Kort antwoord: AI zal investeringsbankiers niet volledig vervangen, maar het zal een groot deel van het junior "productiewerk" overnemen en sommige teams inkrimpen naarmate werkprocessen worden herzien. Als bedrijven tools kunnen beschermen binnen strikte compliance-richtlijnen en waterdichte auditsporen, zal de werkdruk voor analisten snel afnemen; als het vertrouwen onder druk wankelt, blijven mensen de beslissingen nemen.
Belangrijkste conclusies:
Taakautomatisering: Gebruik AI voor eerste concepten, proefversies, samenvattingen en het opmaken van dia's.
Menselijk voordeel: Focus op vertrouwen, onderhandeling, politiek en verantwoording bij daadwerkelijke transacties.
Verschuiving in hiërarchie: Analisten verliezen aan invloed; medewerkers/vicepresidenten krijgen meer invloed door middel van beoordelingen en oordeelsvorming.
Controle staat voorop: sta erop dat er auditsporen, onzekerheidsindicatoren en strikte nalevingsvoorschriften worden gehanteerd.
Trainingsrisico: Als het zware, routinematige werk verdwijnt, moet het leerlingstelsel opnieuw worden opgebouwd met doelgerichte oefencycli.
Artikelen die u wellicht interessant vindt om na dit artikel te lezen:
🔗 Zal AI radiologen in de nabije toekomst vervangen?
Hoe beeldvormend onderzoek kan veranderen door AI-ondersteunde diagnostiek.
🔗 Zal AI accountants vervangen of hun rol veranderen?
Wat automatisering aankan en waar mensen nog steeds een rol spelen.
🔗 Zal AI data-analisten vervangen: de harde waarheid
Een praktische kijk op taken die AI wel en niet kan overnemen.
🔗 Zal AI advocaten vervangen? Een lastigere vraag dan het lijkt
Waarom juridisch werk zich verzet tegen volledige automatisering, ondanks de snelle vooruitgang van AI.
Het korte antwoord op de vraag "Zal AI investeringsbankiers vervangen?" 📌
Het is onwaarschijnlijk dat AI investeringsbankiers volledig zal vervangen, omdat bankieren niet alleen draait om het produceren van resultaten, maar ook om het winnen van vertrouwen, het omgaan met onduidelijkheden en het afronden van deals, terwijl iedereen andere belangen heeft en een selectief geheugen.
Maar AI zal absoluut:
-
Automatiseer grote delen van de analyse-, opstel- en proceswerkzaamheden.
-
Verkort de tijdlijnen voor presentaties en uitvoering
-
Verminder het aantal mensen dat nodig is voor bepaalde werklagen
-
Verleg de focus naar relatiekracht + beoordelingsvermogen + distributie
-
Dwing banken om het ‘leerlingtraject’ van analist naar medewerker te herzien
Dus als je vraagt: "Zal AI investeringsbankiers vervangen?" alsof het een simpele ja/nee-vraag is, dan is het simpele antwoord: AI vervangt taken, niet de hele soort 🧠🤖
Even een reality check: dit is geen kwestie van "ooit" - het is nu al onderdeel van de berekeningen voor de beroepsbevolking 🔢
Een heldere manier om dit te formuleren: managers discussiëren niet over de of AI ertoe doet, ze budgetteren er al voor.
-
In het werkgeversonderzoek van het World Economic Forum 86% dat AI en informatieverwerkingstechnologie hun bedrijf tegen 2030 zullen transformeren, en hetzelfde onderzoek wijst op grootschalige banenverplaatsing (creatie en verdringing) als gevolg van structurele transformatie. [1]
-
Ondertussen stelt belangrijk productiviteitsonderzoek dat generatieve AI de output per uur aanzienlijk kan veranderen als organisaties erin slagen tijd opnieuw in te zetten en workflows te herstructureren (een grote ‘als’, maar dat is nu juist de bedoeling). [2]
Vertaling: zelfs als de 'bankiers' niet verdwijnen, het bedrijfsmodel niet hetzelfde blijven.
