EPM-markttrends 2026: wat de Finext- Line Up -enquête aan het licht bracht over AI, data en de keuze van tools

Wat is er in 2026 veranderd op de markt voor plannings- en consolidatiesoftware?

De beurs begon met een terugblik op een druk jaar. De managementsoftware ‘ Performance ’ – de laag voor planning, consolidatie en rapportage die bovenop een ERP-systeem draait – heeft een jaar vol fusies, rebrandingen en overnames achter de rug, waardoor het voor je moeilijker is geworden om tools op basis van hun eigen marketing te vergelijken.

Private-equitybedrijf Hg heeft OneStream van de beurs gehaald in een transactie ter waarde van ongeveer 6,4 miljard dollar, die op 1 april 2026 werd afgerond, slechts 17 maanden nadat het bedrijf naar de beurs was gegaan. Op 16 september lanceerde insightsoftware Lineos, één merk voor de CFO-afdeling dat de financiële producten bundelt die het bedrijf in de loop der jaren had overgenomen. En Vena, al lang bekend als aanbieder van planningsoplossingen, nam in maart Power BI-planningsspecialist Acterys over en in augustus het agentic AI-bedrijf Morpheo AI, terwijl het tegelijkertijd zijn eigen consolidatieapplicatie ontwikkelde. Ook Pigment bouwt aan een consolidatie-engine. De tabel verwachtte weinig kortetermijngevolgen van de transacties voor klanten; het effect op de roadmaps zal pas op langere termijn zichtbaar worden.

Aan de planningskant komen nieuwe aanbieders op de markt. Met AI-native tools zoals Drivetrain, Aleph en Sapien kunnen financiële teams modellen bouwen door middel van prompts, in plaats van ze handmatig te configureren. Voor de gasten waren de meeste van deze namen nieuw, en dat is precies het punt: ze duiken sneller op dan welk financieel team dan ook kan bijhouden. Hun klanten zijn momenteel scale-ups, technologiebedrijven en dochterondernemingen van grote concerns die op hun logowanden te zien zijn. De organisatoren lieten ook doorschemeren dat een bekende naam op het gebied van consolidatie iets nieuws aan het ontwikkelen is, dat nog onder embargo staat, voor de editie van 2027.

Ook op regelgevingsgebied vond er beweging plaats. Het EU-Omnibusakkoord van december 2025 stelde de CSRD-duurzaamheidsrapportage voor bedrijven uit de tweede fase met twee jaar uit, naar 2028 in plaats van het boekjaar 2027. Aan de tafel heerste een gemengd gevoel over een programma dat twee tot drie jaar had geduurd en vervolgens nog twee jaar extra kreeg. Twee van de drie organisaties aan tafel kozen ervoor om te blijven rapporteren alsof de regels nog steeds van toepassing waren, deels om de teams die het werk deden gemotiveerd te houden.

Hoe deelt Finext plannings- en consolidatietools in?

Het vergelijken van een puntoplossing met een modulair platform op basis van dezelfde criteria zegt je weinig, dus groepeert Finext de tools eerst op basis van hoe ze zijn opgebouwd. De onderstaande indeling is een eigen indeling van Finext, die elk jaar door Finext wordt herzien.

