Artifical intelligence (AI) is een populair beleggingsthema. De razendsnelle opkomst van AI verandert echter ook de beleggingsindustrie zelf. Vermogensbeheerders zullen hun investeringsprocessen anders gaan inrichten. Logisch, want AI maakt een enorme slag in kwaliteit en efficiency mogelijk, vertelt Tonko Gast, oprichter en CEO van private debt belegger Dynamic Credit, onderdeel van vermogensbeheerder BNP Paribas Asset Management. “We voelen de impact al in hoe wij dagelijks beleggen en die invloed zal alleen maar toenemen.”
Dynamic Credit, sinds eind eerste kwartaal van 2022 onderdeel van BNP Paribas AM, staat vooral bekend als aanbieder van hypotheekbeleggingen, onder meer aan pensioenfondsen. Via het online platform bijBouwe en andere kanalen verstrekt de vermogensbeheerder ook zelf hypotheken aan Nederlandse huishoudens. Buiten Nederland is het bedrijf vooral actief als investeerder in persoonlijke leningen, met name in de Verenigde Staten.
In deze markten bieden AI en ‘machine learning’ enorme voordelen, stelt Tonko Gast. “We maken (beleggings-)beslissingen onder meer aan de hand van een enorme hoeveelheid beschikbare data, van de kredietwaardigheid van huishoudens tot macro-gegevens over werkeloosheid. Al heel vroeg voelden we de noodzaak om de verwerking en beoordeling van die gegevens slim in te richten. Aanvankelijk om onze hypotheekprocessen goed in te kunnen richten.”
Veel van de AI-toepassingen heeft Dynamic Credit in de afgelopen jaren zelf in huis ontwikkeld. “We zijn blij met die onafhankelijkheid van derden zoals ChatGPT, waarbij je niet weet wat er met je data gebeurt. We hopen dat deze zelf ontwikkelde toepassingen ook elders in BNP Paribas AM kunnen bijdragen aan efficiencyverbeteringen.”
Overvloed aan data maakt AI broodnodig
Sinds de start van ChatGPT is de toepassing van AI in een stroomversnelling geraakt, stelt Gast. “We passen de technologie breed toe, waar het ook maar iets kan toevoegen aan efficiency, aan kwaliteit maar indien mogelijk natuurlijk ook aan beleggingsresultaten. We gebruiken AI in belangrijke sleutelprocessen in het bedrijf, maar ook in het beheer van onze portfolio’s en in onze direct lending activiteiten. Er is zoveel meer mogelijk dan we dachten, AI raakt elke functie.”
Met name de beleggingen in persoonlijke leningen gaan gepaard met een veelheid aan beschikbare data, stelt Gast. Het gaat om beleggingen in honderden tot zelfs duizenden individuele leningen. “We investeren via 13 platformen in deze leningen, in 6 verschillende landen en 4 valuta, waarbij elk platform eigen processen en standaarden kent. Het bijhouden van lening performance, lening cash flows en platform-data om op fondsniveau inzicht te hebben, is een complexe klus. Je ziet dat AI daar echt waarde toevoegt. Je hebt immers een goed overzicht en inzicht nodig om weloverwogen beslissingen te kunnen maken.”
Een concrete toepassing van AI bij het onderdeel van BNP Paribas AM is een interne knowledge-based virtuele assistent, waarbij specifieke direct lending cases zijn ondergebracht. Gast: “Het kredietcomité dat bij zulke specifieke situaties besluit over het wel of niet geven van een lening kan de eerdere beslissingen inzien en deze als leidraad nemen. Dat scheelt enorm veel tijd. Dat AI op deze manier de beslissingen helemaal overneemt, is nog lang niet aan de orde.”
Wat er concreet zoal mogelijk is
Ook elders helpt AI de in private debt gespecialiseerde vermogensbeheerder, bijvoorbeeld bij vragenlijsten van potentiële beleggers. Gast: “Het invullen van een RFP (request for proposal) waarbij nieuwe klanten ons pagina’s aan vragen stellen, legt een enorm beslag op ons team. Al die kennis is echter al in huis en staat op schrift. Met een zogeheten ‘large language model’ (een lerend algoritme) kun je 80% van de vragen beantwoorden. Daarbij borgen we dat er alleen interne data kunnen worden gebruikt en dat er geen gegevens buiten onze eigen cloud komen.”
Dynamic Credit gebruikt verder machine learning om defaults op leningen beter kunnen voorspellen. Gast: “We hebben dit gedaan met Amerikaanse data over persoonlijke leningen zonder onderpand. Zulke data gaan in de VS terug tot 2007, dat is 15 jaar aan data van miljoenen leningen! Eigenlijk kun je dat alleen met machine learning goed doorgronden, in ieder geval gaat het een stuk sneller. Je kunt dan bijvoorbeeld zien wat er gebeurt met defaults op dit type leningen indien de Amerikaanse werkeloosheid oploopt. Dat kun je op postcodeniveau doen door ook lokale arbeidsmarkten te analyseren. Dat biedt inzicht in het risico, zeker bij leningen zonder onderpand is dat waardevolle informatie.”
Ten slotte biedt AI ook uitkomst bij een zaak waar alle vermogensbeheerders mee te maken hebben: de groeiende regelgeving. Gast: “Binnen ons bedrijf zijn er meer dan 100 verschillende beleidsdocumenten waar we aan moeten voldoen, van cybersecurity, privacyregels tot het screenen van klanten. Dat kun je allemaal op intranet zetten, maar waarom niet bundelen in een interne virtuele assistent in onze eigen cloud, aan wie je kunt vragen aan welke regels je moet voldoen bij een specifieke activiteit? De mogelijkheden van AI zijn enorm, en nu het echt schaalbaar wordt, zal deze ontwikkeling niet stoppen.”
