Henri Venter

Laten we beginnen met het ontkrachten van een mythe. Buiten de financiële wereld bestaat de simplistische aanname dat accounting gewoon rekenwerk is. Dat we simpelweg getallen optellen om één onbetwistbaar antwoord te vinden (was het maar waar!).
Zoals elke professional in dit vak weet, is een hoge mate van menselijke oordeelsvorming inherent aan moderne financiële verslaggeving. De International Financial Reporting Standards (IFRS) zijn geen starre formules; het is een complex, op principes gebaseerd kader dat van ons vraagt subjectieve veronderstellingen en schattingen te maken over een onvoorspelbare toekomst.

Beschouw de standaarden die vandaag de dag ons resultaat bepalen (dit is slechts een kleine selectie ter illustratie):

• IFRS 9 (Financiële instrumenten): We wachten niet meer tot een lening echt fout gaat. We moeten verwachte kredietverliezen berekenen door toekomstgerichte macro-economische probabiliteitsmodellen te bouwen.
• IFRS 15 (Opbrengsten van contracten met klanten): In een economie met complexe bundels van diensten in combinatie met variabele vergoedingen is het bepalen wanneer en tegen welk bedrag omzet verantwoord moet worden, niet eenvoudig. Het vereist subjectieve schattingen over onder meer prestatieverplichtingen, afzonderlijke verkoopprijzen en historische retourpatronen.
• IAS 36 (Bijzondere waardevermindering van activa): Het testen van de waardering van goodwill of een kasstroomgenererende eenheid op een bijzondere waardevermindering vraagt projecties van toekomstige kasstromen en het bepalen van een disconteringsvoet. Een wijziging van 0,5 procent in de veronderstelling over de terminale groeivoet kan direct honderden miljoenen van de balans wissen, of die kunstmatig in stand houden.

Historisch gezien was de vereiste oordeelsvorming verankerd in de op ervaring gebaseerde intuïtie van bestuurders.

Dit betreft niet louter berekeningen; het zijn berekende risico's. Historisch gezien was de vereiste oordeelsvorming verankerd in de op ervaring gebaseerde intuïtie van bestuurders. Maar de hoeveelheid data die nu nodig is om deze oordelen te onderbouwen, is inmiddels groter geworden dan wat het menselijk brein aankan. Daarom is de machine de kamer binnengekomen.

Waar zien we AI dan?

Omdat de data onoverzichtelijk is geworden, ondergaat ons werk de meest ingrijpende transformatie sinds de uitvinding van dubbel boekhouden. Zoals aan het begin gezegd, voorspellen sensationele koppen dat AI de accountant zal vervangen. Ik geloof dat dit fundamenteel onjuist is. AI zal de accountant niet vervangen, AI zal helpen om de overweldigende, operationele inefficiëntie weg te nemen.

AI zal zich in drie onderscheiden lagen van de moderne financiële functie nestelen:

• De rekenwerklaag: Denk aan een grote multinational met impairment-modellen en -processen. Dat vereist het opzetten van grote spreadsheets met kasstromen en projecties voor diverse kasstroomgenererende eenheden of bedrijfssegmenten. Gespecialiseerde AI-modellen verwerken en analyseren deze data in seconden.
• De samenvattende laag: Denk aan een multinationale retailer met duizenden lease- en verkoopcontracten. In plaats van een team junior accountants dat juridische teksten handmatig leest op breakclausules of omzettriggers, lezen gespecialiseerde generatieve AI-modellen de contracten, extraheren ze financiële metadata en stellen ze de eerste concepten van toelichtingen op met een verbluffende precisie.
• De toezichtlaag: In plaats van achteraf te auditen, functioneren AI-modellen als een 24/7-anomaliedetector die elke journaalpost wereldwijd scant en ongebruikelijke patronen of handmatige overschrijvingen signaleert, ver voordat de auditors arriveren.

De technologie verheft onze teams van het bouwen van spreadsheets naar het beoordelen wat die spreadsheets betekenen voor de bedrijfsstrategie.

In deze nieuwe workflow is de rol van de machine helder: AI doet voorstellen, maar de mens besluit. De technologie verheft onze teams van het bouwen van spreadsheets naar het beoordelen wat die spreadsheets betekenen voor de bedrijfsstrategie.

Waar komt onze onrust vandaan?

