AI Breidt Vermogensbeheer Uit, Vervangt Adviseurs Niet

Bijna elke sector ziet professionals die zich zorgen maken dat AI hun banen kan wegnemen, vooral in witteboorden, kennisgedreven sectoren.

Dit is uiteraard ook waar voor programmeren, schrijven en andere taken waarbij moderne AI gebaseerd op LLM’s (large Language Models) bijzonder bekwaam is. Maar dit geldt ook voor financiële professionals, die steeds vaker AI en zogenaamde robo-adviseurs zien als potentiële concurrenten van traditioneel menselijk vermogensbeheer.

Een nieuwe studie van twee Chinese onderzoekers aan de Shanghai University daagt dit idee uit. Door de effecten van LLM’s op Chinese vermogensbeheerbedrijven te analyseren, ontdekten ze dat, in tegenstelling tot voorspellingen over verdringing, LLM-adoptie het aantal adviseurs aanzienlijk verhoogt. Dit effect wordt gedreven door een sterke herstructurering van personeelsbestand in vermogensbeheerbedrijven, en LLM’s stimuleerden daadwerkelijk het aannemen, met name voor junior- en ondersteunende functies.

They published their findings in International Review of Economics& Finance¹, under the title “Do large language models displace or complement investment advisors? Evidence from Chinese wealth management firms”.

Van Routinearbeid Naar Geavanceerde Taken

Wat LLM’s een radicaal ander type automatisering maakt, is het type taak dat ze kunnen automatiseren. Voorheen verving automatisering vooral routinematig handmatig werk, terwijl LLM’s ongestructureerde informatie kunnen verwerken, logisch redeneren en complexe teksten kunnen genereren.

Dus LLM’s lijken meer op complexe, flexibele robots op een productielijn dan op eenvoudigere, repetitieve machines die geen flexibele taken aankunnen. En in de fysieke wereld heeft dit soort vermogen geleid tot een enorme vermindering van het personeelsbestand in de productie. Het is daarom niet onredelijk dat kenniswerkers bang zijn om door dergelijke technologie verdrongen te worden: zelfs als het de mens niet volledig vervangt, kan het de benodigde arbeid voor een bepaalde taak drastisch verminderen.

Maar een taak volledig automatiseren is niet noodzakelijk het enige effect van technologie.

Een andere mogelijkheid is om een voorheen complexe taak, die alleen door getrainde en ervaren professionals kon worden uitgevoerd, makkelijker te maken. In die context zouden LLM’s meer kunnen lijken op de vroege machines van de industriële revolutie, die een complexe taak die vakmanschap vereiste omzetten in een eenvoudigere productieprocedure die minder training vereist.

“Door de kennisdrempel die nodig is voor zelfstandige taakvoltooiing te verlagen, kunnen dergelijke technologieën het scala aan taken dat junior‑werknemers autonoom kunnen uitvoeren, uitbreiden.”

Als dat het geval is, zou de praktische inzet van LLM’s niet alleen effect moeten hebben op werkgelegenheid, maar ook op de structuur van de bedrijven die ze gebruiken.

“Technologieën verlagen de kosten van kennisverwerving, productiewerknemers breiden hun probleemoplossende autonomie uit, escaleren minder routinematige problemen naar boven, en vergroten de span of control van senior specialisten, waardoor de hiërarchie effectief wordt afgevlakt.”

Vermogensbeheer, AI & Concurrentievoordelen

AI & Geld Heeft Een Vertrouwensprobleem

Op de dagelijkse basis voeren medewerkers in vermogensbeheer veel routinetaken uit: het verzamelen van marktinformatie, het opstellen van rapporten en het documenteren van compliance. Al deze taken zijn codificeerbare cognitieve taken waarbij AI een duidelijk comparatief voordeel heeft.

Echter, de kernwaardepropositie van de sector rust op vertrouwen, fiduciaire plicht en relatiebeheer. Dit zijn interpersoonlijke taken die stilzwijgende kennis en sociale intelligentie vereisen, waar AI momenteel moeite mee heeft om te repliceren.

Deze kloof heeft de inzet van AI in de financiële sector tot nu toe beperkt, aangezien vertrouwen in AI‑adviseurs blijft laag.

