Bron: Goldman Sachs Asset & Wealth Management

Voornaamste bevindingen

• Wij denken dat generatieve artificiële intelligentie (GAI) het potentieel heeft om zowel het economische als het investeringslandschap aanzienlijk te veranderen, wat het meer maakt dan alleen een hype.
• Naar onze mening verkeren bedrijven die beschikken over de infrastructuur om AI te integreren in hun bestaande platforms en bedrijven die cruciale generatieve AI-componenten bouwen in een goede positie om daar in een vroeg stadium van te genieten.
• Ondanks de risico’s, variërend van misleidende informatie tot verdringing van arbeid, denken we dat een brede toepassing van generatieve AI de samenleving op termijn enorme voordelen kan bieden.

Het idee dat machines net als mensen kunnen denken bestaat al bijna een eeuw. Zo schreef computerwetenschapper Alan Turing in de jaren 1940 en 1950 al een artikel over machines die mensen konden nabootsen en creëerde hij ‘s werelds eerste ‘Schaakbot’. De term artificiële intelligentie werd voor het eerst gebruikt in 1956 door Stanford-professor John McCarthy, die later AI zou definiëren als “de wetenschap en techniek van het maken van intelligente machines, met name intelligente computerprogramma’s.”¹ Machinaal leren en kunstmatige intelligentie zijn dan ook geen nieuwe begrippen in beleggen, en worden in feite beide al geruime tijd toegepast in kwantitatieve strategieën.

De hernieuwde opwinding over dit onderwerp wordt ingegeven door het generatieve aspect van AI. In november 2022 bracht OpenAI de eerste chatbot voor generatieve kunstmatige intelligentie (GAI), ChatGPT genaamd, op de markt. Eenvoudig gezegd is ChatGPT een computerprogramma dat is ontworpen om gesprekken met menselijke gebruikers na te bootsen. Het kan een mop vertellen. Het kan een weersvoorspelling geven. Het kan zelfs dit artikel schrijven. Door in plaats van traditionele AI generatieve AI te gebruiken, kan ChatGPT niet alleen veel beter ‘een gesprek voeren’ dan de chatbots van vroeger, maar ook taal naar code vertalen, een cv schrijven voor een volledig verzonnen functie of songteksten maken over je favoriete vakantie in de stijl van Edgar Allen Poe. De populariteit van ChatGPT steeg explosief; in minder dan 5 dagen na de lancering werd de software al door meer dan een miljoen mensen gebruikt. Bovendien was het een van de eerste applicaties ooit die het snelst het aantal van 100 miljoen gebruikers bereikte.

De snelle opkomst van ChatGPT

Bron: Goldman Sachs Global Investment Research en Goldman Sachs Asset Management. 30 juni 2023. De grafiek toont het aantal maanden dat elke software nodig had om het aantal van 100 miljoen gebruikers te overschrijden. Dit document wordt uitsluitend verstrekt ter informatie en mag niet worden beschouwd als beleggingsadvies of als een aanbod of uitnodiging om effecten te kopen of te verkopen. Elke verwijzing naar een specifiek bedrijf of effect houdt geen aanbeveling in om te kopen, verkopen, aan te houden of om rechtstreeks te beleggen in dat bedrijf of de effecten ervan. Uitsluitend ter illustratie.

Hoe werkt het?

De functionaliteit van generatieve AI is afhankelijk van drie belangrijke componenten:

1) neurale netwerken,

2) ‘deep learning’ en

3) natuurlijke taalverwerking (NLP).

Net als de menselijke hersenen is generatieve AI gebaseerd op een systeem bestaande uit meerdere neurale knooppunten, die in verschillende stadia informatie verwerken en filteren.

Neem bijvoorbeeld een programma dat een computer leert om schilderijen te herkennen, waarna we hem Andy Warhol’s Campbell’s Soup Cans laten zien^.2. De eerste laag in dit kunstmatige neurale netwerk is dan vergelijkbaar met de oogzenuw, die ruwe gegevens doorgeeft van de ‘ogen’ naar de ‘hersenen’. Vervolgens stroomt deze informatie door verschillende neuronen, waarbij elk neuron een andere functie heeft en kan communiceren met andere neuronen; het eerste neuron zoekt bijvoorbeeld naar randen en geeft deze informatie door aan het tweede neuron, dat zoekt naar vormen en informatie doorgeeft aan het derde neuron, dat naar specifieke kenmerken zoekt. In dit voorbeeld is elk knooppunt een individueel kennisknooppunt, dat in elk stadium gegevens beoordeelt en classificeert, wat uiteindelijk ertoe leidt dat het model het juiste kunstwerk identificeert. Om de analogie nog verder door te trekken: ‘deep learning’ is een manier van machinaal leren met behulp van ongestructureerde gegevens.

