De discussie over AI en de toekomst van de controller is soms te abstract. Te veel over wat 'mogelijk' wordt, te weinig over wat concreet verschuift. Na gesprekken met tientallen ervaren finance professionals tekenen zich twee heldere categorieën af: het werk dat AI overneemt, en het werk dat menselijk blijft. Die grens kennen is geen academische oefening, maar de basis van een strategie voor je loopbaan en je finance team.
Wat AI overneemt: kwantitatieve analyse
Patronen detecteren, afwijkingen signaleren, data aggregeren, standaard rapportages genereren. Dit is precies het domein waar AI sterk in is en steeds sterker in wordt. Concrete voorbeelden die we vandaag al zien bij vooroplopende organisaties: een agent die elke dag de cijfers doorloopt en uitzonderingen markeert, closing-data verzamelt en consolideert, ouderenlijsten distribueert naar de juiste accountmanagers.
Dat zijn taken die jarenlang het grootste deel van de tijd van een controller opslorpten. Ze verdwijnen niet van de ene op de andere dag, maar de richting is duidelijk. Wie zijn waarde uitsluitend definieert via deze taken, bouwt op afkalvende grond.
Wat AI niet overneemt: kwalitatieve analyse
Waarom loopt dit project verlies? Welke operationele beslissingen zitten achter die kostenstijging? Wat betekent deze trend voor de strategie van het bedrijf? Dat zijn vragen die context vereisen: kennis van de sector, de organisatie, de mensen, de markt.
AI kan hypothesen aanreiken. Maar de verificatie en interpretatie blijft mensenwerk. Machines zijn goed in patroonherkenning binnen bekende parameters. Mensen zijn goed in het doorzien van context die buiten die parameters valt.
De controller als verbindende schakel
De controller van de toekomst verbindt twee werelden: die begrijpt wat AI-gegenereerde signalen betekenen, voegt de context toe die een machine niet heeft, en vertaalt dat verhaal naar beslissingsondersteunende adviezen voor het management.
Competenties die we keer op keer terugzien bij controllers die deze transitie succesvol maken:
- Kritisch lezen van AI-output. Niet blindelings vertrouwen, maar begrijpen hoe de output tot stand komt en waar de grenzen liggen.
- Contextualiseren. De vraag stellen: wat is er operationeel of strategisch veranderd dat dit cijfer verklaart?
- Communiceren naar niet-finance stakeholders. Niet de data presenteren, maar het verhaal vertellen dat erachter zit.
De cijfers alleen zijn niet meer genoeg. Het verhaal achter de cijfers, en de vaardigheid om dat verhaal te vertellen aan de juiste mensen en op het juiste moment, dat is wat de controller van morgen onderscheidt.
