Fintech baropaper 2026
Terugkerend onderzoek
Voor veel finance-professionals is AI de volgende logische stap om toe te voegen aan hun processen. Maar een digitale collega toevoegen daar waar het er echt toe doet, is niet eenvoudig. Andere sectoren experimenteren volop en zetten AI dicht in op kernprocessen. Binnen finance beweegt men voorzichtiger. Wetgeving is terecht scherp en houdt de sector waakzaam als het om de inzet van AI gaat. Of toch niet?
Voor het negende jaar op rij ondervroeg de FinTech Barometer van Onguard 336 CFO’s, finance managers en creditmanagementprofessionals in Nederland. AI stond vorig jaar ook op de agenda, maar waar het toen vooral om de belofte ging, gaat het dit jaar om de praktijk. Hoe zetten finance-professionals AI daadwerkelijk in, hoe houden ze controle en zorgen ze dat beslissingen altijd te verantwoorden blijven? Dit onderzoek laat zien dat AI-adoptie in de sector verder is dan de controle erop. En dat is zelfs aan de top merkbaar.
Voor het negende jaar op rij ondervroeg de FinTech Barometer van Onguard 336 CFO’s, finance managers en creditmanagementprofessionals in Nederland. AI stond vorig jaar ook op de agenda, maar waar het toen vooral om de belofte ging, gaat het dit jaar om de praktijk. Hoe zetten finance-professionals AI daadwerkelijk in, hoe houden ze controle en zorgen ze dat beslissingen altijd te verantwoorden blijven? Dit onderzoek laat zien dat AI-adoptie in de sector verder is dan de controle erop. En dat is zelfs aan de top merkbaar.
“Grip op AI is een bestuurlijk vraagstuk, geen IT-kwestie. Als je als CFO een AI-beslissing niet kunt uitleggen, dan ben je de controle over je eigen verantwoordingsplicht kwijt. Dat is precies waarom we dit onderzoek blijven uitvoeren, jaar na jaar.” – Dennis Kromhout van der Meer, managing director bij Onguard
Wat dit rapport laat zien in 30 seconden - Van de creditteams
EU AI Act
De EU AI Act geldt sinds augustus 2024 en raakt iedere organisatie in Europa die AI-diensten of -tools gebruikt of beschikbaar stelt. De wet deelt AI-systemen in vier risicocategorieën in: laag risico, beperkt risico, hoog risico en onaanvaardbaar risico. Hoe hoger het risico, hoe strenger de eisen.
Voor finance en creditmanagement is één toepassing specifiek relevant: AI die de kredietwaardigheid of kredietscore van individuele personen beoordeelt. Dit valt in de categorie hoog risico. Daardoor gelden er vanaf december 2027 strenge eisen rond menselijk toezicht, logging, documentatie en uitlegbaarheid richting betrokken.
AI rukt op
Hoofdstuk 1
AI is bezig met een snelle opmars in finance. Het gebruik is op dit moment bijna fifty-fifty verdeeld: 48 procent gebruikt het niet, 45 procent gebruikt het wel, 7 procent is niet zeker. Wat opvalt, is dat CFO’s AI meer zeggen te gebruiken dan financiële medewerkers. Precies andersom dan de belofte van AI. Want het repeterende werk waar AI het meeste potentie voor heeft, dossiers doornemen, mails beantwoorden, debiteuren opvolgen, ligt niet op het bureau van de CFO, maar bij de groep die AI het minst zegt te gebruiken.
