De directeur van AFP’s FP&A-praktijk zegt dat AI FP&A verandert van het rapporteren van cijfers naar het vormgeven van beslissingen

Als directeur van de FP&A-praktijk bij The Association for Financial Professionals heeft Bryan Lapidus van dichtbij gezien hoe AI de sector verandert.

We gingen met Bryan om tafel om te horen wat hij vanuit die positie ziet. Dit vertelde hij ons.

Versnelde evolutie

Ik ben Bryan Lapidus, directeur van de FP&A-praktijk bij The Association for Financial Professionals. Mijn carrière volgde een traditioneel pad, met advieswerk, het behalen van mijn MBA en financiële functies binnen bedrijven zoals American Express en Fannie Mae. Daar richtte ik me op het opstellen van prognoses, het beheren van budgetten en het helpen van leidinggevenden bij het omgaan met onzekerheid. Ik heb ook gewerkt bij twee door private equity ondersteunde portfoliobedrijven en werk inmiddels al acht jaar bij The Association for Financial Professionals.

In mijn huidige functie creëer en beheer ik content voor de gemeenschap voor bedrijfsfinanciën om hen te helpen uit te blinken in hun huidige en toekomstige functies. Ik heb regelmatig contact met de financiële gemeenschap en keur jaarlijks ongeveer 50 conferentiesessies, 20 webinars, vijf gidsen of onderzoeken en talloze artikelen goed. Ook beheer ik vijf rondetafelgroepen — met name de FP&A-adviesraad — om te leren waar de gemeenschap aan werkt!

FP&A is geëvolueerd en blijft zich ontwikkelen — van het rapporteren van cijfers naar het uitleggen ervan en, steeds vaker, het vormgeven van beslissingen. Deze evolutie is de afgelopen jaren aanzienlijk versneld door AI. Nieuwe hulpmiddelen creëren nieuwe mogelijkheden, die op hun beurt een nieuw operationeel model voor financiën creëren. Dat betekent dat we meer kunnen doen en dat onze klanten meer van ons verwachten.

Hoe AI FP&A verandert van een rapportagefunctie in een besluitvormingsfunctie

AI moet worden begrepen vanuit de kerntaak van de CFO: kapitaal beheren van bron tot bestemming. De boekhouding legt uit waar het kapitaal is geweest. Kasbeheer beheert waar het zich bevindt en hoe het circuleert. FP&A helpt bepalen waar het vervolgens naartoe moet.

De hulpmiddelen veranderen misschien, maar de verplichtingen van financiën niet. Controle, naleving, kapitaalallocatie, risicobeheer en verantwoording aan investeerders blijven fundamenteel. Wat verandert, is de manier waarop financiën waarde levert. Nieuwe hulpmiddelen, zoals automatisering en AI, creëren nieuwe mogelijkheden, die nieuwe operationele modellen creëren. Binnen die nieuwe modellen krijgt de financiële functie de kans om dichter bij het bedrijfsleven te komen op het gebied van strategie, partnerschap en besluitvormingsondersteuning.

Naarmate routinematig werk wordt geautomatiseerd of uitbesteed, worden financiële functies analytischer, functieoverschrijdender en sterker geïntegreerd in het bedrijfsleven. Werk wordt ook minder gebonden aan traditionele silo’s. In plaats van zich uitsluitend rond FP&A, kasbeheer of boekhouding te organiseren, richt de financiële functie zich steeds meer op werkstromen, mogelijkheden en beslissingen die verschillende functies omvatten.

Bryan deelt

AI lost zwakke processen niet op; het zorgt er alleen voor dat ze sneller worden uitgevoerd.

Ook de samenstelling van de activiteiten verandert. Tijd verschuift van handmatig en transactioneel werk naar scenarioanalyse, het beoordelen van kansen en risicobeheer. Daardoor worden gegevens, besturing en procesontwerp nog belangrijker. AI lost zwakke processen niet op; het zorgt er alleen voor dat ze sneller worden uitgevoerd.

