Een groot hedgefonds, Balyasny Asset Management, heeft een eigen AI-onderzoekssysteem gebouwd om investeringsanalyses te transformeren. Volgens het bedrijf zelf gebruikt dit systeem geavanceerde modellen zoals GPT-4, combineert het verschillende AI-agenten in workflows en hanteert het een rigoureuze methode om de prestaties van modellen te evalueren. Het doel is om onderzoekers te helpen sneller door enorme hoeveelheden financiële data en nieuws te navigeren, samenvattingen te genereren en inzichten te vinden.

De kern van hun aanpak ligt niet in één magische tool, maar in een gestructureerde architectuur. Ze gebruiken zogenaamde AI-agenten, gespecialiseerde softwareprogramma’s die elk een specifieke taak uitvoeren, zoals het doorzoeken van databases, het analyseren van documenten of het schrijven van samenvattingen. Deze agenten worden aan elkaar gekoppeld in workflows, zodat een onderzoeksproces automatisch van de ene stap naar de andere kan gaan. Een belangrijke les is hun focus op model evaluatie. Ze testen niet zomaar een model en gaan ermee aan de slag, maar vergelijken systematisch de output van verschillende modellen (zoals GPT-4 tegenover andere) op specifieke taken om te zien welke de beste, meest accurate en meest betrouwbare resultaten oplevert.

Hoe kun je dit vandaag toepassen?

De aanpak van Balyasny is extreem geavanceerd en kostbaar, maar de onderliggende principes zijn vertaalbaar naar veel kleinere bedrijven. Het gaat om het systematisch inzetten van AI voor kenniswerk, het opdelen van complexe processen en het kritisch blijven testen van de tools die je gebruikt.

Als je regelmatig marktrapporten of concurrentieanalyses moet maken. Je zou kunnen beginnen met het opdelen van dit proces in stappen. Een eerste agent-achtige stap kan zijn: gebruik een AI-tool zoals ChatGPT of een gespecialiseerde research-assistent om een set vooraf geselecteerde bronnen (nieuwsartikelen, jaarverslagen) samen te vatten. Een volgende stap kan zijn: laat een ander AI-model of prompt deze samenvattingen analyseren op trends of tegenstrijdigheden. Door het proces te segmenteren, houd je meer controle over de kwaliteit.

Als je een dienst verleent waarbij je offertes of adviesdocumenten opstelt op basis van standaardinformatie en klantspecifieke wensen. Een mogelijke toepassing is het creëren van een eenvoudige workflow. Eén AI-agent (of een zorgvuldig ontworpen prompt) haalt de juiste basisinformatie en sjabloonteksten uit je kennisbank. Een tweede stap voegt daar de specifieke klantgegevens aan toe en past de taal aan. Dit vereist wel dat je je kennis goed gestructureerd hebt opgeslagen.

Als je als ondernemer overweldigd wordt door de stroom aan nieuws en ontwikkelingen in je sector. Overweeg om een eenvoudige, persoonlijke onderzoeksworkflow op te zetten. Je kunt tools gebruiken die RSS-feeds of nieuwsbrieven automatisch laten samenvatten. De les over model evaluatie kun je hier toepassen door verschillende samenvattings-tools of verschillende prompts eens met elkaar te vergelijken op dezelfde artikelen. Welke tool geeft de meest kernachtige en nauwkeurige samenvatting voor jouw behoeften?

Als je een team hebt dat data moet interpreteren, bijvoorbeeld verkoopcijfers of website-statistieken. Een optie is om niet te vragen: “Kun je hier een analyse van maken?” maar om het proces op te knippen. Laat AI eerst de ruwe data in heldere taal beschrijven (wat zijn de top-5 verkopen deze maand?). Vervolgens kun je een tweede analysevraag stellen, zoals: “Vergelijk deze top-5 met die van vorige maand en noem de grootste verschuiving.” Deze gefaseerde aanpak kan tot betere en controleerbaardere inzichten leiden.

De praktische toepassing begint niet met het bouwen van complexe systemen, maar met het herkennen van repetitieve, kennisintensieve processen in je werk. Kijk waar je zelf steeds dezelfde soorten informatie moet verzamelen, vergelijken of herformuleren. Dat zijn de kandidaten voor een meer gestructureerde, mogelijk met AI ondersteunde, aanpak. Begin klein met één stap, evalueer het resultaat kritisch, en breid dan langzaam uit.

Bron: OpenAI