Senior directeur van de CFO-systemen van LinkedIn zegt dat AI financiën verandert van een rapportagefunctie in een besturingssysteem

Ontdek hoe AI financiën transformeert van een rapportagefunctie naar een systeem voor besluitvorming, waarmee teams prognoses verbeteren, handmatig werk verminderen en sneller kunnen reageren op bedrijfsrisico’s.

Key Takeaways

Financiën aangedreven door AI: AI identificeert bestaande financiële problemen en transformeert financiën van rapportage naar strategische bedrijfsvoering.

Leiderschapsrol: Pankaj Prasoon leidt de financiële technologie van LinkedIn en integreert diverse wereldwijde activiteiten met AI-hulpmiddelen.

AI-uitdagingen: AI versterkt bestaande systeemfouten, waardoor consistente gegevens die klaar zijn voor besluitvorming een fundamentele behoefte worden.

Nieuwe werkprocessen: AI vermindert de analysetijd met 30-60%, maar vervangt het menselijk oordeel binnen financiën niet volledig.

Obstakels bij de invoering: Het succes van AI hangt meer af van het veranderen van teamgedrag dan van de technologische implementatie.

Pankaj Prasoon is senior directeur voor CFO-systemen en -technologie bij LinkedIn. Hij heeft twintig jaar ervaring bij gerenommeerde organisaties zoals Microsoft en Infosys.

We interviewden Pankaj om te leren hoe hij financiën vanaf de basis opnieuw vormgeeft. Hij vertelde wat wel en niet werkt met AI-aangedreven financiën.

Financiën veranderen van een rapportagefunctie in een besturingssysteem

Financiën veranderen in een besturingssysteem

Ik werk al bijna twintig jaar op het snijvlak van financiën, bedrijfssystemen en productdenken — bij organisaties zoals Microsoft, Infosys en nu LinkedIn, waar ik help de toekomst van financiële technologie vorm te geven.

Mijn reis begon niet met AI. Hij begon met frustratie. Frustratie omdat ik in vergaderruimtes zat waar twee systemen twee verschillende getallen toonden. Frustratie omdat financiële teams meer tijd besteedden aan het afstemmen van het verleden dan aan het vormgeven van de toekomst. Frustratie omdat ik zag hoe ongelooflijk bekwame financiële leiders werden beperkt door versnipperde systemen en vertraagde inzichten.

AI dwingt verandering af. Het legt alles bloot wat al kapot was:

  • Starre processen
  • Vertraagde inzichten
  • Te grote afhankelijkheid van handmatige beoordelingen
  • Systemen die zijn ontworpen voor controle, niet voor intelligentie

Wat mij enthousiast maakt aan dit moment is niet automatisering — het is versterking. Voor het eerst kunnen financiële leiders van terugkijken naar vooruitkijken gaan, van rapporteren naar beïnvloeden en van efficiëntie naar effectiviteit.

Vandaag richt ik me op het bouwen van wat ik een model voor financiële technologiestrategie en -platforms noem — waarin architectuur, productdenken en AI samenkomen om een systeem te creëren dat het bedrijf niet alleen volgt, maar het actief vormgeeft. De toekomst van financiën draait namelijk niet om sneller afsluiten van de boeken. Het gaat erom het bedrijf te helpen betere beslissingen te nemen voordat de cijfers überhaupt zijn vastgelegd.

Pankaj Prasoon

Pankaj deelt

AI dwingt verandering af. Het legt alles bloot wat al kapot was.

De CFO-organisatie van LinkedIn leiden

Ik geef leiding aan financiële technologie en platforms binnen de CFO-organisatie van LinkedIn — een wereldwijd bedrijf met een omzet van miljarden dat op grote schaal opereert in verschillende geografische gebieden, productcategorieën en regelgevingsomgevingen.