“AI is een hype in ons vak. Het gebruik neemt toe, maar ik zie nog geen versnelling in het primaire proces of in het hart van creditmanagement. Het wordt vooral ingezet aan de zijkanten, bijvoorbeeld ChatGPT of Claude in combinatie met Excel. Maar dat hoeft niet te betekenen dat organisaties achterlopen. Zodra beslissingen op basis van kunstmatige intelligentie de kredietwaardigheid van een klant raken, val je onder de EU AI Act en moet je verantwoording en security op orde hebben voordat je met AI begint. Daarom zien we in aanbestedingen geregeld dat organisaties vragen of AI-onderdelen in software uitgezet of zelf beheert kunnen worden. Dit zijn bedrijven die precies snappen waar ze mee bezig zijn. In finance is beperkt AI-gebruik soms een heel bewuste keuze.” – Willand Brienen, teamlead AI solutions & product bij Onguard
Ik maak gebruik van AI op m'n werk
55%
CFO's
50%
Financieel management
36%
Financieel medewerkers
De uitlegbaarheidskloof
Hoofdstuk 2
De inzet van AI in finance vraagt erom dat je te allen tijde uit kunt leggen richting board, auditor of toezichthouder hoe beslissingen tot stand zijn gekomen. Toch is dat op veel finance-afdelingen niet de realiteit. Slechts achttien procent kan een AI-beslissing over kredietverlening of incasso volledig inhoudelijk onderbouwen.
“AI-gedreven beslissingen grotendeels kunnen onderbouwen klinkt geruststellend, maar betekent net zo goed dat je voor het grootste deel niet weet wat AI op de achtergrond doet. Bij het verstrekken van een lening of innen van een vordering is dat problematisch. De uitlegbaarheid van een AI-beslissing hangt af van het type AI dat je inzet. Vraag je een taalmodel om een mail samen te vatten, dan kun je niet herleiden waarom het ene stuk wel is meegenomen en het andere niet. Werk je echter met een scoringsmodel, dan zitten daar spelregels en formules aan vast die je kunt vastleggen en dus onderbouwen. Dat is niet alleen vanuit compliance cruciaal. Kijk maar naar de impact toen de overheid een algoritme gebruikte dat ze niet kon uitleggen. De reputatieschade is enorm. Voor financiële instellingen geldt dit des te meer. Achteraf reconstrueren wat een model heeft gedaan, is niet te doen. Dat moet je vooraf inrichten.” – Marco Bontje, international sales consultant bij Onguard
In hoeverre kun je een AI-gedreven beslissing over het geven van een lening of het innen van schulden inhoudelijk onderbouwen richting board, auditor of toezichthouder?
Snelheid vs controle
Hoofdstuk 3
De meeste finance-professionals zien zowel finance breed als specifiek in het incassoproces dat de mate van controle gelijk blijft door AI in te zetten. De vraag is alleen: gelijk aan wat? In het vorige hoofdstuk zagen we dat nog geen één op de vijf een AI-gedreven beslissing volledig inhoudelijk kan onderbouwen. Als de meerderheid dat niet kan, dan is de vraag of controle die op hetzelfde niveau blijft een goed teken is. Want tegelijkertijd is bijna een derde van de professionals van mening dat je met AI-snelheid inboet op controle.
Het effect van AI op snelheid en controle binnen finance
“Hoe de weegschaal tussen snelheid en controle moet staan, hangt af van waar je AI toepast. Aanmaningen versturen is niet zo spannend, daar is weinig controle voor nodig. Maar gaat het om een belangrijke budgetteringsbeslissing, dan is snelheid minder belangrijk. Met de gevoeligheid van ons vakgebied is snelheid bijna altijd ondergeschikt aan kwaliteit. Lever je daarop in, dan krijg je de snelheidswinst vroeg of laat terug in je gezicht.” – Willand Brienen, teamlead AI solutions & product bij Onguard
Het effect van AI op snelheid en controle in het incassoproces
Menselijke controle en eigenaarschap
Hoofdstuk 4
Controle is bij AI-inzet dus niet vanzelfsprekend. Specifiek bij het innen van openstaande betalingen, zit dit vooral in hoe processen rondom technologie zijn ingericht.
Het grootste knelpunt voor AI zijn volgens finance-professionals beslissingen die niet vastgelegd zijn. Iets wat AI per definitie niet kan meenemen bij het automatisch innen van betalingen. Ditzelfde zie je terug in de drie andere knelpunten: het ontbreekt aan structuur.