Als deze workflow zo efficiënt is, waarom zijn wij dan nerveus? Niet omdat we wakker liggen van rekenfouten; we liggen wakker als we de logica achter een financiële conclusie niet meer kunnen uitleggen aan bestuurders, commissarissen, aandeelhouders en toezichthouders.
Vertrouwen op de kapitaalmarkt rust op drie pijlers:

• Transparantie: Kunnen we traceren hoe een getal is ontstaan?
• Governance: Kunnen we aantonen dat het proces gecontroleerd en reproduceerbaar is?
• Verdedigbaarheid: Kunnen we onze financiële keuzes robuust verdedigen?

In de bestuurskamer is onverklaarde precisie gewoon een andere vorm van een ongereguleerd bedrijfsrisico.

Gevorderde AI in zijn 'zwarte doos'-vorm bedreigt al deze drie pijlers. Een deep learning-model kan 20.000 variabelen analyseren en concluderen dat je voorraad met €50 miljoen afgewaardeerd moet worden. Het kan voor 99 procent accuraat zijn gebaseerd op historische data. Maar wanneer de toezichthouder vraagt: "Waarom koos u dit moment om een verlies van €50 miljoen te nemen?", wat is dan uw antwoord? U kunt niet zeggen: "We weten het eigenlijk niet, maar het algoritme heeft een zeer hoge betrouwbaarheidsscore.". In de bestuurskamer is onverklaarde precisie gewoon een andere vorm van een ongereguleerd bedrijfsrisico. We zijn nerveus, omdat het automatiseren van oordeelsvorming zonder uitlegbaarheid ons met de aansprakelijkheid achterlaat zonder de mogelijkheid die te verdedigen.

We praten veel over professionele scepsis. De grootste struikelsteen zoals ik die zie, is dat we de output van deze AI-modellen als feiten behandelen. De computer zegt "dit is het antwoord", dus het moet waar zijn. Het is tijd dat professionele scepsis verveelvoudigt. We moeten alles bevragen!

De anatomie van een verdedigbaar AI-proces

Hoe overbruggen we deze kloof? Een casus van een gediversifieerd industrieel conglomeraat biedt een blauwdruk. Hun AI, ter ondersteuning van IAS 36-impairmenttests, identificeerde een historisch winstgevende Europese fabriek als "hoog risico". De regionale financiële directeur was sceptisch; de orderportefeuille was gevuld en traditionele prognoses lieten geen problemen zien.

Maar dit bedrijf had een verklaarbaar AI-model gebouwd. Het bedrijf dwong het model af zijn motivatie bloot te leggen. Het AI-model had fragmentarische signalen gecombineerd tot een indicator die een menselijke analist niet eenvoudig kon zien: een stijging van 2 procent in lokale energiekosten, dalende octrooiaanvragen van de belangrijkste klanten van de fabriek en een kleine prijsdaling bij lokale concurrenten. Afzonderlijk waren die signalen ruis. Samen vormden ze een krachtige indicator voor een belangrijke margedaling.

Het financiële team accepteerde de output niet blindelings. Het team gebruikte de signalen van de AI om de eigen veronderstellingen te stress-testen, verifieerde de data en realiseerde zich dat het risico reëel was. Drie maanden later bewoog de markt precies zoals voorspeld.

Dit is de gouden standaard. Het vereist drie niet-onderhandelbare principes:

• Verplichte uitlegbaarheid: Als een algoritme zijn onderliggende motivatie niet in menselijk leesbare vorm kan presenteren, mag de output niet gebruikt worden om materiële wijzigingen door te voeren in financiële cijfers.
• Modelgovernance als financiële controle: AI-modellen moeten met dezelfde institutionele discipline behandeld worden als SOX. Ze moeten gevalideerd worden, continu worden gecontroleerd op gegevensafwijking en grondig worden geaudit.
• Een verschuiving in competenties: Onze financiële teams hoeven geen data scientists te worden. Maar ze moeten zeer vaardig worden in prompt-engineering en kritische beoordelaars worden van machine-output. Ze moeten weten hoe ze de machine moeten ondervragen.

De toekomst

De toekomst is de samenwerking tussen mens en machine.

De toekomst is niet de mens versus de machine. De toekomst is de samenwerking tussen mens en machine. De toekomst behoort toe aan bestuurders en professionals die beide integreren. Die de kracht van AI combineren met de onmisbare scepsis en het strategisch inzicht van menselijke bestuurders en professionals. Dat is de kernboodschap. De organisaties die succesvol zullen zijn, zijn de organisaties die de meest vertrouwde, verdedigbare governancekaders bouwen.

(Eerlijk gezegd is dit artikel in het Engels geschreven en is er AI gebruikt om het naar het Nederlands te vertalen, maar mensen hebben de vertaling wel beoordeeld.)