• ‍Organische platforms zijn in de loop der tijd uitgegroeid tot één platform dat verschillende processen ondersteunt, zoals consolidatie, planning en rapportage, zonder dat afzonderlijke producten hoeven te worden geïntegreerd. Voor organisaties met meerdere bedrijfsgroepen zag de tabel hierin een voordeel: elke groep kan zelfstandig rapporteren, terwijl alle gegevens worden samengevoegd in één centraal model. In de classificatie van Finext voor 2026: OneStream en CCH Tagetik.‍
• Modulaire platforms brengen gespecialiseerde producten samen onder één merk, vaak via overnames. je biedt een specialist voor planning en een specialist voor consolidatie, maar onder de motorkap blijven het afzonderlijke technologieën met verschillende datamodellen. Iemand moet de integratie tussen beide onderhouden, en de financiële en bedrijfscontrole moeten elke modelwijziging coördineren, anders valt de integratie uit. In de classificatie van Finext voor 2026: Anaplan (met het voormalige Fluence voor consolidatie), Oracle EPM, SAP Analytics Cloud met SAP Group Reporting, Lucanet en Prophix.‍
• Puntoplossingen zijn gespecialiseerd in één proces en hebben vaak een uiterlijk en bediening die sterk op Excel lijken, waardoor de drempel voor gebruikers lager ligt. De organisatie van een van de gasten gebruikt een puntoplossing voor verkoopplanning binnen één bedrijfsgroep, en de aanwezigen waren het erover eens dat dit niet zou werken op groepsniveau, waar de planning op een ander detailniveau plaatsvindt. In de classificatie van Finext voor 2026: Abacum, Board, Jedox, Pigment, Una en Vena. Aangezien Pigment en Vena beide consolidatiemodules aan het ontwikkelen zijn, kunnen ze in 2027 naar een andere categorie worden verplaatst.

Hoe gaan EPM-leveranciers om met AI?

Vrijwel elke leverancier beweert tegenwoordig over AI-mogelijkheden te beschikken. Om deze beweringen met elkaar te kunnen vergelijken, heeft Finext tijdens de 2026 Line Up een tweede classificatie gepresenteerd, bestaande uit vier categorieën.

• ‍Geen AI (alleen CPM) betekent dat de tool financiële inzichten genereert zoals altijd.
• ‍AI-gerichte tools bevatten een AI-component, bijvoorbeeld het opvragen van gegevens uit de ‘ jouw ’ in natuurlijke taal, maar deze component blijft binnen het product zelf, zodat er geen extern AI-model in aanraking komt met de gegevens.
• ‍Toolsmet geïntegreerde AI maken het platform toegankelijk voor externe grote taalmodellen, meestal via het Model Context Protocol (MCP), een open standaard waarmee AI-assistenten gegevens uit andere software kunnen lezen en daarin acties kunnen uitvoeren.
• ‍AI-native tools zijn ontwikkeld in het tijdperk van generatieve AI, grofweg de afgelopen vier jaar, en beschouwen het geven van prompts als de belangrijkste manier van werken.

In de classificatie van Finext voor 2026 zijn CCH Tagetik, Oracle, SAP en Board AI-gericht. OneStream is AI-geïntegreerd: het beschikt over een eigen ingebouwde AI, SensibleAI, maar staat via MCP ook open voor externe modellen, met de nadruk op Microsoft Copilot. Drivetrain, Aleph, Sapien en Concourse zijn AI-native. In Drivetrain kan een ‘ je ’ bijvoorbeeld niet handmatig een kubus bouwen: je vraag erom en de tool bouwt deze.

Finext stelt geen ranglijst op voor deze categorieën, omdat zowel AI-gerichte als AI-geïntegreerde leveranciers elk op hun eigen manier een afweging maken tussen controle en openheid. Juist bij die afweging begonnen de meningen in de tabel uiteen te lopen.

Moet de financiële sector de voorkeur geven aan een open of een gesloten AI-aanpak?

Het pleidooi voor een gesloten, op AI gerichte aanpak begint bij consolidatie, waar een balans die voor 90 procent juist is, voor 100 procent onjuist is. Leveranciers in deze categorie stellen dat ze alleen correcte output kunnen garanderen en verantwoordelijkheid voor fouten kunnen nemen als ze de technologie van begin tot eind in eigen beheer hebben. Als een extern model de database doorzoekt en iets vreemds teruggeeft, kan niemand zeggen of de fout bij het model of bij de leverancier ligt. Risicomijdende consolidatieteams hechten doorgaans veel waarde aan die duidelijkheid.

