Leer financeteams vóór de maandafsluiting vier dingen: hulp krijgen bij Excel-formules en datavoorbereiding, toelichtingen op afwijkingen opstellen op basis van cijfers die ze al hebben gecontroleerd, verschillen in aansluitingen verklaren, en geëxtraheerde factuurvelden controleren. Eén regel geldt voor alles: AI wordt nooit de bron van een cijfer. Elk bedrag is terug te voeren op het ERP of de werkmap.
#Belangrijkste punten
- Financeteams halen het meeste uit AI bij het schrijf- en voorbereidingswerk rond de cijfers, niet bij de cijfers zelf.
- De veilige volgorde is Excel-hulp, toelichting op afwijkingen, ondersteuning bij aansluitingen en daarna extractie uit facturen en afschriften.
- Elk bedrag in een AI-concept moet terug te voeren zijn op het ERP, het bankbestand of de werkmap.
- Ongepubliceerde resultaten, salarisgegevens en bankgegevens blijven buiten elke tool die daarvoor niet is goedgekeurd.
- Een gratis cursus volstaat voor eenvoudige Excel-hulp; rolspecifieke training loont als het afsluitwerk en de controles veranderen.
#Hoe ziet de maandafsluiting van een financeteam eruit met AI?
Het werk loopt via Excel, een ERP zoals SAP, Odoo of Oracle, bankportalen en een gedeelde inbox. Analisten exporteren het crediteurengrootboek, downloaden en vergelijken leveranciersafschriften, lossen verschillen in bankaansluitingen op, boeken transitorische posten en schrijven toelichtingen op afwijkingen voor het managementrapport. Daar komen de verzoeken van accountants nog bij. Veel van de inspanning gaat naar het voorbereiden en uitleggen van cijfers, niet naar het berekenen ervan.
AI helpt bij die voorbereiding: een opzoekformule schrijven, een export opschonen, de alinea opstellen die uitlegt waarom de reiskosten zijn veranderd, of de e-mailthread van een leverancier samenvatten. Het gaat mis als een model rekenwerk doet dat niemand heeft laten controleren, een totaal afrondt, of een reden voor een afwijking verzint die niemand heeft bevestigd. Vertrouwelijkheid is het andere risico: salarisgegevens en ongepubliceerde resultaten die in een persoonlijk account worden geplakt.
#Wat moeten financeteams eerst leren, en in welke volgorde?
- Excel en datavoorbereiding: formules, Power Query-stappen en het opschonen van ERP-exports, gecontroleerd aan de hand van een bekend totaal.
- Toelichting op afwijkingen: de uitleg opstellen op basis van een tabel die de analist heeft gemaakt en geverifieerd, en die daarna bewerken.
- Ondersteuning bij aansluitingen: waarschijnlijke oorzaken van een verschil beschrijven en het bewijs waarnaar je moet zoeken, zonder iets te boeken.
- Extractie uit facturen en afschriften: velden uit facturen en leveranciersafschriften halen, waarbij een persoon elk veld controleert voordat het in het ERP komt.
- Later: concepten voor beleids- en auditvragen, en samenvattingen van lange contracten voor de controller.
Beginnen met Excel bouwt vertrouwen op, omdat het antwoord ter plekke te testen is: de formule werkt of niet. Toelichting komt daarna, omdat de cijfers dan al vaststaan. Extractie komt als laatste, omdat de nauwkeurigheid op echte facturen, ook Arabische, pas goed genoeg is als een menselijke controlestap vast onderdeel van de routine is.
#Welke echte taken gebruik je in de training?
Gebruik de afsluiting van vorige maand. Elke analist neemt één export mee die handmatig is opgeschoond, één afwijking die moest worden uitgelegd, één verschil in een aansluiting en een kleine stapel facturen. Ze doen elke taak opnieuw met goedgekeurde tools en vergelijken het resultaat met wat ze hebben ingediend. De vergelijking laat het team zien waar AI moeite bespaart en waar het controle nodig heeft.
#Wat meet een financemanager vooraf en achteraf?
- Hoeveel tijd toelichtingen en aansluitingen volgens analisten kosten, via een korte enquête vooraf en achteraf.
- Het aantal openstaande aansluitposten bij elke afsluiting.
- Reviewopmerkingen bij toelichtingen en geëxtraheerde velden: wat de controller moest corrigeren.
- Gebruik van de goedgekeurde tool per rol, op basis van de logs.
