Er is veel enthousiasme over het inzetten van artificiële intelligentie in vermogensbeheer, en evenveel onbehagen. Beide zijn terecht, en beide wijzen op dezelfde vraag: niet of men AI moet gebruiken, maar waar men de grens errond moet trekken.
Grote taalmodellen zijn werkelijk buitengewoon in één ding: ongestructureerde menselijke taal omzetten in structuur. Ze kunnen een rommelig gesprek over de hoop en de zorgen van een familie lezen en daaruit een coherent beleid opstellen. Ze kunnen een vraag op maat formuleren, een positie samenvatten en een rapport in vlot proza weergeven. Daarvoor ingezet zijn het opmerkelijke productiviteitsinstrumenten.
Ze zijn echter, door hun opzet, ook probabilistisch. Een taalmodel rekent niet: het voorspelt het volgende plausibele token. Vraag het om een cijfer en het geeft u er een dat juist lijkt, voortgebracht door dezelfde machinerie die af en toe een rechtszaak of een bronvermelding verzint. Voor een portefeuilleaanbeveling waarmee een familie jarenlang zal leven, en die een toezichthouder lang na de feiten nog kan onderzoeken, vormt plausibel geen fundament.
Waar de grens hoort te liggen
Eenmaal verwoord is de zinvolle taakverdeling glashelder. Het model neemt de taal voor zijn rekening: het haalt een beleid uit een tekst, stelt hooguit enkele verduidelijkende vragen en geeft later een rapport weer rond cijfers die het niet mag wijzigen. Een afzonderlijke, deterministische motor neemt elk cijfer voor zijn rekening: verwacht rendement, volatiliteit, stress, de allocatie zelf. Het model schrijft de woorden rond de berekeningen; het maakt de berekeningen nooit zelf.
Dit is geen cosmetisch onderscheid. Een deterministische motor produceert telkens dezelfde cijfers voor dezelfde invoer. Net die ene eigenschap maakt een aanbeveling auditeerbaar. U kunt ze reproduceren, ze herleiden tot het beleid waaruit ze voortkomt en ze tegenover een cliënt of een toezichthouder verdedigen met bewijs in plaats van met verzekeringen. Een cijfer dat u niet kunt reproduceren, is een cijfer dat u niet kunt verdedigen.
Het model schrijft de woorden rond de berekeningen. Het maakt de berekeningen nooit zelf. Net die grens maakt het geheel verdedigbaar.
De regelgevende dimensie
De grens is niet alleen goede techniek: ze is steeds meer ook goede compliance. De Europese AI-verordening, die in 2024 in werking trad en gefaseerd van toepassing is, hanteert een risicogebaseerde aanpak en legt de zwaarste verplichtingen op aan systemen met een hoog risico en aan ondoorzichtige, volledig geautomatiseerde besluitvorming. Een transparante, reproduceerbare rekenmotor, met een mens die nakijkt en goedkeurt voordat er iets bij een cliënt belandt, valt veel makkelijker uit te leggen en te verdedigen dan een zwarte doos die een antwoord oplevert dat niemand kan reconstrueren.
Ze sluit ook aan bij MiFID II. Geschiktheid berust op het kunnen aantonen dat het advies bij de cliënt past. Reproduceerbare cijfers en een volledig dossier maken van geschiktheid niet langer iets wat een onderneming beweert, maar iets wat ze kan bewijzen. De AI, beperkt tot taal, wordt beslissingsondersteuning; ze is nooit de geautomatiseerde beslisser, en dat is precies de houding waarbij toezichthouders zich het meest op hun gemak voelen.
Mens in de lus, door architectuur
Het sluitstuk bestaat erin de menselijke controlepoort structureel te verankeren in plaats van ze louter na te streven. Het volstaat niet te zeggen dat een adviseur de uitkomst nakijkt. De workflow zelf zou moeten weigeren verder te gaan zolang een persoon het geëxtraheerde beleid niet heeft goedgekeurd. Wanneer het controlepunt door het systeem wordt afgedwongen en niet alleen door de interface wordt aangemoedigd, schuift het oordeel van de adviseur gegarandeerd tussen het model en de cliënt, telkens opnieuw, zonder ervan af te hangen of iemand eraan denkt te kijken.
Hoe de grens er in de praktijk uitziet
In een goed ontworpen systeem is de scheiding bij elke stap zichtbaar. Wanneer de antwoorden van een familie in een ontwerpbeleid worden omgezet, ligt de bijdrage van het model in de structuur en de formulering; de beperkingen die het voorstelt zijn richtlijnen, geen allocaties, en ze worden ter bevestiging aan een mens voorgelegd. Wanneer scenario's worden geproduceerd, komen de cijfers van de motor en krijgt het model geen enkele mogelijkheid om ze te veranderen. Wanneer een rapport wordt geschreven, wordt het proza opgebouwd rond cijfers die het model niet mag wijzigen, en een controle toetst die cijfers opnieuw aan de motor voordat het document wordt afgewerkt.
Elk hiervan is een kleine daad van discipline, en samen vormen ze een systeem waarvan de uitkomsten betrouwbaar zijn, juist omdat de machine nooit mocht improviseren waar het ertoe deed. De inventiviteit van het model blijft beperkt tot taal, waar ze welkom is, en wordt geweerd uit het rekenwerk, waar ze dat niet is.
De prijs van een verkeerd getrokken grens is niet hypothetisch. Een onderneming die een taalmodel een rendement laat schatten, of stilletjes een cijfer laat bijstellen om in een verhaal te passen, heeft geen efficiëntie gewonnen: ze heeft een aansprakelijkheid gefabriceerd die ze niet kan zien. De fout zal vlot, zelfverzekerd en verkeerd zijn, en ze komt misschien pas aan het licht wanneer een cliënt of een toezichthouder de ene vraag stelt die de onderneming niet kan beantwoorden: waar komt dit cijfer vandaan? Een duidelijke grens is het enige eerlijke antwoord op die vraag.
Zo getrokken houdt AI op een bedreiging te zijn voor het gezag van de adviseur en wordt ze er een versterker van. Het model verzorgt het lezen en het schrijven die vroeger uren in beslag namen. De motor verzorgt het rekenwerk, reproduceerbaar. En de adviseur verzorgt het enige waartoe geen van beide in staat is: een oordeel vellen en erachter staan. Het is de grens die alle drie toelaat hun sterke punten uit te spelen.
Voor een familie die afweegt of ze een AI-ondersteund proces kan vertrouwen, luidt de vraag dan ook niet hoe slim het model is, maar waar het mag handelen. Een onderneming die de lijn helder kan trekken, taal hier, cijfers daar, het oordeel boven beide, is er een die de technologie heeft begrepen in plaats van ze louter te hebben overgenomen. Die helderheid is meer waard dan om het even welke functie, want ze is wat nog geruststellend zal zijn op de dag dat er ergens in de sector iets misloopt en elke cliënt moeilijkere vragen begint te stellen.
Bronnen: Europese AI-verordening (2024); geschiktheidsvereisten van MiFID II. Dit artikel is algemene informatie, geen juridisch advies.