AI gebruiken als belegger (deel 2)

In een vorig artikel beschreef ik de beperkingen van AI wanneer je je beperkt tot chatsessies. Hoe goed je die ook opzet, op termijn zijn ze weinig overzichtelijk en verliezen ze daardoor hun nut.

Daarom dienen we te schakelen naar een hoger level. 

Fase 2: AI als tweede geheugen

De echte oplossing zit in het slim bewaren van al je research. Je wilt dat later toegevoegde informatie soepel integreert, dat je eerdere conclusies automatisch getoetst worden en dat jouw externe geheugen permanent en gestructureerd aangevuld wordt. De ontwikkelingen op het gebied van AI-ecosystemen die dit mogelijk maken, gaan de laatste maanden duizelingwekkend snel.

In de beleggerswereld circuleren Claude Projects en Perplexity Spaces momenteel als twee zeer degelijke omgevingen. Wat doen dergelijke systemen? De vertrouwde chat- en schrijf- functie blijft uiteraard bestaan, maar er wordt een cruciale laag aan toegevoegd: permanent context beheer. Per onderwerp dat je analyseert (in ons geval een portefeuille van circa 20 bedrijven en een 10-tal fondsen) richt je een afgeschermde 'kamer' of 'geheugen' in waar alle bestanden en uitwisselingen persistent bewaard blijven.

Je gaat hier zelf actieve informatie aan toevoegen: de meest recente kwartaalresultaten, transcripties van earnings calls, sectoranalyses of een rapport van een betrouwbare collega-belegger.

Je kunt je AI tool zelfs vragen om de officiële investor relations-pagina van een bedrijf live te raadplegen, zodat je de absolute controle over de bronnen behoudt. Deze werkwijze is volledig gericht op bron-getrouwe kwaliteit; omdat de AI zich moet baseren op jouw specifieke documenten, wordt het risico op hallucinaties nagenoeg gereduceerd tot nul.

De kracht zit in de workflow die je op jouw eigen maat organiseert. De stappen die je als analist sowieso al zet, ga je nu structureren en veilig bewaren in een centraal geheugen per project. Het komt er in feite op neer dat je het menselijke geheugen simuleert in een digitale, rationele omgeving. Want de software heeft geen last van cognitieve vooroordelen, kent geen emotionele kronkels en wordt — in tegenstelling tot ons mensen — gelukkig nooit verliefd op een aandeel.

De Google suite

Mijn sympathie voor de tools van Google kreeg onlangs een enorme boost. Gemini en NotebookLM waren op zichzelf al krachtige standalone instrumenten, maar ze hadden hun beperkingen. Google heeft dit recent meesterlijk opgelost met de introductie van Drive Projects en de integratie van Workspace Intelligence. De Engelstalige interface is inmiddels live en de Nederlandstalige versie is aangekondigd voor deze periode (einde mei 2026). Mijn eigen ervaring is gebaseerd op het uiterst betaalbare Google Workspace Business Standard-pakket, en dat brengt ons al verbazingwekkend ver.

Wat doet Drive Projects precies? Drive Projects is de ontbrekende, AI-gestuurde schakel binnen je cloud-opslag. Waar je voorheen handmatig documenten diende te kopiëren en uploaden naar een AI-chat (waardoor je binnen de kortste keren met verschillende versies van hetzelfde jaarverslag zat te husselen), 'lockt' een Drive Project een specifieke, bestaande map in Google Drive vast als de permanente, actieve bron voor Gemini.

Zodra je deze virtuele kamer opent, dwingt Gemini zichzelf om uitsluitend binnen deze geselecteerde documenten te zoeken en te redeneren. Het systeem maakt geen kopieën; het is een levende, beveiligde index boven op je bestaande mappen.

Sla je via je computer een nieuwe export op? Gemini is er in je lopende project-chat direct van op de hoogte. Bovendien is het uiterst veilig om samen te werken: deel je het project met een partner of mede-investeerder, dan krijgen zij direct toegang tot diezelfde bronbestanden om hun eigen analyses te starten, terwijl jouw persoonlijke chatgeschiedenis en genoteerde gedachten 100% privé blijven.

Concreet

Laten we het heel concreet maken met een voorbeeld. Ik ben momenteel bezig met een analyse van bedrijven A, B en C.  Allereerst maak ik een keurige structuur aan in mijn Google Drive. Ik maak eerst de hoofdfolder ‘_Second_Brain’ (de underscore dient gewoon om die map steeds bovenaan te hebben). In de SecondBrain folder maak ik een mapje per bedrijf. Ticker+bedrijfsnaam zonder spaties. (zoekmachines houden niet van spaties).