AI Zou Vermogensbeheer Kunnen Helpen Groeien

Tegelijkertijd zou AI, door de kosten van financieel advies te verlagen, de sector enorm kunnen laten groeien, aangezien hoge advieskosten gepersonaliseerde diensten beperken tot vermogende particulieren, waardoor het enorme mass‑affluent segment chronisch onderbediend blijft op het gebied van vermogensadvies.

“Als LLM’s de marginale kosten van routinetaken voldoende verlagen, kunnen ze bedrijven in staat stellen winstgevend dit long‑tail‑marktsegment te betreden, waardoor AI‑gedreven opschaling de dienstverlening uitbreidt en werkgelegenheid stimuleert in plaats van verdringing.”

In die context is de Chinese markt bijzonder interessant om de impact van LLM’s op de sector te analyseren:

• Snel groeiende huishoudelijke rijkdom creëert aanzienlijke latente vraag in het mass‑affluent segment.
• China’s CSRC en SAC handhaven strikte human‑in‑the‑loop‑vereisten, die algoritmen verbieden volledige discretionaire bevoegdheid uit te oefenen en licentie‑adviseurs verplichten alle gepersonaliseerde aanbevelingen te superviseren.
  • Deze regels leiden AI‑adoptie naar hybride mens‑machine‑modellen, waardoor bijzonder gunstige voorwaarden ontstaan voor complementariteit in plaats van volledige substitutie.
• China’s digitaal‑geïntegreerde financiële ecosysteem en wijdverspreide fintech‑infrastructuur genereren betekenisvolle variatie tussen bedrijven in LLM‑adoptie, waardoor geloofwaardige causale identificatie mogelijk is.

De Impact van AI op Vermogensbeheer

Wat Kunnen LLM’s Doen in Vermogensbeheer?

De onderzoekers onderscheiden drie categorieën taken in vermogensbeheer die door LLM’s beïnvloed kunnen worden, elk met een verschillend substitutie‑niveau.

De eerste set taken betreft technische analyses, waaronder marktdata‑analyse, portefeuillesamenstelling, synthese van investeringsonderzoek en compliance‑documentatie. Dankzij expliciete regels, gestructureerde data‑invoer en gestandaardiseerde output zijn deze taken ideaal om LLM’s in te zetten ter vervanging van menselijk werk.

De tweede set taken betreft oordeel‑ en besluitvormings‑taken, zoals risico‑evaluatie, scenario‑analyse en het ontwerpen van gepersonaliseerde oplossingen. Deze taken vereisen integratie van stilzwijgende kennis en contextueel bewustzijn, waardoor LLM’s slechts matig kunnen substitueren voor menselijk werk.

Ten slotte zijn er de relatie‑beheer‑taken. Dit omvat het opbouwen van vertrouwen, emotionele ondersteuning tijdens marktvolatiliteit en het cultiveren van langdurige relaties. Deze taken vereisen interpersoonlijke sensitiviteit, contextueel oordeel en authentieke menselijke verbinding, waardoor LLM’s grotendeels ongeschikt zijn voor deze rol.

Gegevens Verzamelen

De onderzoekers verzamelden meerdere regelgevende databases, bedrijfsrapporten en marktdata om een uitgebreid panel‑dataset op te stellen dat Chinese vermogensbeheerbedrijven omvat, met 7.795 observaties over 2019‑2024.

Om de adoptie van LLM’s op bedrijfsniveau te identificeren, werden vacatures en profielinformatie van werknemers verzameld via grote wervingsplatformen.

Vermogensbeheerpersoneel werd ingedeeld in junior‑adviseurs (≤3 jaar ervaring), midden‑adviseurs (4‑10 jaar ervaring) en senior‑adviseurs (>10 jaar ervaring).

Ten slotte omvat de analyse op klantniveau investeringsrendementen, vermogensallocatie, kostenstructuren en klantretentie‑status.

Wie Wordt Het Meest Geïnvloed

Eerdere studies toonden aan dat hoewel LLM‑adoptie in werkomgevingen productiviteitswinsten van 14‑56 % opleverde, dit onevenredig ten goede kwam aan minder ervaren en lager gekwalificeerde werknemers. Als gevolg daarvan legden bedrijven meer nadruk op interpersoonlijke en klantgerichte vaardigheden na de adoptie van LLM’s. De vraag naar traditionele technische vaardigheden daalde echter niet significant, wat suggereert dat AI de complementaire menselijke capaciteiten die bedrijven waarderen veranderde in plaats van technische expertise overbodig te maken.