De complexiteit is in deze fase wat je zou verwachten:

  • Meerdere inkomstenstromen binnen Talent Solutions, Marketing en Premium
  • Een wereldwijde aanwezigheid met regiospecifieke compliance, belasting- en bedrijfsmodellen
  • Diepgaande integratie tussen financiële, verkoop-, HR- en productsystemen

Maar de echte uitdaging is niet schaal. Het is onderlinge verbondenheid.

Financiën staan tegenwoordig centraal bij elke kritieke beslissing:

  • Planning en prognoses gedurende dynamische bedrijfscycli
  • Kapitaalallocatie met steeds grotere precisie beheren
  • Groei ondersteunen en tegelijkertijd discipline en controles handhaven

We werken minder als een traditioneel technologieteam voor financiën en meer als een productorganisatie die binnen financiën is ingebed — verantwoordelijk niet alleen voor systemen, maar ook voor resultaten. Want op deze schaal draait financiën niet alleen om het beheren van cijfers. Het gaat erom vorm te geven aan hoe het bedrijf snel, helder en vol vertrouwen beslissingen neemt.

Waar CFO's met AI moeten beginnen

De meeste CFO's beginnen aan hun AI-traject met aandacht voor toepassingen, hulpmiddelen, leveranciers en rendement op investering. Maar AI werkt niet op zichzelf. Het bouwt voort op je gegevens, je processen, je bedrijfsmodel en je besluitvormingsdiscipline.

Als die versnipperd zijn, vereenvoudigt AI ze niet; het versterkt de versnippering. Je krijgt geen betere antwoorden. Je krijgt sneller foute antwoorden.

Vraag daarom voordat je vraagt: “Waar kunnen we AI toepassen?” eerst: “Is ons financiële systeem ontworpen om consistente gegevens te produceren waarop beslissingen kunnen worden gebaseerd?” AI is namelijk geen strategie. Het versnelt het systeem dat je al hebt.

Richt je op:

  • Een duidelijke bron van waarheid (definities, maatstaven, governance)
  • Gestandaardiseerde processen binnen financiële domeinen
  • Een sterke basis voor gegevens en architectuur
  • Een cultuur waarin het bevragen van uitkomsten wordt gewaardeerd, niet het klakkeloos accepteren ervan

Hoe AI-integratie financiële werkstromen verbetert

Dit zijn de verbeteringen die ik heb gezien met AI in financiën:

  • Verkorting van de doorlooptijd (30–60%): Variantieanalyses waarvoor vroeger 2–3 dagen nodig waren, worden nu in enkele uren uitgevoerd, en ondersteunende activiteiten voor de maandafsluiting (analyse, ondersteuning bij aansluitingen) zijn aanzienlijk verminderd. Hier levert AI onmiddellijk resultaat — snelheid.
  • Prognosenauwkeurigheid (5–15% verbetering op korte termijn): Kortetermijnprognoses (4–8 weken) zijn betekenisvol verbeterd; AI pikte voorlopende indicatoren op die mensen negeerden (gebruikstrends, gedragssignalen). Een belangrijke nuance: de nauwkeurigheid verbeterde sterker in stabiele omgevingen en minder in volatiele omgevingen.
  • Productiviteitsverbetering (20–40% analistencapaciteit vrijgemaakt): Analisten besteden minder tijd aan het verzamelen van gegevens en meer tijd aan de interpretatie ervan. Eén analist kan nu het werk doen waarvoor voorheen 1,5–2 fte nodig waren. Dit leidt niet altijd tot lagere kosten — het vertaalt zich in een betere inzet van talent.
  • Vroegere detectie van risico's (dagen → bijna realtime): Kasstroomrisico's, afwijkingen en uitschieters worden sneller geïdentificeerd; de “verrassingsfactor” in bedrijfsbeoordelingen is verminderd. Dit is subtiel maar krachtig — minder escalaties op het laatste moment.