Het argument voor een open, AI-geïntegreerde aanpak is dat mensen hoe dan ook AI zullen gebruiken op financiële gegevens. Een gast stelde dat een platform juist om die reden enige openheid nodig heeft: als het gesloten blijft, exporteren mensen de cijfers en bouwen ze met andere tools hun eigen versie van de waarheid op. Een open platform dat de rechten van gebruikers respecteert – zodat een gebruiker via een AI-assistent niet meer inzage krijgt dan in de tool zelf – zorgt ervoor dat AI blijft werken met gereguleerde gegevens. Een andere gast keek uit naar de selfservice die hieruit voortvloeit, waarbij zakelijke gebruikers meer van hun eigen vragen kunnen beantwoorden voordat ze zich tot de financiële afdeling wenden.

Niet iedereen aan tafel was bereid zich open te stellen. Een andere gast wees erop dat een organisatie die gevoelige onderzoeksgegevens bewaart, moet bepalen waartoe een AI-model toegang mag hebben voordat er een verbinding tot stand wordt gebracht, anders komen de gegevens op plaatsen terecht waar niemand dat bedoeld heeft. De gastheren voegden daar het geopolitieke aspect aan toe: je vindt het misschien niet erg dat operationele cijfers via een AI-assistent worden verwerkt, maar je wil waarschijnlijk niet dat een HR-planningsmodel met persoonlijke gegevens via een MCP-verbinding naar een server in een ander rechtsgebied wordt gestuurd. Eén gast zette vraagtekens bij de angst zelf en vergeleek deze met de begintijd van de cloud: onbekend betekent niet automatisch gevaarlijk.

Uit de discussie kwamen twee praktische controles naar voren. Ten eerste: controleer hoe geavanceerd de MCP-koppeling van een leverancier is. Bij sommige kan een AI-model alleen gegevens lezen, terwijl het bij andere ook gegevens kan terugschrijven of een opdracht kan uitvoeren, zoals „een scenario uitvoeren met twee procent meer volume”. Ten tweede: stel de veiligheidsmaatregelen vast voordat je iets koppelt. Breng de AI-toepassingen in kaart die al binnen jouw organisatie bestaan, en bepaal vervolgens wat je toestaat. De deelnemers aan de tafel waren het erover eens dat organisaties die al vroeg hun deuren hebben opengesteld, nu achteraf deze regels moeten toevoegen, wat moeilijker is dan er meteen mee te beginnen.

Waarom is het van de stamgegevens afhankelijke of AI in de financiële sector werkt?

Als er één ding was waarover iedereen aan tafel het eens was, dan was het dit wel. Elke toepassing van AI in de financiële sector is afhankelijk van gestructureerde en betrouwbare gegevens. Wanneer stamgegevens – zoals rekeningen, kostenplaatsen, entiteiten, klanten en leveranciers – duplicaten bevatten of gegevens die niet in alle systemen met elkaar overeenkomen, loopt de analyse van ‘ jouw ’ spaak, en AI maakt het alleen maar erger door snel en vol vertrouwen antwoorden te geven.

Rapporten en spreadsheets waren altijd afhankelijk van schone stamgegevens. AI legt de fouten bloot: wanneer een model een verkeerd antwoord geeft, ziet iedereen in de vergadering dat. Ondertussen gebruiken steeds meer medewerkers AI-tools op hun eigen laptops, al dan niet in overeenstemming met een groepsbeleid dat dit toestaat, en onjuiste stamgegevens maken dat schaduwgebruik riskanter. Een gast beschreef het voordeel in termen van vergaderingen: de geringste twijfel over een gegevenspunt leidt de hele besluitvorming op een zijspoor, dus elk uur dat in stamgegevens wordt geïnvesteerd, levert vele malen meer op.

Het praktische advies uit de rondetafel: leg vanaf het begin definities, kwaliteitsregels en verantwoordelijkheden vast, en overweeg een centraal rekeningstelsel dat door ERP- en EPM-systemen heen loopt. Het is het minder spannende werk, zoals een van de gasten toegaf, maar wel het werk met het beste rendement.

