De aandachtsbonus van AI: wat beleggers moeten weten

Kunstmatige intelligentie kan onderzoek krachtiger maken. Ook kan ze ervoor zorgen dat onderzoek meer opvalt. Voor beleggers die opkomende technologieën beoordelen, kan inzicht in het verschil helpen om wetenschappelijke doorbraken en de bedrijven die daarbij betrokken zijn beter te interpreteren.

Een studie die is geaccepteerd voor publicatie in Finance Research Letters, ‘De premie voor AI-signalering in economisch en financieel onderzoek’, onderzoekt hoe het prominent vermelden van AI samenhangt met academische citaties.¹ In een analyse van 30.114 artikelen blijkt het verband het sterkst wanneer AI-gerelateerde termen in de titel staan.

De bevindingen bieden meer dan alleen een les over academisch schrijven. Ze belichten een uitdaging voor iedereen die waardevolle innovatie probeert te herkennen: aandacht helpt informatie zich te verspreiden, maar populariteit alleen zegt niets over de praktische waarde ervan. Dat biedt kansen voor bedrijven die klanten helpen onderzoek te vinden, te beoordelen en toe te passen.

Wat de studie naar AI en citaties heeft uitgewezen

Onderzoekers Andres Alonso-Robisco, Carlos Esparcia en Francisco Jareño onderzochten Engelstalige artikelen die tussen 2021 en 2025 in 67 economische en financiële tijdschriften zijn verschenen. Ze combineerden publicatiegegevens van Scopus met informatie over de tijdschriften en gegevens op auteursniveau.

De analyse bracht AI-gerelateerde termen in titels, samenvattingen en trefwoorden in kaart. De definitie omvatte meer dan alleen de letterlijke afkorting ‘AI’: ook methoden en technologieën als machine learning, neurale netwerken en grote taalmodellen vielen eronder.

Vervolgens onderzochten de auteurs of de plaats waar die termen voorkwamen samenhing met het aantal citaties. Daarbij hielden ze rekening met factoren als het publicatiejaar, het tijdschrift, het onderwerp, de leesbaarheid en kenmerken van de auteurs.

De auteurs beschrijven het belangrijkste verband — wanneer AI in de titel zichtbaar is — als ongeveer 60% meer citaties dan bij artikelen zonder AI-signaal, en ongeveer 43% meer dan bij artikelen waarin AI alleen in de trefwoorden wordt genoemd. Het gaat om vergelijkingen op basis van een model en een getransformeerde maatstaf voor jaarlijkse citaties, niet om eenvoudige verschillen tussen ruwe gemiddelden.

Het patroon bleef bestaan bij verschillende alternatieve analyses, waaronder vergelijkingen binnen hetzelfde nummer van een tijdschrift en correcties voor kenmerken van auteurs. Het kwam ook naar voren wanneer AI de methode was die onderzoekers toepasten én wanneer AI zelf het onderwerp van onderzoek was.

Waarom zichtbaarheid van onderzoek ertoe doet voor beleggers

Een titel is een eerste filter. Onderzoekers die onbekende literatuur doornemen, moeten bepalen welke artikelen meer aandacht verdienen. Beleggers staan voor een vergelijkbare praktische uitdaging wanneer ze technische aankondigingen, bedrijfspresentaties en wetenschappelijk bewijs beoordelen.

Een herkenbaar technologielabel kan lezers helpen relevant werk snel te vinden. Dat kan nuttig zijn: door een bijdrage aan AI duidelijk te beschrijven, kunnen geïnteresseerden die gemakkelijker opsporen.

De studie kan echter niet aantonen dat het toevoegen van AI-termen leidt tot meer citaties. Auteurs leggen AI mogelijk meer nadruk op wanneer die bijzonder centraal staat in hun werk, of wanneer ze al verwachten dat het artikel invloedrijk zal worden. Statistische correcties beperken sommige alternatieve verklaringen, maar sluiten die niet uit.

