Geschreven door Chaim Franklin, oprichter en trainer van ikwildoen. Bijgewerkt op 4 november 2026.
Het korte antwoord
De afsluiting zelf is geen klus voor een taalmodel. Boekingen, schattingen en de beoordeling of een cijfer klopt, horen bij mensen met de juiste bevoegdheid. Wat wel goed werkt, is AI inzetten voor het schrijf-, sorteer- en uitzoekwerk dat in de laatste dagen van de maand de agenda volloopt. Denk aan een eerste versie van de toelichting op budgetafwijkingen, een ordening van openstaande posten in een aansluiting, of een nette lijst vragen aan de afdelingen die nog iets moeten aanleveren. Teams die zo beginnen, winnen vooral rust in de afsluitweek, niet een volledig geautomatiseerd proces.
Waar de tijd in een afsluiting naartoe gaat
Vraag een controller waar de afsluitweek aan opgaat en je hoort zelden 'boeken'. Het meeste werk zit in wachten op informatie, uitzoeken waarom twee getallen niet aansluiten, en uitleggen waarom de kosten deze maand hoger zijn dan begroot. Dat laatste is vaak het meest tijdrovend, omdat elke afwijking een zin of alinea toelichting vraagt die voor de directie leesbaar is. Juist dat soort werk, waarbij je gestructureerde cijfers omzet in heldere tekst of een rommelige lijst ordent, past bij wat AI goed kan. Het oordeel over de oorzaak blijft bij jou, maar het schrijfwerk hoeft niet elke maand vanaf nul.
Taken die AI goed kan voorbereiden
De eerste kandidaat is de toelichting op afwijkingen. Je geeft de toepassing de begroting, de realisatie en de bekende oorzaken, en vraagt om een concepttoelichting per kostenplaats in de vaste stijl van jullie rapportage. De tweede is het ordenen van openstaande posten in een bank- of tussenrekeningaansluiting: welke posten lijken bij elkaar te horen, welke zijn ouder dan dertig dagen, welke missen een omschrijving. De derde is de afsluitchecklist zelf: AI kan uit losse mails en notities een overzicht maken van wat af is, wat ontbreekt en wie nog moet leveren. De vierde is de memo bij een handmatige boeking of een overlopende post, waarvoor de toepassing een eerste opzet schrijft op basis van jouw aantekeningen. Alle vier hebben gemeen dat iemand in het team de uitkomst in een paar minuten kan controleren.
Waar je AI beter niet laat beslissen
Een taalmodel is geen rekenmachine. Het kan optellingen fout doen en klinkt daarbij net zo zeker als wanneer het goed zit. Laat berekeningen daarom in de spreadsheet of het boekhoudpakket gebeuren en geef AI alleen de uitkomsten om mee te werken. Ook schattingen, zoals de hoogte van een voorziening of een overlopende post, blijven bij het team: daar zit professioneel oordeel en vaak informatie die nergens is opgeschreven. Hetzelfde geldt voor cut-off-vragen, de beslissing of een afwijking materieel is, en alles wat rechtstreeks het grootboek in gaat. AI mag een voorstel doen of een vraag stellen, maar de boeking maakt een mens.
Een voorbeeld: de toelichting op kostenafwijkingen
Stel dat de huisvestingskosten in een maand flink hoger uitvallen dan begroot. De controller weet al waarom: een eenmalige reparatie aan de installatie en een indexatie van de huur die later is verwerkt dan gepland. In plaats van de toelichting zelf te typen, geeft ze de toepassing drie dingen: de tabel met begroting en realisatie per kostenplaats, haar eigen korte aantekeningen over de oorzaken, en twee toelichtingen uit eerdere maanden als voorbeeld van toon en lengte. De toepassing levert een concept dat per regel uitlegt wat er gebeurde, of het eenmalig of structureel is, en wat dat betekent voor de rest van het jaar. Ze leest het na, schrapt één zin die een oorzaak noemt die ze niet had aangeleverd, en past de prognose aan. Het concept scheelt typwerk; de inhoud is nog steeds van haar. Let op die geschrapte zin: dat is precies het soort fout waar je controle op moet inrichten.