Het grootste knelpunt voor AI zijn volgens finance-professionals beslissingen die niet vastgelegd zijn. Iets wat AI per definitie niet kan meenemen bij het automatisch innen van betalingen. Ditzelfde zie je terug in de drie andere knelpunten: het ontbreekt aan structuur.
De vier knelpunten voor AI bij het innen van openstaande betalingen
34%
Beslissingen die via e-mail of losse afspraken lopen
24%
Ad-hoc handmatige oplossingen
22%
Verouderde ERP-systemen die niet goed aansluiten
18%
Onvoldoende duidelijke proces- en data-eigenaarschap
Als AI alleen kan bouwen op wat is vastgelegd, dan moet je als mens de rest opvangen. Toch geeft de helft van de finance-professionals aan dat menselijke controle vaak, maar niet altijd onderdeel is van AI-processen. Slechts bij één op de drie is het standaard ingebouwd.
AI neemt gewoon beslissingen voor je, of het nu alle relevante informatie heeft of niet. Het gaat er vooral om dat de informatie die er wel is, betrouwbaar en toegankelijk is voor AI. En dat je de uitkomsten achteraf kunt verantwoorden, ook als het systeem niet het hele plaatje heeft. Veel belangrijke informatie zit in het incassoproces niet in de cijfers, maar in de nuances daaromheen. Dat het niet goed gaat met een debiteur is bijvoorbeeld iets wat nooit uit cijfers alleen af te lezen is. Daar zit meteen het meest essentiële in ons vak: de menselijke factor en het onderhouden van de klantrelatie. En daar geeft AI je in theorie meer tijd voor.” – Marco Bontje, international sales consultant bij Onguard
Menselijke controle is onderdeel van onze AI-processen
- Vaak
- Altijd
- Zelden
- Nooit
Menselijke controle in de praktijk
Bijna zeven op de tien organisaties moeten met enige regelmaat AI-beslissingen controleren of corrigeren. Menselijke controle is dus niet alleen een mooie belofte van organisaties, maar wordt daadwerkelijk gebruikt bij AI-beslissingen. Toch is het juist de groep die geregeld AI-gedreven beslissingen moet corrigeren die om aandacht vraagt. Voor hen is ingrijpen structureel. Dat sluit direct aan bij waar we dit hoofdstuk mee openden. Als obstakels voor AI vooral bestaan uit beslissingen en losse afspraken die niet vastgelegd zijn, dan is menselijke correctie van het werk van AI eerder een logisch gevolg dan een verrassing. De mens vangt op wat het systeem niet kan zien.
Hoe vertaalt dit zich specifiek naar de praktijk van incassoprocessen?
Frequentie van AI-gedreven beslissingen die tot correcties, uitzonderingen of handmatige beoordeling leiden
Incasso als casus
Hoofdstuk 5
Het grootste risico van AI-gedreven incasso binnen de organisatie
Zorgen rondom inzet AI
De zorgen rondom de inzet van AI in incasso zitten op meerdere vlakken en professionals zijn het oneens over het grootste risico. In het oog springt de twintig procent die een governancerisico signaleert met onvoldoende bestuurlijke grip. Die zorg vertaalt zich naar de praktijk. Ruim de helft (54%) geeft toe dat ze een AI-beslissing niet volledig kan uitleggen of herleiden als een auditor daar vandaag naar vraagt. Opvallend is dat vooral CFO’s dit onderschrijven (74%), terwijl zij juist verantwoording moeten afleggen over deze beslissingen.
Het is overigens niet zo dat dit soort AI-gedreven processen zonder menselijk toezicht gebeuren. 63 procent grijpt zelf regelmatig of af en toe in door AI-gedreven beslissingen te corrigeren of terug te draaien. Het is dus niet zozeer de vraag of er door mensen wordt ingegrepen, maar of dat ingrijpen later te verantwoorden is.