De studie meet evenmin aandelenrendementen. De bevindingen mogen niet worden vertaald naar de bewering dat AI-branding de waardering van bedrijven verhoogt. In een afzonderlijke analyse bespreekt Securities.io aankondigingen van AI-investeringen en rendementen op de aandelenmarkt, en hoe bedrijfssignalen over AI samenhangen met de verwachtingen van beleggers.

De relevante overeenkomst is analytisch van aard: zowel lezers van onderzoek als beleggers moeten nagaan waarop een prominente bewering is gebaseerd voordat ze er economische betekenis aan toekennen.

Wetenschappelijke aandacht onderscheiden van commerciële waarde

Neem een denkbeeldig bedrijf dat een veel geciteerd artikel over AI-gestuurde prognoses promoot. Het aantal citaties laat zien dat andere onderzoekers zich met het artikel hebben beziggehouden. Het bewijst niet dat de methode betrouwbaar werkt met de gegevens van klanten, nauwkeurig blijft wanneer de omstandigheden veranderen of minder kost dan bestaande alternatieven.

Een praktische beleggingsbeoordeling volgt het bewijsmateriaal daarom in verschillende fasen. Onderzoek brengt een mogelijk vermogen in kaart. Onafhankelijke tests helpen bepalen of dat standhoudt. Productontwikkeling maakt duidelijk of klanten het kunnen gebruiken. Commerciële resultaten laten zien of iemand genoeg wil betalen om een duurzaam bedrijf mogelijk te maken.

Deze fasen kunnen zich in verschillend tempo voltrekken. Het kan jaren van technisch ontwikkelwerk vergen voordat een indrukwekkend onderzoeksartikel in de praktijk wordt toegepast. Een minder opvallende methode kan een terugkerend klantprobleem misschien nu al kosteneffectief oplossen.

Nuttige vragen zijn onder meer:

• Is het resultaat ook buiten de oorspronkelijke onderzoeksomgeving getest?
• Verbetert het een meetbare uitkomst voor klanten?
• Wegen de voordelen op tegen de kosten van implementatie, rekenkracht en toezicht?
• Kan het bedrijf waarde behouden via prijsstelling, klantloyaliteit of onderscheidende gegevens?

Deze aanpak laat ruimte voor optimisme en maakt de investeringscase tegelijk concreter. Wetenschappelijke aandacht kan aangeven waar nader onderzoek nodig is. Hoe ver de argumentatie reikt, hangt af van bewijs voor praktisch nut.

AI-ontdekking van onderzoek biedt zakelijke kansen

De studie wijst ook op een commercieel probleem: relevante onderzoeken vinden is lastig als lezers weinig tijd hebben. Betere zoek- en ontdekkingstools kunnen organisaties helpen bruikbare bevindingen op te sporen die anders verborgen zouden blijven onder onbekende vaktermen of minder opvallende titels.

Stel dat een fabrikant van materialen een productiefout onderzoekt. Medewerkers hebben mogelijk bevindingen nodig uit de scheikunde, techniek en statistische modellering. Een bruikbaar onderzoekssysteem zou bewijs uit die vakgebieden met elkaar verbinden, tegenstrijdige resultaten signaleren en gebruikers de onderliggende bronnen laten raadplegen.

De zakelijke waarde zou voortkomen uit een efficiënter onderzoeksproces. Snellere samenvattingen zijn nuttig, maar een ongeschikt experiment voorkomen of een veelbelovend alternatief ontdekken kan belangrijker zijn dan alleen sneller lezen.

Dit sluit aan bij de berichtgeving van Securities.io over productiviteitswinst door AI en rendement voor beleggers: tijdsbesparing schept capaciteit, terwijl zakelijke beslissingen bepalen of die capaciteit extra waarde oplevert.

Transparantie is nodig bij het rangschikken van onderzoek

Er is ook een mogelijk terugkoppelingseffect. Als zoek- en ontdekkingstools sterk leunen op bestaande citatieaantallen, kunnen artikelen die al veel zichtbaarheid hebben nog meer aandacht krijgen. Nuttig werk met minder citaties blijft dan mogelijk moeilijker vindbaar. Dit is een mogelijkheid die voortvloeit uit het aandachtsprobleem, geen uitkomst die in het artikel is onderzocht.