Vervolgens plaats ik enkele bestanden in markdown formaat (het lievelingsformaat en bovendien een open standaard is ideaal) in elke map. Elk bestand is steeds op dezelfde manier opgebouwd: Ticker+bedrijfsnaam+'doel'. Zo heb ik een basisanalyse, een thesis en een decision-log om mee te starten. Deze eerste drie bestanden worden aangevuld met een csv bestand met de jaarrekeningen van de laatste 5 of 10 jaar. Afhankelijk van wat je softwarebronnen je kunnen leveren van betrouwbare data.

De inhoud van mijn vier basisbestanden

Basisanalyse: Dit is mijn eerste globale analyse die ik gemaakt heb van het bedrijf. Hoe ik die maak: Behalve old fashioned zelf schrijven kan je ook Gemini in zijn gewone LLM modus inschakelen met je prompt van 4 pagina’s uit fase 1. Je kan ook een NotebookLM (mijn voorkeur momenteel) gebruiken die je voedt met enkel 100% betrouwbare documenten zoals de jaarverslagen van het bedrijf en andere zaken die je vertrouwt. Er zijn dus verschillende tools ter beschikking om een eerste analyse te maken van het bedrijf. Hier komen dus al je zekerheden in, maar ook de risico’s en nog zaken die nader te onderzoeken zijn. Dit kan een document van 3 pagina’s zijn, maar evengoed 50 pagina’s. Ieder analyseert naar eigen godsvrucht en vermogen.

Nieuwe analysebestanden kan je nadien toevoegen. Kom je een straffe analyse tegen van een collega belegger die je vertrouwt kan je die ook (eventueel na bewerking) toevoegen. Je kan dus meerdere analysebestanden toevoegen, zet steeds de datum in de bestandsnaam. Dat is overzichtelijk voor jou en voor AI.

Thesis: Deze is kort en krachtig verwoord op één A4'tje. Hiervan heb je steeds maar één. Het zegt gewoon waarom je belegt in het bedrijf, wat je overtuiging is en wat er in de toekomst dient te gebeuren om je overtuiging staande te houden of te versterken. Maar omgekeerd ook: wat zijn de twijfels die je misschien nog hebt, wat dien je zeker bij elk kwartaalrapport na te gaan, en wat zijn je exit parameters? Deze thesis laat je nadien steeds checken. AI helpt je om deze thesis permanent te valideren. Je kan je thesis zo nu en dan bijschaven natuurlijk.

Decision-log: Komt ook maar één keer voor. Hier noteer je heel eenvoudig wat je besloten hebt. Want het betere denkwerk dien je zelf te doen. Daar staat in het begin één lijntje (en vervolgens vul je aan) in de stijl van:

• Maart 2025: we kopen een volledige positie X-FAB omdat het nu wel heel erg afgestraft is onder de 4 euro. We schatten de faire waarde op 8 euro en denk dus aan een korting van 50% te kopen.
• Augustus 2025: het is plots heel hard gegaan. Alhoewel de 8 euro niet bereikt is halveren we onze positie op 7 euro. We wachten op nieuwe koopkansen.
• Februari 2026: een nieuwe koopkans is in aantocht. Het aandeel is gedaald tot onder de 5 euro, maar we wachten nog even op een betere kans onder de 4 euro.
• Mei 2026: De kans onder de 4 euro is er niet gekomen. We naderen weer de 8 euro en bouwen volledig af. X-FAB heeft meegesurft op de Semiconductoren rally en zit nu in de buurt van fair value. We nemen onze winst.

Zo’n decision-log vul je manueel aan met een korte toelichting bij de beslissing die je neemt. Je bouwt als het ware je digitaal geheugen op. Door dat systematisch en gestructureerd te doen per bedrijf in portefeuille kan AI bij elke bevraging en je redenering mee volgen.

csv-bestand: Alle cijfers komen hier in. Steeds wanneer er een update beschikbaar is overschrijf je zodat je steeds maar één versie behoudt. Deze csv komt uit je screener, Yahoo Finance of welke betrouwbare bron dan ook. Het gaat over de balans, resultatenrekening en cashflow tabellen van meerdere jaren (hoe meer hoe beter). Alles netjes onder mekaar, eventueel aangevuld met ratio’s, marktinformatie, multiples,... Dit is de basis waarop Gemini berekeningen kan uitvoeren.