Het is overigens niet zo dat dit soort AI-gedreven processen zonder menselijk toezicht gebeuren. 63 procent grijpt zelf regelmatig of af en toe in door AI-gedreven beslissingen te corrigeren of terug te draaien. Het is dus niet zozeer de vraag of er door mensen wordt ingegrepen, maar of dat ingrijpen later te verantwoorden is.
AI in incasso staat in veel organisaties nog in de kinderschoenen. Toch zien we al organisaties die dit goed hebben geregeld. Elke AI-beslissing wordt tot op debiteurniveau vastgelegd in een audit trail, inclusief de data waarop de beslissing gebaseerd is. AI geeft advies, maar de mens beslist, tekent af en ook die stap wordt gelogd. Zo blijft een AI-gedreven beslissing altijd herleidbaar.” – Dennis Kromhout van der Meer, managing director bij Onguard
Hoe vaak moeten AI-gedreven incassobeslissingen worden gecorrigeerd of teruggedraaid?
Grip begint bij een keuze
Conclusie
AI-adoptie en grip zijn twee sporen die met dezelfde snelheid moeten verlopen. De Fintech Barometer 2026 laat een sector zien die AI behoedzaam in processen verwerkt. AI-gebruik is vrijwel fifty-fifty verdeeld.
Maar die behoedzaamheid betekent niet dat AI op een stevige basis wordt gebouwd. Een AI-gedreven beslissing volledig kunnen onderbouwen is eerder uitzondering dan de regel. Waar AI processen sneller maakt, zien professionals controle aan de andere kant afnemen. Dat is een structureel probleem: beslissingen en afspraken zijn nog niet altijd vastgelegd, waardoor juist de nuances en informatie rondom processen buiten beeld van AI blijven. Bewust of niet, zolang dat zo blijft is elke AI-onderbouwing per definitie incompleet. Menselijke controle houdt dit tot nu toe overeind, maar niet consistent. Bij de meeste organisaties is menselijke tussenkomst bij AI-beslissingen gebruikelijk, maar geen standaard onderdeel in ieder proces. Dit loopt door tot aan de top. Uitgerekend bij de CFO, degene die verantwoording moet afleggen, is het aandeel dat een AI-beslissing niet kan uitleggen het grootst. Weten welke beslissingen je maakt en waarom, zeker als AI daar een rol in speelt, valt of staat met vooraf zorgen voor controle en grip. Niet pas als een auditor, toezichthouder, klant of wetgeving erom vraagt.
Maar die behoedzaamheid betekent niet dat AI op een stevige basis wordt gebouwd. Een AI-gedreven beslissing volledig kunnen onderbouwen is eerder uitzondering dan de regel. Waar AI processen sneller maakt, zien professionals controle aan de andere kant afnemen. Dat is een structureel probleem: beslissingen en afspraken zijn nog niet altijd vastgelegd, waardoor juist de nuances en informatie rondom processen buiten beeld van AI blijven. Bewust of niet, zolang dat zo blijft is elke AI-onderbouwing per definitie incompleet. Menselijke controle houdt dit tot nu toe overeind, maar niet consistent. Bij de meeste organisaties is menselijke tussenkomst bij AI-beslissingen gebruikelijk, maar geen standaard onderdeel in ieder proces. Dit loopt door tot aan de top. Uitgerekend bij de CFO, degene die verantwoording moet afleggen, is het aandeel dat een AI-beslissing niet kan uitleggen het grootst. Weten welke beslissingen je maakt en waarom, zeker als AI daar een rol in speelt, valt of staat met vooraf zorgen voor controle en grip. Niet pas als een auditor, toezichthouder, klant of wetgeving erom vraagt.
