Use-cases identificeren in de close-cyclus betekent systematisch door de finance-cyclus lopen — close, rapportage, debiteuren, BTW, cash — en per processtap kijken waar AI zinvol werk kan overnemen. Voor finance-teams werkt deze omgekeerde aanpak (proces eerst, AI tweede) beter dan "waar kunnen we AI inzetten?" — het levert een longlist die geworteld is in echte tijdvreters, niet in een vendor-pitch.
De vraag "waar kunnen we AI inzetten in finance?" levert zelden bruikbare antwoorden op. Hij is te abstract: AI is een tool, niet een doel. De zinvollere vraag is omgekeerd: welk werk doet het finance-team vandaag, waar zitten de tijdvreters, en welke van die stappen lenen zich voor AI-ondersteuning. Wie zo begint, komt uit op een longlist die geworteld is in de echte close-cyclus, niet in een vendor-pitch.
Procesmapping is het gereedschap om van dat abstracte "AI in finance" naar een concrete lijst te komen. Het werkt hetzelfde als een klassieke procesanalyse, met één toevoeging: bij elke stap stel je expliciet de vraag of een AI-capability hier waarde toevoegt.
Waarom je bij het finance-proces begint
Een AI-tool inzetten op een losse taak ("laat ChatGPT de board-samenvatting schrijven") is prima, maar het blijft losse productiviteit. Het wordt pas substantieel als een AI-stap ingebed zit in een keten die het finance-team al draait: de maandafsluiting, debiteurenbeheer, BTW-aansluiting, het kwartaal-board-pack. Die ketens zijn al georganiseerd, meetbaar en mensen-intensief. Juist daar zit het volume om een ROI op te bouwen.
Daarnaast dwingt het denken in processen tot een realistische blik. Een use-case die in isolatie fantastisch klinkt — "AI doet onze close" — blijkt in een procescontext vaak afhankelijk van een rekeningschema dat slordig is, een datastroom die niet geïntegreerd is, of een autorisatiematrix die niet automatiseerbaar valt. De procescontext maakt die afhankelijkheden zichtbaar voordat je aan de implementatie begint.
Stap 1 — bakent het proces af
Begin niet bij de hele finance-functie, maar bij één proces. Een proces is een keten van stappen die samen één outcome produceren: een gepubliceerde maandrapportage, een gesloten BTW-aangifte, een geïnde factuur, een uitgevoerde betaling. Voor een MKB- of scale-up-finance-team is één proces meestal te overzien in zes tot twaalf stappen.
Typische kandidaten in finance:
- Maandafsluiting (van bankreconciliatie tot board-pack)
- Debiteurenbeheer (van factuur tot incasso)
- Crediteuren (van inkomende factuur tot betaling)
- BTW-aansluiting (van data-ophaal tot aangifte)
- Cashforecasting (van data tot rapportage)
- Variance-analyse en management-rapportage
- Jaarrekening-totstandkoming
Kies bij voorkeur een proces dat veel voorkomt (volume = ROI), gestructureerd genoeg is om in stappen te beschrijven, document- of tekstintensief is (waar AI echt meerwaarde levert), en een eigenaar heeft die meedenkt.
Stap 2 — deel het proces op in sub-stappen
Per hoofdstap noteer je de sub-stappen in actieve werkwoorden. "Maandafsluiting" is geen stap — "bankmutaties ophalen", "match-voorstellen genereren", "onverklaarde mutaties najagen", "concept-journaalposten boeken", "intercompany-aansluiting", "variance-toelichting schrijven" zijn stappen.
Per sub-stap leg je vast:
- wie het doet (rol, niet naam — AP, AR, controller, finance-manager, CFO);
- hoe lang het kost (gemiddeld per maand of week);
- welke input nodig is (Exact-export, bankafschrift, openpostenlijst, kennis-in-hoofden);
- welke output ontstaat (boeking, mail, rapport);
- wat er fout kan gaan of vaak herwerk vraagt.
Een tabel in Excel of een document volstaat. De discipline zit in granulariteit: een stap die langer dan 30 minuten duurt, is meestal nog op te splitsen.
Stap 3 — kijk per stap waar AI past
Loop elke sub-stap langs en stel vier vragen:
- Is dit text-in, text-out werk? Lezen, schrijven, classificeren, samenvatten. Kerngebied van taalmodellen.