(Nog deze bemerking.  Bewaar geen XLS-formaat. Of Google Sheets. Als je kwantitatieve gegevens exporteert uit een professioneel platform (wij gebruiken Capital IQ, de database en onderzoekstool van Standard & Poors), zit die Excel-sheet meestal tjokvol met actieve softwareformules. Zodra je zo'n bestand in Drive uploadt, is er een kortsluiting omdat de cloud-servers jouw lokale Excel-plugins niet kunnen inladen. Sla je sheet daarom simpelweg op als een foutloos, formule-vrij csv-bestand. Excel 'bevriest' de getallen tot platte waarden, en Gemini leest ze vervolgens in een oogwenk vlekkeloos uit!).

Met deze vier basisbestanden heb je de logische manier van redeneren opgebouwd: je hebt alle cijfermatige gegevens, je hebt een bedrijfsanalyse (één om te starten, meerdere op termijn), je hebt een thesis die permanent dient afgetoetst te worden en je bewaart je beslissingen.

In feite dupliceer je je eigen geheugen.

De Gemini / Drive Projects bevraging

Nu wordt het interessant.

Je geheugen is niet statisch. Er komt regelmatig nieuwe informatie bij. Hoe die informatie binnenstroomt, houd ik voor fase drie (een volgend artikel dus). Laat het ons nu bij een eenvoudig voorbeeld houden.

Er is een nieuw kwartaalrapport verschenen. Je hebt je csv-bestand vernieuwd. Nu kan je met de ingebouwde Gemini 3.5 motor in Google Drive een bevraging starten. Daartoe maak je een project aan. Je kan dit vergelijken met een chat in de gewone LLM versie, maar met dat verschil dat het project zich enkel beperkt tot het werkkamertje van jouw bedrijf, jouw gegevens. We zullen later zien dat je ook kan challengen met informatie gevonden op het internet.

Maar laat ons nu gewoon kijken wat er gebeurt binnen de projectdialoog. Je maakt allereerst een markdown bestand met steeds dezelfde syntax (Ticker+bedrijfsnaam+project) en plaatst dit NIET in de bedrijfsmap maar in een aparte map SecondBrain_projecten, naast je _Second_Brain hoofdmap. De reden is dat je AI niet in een soort van lus wil zien draaien waarbij het in de knoop draait met de eigen projectmap (de analogie van de slang die haar staart oppeuzelt). De informatie in de bedrijfsmap is betrouwbaar, gevalideerd (jouw analyse, jouw cijfers, jouw thesis en jouw beslissingen). De projectmap is een chat, een bevraging van deze informatie. de babbel aan de koffiemachine zeg maar.

We hebben dus een recent csv-bestand en kunnen nu de eerste vraag stellen: "Brengen de nieuwste kwartaalcijfers mijn thesis in gevaar?” of nog verder “Is de groei zoals we verwacht hadden?”, enz…

Met andere woorden: volgens de informatie die er beschikbaar komt gaat je gesprek dat je voert in Projects mee evolueren. En alles blijft bewaard. Kijk wel na hoeveel maanden die opslag bewaard blijft. In de licentie die ik gebruik is dat 18 maanden. Als je elke kwartaal het bedrijf even 'vastpakt' lijkt me dit voldoende.

Binnen Drive Projects ga je dus in gesprek. Dat vormt je mening op basis van betrouwbare bedrijfsinformatie. Vervolgens kan je je thesis bijschaven, al dan niet en eventueel een beslissing noteren in je decision-log. Je gaat dus van de koffiemachine terug naar je werkkamer om daar de ernstige en belangrijke zaken te noteren. Binnen enkele maanden, bij nieuwe info, zet je je gesprek verder.

So far, so good.

In een volgende artikel bekijken we hoe we nog extra informatie gecontroleerd kunnen laten binnenstromen in onze werkkamer. We gaan ook na welke informatie we waar bewaren. Ik sprak eerder over transcripties van earnings calls of sectoranalyses. Maar hoeven die in je werkkamer te zitten? We gaan ook nog naar een externe tool kijken die een soort dashboard creëert boven op je Google Drive. We kijken hoe ver we kunnen automatiseren en in welke mate we al dan niet ‘agentic’ gaan werken.