Veel finance-teams testen of AI-tools hen meer inzicht kunnen geven in hun bedrijfsuitgaven. Maar als het MT vraagt of die investering zich terugbetaalt, volgt er zelden een duidelijk antwoord. Een nieuw onderzoek van Pleo* legt de reden helder bloot: maar liefst 61% van de financiële leiders investeert in AI zonder de ROI daarop te meten.
Die kloof tussen investering en opbrengst betekent niet dat AI tekortschiet. Het probleem zit namelijk niet in de AI-tools die finance-teams gebruiken, maar in de versnipperde uitgavendata waarmee deze tools moeten werken.
In de meeste bedrijven zijn gegevens rondom de bedrijfsuitgaven niet op één plek samengebracht. De uitgaven staan op het ene platform, facturen op het andere, en goedkeuringen verlopen via e-mail of Slack. Al die tools structureren uitgavendata weer op een andere manier. De ene tool werkt bijvoorbeeld met categorieën, de andere met labels. Ook worden valuta op verschillende momenten omgerekend en komen namen van leveranciers niet standaard overeen.
Door dat gebrek aan samenhang moeten finance-teams rapporten, mappen en spreadsheets aan elkaar knopen om een goed beeld van de bedrijfsuitgaven te krijgen. Dat is precies het handmatige werk dat AI zou moeten overnemen, zodat teams en leidinggevenden met de cijfers aan de slag kunnen in plaats van te puzzelen en te priegelen.
“We hebben verschillende entiteiten aangesloten. Zette je transacties van de ene entiteit klaar voor export en sleepte je ze per ongeluk naar de verkeerde map? Dan kon dat helemaal misgaan en moest je alles terugdraaien.” Shafier Saboerali, Financial Controller bij SILICON
AI heeft consistente, gestructureerde en betrouwbare data nodig om jouw team te ondersteunen en van antwoorden te voorzien. Sluiten de datamodellen van jouw finance-tools niet op elkaar aan, dan krijgt AI geen goed beeld van je uitgavendata. Het gevolg: AI vult gaten in je data op met een gok die overtuigend oogt maar niet klopt. Vraag je bijvoorbeeld naar de totale uitgaven bij een bepaalde leverancier? Dan ziet AI mogelijk facturen over het hoofd omdat die in een ander systeem staan, en merk jij dus niet dat er data ontbreekt.
Ook bij normale, eenvoudige vragen kan dit fout gaan. Vraag je AI bijvoorbeeld of een aankoop binnen het beleid valt, dan moeten het beleid, de categorie en de goedkeuringsgeschiedenis wel met elkaar overeenkomen. Wijkt de categorie in je uitgaventool af van de omschrijving in het beleidsdocument, of hanteert elk systeem een andere wisselkoers? Dan kan AI je geen accurate inzichten geven. Het gevolg is dat AI de verkeerde uitgaven markeert of beleidsoverschrijdende uitgaven over het hoofd ziet.
Als je finance-team een AI-tool op fouten betrapt, leidt dat tot onrust en wantrouwen. Zeker als dit vaker gebeurt. Dat vertrouwen terugwinnen kost beduidend meer tijd dan de oorspronkelijke taak had gekost. En vanwege dat wantrouwen vallen veel finance-professionals toch weer terug op de handmatige taken die AI had moeten vervangen.
Volgens onderzoek van Pleo* stelt 68% van de finance-leiders dat hun team achterloopt als het om AI-vaardigheden gaat. Inconsistente en onbetrouwbare uitkomsten door AI-tools spelen daarin een grote rol. Dat is begrijpelijk, want je kunt niet vertrouwen op AI-gestuurde uitgaveninzichten als het antwoord afhangt van welk systeem er wordt geraadpleegd.
AI-tools en -platforms bewijzen pas hun waarde als ze kunnen putten uit één gekoppeld overzicht van je uitgaven. Met uitgaven, budgetten en goedkeuringen op één plek, en een audit trail achter elk bedrag.
Mits slim ingericht, kunnen AI-assistenten zoals Claude, ChatGPT en Microsoft Copilot rechtstreeks aansluiten op die ene, gekoppelde bron van uitgavendata. Zo worden jouw vragen duidelijk en foutloos beantwoord en hoef je die niet alsnog handmatig naast een spreadsheet te leggen. Ga je nog een stap verder, dan maakt datzelfde systeem van een terugkerende klus, zoals achter bonnetjes aan gaan of een categorie corrigeren, één proces dat automatisch verloopt via de tools die je op dit moment al gebruikt.
Dat is het verschil tussen AI-uitgaveninzichten die de investering waard zijn, en losse AI-tools die niet waarmaken wat ze beloven.
*Dit onderzoek is afkomstig uit een rapport van Pleo dat in september 2026 verschijnt. Sapio Research voerde de enquête uit in april en juli 2026, onder financiële beslissers en finance-professionals van organisaties met 51 tot 1.000 medewerkers in Duitsland, Spanje, Denemarken, Nederland en het VK.