- Herhaalt de stap zich in een herkenbaar patroon? Als 80% van de iteraties hetzelfde is (denk: bankmutatie-match), kan een AI het patroon leren.
- Is de benodigde context beschikbaar in digitale vorm? Als de kennis alleen in het hoofd van de controller zit, komt er geen werkbare use-case uit. Zit het in Exact, in een bestaand handboek, in oude rapportages: dan wel.
- Wat is de kost van een fout? Hoog (boeking, betaling, externe communicatie) → human-in-the-loop. Laag (intern hulpmiddel) → kan autonomer.
Elke stap waar je op drie van de vier ja hebt, is een kandidaat. Noteer concreet: niet "AI in de close" maar "agent stelt voor elke bankmutatie een match-voorstel voor uit openstaande facturen, controller accordeert in queue".
Stap 4 — breed verzamelen, later filteren
In deze fase niet te vroeg filteren. Een longlist van 20-40 kandidaten over de hele finance-cyclus is normaal. Wie direct alleen "realistische" ideeën opschrijft, sluit de gold nuggets uit die bij eerste aanblik gek leken. In een latere fase ben je nog streng op impact en feasibility — zie use-cases scoren voor finance.
Praktische techniek: laat twee of drie mensen die het proces dagelijks doen (AP-medewerker, controller, finance-manager) onafhankelijk door de lijst lopen en eigen ideeën toevoegen. Elk proces heeft blinde vlekken, en de uitvoerder ziet andere kansen dan de manager die het op papier heeft staan.
Stap 5 — cluster naar capability en naar waardeketen
Orden de longlist op twee assen.
AI-capability is belangrijk omdat use-cases met dezelfde capability dezelfde infrastructuur delen. Vijf verschillende "extraheer X uit een PDF"-cases draaien op dezelfde bouwsteen — build once, apply many. Zie AI-capabilities die voor controllers tellen.
Finance-cyclus laat zien of de kansen vooral zitten in de close (operations), in rapportage (interpretatie), in debiteuren/crediteuren (cash-cyclus), of in BTW/compliance. Een gezond finance-portfolio is niet scheef: als 90% van je ideeën in rapportage zit, heb je waarschijnlijk de cash-cyclus genegeerd.
Waar dit in de praktijk uitkomt
- Een scale-up van 80 FTE mapt de maandafsluiting in 9 stappen en vindt 14 kandidaten: bankmutatie-matching, concept-journaalposten, intercompany-aansluit-voorstellen, variance-toelichting, board-pack-secties, KPI-extract, etc.
- Een handelsbedrijf met 50 FTE loopt het debiteuren-proces door en vindt 8 kansen: betalingsgedrag-classificatie, gepersonaliseerde herinneringen, escalatie-routing, betalingsregelinggespreksvoorbereiding, en automatische CRM-update na inning.
- Een professional-services-firma (35 FTE) mapt BTW-aansluiting en vindt 6 kandidaten: balans-aangifte-aansluiting, ICP-controle, voorbelasting-correctie, oninbare debiteuren-suppletie, concept-correcties.
Wat deze drie gemeen hebben: niemand begon bij "waar zetten we AI in finance in". Ze begonnen bij het proces, en AI was het antwoord op "wat kan deze stap simpeler maken".
Audit-grade-perspectief
Procesmapping vóór AI-implementatie heeft een tweede waarde: het is documentatie van je AS-IS-proces. Als je later AI inzet en een externe accountant vraagt "wat was het proces zonder AI en wat is veranderd", heb je dat antwoord direct. Een audit-trail begint niet bij de eerste AI-actie maar bij de mapping van wat ervoor was. Bewaar de mapping bij je interne beheersing-documentatie.
Saldus in de praktijk
Een procesmapping kan met of zonder vendor in beeld. Het Start 2 Scale-assessment (/assessment) levert deze mapping als deel van de twee-wekelijkse scan — inclusief de longlist en de eerste scoring. Als Saldus daarna in beeld komt, sluit de longlist direct aan op de bouwblokken die Saldus levert (Q&A op boekhouding, balance/movement-tools, aging-overzichten, approval-inbox).