Diezelfde basis verklaart de kloof tussen AI-uitgaven en AI-resultaten. Volgens het CFO-onderzoek van Bain & Company voor 2026 is 83 procent van de CFO’s van plan hun AI-budgetten de komende twee jaar met meer dan 15 procent te verhogen, maar slechts 31 procent beoordeelt de AI-resultaten op financieel gebied als zeer positief. De presentatoren legden dat cijfer op tafel en grapten dat, statistisch gezien, ten minste één van de drie tevreden zou moeten zijn. De antwoorden liepen uiteen. Eén gast was tevreden over een specifieke toepassing, maar nog niet op het niveau van de hele organisatie. Een ander noemde het potentieel zelf al reden genoeg om tevreden te zijn. De derde, van nature optimistisch, kon niet zeggen dat de organisatie er al was, gezien de stijgende kosten. De eigen gegevens van Bain wijzen in dezelfde richting: de tevredenheid stijgt tot 41 procent bij bedrijven die AI op grote schaal hebben geïmplementeerd, tegenover 25 procent bij bedrijven die zich nog in de pilotfase bevinden.

Wat verandert er door AI aan de rol van de financieel medewerker?

Aan het begin van de show gaf een van de presentatoren een AI-programmeerassistent één opdracht en een schriftelijke specificatie, waarna hij het systeem zijn gang liet gaan. Tegen de tweede helft had het systeem een werkend planningsprototype geproduceerd met KPI-kaarten, een omzetplan, een personeelsplan en een winstprognose. De opname toont het hele proces, van opdracht tot resultaat, en je biedt de mogelijkheid om dezelfde specificatie te downloaden en het zelf uit te proberen.

De meningen over wat dit voor leveranciers betekent, liepen uiteen. De presentatoren noemden het een reële bedreiging voor gevestigde software, omdat het ontwikkelen van financiële applicaties goedkoop is geworden. Eén gast zag eerder meer concurrentie en lagere softwareprijzen in plaats van een ineenstorting, aangezien gevestigde leveranciers dezelfde technologie kunnen gebruiken bovenop de basis die ze al hebben, zolang ze maar ophouden met het beloven van functies „over ongeveer twee jaar“. Een ander verwachtte dat software die zo snel en op zo’n dunne basis werd gebouwd, zelf problemen zou ondervinden; hoe snel een tool ook is gebouwd, zegt dus niets over hoe goed deze standhoudt tijdens een transactieafwikkeling.

Wat de rol van de financiële afdeling zelf betreft, lagen de meningen dichter bij elkaar. AI kan nu al een prognose opstellen, de achtergrond ervan beschrijven en afwijkings- en drijfveersanalyses voorbereiden, en de tijd die daardoor vrijkomt, wordt besteed aan het samen met het bedrijf nemen van beslissingen. De kijkers waren het hierover eens in een live-enquête: op de vraag of de financiële afdeling de meeste waarde toevoegt door rapporten op te stellen of door resultaten te beoordelen en beslissingen te ondersteunen, zeiden de meesten dat beide belangrijk blijven, en toen ze moesten kiezen, kozen ze voor het beoordelen van resultaten.

Deze verschuiving stelt ook hogere eisen aan je. je moeten nog steeds weten hoe elk cijfer tot stand is gekomen, met of zonder AI, omdat het bedrijf de financiële afdeling zal blijven zien als de beoordelaar van wat er in het rapport staat. Een gast benadrukte dat plannen een afspraak tussen mensen zijn: AI kan het opstellen van de cijfers versnellen, maar de mensen die verantwoordelijk zijn voor een budget moeten daar ook verantwoordelijk voor blijven. Een kijker vroeg hoe een niet-deterministische technologie past in een deterministische financiële wereld, en de panelleden antwoordden met een vergelijking met mensen: stel een collega twee keer dezelfde vraag en je krijg je misschien ook twee antwoorden, dus je stel grenzen en laat ze daarbinnen werken.

