AI heeft de wereld van Financial Planning & Analysis (FP&A) tools volledig getransformeerd. We gaan in gesprek met Nick Vandesype, CEO van Predikt, en Edouard Beaucourt, Head of EMEA bij Pigment, over de nieuwe marktdynamiek en de drempels voor financiële departementen.
Drie groepen van AI-driven FP&A
“We zien drie groepen in de huidige AI-gestuurde FP&A-markt”, begint Nick. “Ten eerste is er time-series AI, die historische trends identificeert om toekomstige ontwikkelingen zo accuraat mogelijk te voorspellen. Dat gebeurt op basis van big data uit zowel interne als externe bronnen.”
“De meest recente trend is agentic AI. Deze systemen nemen geautomatiseerde beslissingen, waarbij ze uitgaan van een zogezegd bekende toekomst. Sinds de opkomst van tools zoals ChatGPT is de toegankelijkheid van agentic AI enorm toegenomen, waardoor bedrijven hier vandaag massaal in investeren.”
“Tot slot zijn er gespecialiseerde nichetoepassingen, zoals clusteranalyses, die onder meer klantensegmentaties mogelijk maken”, aldus Nick.
De AI-achtergrond van Predikt
Predikt richt zich specifiek op de eerste groep, time-series AI. “Met onze datamodellen kunnen we de cost of goods sold accuraat voorspellen”, legt Nick uit. “Hierdoor kunnen bedrijven onderbouwd beslissen wanneer ze grondstoffen moeten inkopen.”
Predikt onderscheidt zich met deze niche-oplossing, maar ook de fundamentele aanpak is anders. “Wij zijn gestart vanuit onze sterke AI-achtergrond, terwijl veel concurrenten vanuit hun financieel perspectief starten.”
Time-series AI met externe data
“Door de goudmijn aan interne bedrijfsdata, maakt AI analyses mogelijk die voorheen ondenkbaar waren”, vertelt Nick. Toch volstaat dit volgens hem niet. “Het verleden is niet genoeg om de toekomst te voorspellen. Neem nu de oorlog in Oekraïne. Door de inval van Rusland zal die markt nooit meer hetzelfde zijn.”
Daarom verrijkt Predikt de interne data van bedrijven met tien miljoen externe indicatoren. “Met externe indicatoren kunnen we complexere scenario's modelleren, zoals de impact op het bedrijf bij verkiezingswinst van een democraat, of bij het uitbreken van een nieuwe oorlog tussen bepaalde landen.”
Het globale Pigment
In tegenstelling tot Predikt, is Pigment gestart met AI vanuit haar FP&A-tool. In het najaar van 2025 hebben ze hun AI-capaciteiten aangevuld met agentic AI. Dit zorgde voor een sterke groei van de Franse speler. Inmiddels maken flagship klanten als DPD België, Coca-Cola en Unilever deel uit van hun portefeuille en komt het merendeel van de inkomsten uit de Verenigde Staten.
Drievoudige agentic AI
Bij Pigment draait agentic AI om een efficiëntere werking binnen financiële departementen door de grote toegankelijkheid van AI. “We hebben ons platform versterkt met drie AI-agents”, vertelt Edouard. “De analyst agent ondersteunt financiële medewerkers bij analyses, zoals het vergelijken van begrote versus werkelijke cijfers, en met rapporteringen.”
“De modeler agent vereenvoudigt het creëren van nieuwe financiële modellen, formules en dashboards. Door de hoge gebruiksvriendelijkheid kan dat nu even snel als werken in Excel”, gaat hij verder. “Tot slot ondersteunt de planner agent de bedrijfsstrategie door scenario-analyses uit te voeren en proactief risico’s en opportuniteiten te identificeren.”
Zwakke datakwaliteit
Het decennialang bestaande probleem blijft even actueel. “Bij veel bedrijven is de interne datakwaliteit nog steeds onvoldoende”, benadrukt Edouard. “Zonder een degelijke data governance zullen ze het volle potentieel van AI niet kunnen benutten.”
Nick vult aan: “Zelfs bij grote ondernemingen is de datakwaliteit vaak ondermaats. Door fusies, overnames en frequente systeemwijzigingen wordt hun data-infrastructuur volledig in de war geschud.”
Toegang tot externe data
Het opzetten van time-series AI-modellen met externe data is niet evident. “Het is niet eenvoudig om op een gestructureerde manier externe databronnen aan te spreken”, legt Nick uit. “Gedurende de eerste zeven maanden van Predikt hebben we continu API's ontwikkeld om toegang te krijgen tot onze huidige tien miljoen externe indicatoren.”
Change management
“Change management is nooit gemakkelijk”, stelt Edouard. “Het is wel eens leuk om je ideeën te benchmarken, maar als er geen consistentie in komt, blijft een duurzame AI-adoptie uit.”
Toch ziet hij verbetering: “AI zit in een volwassen stadium, waardoor de drempel om AI te integreren in processen steeds lager wordt. Bij Pigment zit de technologie ondertussen volledig verwerkt in onze workflows.”
Transparantie vergt complexiteit
“Hoewel AI al redelijk ingeburgerd is, heerst er bij financiële departementen soms nog een gebrek aan vertrouwen. Daarom is het cruciaal om je AI-modellen zo transparant mogelijk te maken”, vertelt Edouard. “Er zal geen adoptie zijn als het AI-model niet transparant is.”
Nick benadrukt daarom dat bedrijven bereid moeten zijn om de complexiteit te omarmen. “De meest voor de hand liggende oplossing is vaak een black box”, waarschuwt hij. “Voor een goede implementatie van AI, moet je het systeem in zijn geheel bekijken.”
Schalen over de business units heen
“Bedrijven starten hun AI-implementatie best vanuit één business unit”, adviseert Nick. “Door kleinschalig te beginnen, verhoog je de adoptiekans.”
Eenmaal geslaagd, is uitbreiding essentieel. “Een gelijkmatige AI-volwassenheid tussen units is cruciaal”, licht Edouard toe. “Als bepaalde business units achterblijven, verlies je de integrale samenhang en wordt je bedrijf nooit écht AI-gestuurd.”
Output van AI
“De grote doorbraak van AI moet nog komen”, stelt Nick. “Het wordt nog te vaak als speelgoed gezien.” Edouard vult aan: “Er is een mentaliteitsverandering nodig. Bedrijven moeten outputgericht denken in hun AI-adoptie. Alleen door te focussen op integrale procesverbetering kun je rendement verwachten.”
Verdoe jij ook te veel tijd met het opvolgen van alle nieuwtjes in je feed? No worries, wij verzamelen alles wat nieuw is in de finance wereld. Al die nieuwtjes komen wekelijks in jouw mailbox terecht.