De toekomst van FP&A is niet om met AI te concurreren op het gebied van analyse, maar om de omgeving vorm te geven waarin analyse leidt tot goede beslissingen. Naarmate prognoses, rapportages en scenariomodellen sneller en toegankelijker worden, neemt de hoeveelheid analytische resultaten toe en wordt oordeelsvermogen schaarser. De rol van FP&A verschuift daarom van het rapporteren over prestaties en produceren van analyses naar het adviseren over beslissingen en het ontwerpen van het besliskader: het vaststellen van de aannames, definities, meetwaarden, beperkingen, doelstellingen, afwegingen, risicotoleranties, escalatieroutes, besturing en principes voor kapitaalallocatie die ervoor zorgen dat duizenden door mensen en machines genomen beslissingen binnen de hele onderneming consistent worden genomen.

Door deze financiële intelligentie vast te leggen in de systemen die prognoses, aanbevelingen en acties genereren, wordt FP&A de hoeder van de integriteit van besluitvorming. Zo zorgt FP&A ervoor dat beslissingen aansluiten bij de strategie en op grote schaal duurzame waarde creëren.

De meest voorkomende toepassingen van AI binnen de financiële functie

Ik heb van dichtbij gezien hoe financiële leiders reageren op AI. Sommigen experimenteren voorzichtig; anderen richten werkstromen volledig opnieuw in.

De meest voorkomende gebruiksscenario's die ik binnen de financiële gemeenschap zie, verbeteren de productiviteit van individuele teamleden. Voorbeelden hiervan zijn het opstellen van toelichtingen bij variantierapporten en het controleren van resultaten door AI-persona's te laten aannemen die deze rapporten kritisch beoordelen.

Anomaliedetectie is een ander effectief gebruiksscenario: AI kan uitschieters identificeren in rapporten en modellen die nader onderzoek vereisen. Dit versnelt foutcontroles en bespaart mensen bepaald gezichtsverlies!

Ik sprak zelfs met een CFO die me vertelde dat ze een LLM gebruikt om contracten te lezen, samenvattingen te geven, risico's te markeren en mogelijk lastige formuleringen te identificeren. Ze voltooide haar beoordeling in één ochtend, in plaats van het contract naar de juridische afdeling te sturen en drie dagen op een antwoord te wachten.

Waarom mensen hun ervaring en beoordelingsvermogen moeten toepassen op AI-resultaten

Ik ging er altijd van uit dat ervaring inherent was aan financiële modellen, omdat ervaren mensen de modellen altijd bouwden.

Dat is niet langer het geval. AI bouwt nu modellen, waardoor ervaring is losgekoppeld van de mechanica van het modelleren. Ervaring zit nu in de aannames, de inkadering van de eerste prompts en de grondige interpretatie en kritische bevraging van het resultaat.

Vergelijkingen naast elkaar kunnen verhelderend zijn:

• AI genereert prognoses voor het basisscenario; mensen voegen vervolgens mogelijke toekomstige investeringen of risico-afslagen toe waar zich uitdagingen voordoen.
• AI genereert en beoordeelt meerdere "wat-als-scenario's" en mogelijke trends; mensen bepalen vervolgens op welke risico's ze zich richten of welke uitkomsten het belangrijkst zijn.
• AI haalt gegevens en parameters op voor modellen; mensen bepalen vervolgens welke daarvan in het model worden opgenomen.

De rode draad is dat AI datarijk werk uitvoert, terwijl mensen ervaring en beoordelingsvermogen toepassen.

Waarom AI-werkstromen zowel discipline als flexibiliteit nodig hebben

Financiën moet het voortouw nemen bij de ontwikkeling van een consistent analytisch raamwerk waarin metrieken, berekeningen, gegevensbronnen en het proces voor het vertalen van gegevens naar informatie worden gedefinieerd.

Ik herinner me dat ik met een CFO sprak die "discipline in de kern, flexibiliteit aan de randen" aanbeval. Dat is me bijgebleven, omdat het voldoende controle biedt zodat iedereen de gegevens kan vertrouwen, en voldoende wendbaarheid om ze snel toe te passen.

