Hieronder 7 AI-flaters die laten zien waar het mis kan gaan en welke lessen je daar als controller uit kunt trekken.
1. Controleer óók wat er betrouwbaar uitziet
De flater: PwC, EY en KPMG moesten rapporten aanpassen of intrekken omdat daarin verzonnen bronnen, foutieve citaten en niet-bestaande referenties waren opgenomen. De fouten waren afkomstig van AI-systemen en bleven onopgemerkt tijdens de review.
Les voor controllers: Behandel AI-output als een conceptversie, niet als een eindproduct. Controleer bronnen, cijfers, voetnoten en verwijzingen altijd handmatig. Een rapport met een overtuigend taalgebruik kan nog steeds feitelijk volledig onjuist zijn.
2. Vraag bij zoekopdrachten altijd naar de bronnen
De flater: Veel professionals beschouwen ChatGPT en vergelijkbare systemen als een geavanceerde zoekmachine. Daardoor ontstaat een vals gevoel van zekerheid. Want AI geeft altijd een antwoord, ook als het de informatie niet daadwerkelijk kent.
Les voor controllers: Vraag AI om de gebruikte bronnen en controleer die. De primaire bron moet altijd leidend blijven.
3. Laat tijdsdruk geen excuus worden
De flater: Onder tijdsdruk nemen professionals antwoorden van AI sneller over zonder kritische controle. Experts wijzen erop dat hoge werkdruk daarmee een belangrijke oorzaak is van AI-fouten.
Les voor controllers: AI bespaart tijd, maar een deel van die tijdswinst moet terugvloeien naar kwaliteitscontrole. Controleer AI-output altijd zorgvuldig. Zo voorkom je dat tijdswinst omslaat in extra werk om fouten achteraf te herstellen.
4. Houd rekening met de (culturele) context
De flater: Starbucks Korea lanceerde een campagne waarbij AI was ingezet op een uiterst gevoelige nationale herdenkingsdag. De slogan bleek historisch beladen. Het resultaat was een nationale rel, reputatieschade en omzetverlies.
Les voor controllers: AI mist vaak de nuances van cultuur, historie en organisatiecontext. Dat geldt ook voor financiële analyses. Een afwijking in de cijfers kan een eenmalige gebeurtenis zijn die AI niet begrijpt, terwijl een mens de context ziet en direct de juiste verklaring kan geven. Combineer AI-analyses daarom altijd met menselijke.
5. Zorg eerst voor goede data
De flater: Starbucks moest een groot AI-project voor voorraadbeheer stoppen nadat het systeem structureel verkeerde tellingen en classificaties produceerde. Een belangrijke oorzaak hiervan was inconsistente data en rommelige processen.
Les voor controllers: Garbage in, garbage out blijft gelden. Een forecastingmodel of AI-analyse is nooit beter dan de onderliggende data. Investeer daarom eerst in datakwaliteit, standaardisatie en governance voordat AI wordt opgeschaald.
6. Houd de human in the loop
De flater: Verschillende experts signaleren dat professionals AI steeds meer als vervanging van eigen denkwerk gebruiken. Daardoor worden fouten minder snel herkend.
Les voor controllers: Laat AI voorbereiden, samenvatten en analyseren, maar niet zelfstandig besluiten nemen. Als controller blijf je verantwoordelijk voor de uiteindelijke beoordeling. Net als in een vliegtuig: de automatische piloot kan veel werk overnemen, maar de piloot blijft verantwoordelijk.
7. Blijf investeren in je vakmanschap
De flater: Diverse accountants, AI-experts en wetenschappers waarschuwen dat jonge financiële professionals risico lopen als zij te snel in hun carrière op AI vertrouwen zonder eerst zelf expertise op te bouwen. Dan herkennen zij fouten ook niet meer.
Les voor controllers: AI kan een uitstekende sparringpartner zijn, maar is geen vervanger van vakkennis. Je kunt alleen beoordelen of een AI-antwoord klopt als je de materie zelf begrijpt.
Blind vertrouwen, haast en gemakzucht
De grootste AI-risico's zitten in menselijk gedrag: blind vertrouwen, haast, gemakzucht en onvoldoende kennis van de onderliggende data. Controllers die AI succesvol willen inzetten, moeten niet alleen investeren in nieuwe tools, maar vooral in kritisch denken, datakwaliteit en vakmanschap.
Gebruik AI dus alsof je werkt met een zeer slimme junior medewerker: razendsnel, behulpzaam en vaak verrassend goed. Maar het is ook iemand wiens werk je altijd nog controleert voordat je jouw naam eronder zet of ervoor tekent.
