Een nieuwe klasse kunstmatige intelligentie, zogeheten agentic AI, begint de vermogensbeheerwereld te veranderen. Deze AI-systemen kunnen zelfstandig beslissingen nemen en zelfs handelen op financiële markten. Robeco is een van de eerste beleggingsinstellingen die de technologie publiekelijk test. Het Rotterdamse huis wil AI integreren die niet alleen markten analyseert, maar er ook actief op inspeelt.
Waar traditionele AI-tools vooral helpen bij het verwerken van data en het signaleren van trends, gaat agentic AI een stap verder. Dergelijke algoritmen kunnen scenario’s simuleren, portefeuilles aanpassen en – binnen vooraf bepaalde grenzen – zelfs transacties uitvoeren. Robeco’s vroege experimenten wijzen op een verschuiving in hoe vermogensbeheerders portefeuilles samenstellen: menselijke regie wordt gecombineerd met machine-autonomie, met als doel meer efficiëntie en schaalvoordeel.
‘Dit is de volgende stap na de large language models’, zegt Mike Chen, hoofd van de eenheid Next Generation Quant bij Robeco. ‘LLM’s kunnen vragen beantwoorden, maar nemen geen actie. Agentic AI voegt dat vermogen toe: handelen, taken uitvoeren, zelfstandig beslissingen nemen binnen afgesproken kaders.’
Chen en Kees Verbaas, wereldwijd hoofd van het team voor fundamenteel aandelenonderzoek, spraken met Investment Officer over de experimenten en toekomstvisie van het bedrijf.
Nieuwe machines, nieuwe mogelijkheden
De interne experimenten van Robeco bevinden zich nog in de ontwikkelfase, maar weerspiegelen een bredere transformatie in de beleggingssector. Vermogensbeheerders, geconfronteerd met krappe marges en toenemende datacomplexiteit, zien AI niet langer alleen als hulpmiddel, maar steeds vaker als volwaardige samenwerkingspartner. Daarbij rijst een fundamentele vraag: als machines kunnen leren, besluiten en handelen, wat blijft er dan over van het werk van analisten, portefeuillebeheerders en handelaren?
Robeco heeft al decennia een sterke reputatie op het gebied van kwantitatief beleggen. De strategieën van het huis steunen op datagedreven modellen gebaseerd op academisch onderzoek. De eenheid van Chen kijkt echter nadrukkelijk verder dan de bestaande modellen. De experimentele divisie onderzoekt de nieuwste technologieën en test ideeën die, als ze succesvol blijken, worden toegepast in bestaande producten of nieuwe strategieën.
‘AI is een evolutie van traditionele kwantitatieve methoden. Klassieke quantmodellen waren voorschrijvend. AI past zich juist aan’, zegt Chen. ‘Het algoritme leert zelf verbanden leggen in plaats van dat we het vertellen hoe het variabelen moet combineren.’
Die aanpak heeft al geleid tot toepassingen zoals de zogeheten Dynamic Theme Machine, een AI-gestuurde ETF strategie die opkomende markttrends detecteert. Tijdens de coronapandemie signaleerde het systeem bijvoorbeeld het fenomeen digitale restaurants en sprong het op de Formule 1-hype na de Netflix-serie Drive to Survive. Aandelen als Liberty Media en Ferrari werden vroegtijdig geïdentificeerd als kansrijk, thema’s die menselijke analisten doorgaans pas achteraf opmerken.
Simulerende agenten
Robeco zet nu de volgende stap. Chen voorziet een systeem waarin gespecialiseerde AI-agenten met elkaar communiceren om beleggingsbeslissingen te simuleren en te optimaliseren. Eén agent analyseert sentiment, een andere berekent de impact op de portefeuille, een derde voert orders uit. Mensen houden de regie, maar de machines doen het grootste deel van het denk- en uitvoerwerk.
‘Op termijn kunnen we analisten-agenten hebben die scenario’s genereren, portefeuillebeheer-agenten die de impact inschatten en handelsagenten die transacties uitvoeren – allemaal onder menselijk toezicht’, aldus Chen.
Geen geïsoleerd experiment
De visie van Robeco staat niet op zichzelf. Een recent academisch onderzoek van Cornell University introduceerde het concept van agentic finance, waarin AI-agenten met behulp van reinforcement learning en taalmodellen zelfstandig beleggingsbeslissingen nemen. Hun beschrijving – van analisten tot traders in een gesloten feedbacklus – lijkt opvallend veel op wat Robeco voor ogen heeft.
