Franklin Templeton ontwikkelt met OpenAI workflows voor AI-onderzoek

Franklin Templeton ontwikkelt workflows met kunstmatige intelligentie voor aandelenonderzoek, waarbij het gebruikmaakt van Codex van OpenAI en andere tools. OpenAI meldde dit in een klantverhaal dat op 5 november 2026 werd gepubliceerd. Het eerste doel is portefeuillebeheerders te helpen verschillende onderzoeksperspectieven met elkaar te vergelijken en de risico’s achter beleggingsideeën te onderzoeken. Uit de bekendmaking blijkt dat de inspanning nog de stap maakt van experimenteren naar productie; een bedrijfsbrede uitrol is nog niet voltooid.

Bij de eerste AI-aanpak van de vermogensbeheerder werden gegevens in een database geplaatst en modellen daaraan gekoppeld. Deze opzet leverde echter niet de antwoorden op die de teams nodig hadden, omdat de modellen niet begrepen hoe de gegevens met elkaar samenhingen. De teams voegden vervolgens agents en een semantische laag toe: een gestructureerd model van wat de gegevens van het bedrijf betekenen en hoe ze met elkaar verbonden zijn. Codex en andere tools worden gebruikt om die samenhangende informatielaag te ontwikkelen.

Het geplande systeem moet gegevens uit onderzoek, risicobeheer, compliance en handel samenbrengen, die elk een ander perspectief op een belegging bieden. De basis bestaat uit betrouwbare koppelingen, context over portefeuilles en workflows, en agentische mogelijkheden om bruikbare inzichten aan het licht te brengen voor analisten en portefeuillebeheerders. Deze elementen moeten het systeem herbruikbaar en goed beheerd maken, en beleggingsbeslissingen meer context bieden dan de oorspronkelijke koppeling met de database kon leveren.

Een opeenvolgend onderzoeksproces opnieuw vormgeven

Katrina Dudley, senior vicepresident voor beleggingen in beursgenoteerde markten bij Franklin Templeton, beschreef het eerdere proces voor aandelenonderzoek als mensgestuurd en opeenvolgend. Analisten voeren een eerste analyse van aandelen uit, bekijken gesprekken over kwartaalcijfers en bestuderen concurrenten per bedrijfstak. Zo bereiden ze voorstellen voor nieuwe ideeën aan portefeuillebeheerders voor of geven ze updates over bestaande posities in portefeuilles.

„We zijn overgestapt van het ondersteunen van ons onderzoeksproces naar het opnieuw vormgeven van de workflow voor beleggingsonderzoek”, zei Dudley. Het doel op langere termijn is om samenhangende informatie beschikbaar te maken voor alle beleggingsteams, van analisten tot de leiders van elke beleggingsgroep, en daarbij menselijk oordeel te behouden naast de inzichten van het systeem.

Bij de implementatie zijn hackathons met Codex georganiseerd, waarbij technische experts samenwerken met beleggingsprofessionals die hun eigen tools ontwikkelen. AI-kampioenen binnen de beleggingsteams werken eraan om die experimenten om te zetten in productierijpe workflows. Beveiligingsbeoordelingen, ondersteuning door experts, gegevensbeheer en afspraken over gegevens maken deel uit van dat traject. Franklin Templeton heeft bovendien kort na de introductie van nieuwe technologie praktijklabs voor teams georganiseerd. Volgens Dudley moedigt de leiding experimenten binnen duidelijk afgebakende risicokaders aan, maar accepteert zij ook dat niet elk initiatief zal slagen.

Onderzoeksdiversiteit en risico bepalen het ontwerp

De aanpak van het bedrijf houdt rekening met een beperking van tools die leren van voorkeuren: een systeem dat leert dat een gebruiker de voorkeur geeft aan één onderzoeksaanbieder, kan meer rapporten van die aanbieder tonen. Daardoor dreigt de verscheidenheid aan perspectieven in het beleggingsproces af te nemen. Franklin Templeton wil juist dat beleggingsteams uiteenlopende onderzoeken en meningen te zien krijgen.

Het bedrijf wil ook dat AI naast het beleggingsthema nadrukkelijk aandacht besteedt aan risico. „AI moet begrijpen dat een goed beleggingsidee goed onderbouwd is, maar ook dat de risico’s ervan zijn geanalyseerd en dat onze portefeuillebeheerders op die risico’s worden gewezen”, zei Dudley. Die eis verbindt de uitvoer van de technologie rechtstreeks met de informatie die portefeuillebeheerders nodig hebben om een idee te beoordelen.

Dudley wil ook dat analisten meer tijd in het veld doorbrengen om met experts en professionals te spreken, onder wie leidinggevenden bij niet-beursgenoteerde bedrijven, en dat ze die perspectieven terugbrengen naar hun beleggingsteams. Het werk gaat daarom verder dan de toevoeging van één tool: het omvat softwareontwikkeling, gegevensarchitectuur en beleggingscontroles. De belangrijkste toets is of experimenten voor specifieke functies kunnen uitgroeien tot workflows voor productie die onder toezicht staan, met behoud van diversiteit in onderzoek, expliciete risicoanalyses en het menselijke perspectief dat Dudley essentieel vindt.