“WAAROP BASEERT U DAT?”
De vraag komt van de auditor, tijdens de bespreking van een accounting memo. De redenering in het memo klopt. U schreef het met hulp van AI, op basis van het contract, de policy en de guidance. Maar welke clausule precies? Welke versie van de policy? Welke paragraaf van de guidance? U scrolt terug door de chat. De AI ‘wist’ het, maar kan niet zeggen waar het stond. En u moet het nu wél zeggen.
WAAROM EEN FINANCIAL ANDERS MET AI MOET WERKEN
Financials werken dagelijks met een overvloed aan bronnen: jaarrekeningen, policies, contracten, budgetdocumentatie, auditfiles, board papers, technische memo’s, regelgeving en spreadsheets. De uitdaging is zelden het vinden van informatie. Het is ze met elkaar verbinden, verschillen herkennen en conclusies controleerbaar onderbouwen. De meeste AI-opleidingen voor finance gaan over prompting, analyse en het genereren van tekst. Voor een financial geldt een extra eis: de conclusie moet herleidbaar zijn tot een bron.
DE DOCUMENTENBAK
Waar loopt het mis? Alles wordt in één AI-omgeving gegooid: de goedgekeurde policy naast de conceptversie, het ondertekende contract naast de onderhandelingsversie, de memo van vorig jaar naast de guidance van dit jaar. De AI kiest wat ze vindt. Het antwoord klinkt robuust, maar één bron ontbreekt, één versie is verouderd en één ‘feit’ blijkt een interpretatie. Niemand merkt het – tot de review, of tot de auditor.
WAT U MOET KUNNEN: BRONGEBONDEN RESEARCH
Een dossier logisch afbakenen en bepalen wat erbuiten blijft. Vragen stellen die bewijs opleveren in plaats van samenvattingen: waar wijkt onze policy af van de guidance, welke bron ondersteunt deze conclusie en welke spreekt ze tegen, welke informatie ontbreekt om het dossier beslisrijp te maken? Bevindingen omzetten in het document dat de lezer verwacht. En elke AI-conclusie toetsen op bron, volledigheid, actualiteit, tegenspraak en interpretatie – en bepalen welk oordeel bij u blijft – vóór u ze doorstuurt.
EEN WERKWIJZE, GEEN PRODUCT
Brongebonden research is een werkwijze. U past ze toe met Microsoft Copilot op een afgebakende set documenten in SharePoint of OneDrive, met ChatGPT op een projectdossier, of in een gespecialiseerde researchomgeving zoals Gemini Notebook (voorheen NotebookLM). De knoppen verschillen; de dossierarchitectuur, de researchvragen en het controleprotocol blijven dezelfde.
De dag draait om die werkwijze, niet om de bediening van één tool. Hoe goed een omgeving naar de precieze vindplaats verwijst, verschilt per tool en per licentie – en juist daarom leert u elke bevinding zelf te controleren. U werkt tijdens de dag op een voorbereid oefendossier, in de AI-omgeving die u in uw organisatie gebruikt, en vertrekt met een eigen Finance Intelligence Dossier als vertrekpunt voor uw praktijk.