Wat investeringsbankiers doen (het deel dat mensen vaak vergeten) 🧾📈
Als investeringsbankieren alleen maar om spreadsheets en presentaties draaide, was dit gesprek allang voorbij. Maar het werk is eerder alsof je vijf banen onder één dak hebt:
-
Opdrachten genereren (het vinden en binnenhalen van werk),
relatieopbouw, positionering, timing, politiek. Een beetje therapie, een beetje strategie, een beetje schaken ♟️ -
Uitvoering (het tot stand brengen van de deal):
coördinatie tussen advocaten, accountants, interne commissies, het management van de klant, tegenpartijen... plus voortdurende "kleine" crisissen. -
Waardebepaling en verhaal.
Niet alleen cijfers, maar een verhaal dat de toets der kritiek doorstaat. Waarom deze deal, waarom nu, waarom deze prijs? -
Procesmanagement:
tijdlijnen, dataruimtes, due diligence-verzoeken, het managen van stakeholders. Het is eigenlijk professioneel kattenmanagement 🐈 -
Risicomanagement en reputatiebeoordeling:
Wat je niet moet doen is net zo belangrijk als wat je wel moet doen. Soms zelfs belangrijker.
AI kan bij alle vijf helpen. Het vervangen van alle vijf is lastiger.
Wat maakt een goede versie van AI in de investeringsbankwereld? 🤝🤖
Een "goede versie" van AI in de banksector is niet degene die de mooiste alinea's produceert. Het is degene die zich gedraagt als een betrouwbare junior collega die:
-
Heeft geen hallucinaties (of geeft in ieder geval duidelijk aan wanneer er sprake is van onzekerheid).
-
Het legt de onderliggende uitgangspunten uit zonder in een filosofische lezing te vervallen.
-
Werkt binnen de geldende regelgeving zonder te klagen.
-
Maakt gebruik van consistente sjablonen en versiebeheer (banken hebben een hekel aan willekeurigheid).
-
Begrijpt de context - sectordynamiek, normen voor dealstructuren, gevoeligheden van klanten.
-
Het houdt een auditspoor bij , zodat iemand de output later kan verdedigen 😬
Bovendien: de financiële sector maakt al gebruik van AI (inclusief GenAI) op gebieden zoals back-endverwerking en compliance, terwijl er expliciet wordt gewezen op risico's zoals ondoorzichtigheid, privacy, cyberbeveiliging en vooringenomenheid. Die spanning is de kern van het spel. [3]
De verborgen voorwaarde is vertrouwen. Een model kan slim zijn, maar als het onder druk niet te vertrouwen is, wordt het een risico. Net als een sportwagen met onbetrouwbare remmen – leuk tot het dat niet meer is.
Waar AI als eerste toeslaat: de "industriële" onderdelen van de banksector 🏭🧠
De vroegste verschuiving vindt plaats in werk dat:
-
Hoog volume
-
Sjabloongestuurd
-
Foutgevoelig door mensen
-
Eenvoudig mechanisch te controleren
Ja, er is dus heel wat klassieke analistenpijn te vinden in de explosiezone.
Taken die waarschijnlijk geautomatiseerd (of sterk gecomprimeerd) zullen worden
-
Het opstellen van een eerste versie van de pitchtekst en marktanalyses ✍️
-
Het opbouwen van vergelijkingstabellen op basis van gestructureerde invoer
-
Samenvatting van dossiers, transcripten en onderzoeksnotities
-
Dia's opmaken en merkregels handhaven (vaarwel, nachtelijke uitlijningsoorlogen) 🎯
-
Het opstellen van concept-CIM-secties op basis van de verstrekte due diligence-notities
-
Meerdere waarderingsscenario's snel genereren
-
Het opstellen van e-mails, statusupdates, vergaderagenda's (de glamoureuze dingen...)
De twist
Zelfs wanneer AI de taak uitvoert, blijven mensen nog steeds:
-
Controleer het
-
Corrigeer het
-
Verdedig het intern
-
Presenteer het extern
De taken verschuiven dus van het creëren naar het beoordelen, controleren en beoordelen. Dat klinkt makkelijker... totdat je zelf degene bent die het moet goedkeuren 😵💫
Een heel typisch voorbeeld: het is 23:17 uur, de klant wil 's ochtends een strakker verhaal over de aandelenpositie, en iemand heeft drie versies nodig voor drie verschillende interne doelgroepen. Een degelijke AI-oplossing kan binnen enkele minuten de eerste versie van de tekst opstellen en de basisstructuur van de presentatie bouwen. Vervolgens doet de associate/vicepresident het echte werk: de technische details die commercieel gezien niet kloppen.