Wanneer dit goed wordt uitgevoerd, stelt dit soort bestuur financiën in staat een versneller te zijn in plaats van een rem op bedrijfsprocessen.

Waarom CFO's functieoverschrijdend moeten samenwerken om vervuilde gegevens te verwijderen

Over discipline gesproken: elke CFO moet gedisciplineerd omgaan met zijn gegevens! Dat is ontzettend belangrijk — en al helemaal met AI. Een chef-kok zou geen soep maken met vuil water, en je moet geen financiële beslissingen nemen op basis van vervuilde gegevens of verkeerd begrepen metrieken.

Financiën wordt vaak omschreven als de functie die gegevens omzet in beslissingen. Maar voordat financiën inzichten kan genereren, moet iemand ervoor zorgen dat de onderliggende gegevens betrouwbaar en consistent zijn en in de hele organisatie op dezelfde manier worden begrepen. Daarom spelen toonaangevende financiële teams steeds vaker een rol die verder gaat dan rapportage en analyse. Ze worden onderdeel van een functieoverschrijdende capaciteit die kernmetrieken definieert, datastandaarden beheert en de regels vastlegt voor de manier waarop informatie van bronsystemen naar zakelijke beslissingen stroomt.

Bryan deelt

Als omzet, klant, marge of productiviteit voor verschillende groepen verschillende betekenissen hebben, besteedt de organisatie meer tijd aan het bediscussiëren van cijfers dan aan het handelen op basis ervan. Finance bevindt zich in een unieke positie om dit te helpen voorkomen.

Zie het als een keten van verantwoordelijkheid voor informatie. Gegevens ontstaan in operationele systemen, worden getransformeerd via bedrijfslogica en berekeningen en verschijnen uiteindelijk in prognoses, dashboards, managementrapportages en strategische beslissingen. In elke fase zijn definities, aannames en governance van belang. Als omzet, klant, marge of productiviteit voor verschillende groepen verschillende betekenissen hebben, besteedt de organisatie meer tijd aan het bediscussiëren van cijfers dan aan het handelen op basis ervan.

Finance bevindt zich in een unieke positie om dit te helpen voorkomen. Als beheerder van de prestaties van de onderneming kan finance samenwerken met IT, operations en bedrijfsleiders om een gemeenschappelijk analytisch raamwerk te creëren — een raamwerk dat ervoor zorgt dat gegevens consistent blijven van bron tot gebruik, zodat de organisatie minder tijd hoeft te besteden aan het afstemmen van informatie en meer aan het nemen van betere beslissingen.

Hoe AI de werving en de omvang van het financeteam beïnvloedt

Als gevolg van AI zie ik vaak dat bedrijven veel sneller groeien dan hun financeteams, waardoor de operationele hefboomwerking toeneemt.

Dat komt niet door ontslagen — CFO's ontslaan zelden mensen uit hun teams. Het komt doordat ze nu anders werven. Voordat ze iemand aannemen, moeten ze zich afvragen: "Kan AI dit doen of heb ik een mens nodig?"

Richt je AI-gebruik op echte zakelijke uitdagingen

Dit is mijn advies: baseer je AI-inspanningen op echte zakelijke uitdagingen, in plaats van te beginnen met de technologie en daarna op zoek te gaan naar een probleem.

Zo voorkom je versnipperde experimenten en zorg je ervoor dat je oplossingen bouwt die meetbare resultaten opleveren. Het gesprek verschuift ook van “Wat kan deze technologie doen?” naar “Welke beslissingen kunnen we verbeteren?” — en daar maakt AI een betekenisvolle impact.

Onthoud dat de verantwoordelijkheden van de CFO niet veranderen. Het enige wat verandert, zijn de hulpmiddelen die we gebruiken om onze inzichten te leveren!

Blijf op de hoogte

Je kunt het werk van Bryan Lapidus volgen op LinkedIn.

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