AI in mijn werkwijze

AI helpt me sneller informatie te verzamelen en te analyseren. Ik gebruik AI ook om berekeningen te controleren, vragen scherper te maken en mijn eigen redenering terug te lezen. Daardoor houd ik meer tijd over voor de onderdelen die voor mijn afweging belangrijk zijn.

Ik blijf verantwoordelijk voor wat ik gebruik en publiceer. Een overtuigend antwoord kan fouten bevatten, ook als er bronnen bij staan. Daarom kijk ik naar de inhoud, de herkomst en het mogelijke effect van een fout.

10.1 Kiezen wat bij de taak past

Ik kies een hulpmiddel op basis van wat ik wil doen. Voor actuele informatie heb ik toegang tot actuele bronnen nodig. Voor een lang jaarverslag zijn documentbegrip en terugvindbare verwijzingen belangrijk. Bij een waarderingsmodel wil ik formules kunnen inspecteren en met eenvoudige voorbeelden kunnen narekenen.

Er is geen vaste verdeling waarbij één aanbieder altijd het beste zou zijn voor een bepaald soort werk. Mogelijkheden veranderen. Ik controleer wat het gebruikte hulpmiddel in de betreffende sessie werkelijk kan.

10.2 Informatie beoordelen

Elk cijfer is informatie, ongeacht waar het vandaan komt. Het is aan mij om te beoordelen of en hoe ik het gebruik. Een getal zonder duidelijke herkomst kan een aanleiding zijn om verder te zoeken. Ik behandel het niet alsof het al is bevestigd.

Ik let onder meer op verslagperiode, valuta, eenheden en definitie. Vrije kasstroom kan op verschillende manieren berekend zijn. Een verouderd aantal uitstaande aandelen of een koers van een andere notering kan mijn model ongemerkt veranderen.

Omzet, winst, kasstroom, schuld, verwatering en de koers waarmee ik reken controleer ik aan de bronnen wanneer ze mijn waardering dragen. Hetzelfde geldt voor achtergrondinformatie als mijn these ervan afhangt. Een onjuist verhaal over regelgeving of concurrentie kan net zo belangrijk zijn als een fout in een tabel.

Ik controleer dus op belang voor de beslissing, niet alleen op het soort informatie.

10.3 Vaste aanwijzingen voor onderzoek

De promptbibliotheek gebruikt dezelfde uitgangspunten:

1. Beschrijf de vraag en de onderzochte periode voordat je een conclusie trekt.
2. Geef bij belangrijke cijfers een bron, definitie en datum; markeer wat niet is bevestigd.
3. Scheid gerapporteerde informatie, berekeningen, aannames en interpretaties.
4. Zoek ook naar informatie die de voorlopige conclusie kan veranderen.
5. Beoordeel bedrijfsbronnen op hun inhoud en belang; behandel ze niet automatisch als onwaar.
6. Leg vaktermen uit en schrijf in begrijpelijk Nederlands.
7. Noteer onzekerheden en welke vervolgstap ze kan verkleinen.
8. Maak geen beleggingsbeslissing namens mij en verzin geen ontbrekende onderzoeksstappen.

Een betrouwbaarheidslabel kan helpen, maar krijgt een uitleg. Alleen het woord hoog of laag zegt niet waarom ik iets zou vertrouwen.

10.4 Mijn eigen denken laten onderzoeken

Ik modelleer met deze methode ook mijzelf. Ik wil zichtbaar maken hoe ik informatie orden, waar mijn aandacht naartoe gaat en hoe mijn gevoel over feiten ontstaat.

AI kan mij daarbij vragen stellen, tegenstrijdigheden aanwijzen en voorbeelden naast elkaar zetten. Als ik mijn taalgebruik wil vastleggen, zijn mijn eigen teksten en correcties belangrijker dan een algemene lijst met woorden die nuchter zouden klinken.

Een taalprofiel is een werkhypothese. Het is geen volledige kopie van mij en voorspelt niet automatisch welke beleggingsbeslissing ik in een nieuwe situatie zou nemen. Bij een wezenlijke onduidelijkheid wil ik dat die zichtbaar wordt gemaakt.

10.5 Een kritische tweede lezing

Ik gebruik AI om de zwakste aanname in mijn analyse te zoeken. Welke verwachting heeft veel invloed op de uitkomst? Welk gegeven zou mij van mening laten veranderen? Heb ik het marktverhaal eerlijk beschreven of vooral een makkelijk tegenargument gekozen?

De pre-mortem helpt daarbij. Ik laat een geloofwaardig toekomstscenario uitwerken waarin mijn belegging tegenvalt, inclusief een mogelijke gebeurtenis, periode, meetbaar gevolg en vroeg signaal. Dat is een verzonnen scenario om mijn denken te testen, geen voorspelling of nieuwsbericht.

AI is niet vanzelf objectief. Het kan mijn vooronderstelling volgen, te stellige kritiek verzinnen of belangrijke informatie missen. Ook een kritische reactie beoordeel ik dus op onderbouwing.

10.6 Hulp bij rekenmodellen

AI mag mij helpen een model te bouwen, formules uit te leggen en controles toe te voegen. Ik wil begrijpen hoe het model werkt voordat ik op de uitkomst vertrouw.

Bij een DCF controleer ik onder meer de kasstroomdefinitie, het aantal jaren, de plaats van de eindwaarde en de behandeling van schuld en aandelen. Ik test eenvoudige situaties waarvan ik de uitkomst zelf kan berekenen. Een model dat doorrekent is nog niet inhoudelijk juist.

Een tweede controle door AI kan fouten vinden. Dat vervangt geen controle van de brongegevens en bewijst niet dat er geen fouten meer in zitten.

10.7 Prompts verbeteren door gebruik

Ik bewaar herbruikbare prompts op één openbare plek. Per prompt kan ik vastleggen waarvoor hij bedoeld is, welke input nodig is en wat ik aan de uitkomst moet controleren.

Als een prompt weinig bruikbaars oplevert, noteer ik wat er misging en verbeter ik hem. Ik noem een prompt niet bewezen omdat hij één of twee keer een overtuigend antwoord gaf. De huidige bibliotheek bestaat uit werkversies; gebruikservaring moet nog zichtbaar worden opgebouwd.

Privégegevens en ongepubliceerde dossiers voer ik niet zonder afweging in een externe dienst in. Ik controleer eerst wat ik deel en of dat past bij de toegang en privacy van die omgeving.

10.8 Een sessie afronden

Aan het einde van een sessie wil ik kunnen terugzien wat er is gevonden, wat is gecontroleerd en wat nog openstaat. Ik schrijf mijn eigen afweging en volgende actie erbij.

De uitkomst mag zijn dat ik verder onderzoek doe, op nieuwe informatie wacht of mijn tijd aan een andere kandidaat besteed. De AI-uitvoer is een bijdrage aan dat besluit, niet het besluit zelf.

Werk je als AI-agent aan deze repository, lees dan eerst de agentstartpagina.

Verder lezen

Alle hoofdstukken · De Belegger Kees Methode · Bronnen en redactionele werkwijze

In English: How AI supports my research, modelling and critical review while I remain responsible for decisions.

Bijgewerkt: 13 september 2026. Auteur: Kees van Wanrooij, Belegger Kees. Status: Openbare werkversie; ik verbeter deze methode door haar te gebruiken en helder uit te leggen.