Waar AI tekortschiet: de menselijke factor die deals sluit 🧩💬
Dit is de ongemakkelijke waarheid: veel waarde in de investeringsbankwereld is sociaal en situationeel. Niet nep-sociaal, maar contextueel sociaal.
AI heeft meer moeite met:
-
Cliëntpsychologie: angst, ego, interne politiek, bestuursdynamiek
-
De nuances van onderhandelen: wat er gezegd wordt versus wat er bedoeld wordt.
-
Timing is instinctief: wanneer door te zetten, wanneer te pauzeren.
-
Vertrouwen op basis van reputatie: "Ik heb deze film al eerder gezien, doe dat niet."
-
Creatieve structurering onder beperkingen (belastingen, bestuur, regelgeving)
-
Verantwoordelijkheid: klanten willen een mens die zich verantwoordelijk voelt voor het advies.
Een model kan een structuur suggereren. Het kan niet tegenover een CEO zitten die half boos en half doodsbang is en het gesprek kalm terugleiden naar rationele keuzes. Dat is een zeer menselijke vaardigheid. Niet magisch, maar menselijk.
Vergelijkingstabel: de beste "AI + bank"-oplossingen (en wie ze helpen) 📊✨
Hier volgt een praktische kijk – niet zozeer een verkooppraatje over "de beste AI-tool", maar eerder over "het beste gebruikspatroon".
| Gereedschap / Instelling | Publiek | Prijs | Waarom het werkt |
|---|---|---|---|
| Analist-co-piloot voor vergelijkingen + concepten | Analisten, medewerkers | $-$$ | Versnelt het schrijven van eerste versies en vermindert domme fouten. Moet nog steeds gecontroleerd worden (altijd). |
| Pitch-deck generator met merkbeveiligingsrails | Verslaggevingsteams | $$ | Zet ruwe schetsen snel om in bruikbare pagina's... hoewel de opmaak soms wat vreemd kan zijn |
| Samenvatting van due diligence + vraag- en antwoordbot | Dealteams | $$-$$$ | Verkort de leestijd aanzienlijk, maar alleen als de gegevenstoegang veilig en met de juiste machtigingen is |
| Interne kennisvergaring (beleid, precedenten) | Iedereen | $$ | Vindt het antwoord op de vraag "Hoe hebben we dit de vorige keer gedaan?" - een enorme tijdsbesparing 📚 |
| Relatie-intelligentie (signalen, accountmapping) | Senioren, oorsprong | $$-$$$ | Helpt bij het bepalen van timing en hoeken; vervangt de daadwerkelijke relatie niet |
| Goedkeuringsworkflow + nalevingscontrole | Risico, juridisch, bankiers | $$$ | Voorkomt fouten die de krantenkoppen halen. En het vertraagt de boel ook… ironisch genoeg 😬 |
Ja, de prijsstelling is onduidelijk. Dat is de bedoeling. De inkoop binnen de banksector is een parallel universum op zich.
Zal AI investeringsbankiers vervangen? Dat hangt af van de anciënniteit 👔🧑💻
Hier wordt het gesprek pas echt interessant.
Analisten en junioren 😵💫
Veel van het werk voor junioren bestaat uit:
-
Opstellen
-
Opmaak
-
Bijwerken
-
Hetzelfde model opnieuw opbouwen met kleine aanpassingen
AI comprimeert dit enorm. Dat betekent:
-
Mogelijk zijn er minder junioren nodig voor dezelfde output
-
Van de junioren die overblijven, wordt verwacht dat ze sneller op een hoger niveau presteren
-
Het model van 'leren door pijn' wordt verstoord
Er bestaat een reëel risico: als AI het saaie, repetitieve werk overneemt, verliezen junioren mogelijk ook de herhaling die nodig is om intuïtie te ontwikkelen. Het is een beetje zoals leren koken door alleen maar eten te bestellen – je redt het wel, maar je wordt geen chef-kok.
Medewerkers en vicepresidenten 🧠
Deze rollen kunnen waardevoller worden, omdat ze:
-
Vertaal de behoeften van de klant naar concrete resultaten
-
Ontdek wat er mis is voordat het verzonden wordt
-
Beheer belanghebbenden en tijdlijnen
-
Interpreteer ambiguïteit en neem beslissingen
AI maakt ze sneller, niet overbodig.
