Structurele rekenfouten van AI in financiële spreadsheets

U mag generatieve AI niet zelfstandig financiële berekeningen in spreadsheets uitvoeren laten. Bouw in plaats daarvan een gescheiden architectuur waarin het model alleen gegevens structureert, terwijl deterministische rekencode en menselijke goedkeuring de cijfers afdwingen.

De aanleiding is een analyse van 12 oktober 2026 van rekennauwkeurigheid van taalmodellen op financiële spreadsheets, die aantoont dat generatieve AI structureel faalt bij complexe financiële tabellen. Het best presterende model in de eerste benchmark haalde 82,4% nauwkeurigheid op eenvoudige taken, maar slechts 33,3% op samengestelde aggregaties. Een tweede benchmark testte acht geavanceerde modellen op 321 end-to-end spreadsheettaken en vond dat het beste model slechts 34,89% taaknauwkeurigheid bereikte; het debuggen van bestaande formules lukte in ongeveer 12% van de gevallen. In onze beoordeling betekent dit dat onbewaakt gebruik van AI voor kritieke financiële modellen onvoldoende beheerst is, en dat elke kritieke uitkomst door een deterministische rekenlaag moet lopen voordat zij in rapportage belandt.

Waar falen de modellen precies?

De benchmarks identificeren drie soorten fouten. Ten eerste lokaliseren modellen verkeerde cellen in het werkboek, vooral wanneer tabellen meerdere werkbladen bevatten. Ten tweede selecteren zij onjuiste doelcellen voor wijzigingen. Ten derde debuggen zij bestaande formules slecht en voeren zij berekeningen onnauwkeurig uit zodra afhankelijkheden, meerdere perioden of samengestelde metrieken in het spel komen.

De prestaties dalen drastisch wanneer formulehints worden verwijderd. In één getest model zakte de nauwkeurigheid van 70,70% naar 38,22% zodra hints ontbraken. Meerjarige staten, geconsolideerde modellen en geschakelde berekeningen vormen de situaties waarin de benchmarks de grootste kwetsbaarheid aantonen.

Welke risico's ontstaan in de praktijk?

Een peer-reviewed studie in de Journal of Accounting Research documenteert dat generatieve AI al in financiële rapportage voorkomt en dat onnauwkeurige inhoud — verkeerde bedragen of data — risico's oplevert voor investeerders, rechtszaken en sancties. Dit is geen theoretische kwestie meer: controle is een actuele beheersingsbehoefte.

Bovendien ontstaat een aantoonbaarheidsprobleem. Wanneer een foutieve post later in een jaarrekening of due-diligencedossier opduikt, kunnen juristen en bestuurders niet reconstrueren welke cel, welk werkblad en welke formule eraan ten grondslag lagen. Dit maakt het onmogelijk om verantwoordelijkheid vast te stellen of fouten te herstellen.

Welke controles moet u inbouwen?

• Gescheiden architectuur — laat het model alleen gegevens structureren en interpreteren, nooit de cijfers afdwingen.
• Deterministische rekenlaag — alle berekeningen lopen door spreadsheet-engines of deterministische code, niet door het model.
• Brontraceerbaarheid — leg van het begin af vast welk werkblad, welke cel en welke formule elk getal oplevert; reconstrueer dit niet achteraf.
• Formele goedkeuring — een bevoegde financiële professional keurt uitzonderingen en kritieke uitkomsten formeel goed voordat cijfers extern worden gebruikt.
• Afwijkingen als blokkade — behandel elke afwijking tussen modeloutput en rekenengine als procesblokkade, niet als waarschuwing.
• Geen onbewerkte doorvoer — laat modeloutput niet onbewerkt naar downstream-systemen stromen.

Hoe past dit in uw huidige workflows?

De gescheiden architectuur vraagt niet om grotere modellen, maar om andere rollen. Het model structureert data, markeert anomalieën en bereidt invoer voor. De rekenkundige waarheid komt uit deterministische code. De eindverantwoordelijkheid blijft bij een mens.

Dit vereist dat u vastlegt wie welke stap controleert, hoe afwijkingen worden geëscaleerd en welke uitzonderingen handmatige goedkeuring vereisen. Voor geketende verwerkingen — waarin meerdere AI-agents elkaar voeden — geldt extra voorzichtigheid: fouten cascaderen door de keten en kunnen zich vergroten.

Wat zeggen de benchmarks niet?

De benchmarks gebruiken synthetische data en tekstweergaven van spreadsheets. SpreadsheetBench 2 test binnen één specifieke agent-opzet. De studie over lange financiële staten is nog een preprint. De richting is robuust; de exacte percentages zijn gebonden aan de testopzet. Wie dieper op controleerbare AI-output wil ingaan, vindt meer in analyses van AI-verificatie en controleerbare output.

Tooling kan u helpen architectuur in te richten, afwijkingen op te sporen en goedkeuringen vast te leggen. Maar de keuze welke uitkomsten kritiek zijn, welke uitzonderingen handmatig moeten worden goedgekeurd en hoe u verantwoordelijkheid verdeelt, blijft uw eigen professionele oordeel. Geen systeem vervangt dat oordeel.