Dit is wat niet verbeterde (of verslechterde):

  • Overmatig vertrouwen in uitkomsten: Door AI gegenereerde verhaallijnen klinken overtuigend, zelfs wanneer ze onjuist zijn. In het begin begonnen teams uitkomsten zonder kritische controle te vertrouwen, wat gevaarlijker is dan handmatige fouten.
  • Schijnprecisie: AI creëert een illusie van zekerheid: “De prognose geeft 97,2% zekerheid aan”. Maar financiële beslissingen zijn niet uitsluitend probabilistische oefeningen — ze omvatten strategie, timing en context.
  • Afhankelijkheid van gegevens legt zwakke fundamenten bloot: AI loste gegevensproblemen niet op. Het versterkte ze juist: inconsistente hiërarchieën, gebrekkige stamgegevens, gefragmenteerde systemen. Rommel erin betekent versterkte rommel eruit.
  • Beperkte impact op langetermijnplanning: AI had moeite met jaarlijkse planning, strategische scenario's en beslissingen over kapitaalallocatie. Omdat dit geen patroonproblemen zijn — het zijn beoordelingsproblemen.

De ongemakkelijke waarheid is dat AI de financiële kosten niet zo sterk verlaagde als mensen verwachtten. De kosten verschoven van arbeid naar rekenkracht, van handmatige inspanning naar modelgovernance en van analisten naar engineers en data-infrastructuur.

Door AI gegenereerde verhaallijnen klinken overtuigend, zelfs wanneer ze onjuist zijn. In het begin begonnen teams uitkomsten zonder kritische controle te vertrouwen, wat gevaarlijker is dan handmatige fouten.

Pankaj PrasoonSenior Director, CFO-systemen en -technologie, LinkedIn
Share This Quote on:

Waarom AI financiële beslissingen informeert, maar mensen het oordeel vellen

Dit is de eenvoudigste manier om het onderscheid tussen AI-taken en menselijke taken te bekijken: AI moet patronen inzichtelijk maken; mensen moeten toezeggingen doen.

Ik vertrouw op AI in gebieden waar schaal, snelheid en patroonherkenning belangrijker zijn dan beoordeling:

  • Prognoses (korte termijn en doorlopend): AI is uitstekend in het verwerken van meerdere signalen — historische gegevens, seizoensinvloeden, pijplijngegevens en externe indicatoren — en het voortdurend bijwerken van prognoses. Het neemt de vertekening weg van statische, kalendergestuurde planning.
  • Variantieanalyse: AI kan varianties over duizenden dimensies onmiddellijk uitsplitsen: wat veranderde, waar veranderde het en wat was waarschijnlijk de oorzaak? Dit kostte vroeger dagen. Nu gebeurt het bijna realtime.
  • Patroonherkenning in kasstromen: niet besluitvorming, maar signaaldetectie: trends in betaalgedrag, incassorisico's en liquiditeitspatronen. AI helpt risico's eerder zichtbaar te maken dan traditionele rapporten.
  • Risicodetectie (operationeel en financieel): AI is zeer effectief in het identificeren van afwijkingen: ongebruikelijke transacties, afwijkingen van controles en afwijkend gedrag. Het “begrijpt risico” niet, maar markeert waarnaar moet worden gekeken.

Maar op gebieden waar context, afwegingen en verantwoordelijkheid belangrijk zijn, houd ik het nadrukkelijk menselijk:

  • Kapitaalallocatie: Geen enkel model begrijpt strategie, timing of concurrentiepositionering zoals de leiding dat doet. AI kan scenario's inzichtelijk maken — maar kan niet beslissen waarop moet worden ingezet.
  • Langetermijnplanning en budgettering: Budgetten zijn geen prognoses — het zijn toezeggingen. Ze weerspiegelen intenties, prioriteiten en afwegingen binnen de hele organisatie.
  • Definitieve risicobeslissingen: AI kan afwijkingen benadrukken, maar welk risico is aanvaardbaar? Welke afweging is het waard om te maken? Dat zijn beslissingen van de leiding, geen modeluitkomsten.
  • Bedrijfspartnerschap en beïnvloeding: De financiële functie draait niet alleen om cijfers — het gaat om het beïnvloeden van beslissingen: aannames ter discussie stellen, de sfeer aanvoelen en de bedoeling achter verzoeken begrijpen. AI heeft geen context voor menselijke dynamiek.