MD's en regenmakers ☔
Als je daadwerkelijk inkomsten genereert door middel van relaties en vertrouwen, dan vervangt AI je niet. Het kan de kloof tussen: zelfs vergroten
-
Bankiers die initiatieven kunnen ontplooien en adviseren
-
Bankiers die voornamelijk toezicht houden op processen
Hard, maar ja.
De nieuwe vaardigheden voor bankiers (oftewel: hoe je niet buitenspel wordt gezet) 🧰🚀
Als AI repetitieve productietaken van je overneemt, blijft er iets over waar mensen voor betalen.
Vaardigheden die waardevoller worden
-
Het opbouwen van een verhaal voor de klant: complexiteit omzetten in overtuiging 🎤
-
Commercieel inzicht: wat is belangrijk, wat niet, en wat is riskant?
-
Patroonherkenning in de sector: de "waarom" achter de cijfers begrijpen
-
Onderhandelen en beïnvloeden: intern en extern
-
Procesleiderschap: deals soepel laten verlopen in complexe situaties.
-
AI-supervisie: het stimuleren, valideren en stresstesten van outputs
En ja, "goed zijn in AI" wordt echt een ding - niet op een gênante manier. Eerder: kun je het verantwoord, snel en zonder het team voor schut te zetten gebruiken?.
De ongemakkelijke zaken: risico, naleving en aansprakelijkheid ⚠️🏛️
De bankwereld is geen speeltuin. Het is een verantwoordingsmachine.
Twee weinig aantrekkelijke feiten bepalen de snelheid waarmee adoptie plaatsvindt:
-
Het beheer van modelrisico's is niet optioneel.
Banktoezichthouders hebben al lang verwachtingen ten aanzien van het beheer van modelrisico's: validatie, documentatie en governance. (Generatieve AI krijgt niet zomaar een vrijstelling – integendeel, het verhoogt de lat voor controles.) [4] -
Communicatie en het bewaren van documenten worden al snel een lastige kwestie.
Broker-dealers hebben expliciete verplichtingen om zakelijke communicatie (inclusief elektronische communicatie) te bewaren op grond van de SEC/FINRA-registratieregels. Dat is belangrijk wanneer mensen dealcontext in tools gaan plakken, concepten gaan genereren of gaan "chatten" met interne bots. [5]
Adoptie ziet er dan ook vaak zo uit: "AI overal... maar pas nadat het is afgeschermd."
Hoe de toekomst eruitziet: minder lagen, snellere cycli, meer specialisatie 🔄💼
Een realistische uitkomst is niet het uitsterven van de bankiersbranche, maar een heroriëntatie van de bankierssector:
-
Slanke dealteams ondersteund door AI-systemen
-
Meer ‘pods’ van talent op het gebied van sector, product en uitvoering
-
Snellere iteratie van pitches en modellen
-
Meer nadruk op distributie (wie kan de producten plaatsen, wie kan kopers aanbrengen, wie kan kapitaal verplaatsen).
-
Een verdeling tussen:
-
Advieswerk met een hoge mate van vertrouwen (waarbij veel menselijk contact een rol speelt)
-
Productiewerk op grote schaal (met veel AI-gebruik)
-
Verwacht ook dat meer boetieks boven hun gewichtsklasse zullen presteren. Als AI kleinere teams de productiecapaciteit van grote bedrijven geeft, worden relaties, oordeelsvermogen en niche-expertise de doorslaggevende factoren 🥊
Zal AI investeringsbankiers vervangen: de compacte versie 🧾✅
Zal AI investeringsbankiers vervangen? Niet helemaal. Maar het zal wel een groot deel van het werk van bankiers overnemen, met name het uitvoeren van voorbereidend werk.
Wat blijft hangen:
-
Relaties
-
Oordeel
-
Onderhandelen
-
Verantwoordelijkheid
-
Het navigeren door menselijke systemen (besturen, ego's, politiek... jazeker)
Wat verandert er:
-
Teamgroottes
-
Opleidingsroutes
-
Snelheidsverwachtingen
-
De definitie van "waarde toevoegen"
De bankier die wint, is degene die een meester wordt in het vormgeven van de werkelijkheid – AI inzettend als extra hulpmiddel, terwijl hij tegelijkertijd obsessief verantwoordelijk blijft voor de uiteindelijke beslissing. Een beetje poëtisch, maar ook waar. Net als bij elektrisch gereedschap: het maakt je sneller, maar niet wijzer.