“Dit patroon, waarbij AI eerder aanvult dan simpelweg lager‑geschoold werk vervangt, verschilt duidelijk van eerdere golven van IT‑adoptie die doorgaans hogere‑geschoolde werknemers complementeerden.”

Het gevolg is dat LLM‑adoptie positief correleert met een grotere nadruk op soft skills (communicatieve vaardigheden, emotionele intelligentie, klantrelatiebeheer).

Gebruik van LLM’s

Slechts 17,8 % van de bedrijfs‑jaar‑observaties omvatten LLM‑adoptie, wat aangeeft dat hoewel het gebruik van LLM’s nog relatief ongewoon is, een betekenisvol deel van vermogensbeheerbedrijven deze technologieën al heeft geïntegreerd.

Locaties in technologische hubs vertonen grotere effecten dan niet‑technologische hubs. Dit patroon weerspiegelt waarschijnlijk betere toegang tot AI‑talent, sterkere technologische infrastructuur en meer verfijnde cliënten die AI‑verbeterde diensten waarderen in grote technologiecentra.

LLM‑gebruik correleert het sterkst met junior‑adviseurs, matig met midden‑adviseurs en het zwakst met senior‑adviseurs, wat overeenkomt met het verwachte profiel van AI‑inzet in de vermogensbeheerindustrie.

Als men kijkt naar welke rol LLM’s het meest worden gebruikt, toont de studie een sterke co‑beweging van LLM‑gebruik met ondersteunende functies en een bijna nul‑associatie met klantgerichte posities.

Betere Diensten, Zelfde Prijzen

De studie toont aan dat LLM‑gebruik significant positief correleert met alle kwaliteits‑metriek van de dienstverlening: portefeuillerendement, risico‑gecorrigeerd rendement, klantretentie en AUM‑groei. LLM‑gebruik gaat ook gepaard met een daling van het klachten‑percentage en regulatoire acties.

LLM‑gebruik leidde tot een verbetering van 11,5 % in gemiddelde portefeuillerendementen. De verbetering van 2,5 procentpunt in retentie vertegenwoordigt een daling van 23,8 % in klant‑attritie.

Er is echter geen correlatie tussen LLM‑gebruik en advieskosten.

Dit duidt waarschijnlijk erop dat concurrentiedruk bedrijven ervan weerhoudt hogere vergoedingen te vragen, ondanks aantoonbare service‑verbeteringen, waarbij de voordelen voornamelijk naar klanten vloeien in plaats van naar producenten. Dit is vooral waarschijnlijk in een sector waar service‑kwaliteit observeerbaar is en bedrijven concurreren op prestaties.

AI Vervangt Niet Maar Herstructureert Menselijk Werk

Over het geheel genomen laten de bevindingen zien dat AI taken in vermogensbeheer herstructureert, maar geen netto verdringingseffect heeft.

Naarmate LLM’s routinematige analytische taken overnemen, hechten bedrijven steeds meer waarde aan medewerkers die oordeel kunnen uitoefenen (cognitieve vaardigheden), efficiënt met AI‑tools kunnen werken (efficiëntie‑vaardigheden), effectief met cliënten kunnen communiceren (sociale vaardigheden) en sterke klantrelaties kunnen onderhouden (klant‑vaardigheden).

Deze bevindingen suggereren niet dat technische vaardigheden overbodig worden. In plaats daarvan geven ze aan dat duidelijk menselijke capaciteiten waardevoller worden naast technische expertise, nu AI een groter deel van routinematige analytische arbeid op zich neemt.

Door de kosten van technische taken te verlagen, zou AI niet alleen een productiviteitstool kunnen zijn, maar ook een krachtig opschalingsinstrument voor de vermogensbeheerindustrie, waardoor deze haar adresseerbare markt kan uitbreiden naar een groter segment van de bevolking.

Deze bevindingen kunnen zich uitbreiden naar andere sectoren met vergelijkbare voorwaarden: onbeantwoorde latente vraag, human‑in‑the‑loop‑regulering en relatie‑gebaseerde servicemodellen.