“De komende jaren draait het wat Onguard betreft niet om zoveel mogelijk AI, maar om bewustere inzet. Niet ieder proces vraagt om dezelfde mate van autonomie, controle of uitlegbaarheid. Een betalingsherinnering is iets anders dan besluiten om een klant naar incasso door te zetten. AI kan in beide situaties waarde toevoegen, maar op een andere manier. De volwassenheid zit juist in die keuze. Waar laat je AI ondersteunen, adviseren of zelfstandig handelen en welke mate van controle past daarbij? Zo kijken we bij Onguard ook naar verdere AI-adoptie.” - Willand Brienen, teamlead AI solutions & product bij Onguard.
Wat de data laat zien
Best practices:
- Weet waar je AI wel en niet kunt inzetten Niet elk proces leent zich voor automatisering. Zo is AI geschikt om risico’s vroeg te signaleren, bijvoorbeeld negatieve berichtgeving over een klant. Maar de vervolgstap, hoe je daarop reageert richting de klant, blijft mensenwerk. Probeer daarom niet haantje de voorste te zijn, maar zet AI pas in als je zeker weet dat het kan. Zeker bij plekken met grotere risico’s, bijvoorbeeld voor de klantrelatie. Bepaal per processtap of AI een taak overneemt of alleen mag ondersteunen. Soms is minder AI beter.
- Richt uitlegbaarheid vooraf in, niet achteraf Achteraf reconstrueren wat een AI-model heeft gedaan, gaat niet. Leg daarom per beslissing vast welke data is gebruikt, welk advies AI gaf en wie hier akkoord op gaf. Als je deze stappen niet inzichtelijk maakt, dan blijft AI een black box waar je niet op kunt terugvallen zodra een belangrijke stakeholder erom vraagt.
- Innoveer gericht met AI De grootste winst van AI zit vaak niet in het meest ambitieuze idee, maar in de kleine dingen. Het voorsorteren van binnenkomende e-mails, het maken van analyses of het opstellen van advies kun je vandaag al volledig automatiseren. Dat zijn misschien niet de meest indrukwekkende toepassingen, maar ze zijn wel direct bruikbaar én uitlegbaar. En daar gaat het uiteindelijk om.
Over het onderzoek
Jaarlijks onderzoekt Onguard hoe finance professionals aankijken tegen de financiële trends en ontwikkelingen van dit moment. Zoals de inzet van nieuwe technologieën en nieuwe betaalmethoden. Dit onderzoek, getiteld de FinTech Barometer, is dit jaar voor de negende keer uitgevoerd. Aan het onderzoek hebben 319 finance professionals meegedaan. Hiervan zijn 101 werkzaam als CFO en 218 als finance professional.
Over Onguard
Onguard versnelt betalingen en verbetert cashflow voor bedrijven door slim credit management. Met onze oplossingen krijg je inzicht in betalingsgedrag, minimaliseer je financiële risico’s en verbeter je communicatie over onbetaalde facturen. Het resultaat? Snellere betalingen, minder afschrijvingen en lager klantverloop. Met meer dan 30 jaar ervaring faciliteren we geoptimaliseerd werkkapitaal en bieden waardevolle tijd met jouw klanten door het afhandelen van dagelijkse activiteiten.
Onguard is een software bedrijf met meer dan 30 jaar ervaring in het faciliteren van geoptimaliseerd werkkapitaal door middel van slim credit management. Bottom line, wij bieden waardevolle tijd met jouw klanten door het afhandelen van de dagelijkse activiteiten.
Meer weten?
Heb je vragen over onze oplossing of over hoe je het credit management proces binnen jouw organisatie zo optimaal mogelijk kunt inrichten? Neem dan contact met ons op, we helpen je graag.
Bel ons:
+31 (0) 88 256 66 66
+44 (0) 20 396 683 24
E-mail ons:
contact@onguard.com
Copyright © Onguard. Alle rechten voorbehouden.
De informatie in deze baropaper is met zorg samengesteld. Desondanks wijst Onguard iedere aansprakelijkheid af voor de gevolgen van onvolledigheid of onjuistheid van de informatie in deze baropaper.