AI gebruiken als belegger (deel 3)

Dit is het sluitstuk van een drieluik. In deel 1 besprak ik de beperkingen wanneer je AI LLMs gebruikt als chatvriend. Dan loop je snel tegen de limieten van een vluchtig gesprek, hoe goed je prompts ook zijn. In deel 2 besprak ik mijn aanpak om met Gemini, Google Drive en Drive Projects een structuur te bouwen die een verlengstuk is van mijn geheugen, mijn Second Brain.

We zijn als mens goed gewapend om brokken informatie te analyseren en te interpreteren. Gecombineerd met emotionele stabiliteit en rationeel handelen maakt dit het verschil in de beleggingswereld.

Maar wat zijn we slecht in het onthouden van die informatie. Waarop was onze beslissing van twee maanden geleden gebaseerd? Welke conclusie trokken we uit het cijfermateriaal ook alweer?

Ons Second Brain helpt ons om geverifieerde waardevolle informatie te onthouden. Maar informatie is pas nuttig als je ze snel en efficiënt kan ophalen en vooral als die informatie nog correct is.

In dit afsluitend artikel deel ik mijn ervaringen hoe ik mijn Second Brain levendig en up-to-date houd, steeds met de focus op mijn leefwereld van beleggingsanalyses. 

NotebookLM: de universititeitsbibliotheek

Laat me eerst beginnen met het begin. In deel 2 besprak ik de documenten die in mijn werkkamer horen te zitten voor elk geanalyseerd bedrijf. Eén daarvan is de basisanalyse. Het startpunt van alles.

Hoe bouw ik die basisanalyse op? Ik gebruik daartoe heel wat documenten om een grondige kennis van het bedrijf op te doen. Dat zouden er minimaal een 5-tal kunnen zijn, maar evengoed 10 of meer. Dan denk ik aan de recente jaarverslagen, kwartaalupdates, belangrijke mededelingen van het bedrijf, transcripties van earning calls, maar ook informatie van concurrenten, sectorinformatie. Ik kijk er heel streng op toe dat alle informatie waarop ik me baseer uit de eerste hand komt en zeer betrouwbaar is. Dit is verplicht manueel werk.

Deze informatie kan bestaan uit pdf’s, linken naar websites, een copy/paste uit een deel van een blog, grafisch materiaal,... Om mijn basisanalyse voor een nieuw bedrijf te maken heb ik een straffere tool ter beschikking dan het combo Drive mappen/ Gemini LLM. Het hulpmiddel bij uitstek is NotebookLM.

NotebookLM kun je zien als de universiteitsbib. Veel groter en krachtiger dan mijn werkkamertje. Gemaakt om massa’s informatie te doorgronden is het mijn geschikte hulp voor het zware werk. Het tijdsvoordeel en de nauwkeurigheid bij het lezen van zware jaarverslagen is ronduit spectaculair. Waar ik voorheen Japanse teksten eerst nog door een vertaaltool diende te jagen, loopt ook dat nu probleemloos.

In NotebookLM maak ik een map per geanalyseerd bedrijf zodat aparte containers elkaar niet besmetten met de verkeerde informatie.

Zodra de juiste informatie in de map zit bevraag ik met enkele op voorhand gemaakte promps, aangevuld met ad-hoc vragen die zich aandienen. Ik doorloop dat proces tot ik alle elementen duidelijk heb. Dan vraag ik notebookLM om alles to compileren tot een volledige basisanalyse waarvan ik de hoofdstukken netjes gedefinieerd heb.

Eens die basisanalyse door NotebookLM gemaakt is bewaar ik ze in een markdown formaat in mijn Second Brain.

De evolutie van mijn brein

Een brein dat niet mee evolueert met recente informatie is verouderd en dus nutteloos. De vraag is dus hoe we ons brein fris en scherp houden.

Laat me alvast zeggen wat ik ten alle tijde wil vermijden. Nog gevaarlijker dan een verouderd brein, is een brein dat de verkeerde of niet-geverifieerde informatie opslaat. Er zijn tools die mijn brein automatisch kunnen aanvullen zodra er informatie beschikbaar komt. AI tools zijn ontworpen om met APIs via het MCP protocol automatisch info ‘binnen te pompen’. Dat wil ik niet. Het is alsof ik gebrainwashed wordt in mijn slaap. Wanneer ik wakker word zit mijn geheugen voller, maar het risico dat er ruis insluipt is te groot.

Ik wil alles overzien en vooral zelf beslissen wat ik bewaar. Die validatie is belangrijk. Daarom gebruik ik voor de aanvulling van mijn brein ik geen agenten die in stilte informatie pompen in mijn geheugen.

Wat ik wel doe is het volgende. Ik heb het geluk een krachtige screening tool en professionele database ter beschikking te hebben. Ik heb een reeks alerts ingesteld voor alle bedrijven in de portefeuille. Die alerts komen binnen als een ‘full text’ email. Vanuit mijn Second Brain geef ik op bijvoorbeeld kwartaalbasis een instructie om in mijn Gmail te scannen op de juiste bedrijfsinformatie. Op die manier vul ik semi-automatisch, maar wel gecontroleerd informatie aan. Indien er geen ‘full text’ mogelijk is (bijvoorbeeld een link naar een jaarverslag)dan automatiseer ik wel het ophalen (bijvoorbeeld via EDINET) van dat verlag en plaats ik het in een wachtruimte. Dat stukje autimatisatie verloopt via Workspace Studio.