Investeren in AI Vermogensbeheer

De studie onderzoekt Morgan Stanley (MS ) niet en stelt niet vast dat dezelfde resultaten buiten China zullen optreden. Wel identificeert ze de voorwaarden waaronder AI‑ondersteund vermogensbeheer succesvol kan opschalen. Morgan Stanley biedt beleggers blootstelling aan een bedrijf dat een groot adviseursnetwerk, zelfgestuurd beleggen, werkplek‑diensten en steeds verfijndere AI‑mogelijkheden combineert.

Morgan Stanley

Morgan Stanley is een alom bekend grootbank‑ en vermogensbeheerbedrijf, met $9,3 triljoen aan totale klantactiva in 2025, waarvan ongeveer drie kwart afkomstig is uit de vermogensbeheer‑categorie. Het is ook het vermelden waard dat de totale klantactiva sinds 2020 zeer snel zijn gegroeid.

Bron: Morgan Stanley

Morgan Stanley’s primaire robo‑adviseurplatform is haar E*TRADE‑merk, dat een jaarlijks advies‑tarief van ongeveer 0,30 % rekent.

Naast een puur robo‑adviseurplatform biedt Morgan Stanley ook andere vermogensbeheerdiensten:

• Virtuele Adviseurs: Telefonische toegang tot een team van remote adviseurs voor gestructureerde planning zonder een toegewijde full‑service menselijke broker.
• Full‑Service Financiële Adviseurs: Traditionele één‑op‑één toegewijde planning voor complexe vermogensbehoeften.

Bron: Morgan Stanley

Deze structuur lijkt sterk op het mens‑machine‑model dat in de studie wordt onderzocht: AI verwerkt informatie‑ophaling, vergaderdocumentatie en routinematige voorbereiding, terwijl licentie‑adviseurs verantwoordelijkheid behouden voor klantrelaties en aanbevelingen.

Naarmate AI‑capaciteiten groeien, zou dit Morgan Stanley in staat moeten stellen de kosten voor technische vaardigheden geleidelijk te verlagen en de personele inzet te verschuiven naar een bredere inzet van de menselijke touch die nodig is voor meer direct, persoonlijk advies.

De omvang en reputatie van Morgan Stanley op alle klantniveaus zal hen helpen AI efficiënt uit te rollen naar miljoenen cliënten en de vermogensmarkt uit te breiden.

Het is vermeldenswaard dat AI al wordt gebruikt als een instappunt dat klanten kanaliseert naar hogere niveaus van vermogensbeheer, met 7 miljoen nieuwe klantrelaties sinds 2020, grotendeels via E*TRADE en Workplace, een marktleidend platform voor financiële adviseurs.

Bron: Morgan Stanley

“Morgan Stanley at Work beheert ongeveer $1,2 biljoen aan activa via haar workplace‑financiële‑oplossingen‑business. Het bedrijf voorziet dat zakelijke cliënten uiteindelijk via de platforms “op een puur agentische manier” zullen interageren, met AI‑aangedreven tools in plaats van direct in te loggen op ShareWorks of Equity Edge.”

Dus AI zou een concurrentievoordeel voor Morgan Stanley kunnen opleveren via verschillende mechanismen:

• Het aantal cliënten dat elke adviseur kan ondersteunen verhogen
• Gepersonaliseerde diensten verder uitbreiden naar de mass‑affluent markt
• Adviseurproductiviteit verbeteren zonder de service‑kwaliteit te verlagen
• Retentie versterken door frequentere en gepersonaliseerde interacties
• Vermogensbeheers‑omzet opschalen zonder evenredige administratieve groei

Dit betekent niet dat AI per se de winsten van Morgan Stanley zal verbeteren, aangezien deze studie aantoont dat dergelijke verbeteringen en winsten waarschijnlijk vooral ten goede komen aan de klanten. Maar het zou hun leiderschapspositie in de sector moeten versterken, en de waarschijnlijke wereldwijde expansie van de vermogensmarkt dankzij AI zou de sector als geheel ten goede moeten komen.

Laatste Morgan Stanley (MS) Aandelen Nieuws en Ontwikkelingen

Studie Gerefereerd

^{1. Lina Song and Huaili Lyu. Do large language models displace or complement investment advisors? Evidence from Chinese wealth management firms. International Review of Economics& Finance. oktober 2026. Artikel: 105636. Volume 111. 10.1016/j.iref.2026.105636}