AI schuift in rap tempo op van experiment naar kernproces bij Nederlandse assetmanagers. Dat kan kosten verlagen en analyses versnellen, maar de AFM waarschuwt dat de risico’s minstens zo snel meegroeien. In een nieuw sectorrapport signaleert de toezichthouder dat beleid en afspraken achterblijven bij de praktijk. Voor u als belegger betekent dit dat portefeuilles vaker door modellen worden beïnvloed dan u denkt, en dat toezicht, compliance en interne controles in de sector de komende tijd strakker kunnen worden.
Wat de AFM nu precies signaleert
De AFM publiceerde op 7 april het rapport over AI in de Nederlandse assetmanagementsector. De kernboodschap is helder: het gebruik van AI neemt toe, terwijl governance, beleid en vastgelegde afspraken nog niet overal op hetzelfde volwassenheidsniveau zitten. Dat is relevant, omdat assetmanagers niet alleen rendement nastreven, maar ook fiduciaire plichten hebben richting klanten en fondsen. Als AI een groter deel van het beleggingsproces bepaalt, moet u erop kunnen vertrouwen dat risico’s aantoonbaar beheerst zijn.
De inzet van AI gaat daarbij verder dan een slimme zoekfunctie. Denk aan ondersteuning bij research, signalering van marktpatronen, optimalisatie van portefeuilles, risicometingen, klantsegmentatie en rapportage. Hoe meer van deze stappen leunen op modellen, hoe groter de impact van fouten, datakwaliteit en onduidelijke verantwoordelijkheden.
De belangrijkste risico’s voor beleggers en markten
Modelrisico en ‘black box’ besluitvorming
AI kan besluiten ondersteunen of zelfs aansturen, terwijl de uitlegbaarheid beperkt is. Als een model posities vergroot of afbouwt op basis van patronen die moeilijk te verklaren zijn, wordt het lastiger om te toetsen of het beleid binnen mandaat en risicokaders blijft. Voor u als belegger kan dat leiden tot onverwachte stijlverschuivingen, hogere omloopsnelheid of afwijkingen van de beleggingsfilosofie die u dacht te hebben gekocht.
Datakwaliteit en bias in input
AI is zo goed als de data waarop het traint. Slechte, verouderde of eenzijdige datasets kunnen leiden tot structurele vertekeningen. In vermogensbeheer kan dat zich vertalen naar verkeerde risicoschattingen, overconcentratie in bepaalde factoren of regio’s, of blinde vlekken bij stressscenario’s.
Operationele kwetsbaarheid en afhankelijkheid van leveranciers
Veel AI-functionaliteit komt via externe tools en cloudleveranciers. Dat vergroot de afhankelijkheid van derden, inclusief risico’s rond uitval, datalekken, wijzigingen in modellen en beperkte auditmogelijkheden. Voor markten kan schaalgebruik van dezelfde technologie bovendien leiden tot meer ‘crowding’: partijen reageren vergelijkbaar op dezelfde signalen, wat koersbewegingen kan versterken.
Marktdynamiek en procyclisch gedrag
Als meerdere beheerders vergelijkbare AI-signalen gebruiken, kan dat procyclisch werken. Bij oplopende volatiliteit kan een model bijvoorbeeld risicoreductie afdwingen, wat verkoopdruk versterkt. Dit is geen nieuw fenomeen, maar AI kan de snelheid en synchronisatie vergroten. Dat kan relevant zijn voor liquiditeit, spreads en de stabiliteit rond stressmomenten.
Waar beleid en afspraken volgens de AFM achterblijven
De AFM wijst erop dat AI-gebruik groeit, maar dat formele borging niet altijd meegroeit. In de praktijk gaat het vaak om:
-
Onvoldoende vastgelegde verantwoordelijkheden: wie is eindverantwoordelijk voor modelkeuzes, wijzigingen en monitoring.
-
Beperkte documentatie: te weinig inzicht in datastromen, aannames, validatie en grenzen van het model.
-
Onvoldoende modelvalidatie en testing: vooral bij doorlopende modelupdates en zelflerende elementen.
-
Gebrekkige controles op uitbesteding: onvoldoende zicht op hoe een leverancier modellen traint, aanpast en beveiligt.
-
Te weinig aandacht voor incidentrespons: wat gebeurt er bij afwijkende output, datavervuiling of systeemstoringen.
Voor u is dit vooral een transparantiekwestie: u wilt weten welke rol AI speelt in het product dat u afneemt, en of de beheerder kan aantonen dat risico’s structureel onder controle zijn.
Welke compliance-eisen en controles kunt u verwachten
De AFM laat met dit rapport vooral zien waar zij de lat gaat leggen bij toezichtgesprekken en onderzoeken. In onze verwachting komen de volgende thema’s prominenter op de agenda van vermogensbeheerders:
-
Strakkere AI-governance: formele kaders, rollen, escalatielijnen en besluitvorming rond modelwijzigingen.
-
Meer nadruk op model risk management: periodieke validatie, stresstests, monitoring op drift en duidelijke grenzen voor gebruik.
-
Auditbaarheid en dossiervorming: aantoonbaarheid richting toezichthouder en interne audit, inclusief documentatie van data en aannames.
-
Uitbestedingscontroles: scherpere eisen aan leverancierstoetsing, contracten, toegang tot controles en exit-scenario’s.
-
Transparantie richting klanten: heldere communicatie over inzet van AI, beperkingen en effecten op het beleggingsproces.
Dit raakt ook kosten en doorlooptijden. Extra controles, compliance en IT-beheersing zijn niet gratis. Voor de sector kan dat drukken op marges, zeker bij partijen die nu nog leunen op snel ingevoerde tooling zonder volwassen governance.
Wat u hier als belegger of ondernemer mee kunt
U hoeft geen AI-specialist te zijn om de juiste vragen te stellen. Als u belegt via een fonds of een vermogensbeheerder, is dit een goed moment om scherper te kijken naar proces en risicobeheersing. Vraag bijvoorbeeld welke onderdelen van het beleggingsproces AI gebruiken, hoe de beheerder modelrisico beheerst, en hoe afhankelijk men is van externe aanbieders.
Wie de signalen van de AFM wil nalezen, kan terecht bij de Autoriteit Financiële Markten. De ondertoon is duidelijk: AI biedt kansen, maar zonder volwassen beleid en afspraken verschuift het risico van innovatie naar controleverlies. Dat is precies waar toezicht de komende periode strenger op zal worden.