Daarom zijn transparante rangschikking, traceerbaarheid van bronnen en aandacht voor tegenstrijdig bewijs commercieel relevant. Klanten moeten begrijpen waarom een systeem een artikel aanbeveelt en of het antwoord recht doet aan de breedte van het beschikbare onderzoek.

RELX biedt blootstelling aan AI-gestuurde onderzoekstools

Deze behoeften sluiten vanzelfsprekend aan bij RELX. De divisie Elsevier beheert Scopus, de database die in de studie is gebruikt. Met zijn onderzoeksproducten is het bedrijf rechtstreeks actief op de markt voor het vinden en interpreteren van wetenschappelijke informatie.

Scopus AI combineert generatieve AI met onderzoekscontent, zodat gebruikers onderwerpen kunnen verkennen en relevante literatuur kunnen vinden. Elsevier heeft zijn aanbod ook uitgebreid naar bredere onderzoeksprocessen met LeapSpace.

In de aankondiging van september 2026 over de onderzoekscontent en onafhankelijke adviesraad van LeapSpace meldde Elsevier toegang tot de volledige tekst van meer dan 23 miljoen artikelen en boeken. Ook beschreef het onafhankelijke advies over algoritmen, transparantie en zoekresultaten die niet door uitgevers worden gestuurd. Dit zijn ontwikkelingen die het bedrijf zelf heeft gemeld, geen onafhankelijk bewijs van betere onderzoeksresultaten.

Het commerciële voorstel is begrijpelijk: uitgebreide onderzoekscontent combineren met tools die het gebruik ervan vergemakkelijken. Bestaande klantrelaties en integratie in onderzoeksprocessen kunnen de invoering ondersteunen, al blijven concurrerende producten en klantbudgetten van belang.

In de handelsupdate van oktober 2026 meldde RELX een onderliggende omzetgroei van 7% voor de groep in de eerste negen maanden, waaronder 6% bij Scientific, Technical & Medical. Het management wees op de invoering van AI-oplossingen en de snelle groei in het gebruik van LeapSpace. Deze cijfers maken niet duidelijk welk deel van de omzet of winstgevendheid aan afzonderlijke AI-producten kan worden toegeschreven.

Voor beleggers zijn de volgende vragen of klanten voor de producten betalen, of ze klant blijven, wat de bedrijfskosten zijn en of productverbeteringen duurzame groei ondersteunen. RELX is ook actief in andere bedrijfstakken, waardoor het aandeel een bredere blootstelling biedt dan alleen aan de ontdekking van onderzoek. Ook als een bedrijf een geloofwaardige technologische kans heeft, blijft de waardering belangrijk.

Laatste nieuws en ontwikkelingen rond RELX (RELX)

AI beoordelen voorbij de aandachtsbonus

De belangrijkste bijdrage van de studie is dat ze laat zien dat de zichtbaarheid van onderzoek even kritisch moet worden bekeken als de inhoud ervan. De bevindingen zijn beperkt tot publicaties over economie en financiën en bieden geen grond voor een algemene regel voor alle wetenschapsgebieden of beleggingen.

Toch zijn de vooruitzichten gunstig. AI kan meer mensen toegang geven tot bruikbare kennis, terwijl betere onderzoekstools technische beoordelingen sneller en grondiger kunnen maken. Bedrijven die deze verbeteringen leveren, pakken een concreet klantprobleem aan.

Voor beleggers is het zaak aandacht te volgen met verificatie: onderzoek het bewijs, begrijp het voordeel voor de klant en bepaal hoe het bedrijf geld verdient met het leveren daarvan. Een AI-label kan het beginpunt van dat onderzoek zijn. Duurzame bedrijfsprestaties moeten het vervolg dragen.

Referenties:

¹ Alonso-Robisco, A., Esparcia, C. en Jareño, F. (2026). AI-signaleringspremie in economisch en financieel onderzoek. Finance Research Letters. Online voorpublicatie. https://doi.org/10.1016/j.frl.2026.110995