Als AI jouw beslissingen neemt, ben je te ver gegaan. Als AI je beslissingen niet informeert, gebruik je het niet genoeg.

Waarom AI financiën niet volledig heeft geautomatiseerd

Het verhaal luidde: “AI zal financiën automatiseren.”

Dat gebeurde niet. Het automatiseerde delen van werkprocessen, maar voegde nieuwe lagen toe:

  • Modelvalidatie
  • Afhandeling van uitzonderingen
  • Governance- en auditvereisten

De realiteit is dat je mensen niet verwijdert — je verschuift ze naar toezichtfuncties.

Waarom AI-adoptie een gedragsprobleem is

Nu we het toch over mensen hebben: AI-adoptie is geen technologieprobleem — het is een gedragsprobleem.

Aanvankelijk ging ik ervan uit dat mensen de juiste modellen zouden gebruiken als we die bouwden → inzichten zouden sneller beschikbaar zijn → beslissingen zouden verbeteren → inzichten zouden sneller beschikbaar komen → de nauwkeurigheid zou verbeteren → en vertrouwen zou volgen.

Allemaal logisch. Allemaal onvolledig. We bouwden iets dat technisch sterk was: betere variantiedetectie, snellere inzichten en duidelijkere verhalen. En toch verliep de adoptie ongelijkmatig.

Omdat financiële teams niet worstelden met een gebrek aan inzicht. Ze worstelden met het loslaten van de manier waarop ze het altijd hadden gedaan.

Analisten bouwden modellen nog steeds opnieuw op in Excel "om het alleen maar te valideren". Leiders vertrouwden op wat ze begrepen, niet op wat het model suggereerde. Beoordelingen waren nog steeds gebaseerd op oude indelingen, niet op nieuwe inzichten.

Het systeem veranderde. Het gedrag niet — althans niet meteen.

Dit had ik anders moeten doen:

  • Begin met het operationele model, niet met de nauwkeurigheid van het model: Bepaal hoe beslissingen zullen veranderen, hoe vergaderingen eruit zullen zien en wat wordt verwijderd, niet alleen wat wordt toegevoegd. Vraag niet: “Klopt het model?” Vraag: “Vervangt dit iets wat mensen vandaag doen?”
  • Ontwerp voor vertrouwen, niet alleen voor intelligentie: Vertrouwen ontstaat niet door nauwkeurigheidsmetingen of technische verfijning. Het ontstaat door transparantie, uitlegbaarheid en consistentie in de loop der tijd. Ik had er eerder in moeten investeren om resultaten aanvechtbaar te maken, niet alleen indrukwekkend.
  • Leg extra veel nadruk op verandermanagement: We behandelden het als een systeemimplementatie. Dat was het niet. Het was een mentaliteitsverandering: van analyses bouwen naar inzichten beoordelen, van controle naar samenwerking met AI en van zekerheid naar probabilistisch denken.
  • Los data en definities eerst op (meer dan we hebben gedaan): We wisten dat data belangrijk was. We onderschatten hoeveel. AI tolereert geen ambiguïteit.

Ik had het volgende kunnen voorkomen:

  • Herwerkrondes waarin teams opnieuw opbouwden wat AI al had geproduceerd
  • Overmatig complexe modellen die beslissingen niet veranderden
  • Vroege scepsis die in feite een gebrek aan vertrouwen was, niet een gebrek aan nauwkeurigheid
  • De onjuiste overtuiging dat betere output = automatische adoptie

Vertrouwen ontstaat niet door nauwkeurigheidsmetingen of technische verfijning. Het ontstaat door transparantie, uitlegbaarheid en consistentie in de loop der tijd.

