Van copiloot naar bedrijfsmodel

De eerste golf van generatieve AI draaide grotendeels om individuele productiviteit. AI kon mensen helpen om een tekst op te stellen, samen te vatten, te zoeken, te programmeren of een gespreksverslag voor te bereiden. Deze toepassingen zijn waardevol, maar blijven meestal taakgericht: één gebruiker, één prompt, één output.

Agentic AI wijst op een bredere verschuiving. Zodra AI een reeks stappen kan ondersteunen, tools kan gebruiken, context kan bewaren en gestructureerde outputs kan overdragen aan een persoon of een ander systeem, verandert de relevante vraag van ‘Kan deze tool me helpen sneller te werken?’ in ‘Van welke workflow maakt dit systeem deel uit, wat mag het doen en hoe wordt de output beoordeeld?’

Dat onderscheid is belangrijk bij vermogensbeheer omdat beleggingsbeslissingen zelden op zichzelf staan. Ze maken deel uit van een bredere keten van werkzaamheden: voorbereiding van research, portefeuillebewaking, risicobeoordeling, klantrapportage, due diligence, compliancecontroles, datakwaliteit, operationele activiteiten en documentatie. AI kan veel van deze stappen ondersteunen, maar alleen als het omliggende proces bewust wordt ontworpen.

De stap van copiloot naar bedrijfsmodel is daarom een kwestie van capaciteit, schaal en controle. Een enkele AI-assistent kan nuttig zijn, zelfs als het proces eromheen informeel is. Maar zodra AI wordt geïntegreerd in herhaalbare workflows, moeten vermogensbeheerders nadenken over consistentie, inzicht in kosten, operationele logging, escalatiepaden en menselijke goedkeuring.

De onderstaande infographic toont deze verschuiving in drie fasen.

Niet elk proces hoeft agentic te worden, maar door AI ondersteunde workflows moeten het recht om op te schalen eerst verdienen. Dat betekent dat we moeten weten wat het systeem mag doen, tot welke data het toegang heeft, wat het kost om het te laten draaien, hoe vaak het faalt, wanneer het een nieuwe poging onderneemt, welke bewijslast het gebruikt en wanneer het taken doorgeeft aan een mens. Het betekent ook dat er een inventaris van de workflows moet worden bijgehouden: aangewezen eigenaren, goedgekeurde databronnen, goedgekeurde tools, levenscyclusfase, beoordelingsfrequentie en escalatiepaden.

Op dit punt sluit de discussie over workflows direct aan bij het thema governance. Onderbouwing, stabiliteit, toegangsrechten, bewijsvoering en menselijk toezicht staan niet los van het bedrijfsmodel.¹ Ze maken het juist mogelijk dat AI-ondersteunde workflows de stap maken van experimenteel naar institutioneel gebruik.

In die zin maakt het ontwerpen van workflows deel uit van de beleggingsdiscipline. De bedrijven die het meest profiteren van agentic AI zijn mogelijk niet de bedrijven die het snelst automatiseren, maar die processen bouwen die herhaalbaar, controleerbaar, kostenbewust en te verantwoorden zijn. In plaats van AI simpelweg meer te gebruiken, is de volgende stap dus juist om er betere workflows omheen te ontwerpen.

Voetnoot

¹Zie ook de analyse ‘Agentic AI en governance’ van Mike Chen