Finance-editie
Een Bloomberg-onderzoek laat zien wat er gebeurt als mensen een AI-aanbeveling te snel vertrouwen. Verder: 78.000 AI-ontslagen, Gartner die zegt dat 30 procent later weer terugkomt, en accountants die AI de grootste verandering noemen maar nog in Excel afstemmen.
Als de AI sneller is dan de controle: de les uit het Palantir-onderzoek
Een proces dat uren duurde ging naar minuten, en niemand merkte dat de onderliggende gegevens niet klopten.
Bloomberg publiceerde op 18 september een onderzoek naar een dodelijke luchtaanval op een school in Minab, Iran, op 28 februari. Daarbij kwamen 123 kinderen om. Volgens het onderzoek speelde overmatig vertrouwen op het Maven Smart System van Palantir mee. Dat systeem gebruikt Claude van Anthropic om doelen semi-automatisch te rangschikken. Militairen van het Amerikaanse Central Command verwachtten dat Maven verouderde of tegenstrijdige informatie zou signaleren. Dat gebeurde niet. Het samenstellen van doellijsten duurde normaal uren en werd met het systeem teruggebracht tot enkele minuten. Palantir zegt dat er geen bewijs is dat de software verkeerd werkte, en dat het bedrijf niet verantwoordelijk is voor de onderliggende gegevens. Het heeft wel nieuwe controles toegevoegd die tegenstrijdige informatie moeten opsporen. Dit is geen finance-verhaal, en toch is het er één. Het patroon is precies dat van jouw vak: een systeem dat sneller uitkomsten levert dan mensen kunnen nakijken, gebruikers die aannemen dat het systeem zelf wel waarschuwt bij rommelige data, en een leverancier die zegt dat de data niet zijn probleem is. Zet vandaag op papier welke AI-uitkomst in jouw proces niemand meer narekent omdat het systeem het toch ziet. De versnelling zelf is het risico. Als een lijst in minuten klaar is in plaats van in uren, verdwijnt de tijd waarin iemand toevallig iets vreemds opmerkt. Tegelijk wordt de uitkomst overtuigender, want hij komt geordend en met een rangorde binnen. In finance werkt dat hetzelfde: een AI die facturen koppelt of afwijkingen aanwijst levert een nette lijst, maar zegt niet dat de bron ervan oud of tegenstrijdig is. De controle die je overhoudt is niet de som, maar de vraag of de invoer klopt. De verantwoordelijkheidsvraag is voor jou het scherpst. Palantir wijst naar de data van de klant, de klant vertrouwde op de software. Die tussenruimte is precies waar het misgaat. Leg bij elke AI-functie in je financiële systemen vast wie aansprakelijk is voor de kwaliteit van de invoer, en wie tekent voor de uitkomst. Staat dat nergens, dan sta jij er uiteindelijk voor.
Achtergrond voor abonneesDeze editie laat één patroon steeds terugkomen: AI maakt werk sneller, maar niemand controleert meer of de onderliggende data klopt. Bij Palantir ging een proces van uren naar minuten en verdween daarmee de tijd om iets vreemds op te merken. Bij accountantskantoren zie je het omgekeerde probleem: AI wordt de grootste aanjager van verandering genoemd, maar 57 procent stemt nog handmatig af in Excel, juist omdat je daar elke stap kunt terugzien. En bij Google kreeg een AI-model per ongeluk toegang tot systemen buiten de testomgeving, simpelweg omdat de rechten ruimer waren dan bedoeld. Voor jouw werk in finance betekent dit: leg vast wie verantwoordelijk is voor de kwaliteit van de invoer bij elke AI-functie, en wie voor de uitkomst tekent. Zonder die afspraak sta jij er uiteindelijk voor.
78.000 techontslagen dit jaar, bijna de helft door AI
Sinds begin 2026 verloren wereldwijd ruim 78.000 werknemers in de techsector hun baan. Bijna de helft wordt direct gelinkt aan AI en automatisering. Oracle is verantwoordelijk voor meer dan 25.000 ontslagen. Amazon schrapte ongeveer 16.000 banen om te investeren in automatisering binnen distributie en cloud. Nederland staat met 1.700 ontslagen relatief hoog op de Europese lijst, vrijwel volledig toe te schrijven aan ASML. Voor wie begrotingen en personeelskosten bewaakt is dit geen ver nieuws: het is het cijfer dat straks in een businesscase op jouw bureau landt. Vraag bij de volgende automatiseringscase welke kosten écht verdwijnen en welke alleen verschuiven naar software, licenties en verbruik. In een businesscase voor automatisering staan de personeelskosten scherp en de softwarekosten vaag. Loonkosten zijn bekend per maand, terwijl AI-kosten vaak per gebruik lopen en met het volume meegroeien. Daardoor ziet jaar één er gunstig uit en jaar drie niet. Reken daarom niet met een vaste licentieprijs, maar met een bandbreedte op basis van verwacht verbruik. Het risico is dat de besparing als vaste opbrengst in de begroting wordt gezet terwijl de kosten variabel zijn. Leg naast elke automatiseringsbesparing daarom een tweede scenario waarin het volume of de prijs per gebruik verdubbelt.
Achtergrond voor abonneesDit is een voorproefje.
Abonnees lezen de hele Finance-editie: alle verhalen, en bij elk de achtergrond in klare taal.
Schrijf je in →Nog niet zover? Lees eerst de gratis brief →
AI en techniek, in klare taal.
Dit is de Finance-editie. Abonnees lezen bij elk bericht de achtergrond, in klare taal.
Inschrijven
inklaretaal · Amsterdam · © 2026