Pankaj PrasoonSenior Director, CFO-systemen en technologie, LinkedIn
Share This Quote on:

Waarom AI aannames over financiële controle verandert

In de financiële wereld leren we denken: meer controles = meer nauwkeurigheid; meer goedkeuringen = minder risico; meer structuur = betere resultaten. Daarom bouwden we systemen die rigide, sequentieel en ontworpen waren om fouten te voorkomen.

We optimaliseerden voor voorspelbaarheid, niet voor responsiviteit; voor controleerbaarheid, maar niet altijd voor de kwaliteit van beslissingen.

Het werkte — maar tegen een prijs: snelheid, aanpassingsvermogen en soms zelfs duidelijkheid.

AI functioneert niet goed in rigide omgevingen. Het gedijt bij continue datastromen, dynamische input en realtime signalen. Het liet me zien dat controle niet voortkomt uit beperking — maar uit zichtbaarheid.

Ik moest de overstap maken van:

  • Fouten vooraf voorkomen → Ze snel detecteren en corrigeren
  • Periodieke beoordelingen (maandelijks/per kwartaal) → Continue monitoring
  • Overal menselijke controlepunten → Interventie op basis van uitzonderingen

Dit is waar dit zichtbaar werd:

  • Prognoses: van statische, kalendergestuurde prognoses → continu bijgewerkte, signaalgestuurde prognoses
  • Financiële controles: minder zware voorafgaande goedkeuringen → meer realtime anomaliedetectie en validatie achteraf
  • Kapitaalallocatie: van zekerheid → probabilistisch denken op basis van scenario’s

De verandering is eenvoudig, maar moeilijk. Je moet van controle door beperking naar controle door intelligentie en zichtbaarheid. En zodra je dat inziet, kun je niet meer terug. Het doel van financiën is namelijk niet om elke fout te voorkomen. Het is om betere beslissingen mogelijk te maken, sneller — met voldoende controle, niet maximale controle.

Waarom CFO’s prognoses opnieuw moeten ontwerpen

De meeste financiële organisaties werken nog steeds met prognoses alsof het 2005 is: maandelijkse cycli, statische aannames, zware handmatige consolidatie en terugblikkende beoordelingen.

AI past niet in dat model.

We stapten over van kalendergestuurde prognoses, maandelijkse updates, variantieanalyses na afsluiting, terugblikkende beoordelingen en veel voorbereidend werk naar signaalgestuurde prognoses:

  • Continue prognoselaag: realtime signalen en continu bijgewerkte prognoses
  • AI-eerst-variantiedetectie: het systeem signaleert veranderingen en financiën beoordeelt uitzonderingen
  • Besluitgerichte beoordelingen: van “Wat is er gebeurd?” naar “Wat gaat er gebeuren?”

Dit zijn de resultaten:

  • Tijd tot inzicht ↓ ~50%
  • Relevantie van prognoses ↑ aanzienlijk
  • De rol van financiën verschoof naar die van besluitvormingspartner.
  • Productiviteit van analisten ↑ 30–40%

Ontwerp prognoses opnieuw als een continu, signaalgestuurd systeem. Want zodra dat verandert, wordt financiën een actieve aanstuurder van de organisatie.

Hoe AI prognoses en variantieanalyse verbetert

Hoe AI prognoses en variantieanalyse verbetert

Ik werk nog maar kort bij LinkedIn, dus hier is een voorbeeld uit een eerdere transformatie waarin we AI rechtstreeks in het proces voor prognoses en variantieanalyse hebben ingebed.

Financiële teams besteedden onevenredig veel tijd aan het uitleggen van wat er was gebeurd:

  • Handmatige variantieanalyse voor honderden kostenplaatsen
  • Statische prognoses die maandelijks of per kwartaal werden bijgewerkt.
  • Sterke afhankelijkheid van Excel-modellen en menselijke patroonherkenning
  • Tegen de tijd dat de inzichten beschikbaar waren, was het bedrijf al verdergegaan.

