Franklin Templeton ontwikkelt AI-workflows voor beleggingsonderzoek om risico’s zichtbaar te maken

Franklin Templeton ontwikkelt AI-workflows om portefeuillebeheerders te helpen beleggingsonderzoek met elkaar te vergelijken en risico’s te onderzoeken, te beginnen met aandelenonderzoek, aldus OpenAI in een casestudy die op 5 november 2026 werd gepubliceerd. Codex is een van de verschillende tools die de beleggingsteams gebruiken.

Het werk richt zich op een overdrachtsmoment in het bestaande onderzoeksproces. Analisten voeren een eerste analyse van aandelen uit, bekijken gesprekken over kwartaalcijfers en bestuderen concurrenten in elke bedrijfstak voordat ze nieuwe ideeën voorstellen of portefeuillebeheerders bijpraten over bestaande posities. Onderzoek, risicobeheer, compliance en handel bieden elk een ander perspectief; Franklin Templeton wil die inzichten combineren, zodat besluitvormers zowel de onderbouwing van een idee als de risico’s ervan kunnen beoordelen.

Katrina Dudley, senior vicepresident voor beleggingen in publieke markten bij Franklin Templeton, beschreef de verandering als een stap voorbij het automatiseren van een door mensen geleid proces. ‘We zijn van het ondersteunen van ons onderzoeksproces overgestapt op het opnieuw vormgeven van de workflow voor beleggingsonderzoek’, zei ze.

Van databasetoegang naar verbonden intelligentie

Bij de eerste poging werden gegevens in een database geplaatst en werden modellen daarop aangesloten. Dat leverde niet de antwoorden op die de teams nodig hadden, omdat de modellen niet begrepen hoe de gegevens met elkaar samenhingen. De aanpak veranderde met de toevoeging van agents en een semantische laag, gedefinieerd als een gestructureerd model van wat de gegevens van het bedrijf betekenen en hoe ze met elkaar verbonden zijn.

Dat onderscheid raakt de kern van het onderzoeksprobleem: toegang tot informatie alleen bood niet de verbanden die nodig waren om die informatie te interpreteren. Het team gebruikt Codex en andere tools om een laag voor verbonden intelligentie te ontwikkelen die gegevens in de tools integreert en inzichten voor gebruikers naar voren brengt.

Het beoogde resultaat is een beheerde, herbruikbare basis die betrouwbare connectors, context over portefeuilles en workflows en agentgestuurde mogelijkheden combineert om bruikbare inzichten voor analisten en portefeuillebeheerders naar voren te brengen.

Bij de ontwikkeling worden ook de mensen betrokken die de systemen zullen gebruiken. Codex is ingezet tijdens hackathons waarin experts en beleggingsprofessionals samenwerken aan hun eigen tools. Praktijklabs, die kort na de lancering van nieuwe technologie worden geïntroduceerd, helpen teams te testen hoe die technologie in hun werk past. AI-kampioenen binnen de beleggingsteams werken eraan om experimenten om te zetten in workflows die klaar zijn voor productie.

Bij het ontwerp van onderzoek staan diversiteit en risico voorop

Sommige eigenschappen die AI in andere situaties nuttig maken, vormen een probleem voor vermogensbeheer. Veel tools leren de voorkeuren van een gebruiker kennen en tonen meer materiaal van hetzelfde type; voor een belegger die de voorkeur geeft aan één aanbieder van beleggingsonderzoek kan dat betekenen dat die meer rapporten van die aanbieder te zien krijgt. Franklin Templeton ziet die beperking van de informatie als een mogelijke bron van vooringenomenheid en wil juist dat analisten en portefeuillebeheerders toegang hebben tot uiteenlopend onderzoek en verschillende meningen.

Ook met risico’s wordt op vergelijkbare wijze omgegaan. De systemen moeten beleggingsrisico’s naast de onderbouwing van een idee benadrukken, zodat portefeuillebeheerders ervan op de hoogte zijn. Door die risico’s in een onderzoeksnotitie te benoemen, ‘kun je een beter geïnformeerde beleggingsbeslissing nemen’, zei Dudley.

Samen met het werk aan de semantische laag maken deze vereisten de verscheidenheid aan onderzoeksbronnen onderdeel van het systeemontwerp: welke perspectieven de gebruiker bereiken, is net zo belangrijk als de vraag of informatie kan worden opgehaald. De beoogde workflow verbindt de technische architectuur daarom met een specifieke beleggingsvereiste: uiteenlopende standpunten behouden en analyses van neerwaartse risico’s zichtbaar maken.

Waarborgen, invoering en werk in de praktijk

De leiding moedigt innovatie en experimenten met AI aan binnen duidelijk vastgelegde risicokaders, en aanvaardt dat niet elk initiatief zal slagen. Dudley zei dat elk initiatief niettemin inzichten moet opleveren die de capaciteiten versterken, toekomstige beslissingen ondersteunen en voortdurende verbetering stimuleren. De waarborgen voor die ambitie omvatten een beveiligingsbeoordeling, ondersteuning door experts en afspraken over gegevensgebruik op weg van experimenten naar tools die klaar zijn voor productie.

Dudleys langetermijndoel is om verbonden intelligentie toegankelijk te maken voor alle beleggingsteams, van analisten tot de leidinggevenden van elke beleggingsgroep. Ze wil ook dat analisten meer tijd in het veld doorbrengen, waar ze spreken met experts, vakmensen en bestuurders van particuliere bedrijven, en vervolgens hun bevindingen met hun teams delen. Dat menselijke perspectief blijft essentieel naarmate de tools zich verder ontwikkelen.

De betekenis van het project schuilt in de combinatie van automatisering en terughoudendheid. Franklin Templeton probeert inzichten naar voren te brengen en meer context rond een belegging met elkaar te verbinden, terwijl uiteenlopende meningen, expliciete risicoanalyses, beveiligingsmaatregelen en menselijk oordeel deel blijven uitmaken van het proces. De centrale vraag is of die elementen kunnen samenwerken in een beheerd, herbruikbaar systeem zonder de toegang tot uiteenlopend onderzoek te beperken die het systeem juist moet verruimen.