Ook de sector begint wakker te worden. In een rapport uit 2024 noemde PwC Zwitserland agentic AI een ‘autonome strateeg’ die de werkwijze van vermogensbeheerders fundamenteel kan veranderen. In plaats van reageren op signalen, kunnen dergelijke systemen in real time strategieën bepalen. Het rapport pleit nadrukkelijk voor de soort sandbox-omgevingen waarin Robeco nu experimenteert, met nadruk op uitlegbaarheid en controle.
Uitlegbare AI blijft noodzakelijk
Ondanks de toenemende intelligentie van AI, benadrukt Robeco dat menselijke toetsing cruciaal blijft. ‘Institutionele beleggers vertrouwen mensen, geen algoritmen. Taken kunnen worden gedelegeerd, maar mensen blijven de dirigenten,’ stelt Chen.
‘Het verschil zit in het oordeel’, vult Verbaas aan. ‘Hoe je data interpreteert, businessmodellen beoordeelt, winstverwachtingen inschat: dat blijft mensenwerk. AI helpt vooral bij efficiëntie.’
Die efficiëntieverbetering is nu al zichtbaar. ‘Analisten kunnen nu twee à drie beleggingscases per week schrijven, waar dat er eerder één was. AI verzamelt data snel, waardoor er meer tijd overblijft voor analyse en inzicht’, aldus Verbaas.
De samenwerking tussen mens en machine verandert de relatie tussen technologie en expertise. Robeco’s systemen zijn expliciet ontworpen als uitlegbaar – geen black box, maar ‘glass box’. ‘We hebben machine learning transparant gemaakt met explainable AI,’ zegt Chen, verwijzend naar het concept van XAI met technieken die de besluitvorming van algoritmen voor mensen inzichtelijk maken.
‘Slimme cultuur’
Waar grote vermogensbeheerders miljarden steken in AI-infrastructuur, stelt Robeco dat de kracht niet zit in schaal, maar in cultuur. Innovatie is breed ingebed in de beleggingsafdelingen, niet weggestopt in een lab. Die aanpak maakt het mogelijk om ideeën eerst intern met eigen kapitaal te testen voordat ze in de markt worden gezet.
‘We willen liever slim zijn dan groot’, zegt Chen. ‘In plaats van te analyseren wat een CEO zegt – vaak bevooroordeeld – kijken we liever naar wat analisten zeggen. Of beter nog: naar wat níet wordt gezegd. Dat levert vaak een duurzamer voordeel op.’
Ruimte om te leren
Robeco test strategieën via een intern incubatieprogramma. Chen vergelijkt het proces met het leerproces bij SpaceX, maar dan zonder explosies. ‘Alleen betere vinnen en nauwkeurigere nozzles, als je begrijpt wat ik bedoel.’
De koers van Robeco staat in contrast met de beweging bij APG, dat eerder dit jaar aankondigde zich terug te trekken uit kwantitatief beleggen wegens te veel complexiteit en te weinig rendement. Chen ziet dat als een gemiste kans. ‘Quant is geen mysterie. Elke stap is bewijsbaar en transparant. Complex betekent niet onbegrijpelijk. Nu afhaken voelt als het missen van een structurele verschuiving.’
Ook Verbaas ziet dat zo. ‘Fundamenteel beleggen staat ook niet stil. Wij moderniseren onze aanpak, mede dankzij innovaties uit de quant-hoek.’
Ander talent, andere vragen
De opkomst van agentic AI verandert ook het profiel van de ideale werknemer. Financiële kennis blijft belangrijk, maar vermogensbeheerders zoeken steeds vaker mensen die economie met techniek kunnen verbinden. Mensen die algoritmen kunnen bouwen én begrijpen.
In dat licht rijst de vraag of het begrip ‘quant’ nog wel volstaat. Chen: ‘Misschien niet. Eigenlijk gaat het om technologiegedreven beleggen. Maar hoe je het ook noemt: het draait om data, algoritmen en economisch inzicht. Ook met AI blijft menselijke creativiteit en oordeel onmisbaar.’
De toekomst is begonnen
Nu de race om agentic AI is begonnen, doemt een diepere vraag op: wie controleert straks het beleggen van de toekomst? Welke vaardigheden zijn dan cruciaal? Wordt de CFA‘er van vandaag de Python-programmeur van morgen? Moet de beste portfoliomanager straks ook AI-strateeg zijn?
Robeco’s eerste stappen tonen aan dat dit geen hypothetische kwesties meer zijn. In Rotterdam wordt de toekomst al gebouwd. ‘We balanceren op de rand van een nieuw tijdperk,’ zegt Chen. ‘En eerlijk gezegd: het is leuk ook.’