Veelgestelde vragen
Zal AI investeringsbankiers volledig vervangen?
Niet op een nette, allesomvattende manier. Investment banking draait niet alleen om resultaten – het gaat om vertrouwen, oordeelsvermogen, politiek en het overtuigen van echte mensen om onder druk "ja" te zeggen. AI zal delen van het werk overnemen, tijdlijnen verkorten en bepaalde lagen wegnemen, vooral in de productieomgeving. Maar klanten willen nog steeds een persoon die verantwoordelijk is voor het advies (en de consequenties). 🤝
Welke taken binnen de investeringsbankwereld zullen naar verwachting als eerste geautomatiseerd worden?
Het 'industriële' werk komt als eerste aan de beurt: grote volumes, sjabloongestuurd en gemakkelijk mechanisch te controleren. Denk aan eerste versies van pitchteksten, marktanalyses, vergelijkingstabellen, samenvattingen van documenten/transcripten, slideopmaak, concepten voor CIM-secties, scenario-analyses en eindeloze statusupdates. De truc is dat je niet stopt met werken, maar dat je overschakelt van creëren naar beoordelen, corrigeren en verdedigen van de output wanneer deze commercieel gezien niet klopt.
Zal AI de rol van investeringsbankiers op analistenniveau overnemen?
AI comprimeert de klassieke pijn van analisten aanzienlijk: het opstellen, formatteren, bijwerken en opnieuw opbouwen van hetzelfde model met kleine aanpassingen. Dat kan betekenen dat er minder juniors nodig zijn voor dezelfde output, en dat er hogere verwachtingen zijn van degenen die blijven. Het risico is training: als het saaie, repetitieve werk verdwijnt, verdwijnt ook de herhaling die instincten vormt. Je wordt niet scherp door alleen maar het werk te "beoordelen". 😅
Wat zijn de gevolgen voor medewerkers, vicepresidenten en managing directors naarmate AI zich verder verspreidt?
Associates en vice-presidenten worden mogelijk waardevoller omdat ze complexe klantbehoeften vertalen naar concrete resultaten en problemen signaleren voordat er iets wordt uitgebracht. Ze beheren ook deadlines, stakeholders en onduidelijkheden – gebieden waar AI nog steeds moeite mee heeft. Voor managing directors blijft relatie- en vertrouwensgedreven acquisitie belangrijk. De kloof tussen succesvolle leadmakers en mensen die zich voornamelijk bezighouden met procesbeheer wordt groter. ☔
Waarom heeft AI moeite met de onderdelen van het bankwezen die deals sluiten?
Omdat de moeilijkste aspecten situationeel en menselijk van aard zijn. AI kan structuren suggereren, maar de psychologie van de klant, bestuurlijke politiek, onderhandelingsnuances en timing zijn geen zuivere datasets. Vertrouwen op basis van reputatie is ook lastig: "Ik heb dit al eerder meegemaakt" is deels ervaring, deels verantwoordelijkheid. Wanneer een CEO half boos en half doodsbang is, moet iemand de situatie in goede banen leiden – niet alleen tekst genereren.
Hoe kunnen banken AI inzetten in de investeringsbankwereld zonder daarvoor de dupe te worden?
Een "goede" opzet gedraagt zich als een betrouwbare junior teamgenoot: het signaleert onzekerheden, legt aannames uit, werkt binnen de geldende regelgeving en zorgt voor consistente sjablonen. Net zo belangrijk is een auditspoor, zodat iemand de resultaten later kan verdedigen. De implementatie ziet er vaak uit als "AI overal... maar wel afgeschermd", omdat risico's op het gebied van privacy, cyberbeveiliging, ondoorzichtigheid en vooringenomenheid niet verdwijnen op de dag van de deal. ⚠️
Wat zijn de grootste risico's op het gebied van compliance en archivering bij het gebruik van GenAI in de banksector?
Twee factoren vertragen alles. Ten eerste is risicobeheer van modellen niet optioneel: toezichthouders verwachten validatie, documentatie en controles, en GenAI kan de lat eerder hoger leggen dan verlagen. Ten tweede zijn communicatie en archivering van gegevens van belang: wanneer mensen transactiegegevens in tools plakken of concepten in chatten, kan dit leiden tot problemen met archivering en toezicht binnen de regelgeving voor broker-dealers.