Hoe kiezen je een plannings- of consolidatietool die past bij jouw organisatie?

Welke tool het meest geschikt is, hangt af van jouw de processen, jouw de gegevensbasis, jouw de bereidheid om open AI te gebruiken en de rest van jouw de architectuur; er is dus niet één tool die voor elke organisatie de beste keuze is.

De laatste discussie aan tafel ging over architectuur. De gastheren pleitten voor een ‘composable’ architectuur, waarbij verschillende gespecialiseerde oplossingen elk een gebruiksscenario ondersteunen en je een oplossing kan vervangen zonder de rest opnieuw te hoeven opbouwen. Ze waarschuwden voor leveranciers die zich verzetten tegen integratie: als een tool te star wordt, vervangen klanten deze door een tool die wel bij hun architectuur past. Eén gast gaf de voorkeur aan de andere aanpak: één platform dat aan de meeste behoeften voldoet, ook al is het niet op alle vlakken de beste in zijn klasse, omdat een beheersbaar softwarelandschap met minder globale platforms die afweging waard is. Een modulair systeem biedt flexibiliteit ten koste van meer interfaces en onderhoud, en bedrijfsonderdelen willen zelden wachten tot de groep een tool heeft gekozen. Beide partijen waren het erover eens dat de oplossing moet aansluiten bij de organisatie.

Om te kijken of dit aansluit bij jouw eigen situatie, kunt u de gratis Financial Planning Tool Advisor uitproberen. Finext heeft deze tool aan het einde van de beurs gelanceerd. Beantwoord een paar vragen over jouw vereisten en de tool beoordeelt de lange lijst met planningstools aan de hand van de criteria die Finext hanteert bij zijn eigen selecties, waarna een shortlist wordt weergegeven.

Frequently asked questions

Wat is de Finext- Line Up?

De Finext Line Up is een jaarlijks terugkerende, onafhankelijke talkshow waarin Finext de markt voor planning- en consolidatiesoftware vergelijkt, zonder dat daarbij belangen van leveranciers meespelen. De editie van 2026 vond plaats op 24 september 2026 als een hybride evenement met zowel een publiek ter plaatse als online kijkers, en richtte zich op marktconsolidatie en de manier waarop EPM-leveranciers omgaan met AI. Toen aan het einde werd gevraagd of de Line Up in 2027 weer zou moeten plaatsvinden, antwoordde het publiek bevestigend.

Wat is het verschil tussen AI-gerichte en AI-geïntegreerde EPM-software?

Bij AI-gerichte EPM-software is AI in het product zelf ingebouwd, bijvoorbeeld in de vorm van zoekopdrachten in natuurlijke taal, maar krijgen externe AI-modellen geen toegang tot de gegevens. Bij software met geïntegreerde AI wordt het platform opengesteld voor externe grote taalmodellen, meestal via het Model Context Protocol (MCP). Veel leveranciers bieden beide opties aan; Finext maakt een onderscheid op basis van de vraag of ze openstaan voor externe modellen.

Wat is een AI-native EPM-tool?

Een AI-native EPM-tool is ontwikkeld in het tijdperk van generatieve AI, grofweg de afgelopen vier jaar, en maakt gebruik van ‘prompting’ als belangrijkste methode om modellen en plannen op te stellen. Voorbeelden in de classificatie van Finext voor 2026 zijn Drivetrain, Aleph, Sapien en Concourse. De meeste richten zich op scale-ups en technologiebedrijven in plaats van op grote ondernemingen.

Kan AI in EPM-tools gegevens terugschrijven naar het systeem?

Dat hangt af van de tool. AI-native tools en sommige tools waarin AI is geïntegreerd, kunnen gegevens terugschrijven of opdrachten uitvoeren, zoals een scenarioberekening. Bij andere tools kan een AI-model alleen gegevens lezen. Controleer de mate van uitontwikkeling van de MCP-verbinding van de leverancier en of deze de toegangsrechten van gebruikers respecteert, voordat u erop vertrouwt.