65% van de CFO’s is van plan om hun investering in generatieve AI te verhogen, terwijl het gebruik van AI binnen finance het afgelopen jaar met factor zes is toegenomen, blijkt uit recent onderzoek van McKinsey. Tegelijkertijd laten bredere marktstudies (onder andere van MIT) zien dat het overgrote deel van de AI-pilots nog geen merkbare financiële impact oplevert. De FinTech Baropaper 2025 schetst hetzelfde beeld: de DSO stijgt, de nauwkeurigheid van facturen verslechtert, en de complexiteit van data neemt verder toe. Terwijl AI steeds sneller volwassen wordt, blijft de cashflow achter. Wat houdt finance- en creditmanagementteams tegen om technologie écht om te zetten in beter betaalgedrag en gezondere cashflow?
1. AI kan finance versnellen, maar alleen als de basis op orde is
McKinsey ziet een duidelijk patroon bij finance teams die wél resultaat boeken:
- Ze beginnen niet met ingewikkelde AI-pilots
- Ze standaardiseren eerst processen, schonen data op en koppelen systemen
- Daarna schalen ze AI door naar forecasting, reporting en werkkapitaaloptimalisatie
Organisaties die deze stappen overslaan, bereiken het tegenovergestelde: ze zetten AI in bovenop versnipperde data en gebroken workflows, en de impact blijft uit.
Dat zien we ook terug in de Onguard Baropaper:
- Het aantal factuurfouten blijft stijgen
- Excel maakt opnieuw een comeback
- CRM/ERP/collections-systemen zijn niet volledig geïntegreerd
- Data staat verspreid over verschillende systemen zonder duidelijke governance
Geen enkel AI-model kan de DSO verbeteren als de basisprocessen verkeerde facturen blijven produceren of als goedkeuringsflows onduidelijk zijn.
2. De DSO loopt op, omdat de basisprocessen nog steeds niet kloppen
Door heel Nederland en de EU is hetzelfde patroon zichtbaar: het betaalgedrag verslechtert.
-DSO neemt toe
Slechts 30% van de organisaties wordt binnen 30 dagen betaald, tegenover 42% een jaar eerder.
-Factuurnauwkeurigheid daalt
Het aantal fouten is sinds 2023 meer dan verdubbeld.
–Data is versnipperder dan ooit
38% van de finance professionals noemt dat een groot obstakel.
-Handwerk komt terug
Teams grijpen opnieuw naar Excel omdat de kernsystemen geen betrouwbaar, real-time overzicht bieden.
Deze fundamentele issues blokkeren directe AI-impact. AI kan patronen herkennen, maar het kan geen kapotte stamdata, gebroken processen of onduidelijke verantwoordelijkheden repareren. Het vergroot juist wat er al is; goed of fout.
De belangrijkste oorzaken van stijgende DSO in 2025:
- Onjuiste of dubbele facturen (21%, tegenover 9% in 2023)
- Vertragingen bij klanten
- Stroperige interne goedkeuringsprocessen
- Handmatige correcties
- Gefragmenteerde facturatie- en creditmanagementsystemen
3. Wat doen koplopers anders?
Uit alle onderzoeken komen vijf succesfactoren naar voren die impactvolle organisaties onderscheiden van de rest.
A. Ze beginnen met proceshelderheid, niet met AI-tools
Koplopers versimpelen eerst hun processen.
Ze standaardiseren facturatie, dossierafhandeling, goedkeuringsflows en datadefinities.
Dit vermindert fouten, en precies die fouten zijn in 2025 de grootste oorzaak van stijgende DSO.
B. Ze integreren systemen over de hele O2C-keten
High performers koppelen ERP + CRM + credit management + betaalsystemen. Dat levert op:
- Eén bron van waarheid
- Real-time inzicht
- Betere, schonere data voor AI
- Snellere root-cause analyses
Uit Onguard-data blijkt dat CRM- en boekhoudpakketten inmiddels een veel grotere rol spelen in het O2C-proces dan voorheen. Deze verschuiving naar geïntegreerde tooling is precies waar impact begint.
C. Ze kiezen AI-usecases die direct zichtbaar resultaat geven
De meest effectieve AI-toepassingen volgens McKinsey komen overeen met wat Onguard in de markt ziet:
- Voorspellen van betaalgedrag
- Cashflow-forecasting
- Automatisch opstellen van rapportages
- Slimme prioritering van dossiers
- Contract-factuurcontrole
- Herkennen van uitzonderingen
Teams die met deze “low effort, high impact” usecases starten, bouwen snel momentum op.
D. Ze trainen teams om inzichten te gebruiken — niet alleen tools
Uit de Onguard Baropaper blijkt dat 41% bang is dat AI finance-rollen vervangt. In de praktijk is het omgekeerde waar: AI haalt wrijving weg, mensen voegen context en beoordeling toe.
Koplopers investeren daarom in datavaardigheden, zodat teams AI-inzichten kunnen interpreteren en omzetten in actie.
E. Ze bereiden zich voor op e-invoicing en strengere datakwaliteitseisen
Met de EU-verplichting voor e-invoicing in zicht, beseffen steeds meer organisaties dat gestructureerde, foutloze facturen geen “nice to have” zijn maar een kernvoorwaarde voor lagere DSO.
Vroege adopters creëren daarmee een concurrentievoordeel. AI presteert immers alleen goed op schone en gestructureerde data.
4. Wat betekent dit voor debiteurenbeheer in 2025-2027?
Drie ontwikkelingen zijn onvermijdelijk:
A. Predictive credit management wordt de norm
De shift van “reactief incasseren” naar “voorspellend voorkomen” versnelt. AI kan risico’s op te late betaling vroeg signaleren, maar alleen als de data klopt.
B. Datakwaliteit wordt de grootste driver van cashflow
- Niet automatisering.
- Niet dashboards.
- Datakwaliteit.
C. Geïntegreerde systemen winnen van losse tools
De winnaars zijn niet de organisaties met de meeste technologie, maar die met de best verbonden technologie.
“AI kan forecasting, rapportages, case-prioritering en cashflow-inzicht verbeteren. Maar het werkt alleen als data schoon is, processen gestandaardiseerd zijn, teams de inzichten begrijpen en vanuit dezelfde bron van waarheid werken. AI is de versneller, maar credit management is het stuur. Organisaties die nu investeren in datakwaliteit, integratie en heldere processen, zien AI eindelijk terug in lagere DSO, snellere betalingen en een gezondere cashflow.
-Adriaan Kom, Managing Director, Onguard
Benieuwd waar jouw grootste kansen liggen om DSO te verlagen? Neem contact met ons op; we denken graag met je mee.