Hoe blijf je waardevol als AI de investeringsbankwereld verandert?
Denk aan "paardenkracht, niet aan wijsheid". Gebruik AI om sneller te schrijven, structureren en te itereren - en besteed je menselijke tijd aan het ontwikkelen van een verhaal, commercieel inzicht, het herkennen van patronen in de sector, onderhandelen en procesmanagement. "Goed zijn met AI" betekent dat je er verantwoordelijk mee omgaat: goede aanwijzingen geven, de output grondig testen en signaleren wat technisch correct is, maar commercieel gezien niet. De winnaars worden uitstekende redacteuren van de werkelijkheid.
Praktisch voorbeeld: Het bouwen van een AI-assistent voor het beoordelen van pitchbooks
Scenario
Stel je een M&A-team voor dat zich richt op middelgrote bedrijven en een pitch voorbereidt voor de eerste ronde voor een softwarebedrijf dat eigendom is van de oprichter. De analist moet de handelsvergelijkingen bijwerken, het recente sectornieuws samenvatten, een waarderingsrapport opstellen en de ruwe aantekeningen van de managing director omzetten in een overzichtelijke presentatie van twaalf slides.
Dit is precies het soort werk dat AI kan comprimeren, maar niet volledig en veilig kan automatiseren.
De juiste aanpak is niet "laat AI het voorstel doen". Het is: gebruik AI als een gecontroleerde assistent bij het opstellen van een eerste concept, en laat vervolgens de analist, associate en VP elk cijfer, elke bron en elke commerciële bewering controleren voordat er iets het team verlaat.
Wat de assistent nodig heeft
Een praktische bankmedewerker heeft het volgende nodig:
-
De door de bank goedgekeurde sjabloon en opmaakregels voor het pitchbook
-
Een lijst met toegestane gegevensbronnen
-
Eerder goedgekeurde pitchvoorbeelden uit dezelfde sector
-
De meest recente financiële gegevens van het bedrijf, aangeleverd door de klant of afkomstig uit openbare documenten
-
Een actuele vergelijkingstabel, gemaakt of gecontroleerd door een mens
-
Duidelijke regels over wat het model niet mag doen, zoals het verzinnen van waarderingsmultiples, het noemen van vertrouwelijke klanten of het doen van marktclaims zonder onderbouwing
-
Een verplicht auditspoor dat laat zien welke invoergegevens voor elke uitvoer zijn gebruikt
De assistent mag geen onbeperkte toegang hebben tot gevoelige dossiers, tenzij het bedrijf hiervoor toestemming heeft gegeven, bewaarvoorschriften heeft vastgesteld en nalevingscontroles heeft ingesteld.
Voorbeeldinstructie
Gebruik de goedgekeurde sjabloon voor een pitchbook voor softwarefusies en -overnames. Stel slides 3 tot en met 7 op voor een door de oprichter geleid verticaal SaaS-bedrijf dat een minderheidsinvestering in groei overweegt.
Gebruik alleen de geüploade bedrijfssamenvatting, de goedgekeurde vergelijkingstabel en de drie eerder goedgekeurde softwarepitchvoorbeelden. Maak geen nieuwe financiële cijfers aan. Vermeld geen marktclaims, tenzij deze in het aangeleverde materiaal voorkomen. Markeer ontbrekende gegevens tussen vierkante haken.
Geef voor elke dia het volgende weer:
-
Diatitel
-
Drie tot vijf opsommingstekens
-
Voorgestelde grafiek of tabel
-
Bronvermelding
-
Risico of aanname dient door de medewerker te worden gecontroleerd
Houd de toon commercieel, bondig en geschikt voor een CEO-publiek.
Hoe test je het?
Begin met vijf gecontroleerde taken voordat je het in de praktijk gebruikt:
-
Lever een goedgekeurde vergelijkingstabel aan en vraag om een taxatieoverzicht.
-
Verwijder één sleutelgetal en controleer of dit de ontbrekende plek aangeeft in plaats van te gokken.
-
Vraag het bedrijf om een marktoverzicht op te stellen, waarbij uitsluitend gebruik wordt gemaakt van de aangeleverde bronnen.
-
Vergelijk de titels van de dia's met die van een eerder goedgekeurde presentatie.
