AI in Power BI én Tableau: praten met je cijfers is handig, maar wat ziet die AI eigenlijk?
Steeds meer CFO’s experimenteren met AI bovenop hun BI-omgeving. Of dat nu Power BI is of Tableau, het idee is hetzelfde: minder vaste rapporten, meer directe antwoorden. Een vraag in gewone taal levert direct inzicht op in omzet, marge of afwijkingen ten opzichte van budget.
Dat voelt als vooruitgang. En dat ís het ook.
Maar die nieuwe manier van werken roept een vraag op die zelden expliciet wordt gesteld: welke data mag deze AI eigenlijk zien en combineren?
AI kijkt niet naar dashboards, maar naar de datalaag
Voor finance zijn dashboards het vertrouwde eindpunt. Ze tonen wat vooraf is gedefinieerd en gecontroleerd. Maar AI werkt fundamenteel anders. Een AI redeneert niet vanuit visuals, maar vanuit de datalaag eronder.
Bij Power BI heet dat het semantische model.
Bij Tableau gaat het om databronnen, relaties, berekeningen en de logische datalaag.
De namen verschillen, de werking niet. In beide gevallen vormt deze laag de financiële waarheid waar AI zijn conclusies op baseert.
Wat doet een LLM precies?
De AI-functies in zowel Power BI als Tableau zijn gebaseerd op Large Language Models (LLM’s). Dat zijn systemen die:
- vragen begrijpen in natuurlijke taal,
- zelfstandig verbanden leggen,
- en nieuwe inzichten formuleren op basis van wat ze mogen analyseren.
Een LLM is geen vast rapport. Het is eerder een redeneerpartner die toegang krijgt tot je financiële structuur. En precies daar zit de governance-vraag.
Power BI en Tableau: verschillende techniek, hetzelfde risico
Microsoft introduceert met MCP expliciet een mechanisme dat bepaalt welke context een AI meekrijgt. Bij Tableau is dat minder zichtbaar georganiseerd, maar functioneel gebeurt hetzelfde.
Bij Tableau krijgt AI context via:
- de gekoppelde databron,
- beschikbare velden en berekeningen,
- metadata en KPI-definities,
- en de gebruikersrechten die aan die bron hangen.
Met andere woorden: wie de databron beheerst, bepaalt wat de AI kan weten.
Voor CFO’s is dat een herkenbaar principe. Governance verschuift van rapporten naar bronstructuren.
Waarom bestaande autorisaties niet voldoende zijn
Zowel in Power BI als in Tableau zijn autorisaties vaak keurig ingericht. Gebruikers zien alleen wat ze mogen zien. Maar die inrichting is ontworpen voor mensen, niet voor AI.
Een AI:
- combineert data zonder vaste rapportlogica,
- trekt conclusies uit meerdere bronnen tegelijk,
- en kan gevoelige inzichten afleiden zonder dat die ooit expliciet zijn getoond.
Voor finance is dit geen nieuw type risico. Het lijkt sterk op klassieke beheersingsvraagstukken rond managementinformatie en vertrouwelijkheid — alleen nu versneld en geautomatiseerd.
De verschuiving waar CFO’s alert op moeten zijn
Met AI verschuift het controlepunt:
- van wie ziet welk dashboard
- naar welke data mag worden gebruikt om te redeneren.
Dat raakt direct aan:
- interne versus externe cijfers,
- aannames, correcties en uitzonderingen,
- en de uitlegbaarheid van financiële inzichten richting bestuur en toezichthouders.
Het maakt niet uit of je met Power BI of Tableau werkt. De vraag blijft dezelfde.
AI als nieuwe financiële actor
Het helpt om AI niet te zien als een feature, maar als een nieuwe actor in het financiële speelveld. Een actor die sneller denkt dan mensen, breder combineert en geen context “vergeet”.
Zoals bij elke actor geldt: zonder duidelijke spelregels ontstaat risico.
Met duidelijke grenzen ontstaat juist waarde.
De kernvraag voor CFO’s
Niet:
“Welke AI-functionaliteit biedt mijn BI-tool?”
Maar:
“Is de toegang van AI tot onze financiële datalaag expliciet, beheerst en uitlegbaar ingericht?”
Wie die vraag nu stelt, is voorbereid op de volgende fase van data-gedreven finance. Wie wacht, loopt het risico dat AI meer weet dan ooit de bedoeling was.