Financial due diligence · AI en controle
De CSV's gingen in een AI-tool. Zou je er de overname op baseren?
Een grote onderneming die regelmatig overnames doet, liet weten Insitely niet nodig te hebben. De financiële CSV-bestanden gingen gewoon in een LLM en de analyse kwam er vlot uit. Dat dit kan, staat niet ter discussie. De vraag is een andere: zou je er ook de overnamebeslissing op baseren?
Laat één ding duidelijk zijn: bij Insitely is de houding tegenover AI uitgesproken positief.
AI wordt er ingezet als hulp bij softwareontwikkeling, voor R&D en om nieuwe benchmark- en analysemethodes te onderzoeken. Dat versnelt het werk en helpt om ideeën sneller te testen. De output wordt wel gecontroleerd en getest voordat die deel wordt van het product of van een financiële analyse.
AI is dus niet de tegenstander van Insitely. Integendeel.
Maar een overtuigend antwoord is nog geen controleerbare analyse.
Een plausibel antwoord is geen bewijs
Geef een taalmodel enkele CSV-bestanden en een duidelijke prompt en het kan snel trends benoemen, afwijkingen signaleren en tabellen samenvatten. Voor een eerste verkenning is dat waardevol.
Een financial due diligence vraagt meer. De analyse kan mee bepalen hoeveel een koper betaalt, welke garanties in de overeenkomst komen en of de transactie doorgaat.
Dan volstaat het antwoord niet. Je moet ook kunnen aantonen:
- dat alle relevante bestanden en perioden volledig zijn verwerkt;
- dat omzet, marge en balans aansluiten op de broncijfers;
- welke mappings, correcties en aannames zijn toegepast;
- dat dezelfde verwerking opnieuw tot hetzelfde verklaarbare resultaat leidt;
- wie de uitkomst heeft gecontroleerd en er verantwoordelijkheid voor neemt.
Een taalmodel kan een antwoord overtuigend en zelfverzekerd formuleren zonder zichtbaar te maken of alle bestanden, perioden en uitzonderingen juist werden geïnterpreteerd. Dat maakt een LLM niet onbruikbaar. Het betekent wel dat vlot geformuleerde zekerheid geen controlemethode is.
Heeft de verkopende partij hiermee ingestemd?
Een overnamedossier bevat vertrouwelijke informatie: klantnamen, prijzen, marges, personeelsgegevens, contractinformatie en gedetailleerde boekingen. Wist de over te nemen partij dat die gegevens in een AI-systeem werden ingevoerd? Past dat binnen de afspraken van de dataroom, de geheimhoudingsverplichtingen en het interne informatiebeveiligingsbeleid?
Welke AI-omgeving in dit concrete geval werd gebruikt, is niet bekend. Misschien was ze correct ingericht met passende contracten en technische waarborgen. Misschien ook niet. Net daarom moeten enkele vragen vooraf beantwoord zijn:
- Waar worden uploads en resultaten verwerkt en bewaard?
- Wie kan er toegang toe krijgen?
- Wordt de informatie gebruikt om modellen verder te trainen?
- Wat gebeurt er na de analyse met de geüploade bestanden?
"Het staat in onze AI-tool" zegt niets over waar die data terechtkomt, wie ze kan inkijken of hoe lang ze blijft staan.
Een tweede AI-model is geen audit
Je kunt dezelfde analyse door een tweede LLM laten uitvoeren. Verschillen wijzen meteen op verder onderzoek. Komen beide tot hetzelfde resultaat, dan weet je nog altijd niet dat het juist is.
Ze kunnen dezelfde kolom verkeerd interpreteren, dezelfde ontbrekende periode missen of dezelfde foutieve aanname maken. Overeenstemming is een nuttige gevoeligheidstest maar geen aansluiting met de boekhouding.
De echte controle is minder spectaculair:
- Stem de ingelezen data af met de bronbestanden en boekhoudkundige totalen.
- Leg mappings, filters, berekeningen en manuele correcties vast.
- Maak uitzonderingen en onzekerheden zichtbaar.
- Bewaar een reproduceerbaar spoor van bron tot eindresultaat.
- Laat een ervaren analist de financiële betekenis beoordelen.
Dat is het verschil tussen een antwoord krijgen en een analyse kunnen verdedigen.
AI als assistent, een vaste datalaag als fundament
AI hoeft dus niet buiten een overnamedossier te blijven. Het kan sterk helpen bij verkennende analyses, hypotheses, afwijkingen, code en documentatie.
Maar de financiële basis hoort niet bij iedere prompt opnieuw te ontstaan.
Insitely haalt beschikbare gegevens via een beveiligde koppeling uit ondersteunde boekhoudpakketten en structureert ze volgens een herhaalbaar dataproces voor Power BI en Excel. Zo ontstaat eerst een consistente financiële datalaag. Daarboven kan AI helpen zoeken, vergelijken en verklaren terwijl de analist de controles en het professionele oordeel bewaakt.
Gebruik AI om sneller tot betere vragen en inzichten te komen. Niet om de controleerbaarheid van de onderliggende cijfers over te slaan.
Een LLM dat binnen enkele minuten een analyse oplevert, is indrukwekkend. Bij een overname blijft de beslissende vraag dezelfde:
Kun je aantonen dat het antwoord volledig, juist, veilig verwerkt en reproduceerbaar is? En zo niet: zou je er werkelijk de overname op baseren?
Hoe wordt AI vandaag in jullie DD-proces gebruikt?
Waar helpt AI jullie analisten vandaag vooruit en welke controles blijven bewust buiten het model? In een inhoudelijk gesprek leggen we jullie proces naast de combinatie van een vaste datalaag, menselijke validatie en gerichte AI-ondersteuning.
Over Roel Bäumer
Ondertussen 18 jaar data en BI, bij middelgrote tot grote ondernemingen. Met Insitely combineer ik een herbruikbare financiële datalaag met implementatie- en M&A-data-expertise. Waar een dossier extra analyse of maatwerk vraagt, kan ik ook als data-specialist naast het bestaande dealteam worden ingeschakeld.
Verder lezen: Waarom gedetailleerde grootboekdata onmisbaar is bij financial due diligence