-
Vraag een collega om elke output te markeren als geaccepteerd, bewerkt, afgewezen of doorgegeven.
Een goede output zegt: "De ARR-groei ontbreekt in het aangeleverde materiaal, dus dit punt moet worden bevestigd voordat het wordt opgenomen."
Een onjuiste output luidt: "Het bedrijf realiseert een jaarlijkse terugkerende omzetgroei van 35%", terwijl dat cijfer nooit is verstrekt. Dat is geen onschuldige fout in de bankwereld. Zo wordt vertrouwen geschaad.
Resultaat
Illustratief resultaat, gebaseerd op de tijd die is besteed aan vijf voorbeeldtaken voor een pitchbook, vóór en na het gebruik van de workflow:
-
De tijd die nodig was voor de eerste versie van de slides daalde van 4 uur en 30 minuten naar 1 uur en 15 minuten.
-
Het aantal handmatige correcties voor de opmaak is gedaald van 23 naar 7.
-
De beoordelingstijd voor medewerkers daalde van 1 uur en 40 minuten naar 55 minuten.
-
Tijdens de test werden twee ongefundeerde beweringen ontdekt, omdat de assistent aangaf dat er bronmateriaal ontbrak in plaats van dit aan te vullen.
-
Definitieve goedkeuring vereiste nog steeds een menselijke beoordeling van 100% van de dia's.
Dat betekent niet dat de assistent de analist "verving". Het veranderde de taak van de analist van het produceren van blanco pagina's naar het controleren van bronnen, het redigeren van commerciële teksten en het afhandelen van uitzonderingen.
Wat kan er misgaan?
Het grootste risico is vals zelfvertrouwen. Een dia die er professioneel uitziet, kan nog steeds een verkeerde aanname, verouderde gegevens of een bewering bevatten waar de klant absoluut niet mee eens zou zijn.
Veelvoorkomende fouten zijn onder andere:
-
De assistent toestaan om gegevens uit niet-goedgekeurde bronnen te halen
-
Het stellen van algemene vragen zoals "Maak deze presentatie beter"
-
Het niet scheiden van openbare gegevens van vertrouwelijke transactie-informatie
-
Het gebruik van door AI gegenereerde waarderingsformuleringen zonder de cijfers te controleren
-
Versiebeheer overslaan omdat de uitvoer er "goed uitziet"
-
Er wordt alleen rekening gehouden met snelheid, niet met foutpercentages of de kwaliteit van de beoordelingen
De veiligste regel is simpel: AI kan adviezen opstellen, vergelijken, samenvatten en markeren. Mensen blijven de adviezen goedkeuren, verdedigen en er verantwoordelijkheid voor nemen.
Praktische tips
Voor investment banking is de winnende AI-workflow geen magische bankier in een doos. Het is een strak gecontroleerde productielaag met duidelijke input, strikte toegangsrechten, menselijke beoordeling en meetbare kwaliteitscontroles. Goed gebruikt bespaart het uren. Onzorgvuldig gebruikt leidt het sneller tot kostbare fouten.
Veelgestelde vragen
Zal AI investeringsbankiers volledig vervangen?
Niet op een nette, allesomvattende manier. Investment banking draait niet alleen om resultaten – het gaat om vertrouwen, oordeelsvermogen, politiek en het overtuigen van echte mensen om onder druk "ja" te zeggen. AI zal delen van het werk overnemen, tijdlijnen verkorten en bepaalde lagen wegnemen, vooral in de productieomgeving. Maar klanten willen nog steeds een persoon die verantwoordelijk is voor het advies (en de consequenties). 🤝
Welke taken binnen de investeringsbankwereld zullen naar verwachting als eerste geautomatiseerd worden?
Het 'industriële' werk komt als eerste aan de beurt: grote volumes, sjabloongestuurd en gemakkelijk mechanisch te controleren. Denk aan eerste versies van pitchteksten, marktanalyses, vergelijkingstabellen, samenvattingen van documenten/transcripten, slideopmaak, concepten voor CIM-secties, scenario-analyses en eindeloze statusupdates. De truc is dat je niet stopt met werken, maar dat je overschakelt van creëren naar beoordelen, corrigeren en verdedigen van de output wanneer deze commercieel gezien niet klopt.
Zal AI de rol van investeringsbankiers op analistenniveau overnemen?
