einde van de maand naar de juiste persoon doorsturen.

AI heeft ook onze kijk op prognoses veranderd. De prognose moet geen statische maandelijkse exercitie zijn. Het moet een levend model worden dat zich voortdurend bijwerkt wanneer nieuwe signalen binnenkomen.

Waarom CFO's het proces van bestelling tot betaling opnieuw moeten ontwerpen voor AI

CFO's moeten het proces van bestelling tot betaling opnieuw ontwerpen.

Het doel moet een geïntegreerde, geautomatiseerde en controleerbare stroom zijn van het aanmaken van een bestelling tot facturering, incasso en betalingsverwerking, zodat de onderneming zo snel mogelijk kasstroom kan vrijmaken.

Dat betekent dat AI moet helpen bij het detecteren van factureringshiaten, het activeren van betalingsherinneringen, het prioriteren van incasso's, het afstemmen van betalingen, het signaleren van geschillen en het escaleren van risico's — allemaal binnen één verbonden workflow.

We ontwerpen dit onderdeel opnieuw, zodat de financiële afdeling verschuift van handmatige opvolging en reactieve incasso's naar proactieve omzetcontrole.

Het beoogde resultaat is eenvoudig: snellere kasconversie, minder gemiste facturen, betere controles, betere auditbaarheid en meer tijd van de financiële afdeling voor oordeelsvorming in plaats van het najagen van data.

Hoe CFO's AI kunnen inzetten voor voortdurende verbetering

Mijn advies? CFO's moeten alles vastleggen en documenteren. In een door AI aangedreven bedrijfsmodel geldt: als iets niet is vastgelegd, is het niet gebeurd.

De grootste kans ligt in het in staat stellen van teams om meer met minder te doen: een hogere output, snellere analyses en meer tijd voor beoordeling in plaats van handmatige voorbereiding.

Maar het uiteindelijke doel is niet alleen individuele productiviteit; het gaat om het opbouwen van cycli voor voortdurende verbetering waarin AI het proces voortdurend observeert, knelpunten identificeert, verbeteringen aanbeveelt en het werk in de loop der tijd eenvoudiger en efficiënter maakt.

Finance zou deze richting moeten inslaan: AI niet alleen als hulpmiddel gebruiken, maar financiële processen ontwerpen die zichzelf 24/7 verbeteren.

Blijf op de hoogte

Volg het werk van Fernando Blumenkron op LinkedIn.

Er volgen nog meer interviews met experts op The CFO Club!