Ik kan dan mijn thesis checken en een beslissing over positie houden, vergroten, afbouwen of helemaal verkopen in mijn decision log aanvullen. Zo ben ik zeker dat ik evolueer met de juiste informatie en blijf ik zelf aan het stuur van mijn beslissingen.

De lokale cockpit: Obsidian

Deze 100% Google-omgeving werkt naadloos samen, maar kan voor de ultieme focus uitstekend worden aangevuld met Obsidian, een externe, lokale tool.

Omdat de Gemini-onderzoeksomgeving in je browser om veiligheidsredenen 'Read-Only' is (je wilt immers niet dat een enthousiaste AI-chatbot per ongeluk jouw historische analyses overschrijft of corrumpeert), heb je een stabiele, lokale cockpit nodig. Dat is waar Obsidian uitblinkt. Obsidian is een minimalistische, razendsnelle editor die al jouw notities en logboeken opslaat als superschone platte tekstbestanden (.md of Markdown) op de harde schijf van je computer.

Door de gratis app Google Drive voor Desktop op je computer te installeren, verschijnt jouw cloud-opslag direct als een fysieke schijf (de virtuele G:-schijf) in je Windows Verkenner. De synergie die hierdoor ontstaat is pure magie: je opent Obsidian lokaal en typt in alle rust je beleggingstheses en beslissingslogboeken. Google Drive synchroniseert deze Markdown-bestanden op de achtergrond direct naar de cloud. En Gemini Projects? Die leest die bestanden in realtime uit om je te helpen analyseren.

Je schrijft lokaal in je eigen tempo, en de AI is in de cloud direct volledig bijgepraat. De eerste projecten zijn inmiddels op deze manier in mijn Second Brain ondergebracht. Tot nu toe doet het ecosysteem exact wat ik ervan verwacht.

De wiki: Leren, cross analyses en meer

Mijn Second Brain is een geweldige hulp, maar het is van nature wel een beetje lui. Het doet uit zichzelf namelijk helemaal niets. Logisch, want ik wil het altijd eerst zelf op weg zetten. Met het automatiseren van taken wil ik zeer voorzichtig zijn.

Proactief cruciale nieuwe informatie automatisch verwerken klinkt mooi,  maar houdt risico’s in. In de techwereld spreken we in dit stadium van Agentic AI. Het geweldig dat wanneer een Japans bedrijf 's nachts een belangrijk persbericht de deur uitdoet, mijn AI ecosysteem dit autonoom detecteert, analyseert en mij de herziene investment thesis direct naast mijn eerste kopje koffie in mijn inbox parkeert. Zover wil ik gaan, maar de thesis bevestigen doe ik zelf. Beslissingen blijven bij mij. De decision-log vul ik aan.

Ik wil hier uiterst voorzichtig en selectief mee omgaan. Ik geloof absoluut niet in over-automatisering. Als investeerder wil ik te allen tijde zelf aan het stuur blijven zitten en heel bewust bepalen welke informatie wel en niet in het langetermijngeheugen van het fonds wordt opgenomen. Mijn ‘grounded truth’ mag niet vervuild worden. Dat doe je als menselijk analist immers ook: ruis en irrelevante marktcijfers laat je bewust links liggen om de focus scherp te houden.

Toch zijn er zaken die ik momenteel wel aan het automatiseren ben. Hoe zit dat?

In mijn brein heb ik een afgeschermde map gemaakt, een Wiki. In die Wiki zitten markdown bestanden die ik wel volledig door AI laat editeren.

Zo wil ik AI gaan gebruiken om alles wat ik doe te monitoren. Om me attent te maken op patronen die ik niet zie. Om per bedrijf een geschiedenis bij te houden, om lessons learned in het beleggingsproces te centraliseren en om over de bedrijven van de portefeuille heen verbanden te detecteren. Dat is een proces dat volledig los staat van de individuele analyse van een bedrijf. Het is een soort ‘bewaarengeltje’ dat geruisloos en volledig afgescheiden op de achtergrond mijn doen en laten, mijn proces, mijn beslissingen bekijkt. Die wiki kan ik dan na enkele maanden raadplegen. Ik laat op tijd en stond wel weten welke lessons learned daar uitkomen.

Bedenkingen

Tegen dat deze teksten geschreven zijn is er gegarandeerd weer een volgende tool, een volgende evolutie in de boeiende wereld van AI en zijn LLMs. Het is een trein die snel rijdt. Het is een trein waar ik besloten heb om op te springen.

Het risico om ergens de mist in te gaan is er zeker. Maar het risico van inertie, van ‘niets doen’ is gevaarlijker.

Mijn aanvoelen is dat je met een al bij al bescheiden tijdsinvestering je een aantal tools kan uitproberen. Het resultaat was voor mij persoonlijk spectaculairder dan ik vermoedde alvorens ik op de trein sprong.

De efficiëntiewinst die je maakt door de stap te zetten van een chatvriend LLM naar een Second Brain opzet is best groot.

Het wordt de komende tijd een leerzaam proces van trial-and-error om nauwkeurig af te tasten wat wel en niet werkt. Zolang er geen ongewenste neveneffecten optreden, zullen we stapsgewijs vorderingen blijven maken. Het wordt in elk geval een uiterst boeiend avontuur om deze slimme tools ook echt slim te integreren in ons dagelijkse beleggingsproces.

Woordje van dank

Zonder het volledig te beseffen zorgt Kevin Schoovaerts voor mijn basis inspiratie. Voor wie in de Claude omgeving werkt en met een Second Brain wil experimenteren is https://substack.com/@investwithai een absolute must.