AI comprimeert de klassieke pijn van analisten aanzienlijk: het opstellen, formatteren, bijwerken en opnieuw opbouwen van hetzelfde model met kleine aanpassingen. Dat kan betekenen dat er minder juniors nodig zijn voor dezelfde output, en dat er hogere verwachtingen zijn van degenen die blijven. Het risico is training: als het saaie, repetitieve werk verdwijnt, verdwijnt ook de herhaling die instincten vormt. Je wordt niet scherp door alleen maar het werk te "beoordelen". 😅
Wat zijn de gevolgen voor medewerkers, vicepresidenten en managing directors naarmate AI zich verder verspreidt?
Associates en vice-presidenten worden mogelijk waardevoller omdat ze complexe klantbehoeften vertalen naar concrete resultaten en problemen signaleren voordat er iets wordt uitgebracht. Ze beheren ook deadlines, stakeholders en onduidelijkheden – gebieden waar AI nog steeds moeite mee heeft. Voor managing directors blijft relatie- en vertrouwensgedreven acquisitie belangrijk. De kloof tussen succesvolle leadmakers en mensen die zich voornamelijk bezighouden met procesbeheer wordt groter. ☔
Waarom heeft AI moeite met de onderdelen van het bankwezen die deals sluiten?
Omdat de moeilijkste aspecten situationeel en menselijk van aard zijn. AI kan structuren suggereren, maar de psychologie van de klant, bestuurlijke politiek, onderhandelingsnuances en timing zijn geen zuivere datasets. Vertrouwen op basis van reputatie is ook lastig: "Ik heb dit al eerder meegemaakt" is deels ervaring, deels verantwoordelijkheid. Wanneer een CEO half boos en half doodsbang is, moet iemand de situatie in goede banen leiden – niet alleen tekst genereren.
Hoe kunnen banken AI inzetten in de investeringsbankwereld zonder daarvoor de dupe te worden?
Een "goede" opzet gedraagt zich als een betrouwbare junior teamgenoot: het signaleert onzekerheden, legt aannames uit, werkt binnen de geldende regelgeving en zorgt voor consistente sjablonen. Net zo belangrijk is een auditspoor, zodat iemand de resultaten later kan verdedigen. De implementatie ziet er vaak uit als "AI overal... maar wel afgeschermd", omdat risico's op het gebied van privacy, cyberbeveiliging, ondoorzichtigheid en vooringenomenheid niet verdwijnen op de dag van de deal. ⚠️
Wat zijn de grootste risico's op het gebied van compliance en archivering bij het gebruik van GenAI in de banksector?
Twee factoren vertragen alles. Ten eerste is risicobeheer van modellen niet optioneel: toezichthouders verwachten validatie, documentatie en controles, en GenAI kan de lat eerder hoger leggen dan verlagen. Ten tweede zijn communicatie en archivering van gegevens van belang: wanneer mensen transactiegegevens in tools plakken of concepten in chatten, kan dit leiden tot problemen met archivering en toezicht binnen de regelgeving voor broker-dealers.
Hoe blijf je waardevol als AI de investeringsbankwereld verandert?
Denk aan "paardenkracht, niet aan wijsheid". Gebruik AI om sneller te schrijven, structureren en itereren - en besteed je menselijke tijd aan het vertellen van het verhaal, commercieel inzicht, het herkennen van patronen in de sector, onderhandelen en procesmanagement. "Goed zijn met AI" betekent dat je er verantwoordelijk mee omgaat: goede aanwijzingen geven, de output grondig testen en signaleren wat technisch correct is, maar commercieel gezien niet. De winnaars worden geweldige redacteuren van de werkelijkheid. 🧠🤖
Referenties
[1] World Economic Forum - Het rapport 'De toekomst van banen 2025' (samenvatting)
[2] McKinsey Global Institute - Het economische potentieel van generatieve AI: de volgende productiviteitsgrens
[3] Bank voor Internationale Betalingen - Intelligent financieel systeem: hoe AI de financiële wereld verandert (BIS Working Papers nr. 1194, PDF)
[4] Federal Reserve - Richtlijnen voor toezicht op modelrisicobeheer (SR 11-7), PDF
[5] FINRA - Boeken en registers (inclusief SEC Exchange Act Rule 17a-4 bewaarplicht voor elektronische communicatie)