Welke gegevens mogen erin
Financiële informatie is bijna altijd vertrouwelijk, en een deel ervan bevat persoonsgegevens, bijvoorbeeld bij salarissen, declaraties of debiteuren die particulier zijn. Gebruik daarom alleen een AI-omgeving die jullie organisatie heeft goedgekeurd, met afspraken over opslag en training op jullie gegevens. Werk waar het kan met geaggregeerde cijfers per kostenplaats in plaats van regels met namen. Spreek af welke soorten informatie nooit in de toepassing gaan, en zet dat in de instructie zelf, zodat de toepassing ook waarschuwt als iemand het toch probeert. Twijfel je over wat wel en niet mag, lees dan eerst ons artikel over veilig werken met bedrijfsinformatie in AI.
Testen voordat je erop vertrouwt
De makkelijkste test ligt al in je archief: een maand die al is afgesloten. Laat de toepassing de toelichting of de ordening maken voor die maand en vergelijk het resultaat met wat het team toen zelf heeft geschreven. Je ziet direct waar het concept klopt, waar het iets mist en waar het iets verzint. Voeg daarna bewust lastige gevallen toe: een kostenplaats zonder aantekening, twee bronnen die elkaar tegenspreken, een bedrag met een tikfout. Een goede toepassing benoemt wat ontbreekt in plaats van een plausibele oorzaak te verzinnen. Draai daarna één echte maand parallel, waarbij het team het eigen werk gewoon doet en het AI-concept ernaast legt. Pas als dat goed gaat, wordt het concept het startpunt.
Wie controleert wat
Leg vast wie het concept naleest en waar diegene op let. Bij een toelichting is dat vooral: noemt de tekst alleen oorzaken die echt zijn aangeleverd, kloppen de bedragen met de tabel, en is de toon geschikt voor de lezer. Spreek ook af dat elke bewering in de uiteindelijke rapportage herleidbaar is naar een bron, net zoals zonder AI. Wie al een vier-ogenprincipe heeft voor de afsluiting, hoeft niets nieuws te bedenken: het AI-concept is gewoon een extra stuk werk dat door die controle gaat. Houd de eerste maanden bij welke correcties nodig waren. Dat lijstje laat zien of de instructie beter moet en waar de grenzen van de toepassing liggen.
Zo begin je volgende maand
Kies één taak uit de afsluiting die elke maand terugkomt, waar het team een duidelijke vorm voor heeft en waar een fout in het concept geen schade doet omdat iemand het toch naleest. Voor de meeste teams is dat de toelichting op afwijkingen. Schrijf de instructie samen met degene die die toelichting nu maakt: welke bronnen leidend zijn, welke stijl en lengte de lezer verwacht, en wat de toepassing moet doen als informatie ontbreekt. Test op een afgesloten maand, draai één maand parallel, en besluit dan of je doorgaat. Na drie afsluitingen weet je of het werkt en welke taak de volgende kan zijn. Wil je dit met je eigen team en je eigen cijfers doen, dan is een AI-training op maat voor finance de snelste route; in een gratis verkenning van 30 minuten kijken we eerst welke stap van jullie afsluiting het meest oplevert.
Veelgestelde vragen
Kan AI een maandafsluiting volledig automatiseren?
Nee. AI kan voorbereidend werk versnellen, zoals toelichtingen, ordeningen en checklists. Boekingen, schattingen en het oordeel of cijfers kloppen blijven bij het finance-team.
Mag ik de proefbalans in ChatGPT plakken?
Alleen als je organisatie die omgeving heeft goedgekeurd voor vertrouwelijke financiële informatie. Gebruik anders geaggregeerde cijfers zonder namen, of een zakelijke omgeving met afspraken over opslag en gebruik van gegevens.
Hoeveel tijd scheelt het?
Dat verschilt per team en per taak. Meet het zelf: noteer bij de parallelle maand hoeveel tijd het concept plus de controle kost tegenover de oude werkwijze, en hoeveel correcties nodig waren.
Welke taak is het beste startpunt?
Meestal de toelichting op budgetafwijkingen. Die komt elke maand terug, heeft een vaste vorm en is snel te controleren door iemand die de cijfers kent.
Bronnen en kaders
Vertaal dit naar je eigen organisatie
In 30 minuten brengen we de eerste concrete AI-kansen samen in kaart.
Plan een gratis verkenning van 30 minuten