We hadden data — maar geen schaalbare manier om die te interpreteren. Daarom introduceerden we een AI-gestuurde laag boven op onze plannings- en realisatiedata die het volgende kon:

  • Automatisch anomalieën en variantiedrijvers detecteren over verschillende dimensies heen (regio, product, kostencategorie)
  • Verhalen op hoofdlijnen genereren waarin wordt uitgelegd “waarom” — niet alleen “wat”.
  • Prognoses voortdurend bijwerken op basis van voorlopende indicatoren, in plaats van alleen op basis van historische trends.

Maar de echte verandering zat niet in het model — het ging om het operationele model:

  • Financiën verschoof van het opstellen van analyses naar het beoordelen en kritisch bevragen van inzichten.
  • Prognoses werden continu bijgewerkt en waren minder kalendergestuurd
  • Bedrijfsbeoordelingen verschoven van “wat gebeurde er vorige maand” naar “wat gaat er hierna gebeuren”.

De verbeteringen waren duidelijk. De doorlooptijd voor variantieanalyse daalde van dagen naar uren. De nauwkeurigheid van prognoses verbeterde omdat we realtime signalen verwerkten in plaats van achterlopende input. En het belangrijkste: financiën kreeg eerder een plek aan tafel bij de besluitvorming, in plaats van achteraf.

De belangrijkste les? AI verving het oordeel van financiën niet — het dwong ons om dat oordeel te gebruiken waar het er echt toe doet. Want de waarde van financiën ligt niet in het beter uitleggen van het verleden. De waarde ligt in het helpen van het bedrijf om sneller naar de toekomst te handelen.

Waarom AI moeite heeft met verhalen over variantieanalyse

Waarom AI moeite heeft met verhalen over variantieanalyse

Een gebied waarop we duidelijke beperkingen zagen, was de door AI gegenereerde variantieanalyse met betrekking tot financiële verslaglegging.

De cijfers klopten. Maar het verhaal klopte niet altijd. Het model schreef een stijging van de operationele kosten bijvoorbeeld toe aan “meer indiensttredingen in belangrijke regio’s” — aannemelijk, maar onjuist. De werkelijke oorzaak was een eenmalige boekhoudkundige herclassificatie en een verschuiving in de timing van overlopende posten. Het model herkende patronen, niet de werkelijkheid.

Het resultaat was dus onnauwkeurig, niet traceerbaar en het ondermijnde het vertrouwen in het team. Zo hebben we dit opgelost:

  • AI genereert signalen en hypothesen, geen definitieve verhalen.
  • Elke uitvoer moet traceerbaar zijn.
  • Lagen met “vertrouwen + bewijs” geïntroduceerd

Menselijke validatie werd expliciet gemaakt in plaats van verondersteld.

Hoe CFO’s leiding kunnen geven aan AI-gestuurde financiële transformatie

Dit is mijn advies: jaag AI niet na. Breng financiën op orde — AI volgt dan vanzelf.

  • Begin met het systeem, niet met de tool.
  • Herontwerp het werk, automatiseer het niet alleen.
  • Scheid signalen van oordeel.
  • Investeer in vertrouwen voordat je opschaalt.
  • Accepteer dat kosten verschuiven en niet verdwijnen.
  • Geef zelf leiding aan de gedragsverandering.
  • Bouw een “financieel besturingssysteem”, geen geïsoleerde pilots.

AI maakt je geen betere CFO. Maar het zal wel blootleggen of je financiële functie überhaupt ontworpen was om intelligentie op te schalen.

Pankaj Prasoon

Pankaj deelt

Jaag AI niet na. Breng financiën op orde — AI volgt dan vanzelf.

Volg ons

Volg hoe Pankaj Prasoon de toekomst van financiën bij LinkedIn verder vormgeeft. Bekijk ook zijn persoonlijke website.

Er volgen meer interviews met experts op The CFO Club!

You may also like