AI-agents nemen Wall Street over: beleggen wordt 24/7 geautomatiseerd

Brokers, fintechbedrijven en startups werken aan AI-agenten die niet alleen beleggingsadvies geven, maar uiteindelijk ook zelfstandig transacties kunnen uitvoeren. Daarmee verschuift kunstmatige intelligentie van researchtool naar actieve beheerder van portefeuilles.

Beleggers geven hun doelen, risicobereidheid en financiële situatie door. De AI-agent bewaakt vervolgens de portefeuille, analyseert markten en voert taken uit die nu nog door mensen worden gedaan.

Volgens Devin Ryan van Citizens krijgt iedereen in theorie zijn eigen digitale family office, dat 24 uur per dag werkt.

Van advies naar uitvoering

Tot nu toe gebruiken veel beleggers AI vooral als hulpmiddel. Sinds de opkomst van ChatGPT gebruiken particulieren AI om kwartaalrapporten samen te vatten, aandelenideeën te genereren of bedrijven sneller te analyseren. Dat is nuttig, maar nog relatief beperkt.

De volgende stap is agentic finance. Daarbij blijft AI niet bij analyse, maar helpt het ook bij het uitvoeren van strategieën. Denk aan portefeuillebeheer, belastingoptimalisatie, cashmanagement, herallocatie en uiteindelijk mogelijk ook automatische handel.

Startups bewegen voorzichtig die kant op. Podium Markets AI bouwde bijvoorbeeld Ivy, een AI-assistent die portefeuilles over meerdere brokeraccounts analyseert en aanbevelingen doet op basis van doelen en risicoprofiel. Maar de gebruiker moet de uiteindelijke beslissing nog zelf nemen.

Brokers willen mee

Ook grotere platforms bewegen richting AI-agenten. Robinhood introduceerde in mei tools waarmee externe AI-agenten verbinding kunnen maken met klantaccounts. Public werkt juist aan eigen AI-agenten die binnen het platform beleggingsprocessen kunnen automatiseren.

Dat kan de marktstructuur veranderen. Als AI-agenten straks vaker transacties uitvoeren, kan het handelsvolume fors toenemen. Ryan verwacht zelfs dat het aantal transacties op sommige platforms uiteindelijk met een factor tien kan stijgen.

Een retailbelegger die nu twee keer per maand handelt, zou in een agentic model misschien twintig keer per dag kunnen handelen. Dat klinkt efficiënt, maar brengt ook risico’s mee.

De grote vraag: begrijpt AI de belegger?

Een AI-agent leren om aandelen te kopen of verkopen is technisch niet het moeilijkste deel. Het probleem zit in interpretatie. Als een belegger zegt: “laat mijn portefeuille agressief groeien”, wat betekent dat dan precies? Meer volatiliteit? Concentratie in technologie? Opties gebruiken? Meer kans op verlies accepteren?

Een AI-agent kan een opdracht technisch correct uitvoeren en toch een uitkomst produceren die de belegger nooit bedoelde. Daarom bouwen platforms voorlopig duidelijke vangrails in. Bij Public moet de gebruiker bijvoorbeeld de workflow van een AI-agent eerst goedkeuren voordat taken worden uitgevoerd.

De mens houdt dus voorlopig het laatste woord.