Correcties meten is net zo belangrijk als snelheid meten. Het NIST AI Risk Management Framework, januari 2023 ziet menselijk toezicht en verantwoordelijkheid als onderdeel van het beheersen van AI-risico, en in finance is dat toezicht de review die al bestaat. Training hoort die review makkelijker te maken, niet te schrappen.
#Wat zijn de regels voor veilig gebruik van financiële data?
- AI stelt teksten en formules op; het ERP en de werkmap bevatten de cijfers.
- Ongepubliceerde resultaten, salarisgegevens, bankgegevens en belastingdossiers blijven uitsluitend in goedgekeurde tools.
- Niets wat AI heeft geëxtraheerd, wordt in het ERP geboekt zonder dat een benoemde persoon het heeft gecontroleerd.
- Bewaar de werkmap, de prompt en het definitieve concept bij elkaar, zodat een accountant het spoor kan volgen.
- Persoonsgegevens van medewerkers vallen onder de wetgeving voor gegevensbescherming, zoals de Emiraatse wet op de bescherming van persoonsgegevens.
#Wanneer volstaat een workshop of gratis cursus?
Wil je team alleen hulp bij het schrijven van formules en het opschonen van exports in een goedgekeurde tool zoals Copilot in Excel, dan dekken een gratis cursus van de leverancier en een interne sessie onder leiding van je sterkste analist dat af. Dat is een serieuze optie, en veel financeteams zouden daar moeten beginnen.
Rolspecifieke training heb je nodig als AI raakt aan de afsluiting zelf: toelichting in het managementrapport, bewijs voor aansluitingen of factuurdata die het ERP in gaan. Die veranderen controles en reviewstappen, dus de training moet behandelen wie wat controleert, op je eigen bestanden, met gemeten resultaten.
#Hoe Stennir dit aanpakt
Stennir geeft financetraining als groep binnen het AI Operator Program, onderdeel van de dienst AI-training. De trainers hebben in finance operations gewerkt en gebruiken je eigen exports, afwijkingen en facturen, in het Arabisch en Engels. Gebruik en correctiepercentages worden vooraf en achteraf gemeten, en de groep sluit af met een adoptierapport voor de CFO of controller.
We are
Stennir traint financegroepen op hun eigen afsluittaken en bestanden, met reviewstappen in elke oefening.
We aren't
Stennir is geen accountantskantoor, tekent je cijfers niet af en is geen algemene Excel-cursus.
#Wat doet een financemanager nu?
Maak een lijst van de afsluittaken waarbij je team de meeste moeite steekt in uitleggen in plaats van berekenen; dat zijn je eerste trainingscases. Lees daarna de pagina AI voor finance en het uitgewerkte voorbeeld over aansluitingen bij de maandafsluiting. Ben je zover, doe dan de gratis gereedheidsscan of boek een gesprek van 30 minuten.
#Veelgestelde vragen
Kan AI onze aansluitingen voor ons doen?
Het kan matches voorstellen en waarschijnlijke oorzaken van een verschil uitleggen, en dat bespaart leestijd. Het hoort niet zelfstandig te boeken of posten af te sluiten. De analist bevestigt elke match aan de hand van het bankbestand of het grootboek, en de controller reviewt zoals voorheen. De training leert die taakverdeling op je eigen verschillen.
Wat hebben jullie van ons nodig om te beginnen?
Een financemanager die eigenaar is van het resultaat, toegang tot je goedgekeurde AI-tool, en voorbeeldbestanden van een recente afsluiting: een export, een afwijking, een verschil in een aansluiting en een aantal facturen. Gevoelige velden kunnen eerst worden geredigeerd. Stennir vraagt ook om je review- en goedkeuringsstappen, zodat de training daarop aansluit.
Werkt het met Arabische facturen?
Ja. Stennir traint in het Arabisch en Engels, en de extractieoefeningen bevatten Arabische en tweetalige facturen als je team die ontvangt. De nauwkeurigheid op je eigen documenten wordt tijdens de training veld voor veld gecontroleerd, zodat het team weet welke velden extra controle nodig hebben voordat er iets in het ERP komt.
Waar blijven onze financiële data?
Binnen je goedgekeurde tools en accounts. Stennir kopieert je grootboeken, salarisgegevens of resultaten niet naar eigen systemen. Is een tool niet goedgekeurd voor vertrouwelijke data, dan gebruiken de oefeningen geredigeerde bestanden of realistische voorbeelden, zodat analisten de regel tijdens de training oefenen in plaats van overtreden.