Bij traditioneel machinaal leren moesten mensen het programma vertellen waar het specifiek naar moest gaan zoeken: als een schilderij pop-art bevat, kan de kunstenaar Andy Warhol of Keith Haring zijn. Door het programma duizenden afbeeldingen van pop-art te laten zien, kan het zijn eigen conclusies trekken en zijn analytisch vermogen verder ontwikkelen.

NLP stelt computers tot slot in staat om spraak te interpreteren, naar interesses te peilen, teksten te lezen en afbeeldingen te evalueren, door middel van zowel syntactische als semantische analyse. Door NLP te gebruiken, kan een generatief AI-model dat Campbell’s Soup Cans te zien krijgt conclusies trekken over de betekenis achter het schilderij: misschien schilderde Warhol wat hij deed om te laten zien dat kunst voor iedereen toegankelijk moet zijn, niet alleen voor gecultiveerde curatoren, of misschien was hij gewoon dol op soep! Simpel gezegd zijn neurale netwerken, deep learning en NLP allemaal middelen om te laten zien hoe AI denkt.

Is generatieve AI niet gewoon een nieuwe hype? 

Een van de voornaamste redenen om terughoudend te zijn bij beleggen in kunstmatige intelligentie is de vraag of het niet gewoon een zeepbel is. Naar onze mening is dit niet het geval, aangezien AI al een belangrijke impact heeft op beleggen en omdat de financiering van generatieve AI die van eerdere hypes op hun hoogtepunt al heeft overtroffen.

Kunstmatige intelligentie en machinaal leren worden al enkele jaren toegepast in kwantitatieve beleggingsstrategieën. Iedereen die ooit een handelsalgoritme heeft gebruikt, heeft bij het beleggen waarschijnlijk voordeel gehaald uit AI, omdat veel van deze algoritmen met hoge snelheid beslissingen nemen op basis van enorme gegevensbestanden of arbitragemogelijkheden benutten.

AI kan ook worden gebruikt voor het optimaliseren van assetallocatie, om daarmee portefeuilles samen te stellen die beter presteren dan portefeuilles die op basis van traditionele technieken zijn samengesteld, om te helpen bij het maken van pre- en post-trade analyses en om markt- en kredietrisico’s te analyseren.

Minder bekend is dat bepaalde taalmodellen ook gebruikt kunnen worden voor het analyseren van sentiment – bijvoorbeeld om inzicht te krijgen in de subtekst van winstgesprekken – en het optimaliseren van de portefeuille. Onlangs is een generatief AI-model ontwikkeld dat Federal Reserve-afschriften kan analyseren en daaraan een ‘Hawkish-Dovish-score’ toekent, met als doel potentiële handelssignalen te detecteren.^.3 We verwachten dat naarmate de samenleving meer vertrouwd raakt met de technologie, deze verbanden tussen AI en beleggen nog nauwer met elkaar verweven zullen raken.

Een andere indicatie dat AI nog wel even onder ons zal blijven, is de mate van financiering die ermee is gemoeid. In het eerste kwartaal van 2023 hebben GAI-bedrijven 2,3 miljard dollar opgehaald bij durfkapitaalbedrijven (VC). Op het hoogtepunt in 2021 bedroeg de 3-maandelijkse VC fondsenwerving voor de metaverse slechts $2,1 miljard. Grote bedrijven tonen een vergelijkbare belangstelling; zo bevatte de correspondentie van S&P 500-bedrijven in het 4e kwartaal van 2022 nog maar 10 verwijzingen naar ‘generatieve kunstmatige intelligentie’ . Wij denken dat dit voornamelijk te danken was aan het feit dat Microsoft een belang van $ 10 miljard had genomen in OpenAI. In het 2e kwartaal van 2023 is het aantal verwijzingen drastisch toegenomen en ook Mark Zuckerberg, die de naam van zijn bedrijf in 2021 veranderde in Meta, gaf toe: “[Meta’s] single largest investment is in advancing AI.”

Natuurlijk brengt het gebruik van AI ook moeilijkheden met zich mee. Zo kunnen steeds ondoorzichtigere algoritmen het voor mensen lastig maken om te controleren, beoordelen en begrijpen hoe AI-modellen zullen reageren op inputs, afwijkende gebeurtenissen of complexe taken. Bovendien is AI afhankelijk van grote hoeveelheden gegevens, vooral in de leerfase. De kwaliteit en beschikbaarheid van deze gegevens kunnen leiden tot onjuiste instellingen, waardoor de resultaten scheefgetrokken kunnen worden.

Wij erkennen dat AI kinderziektes kan bevatten en zijn ons bewust van het potentiële risico dat markten op de zaken vooruit gaan lopen. Ondanks alles denken we echter dat generatieve AI niet meer weggedacht kan worden.

Economische impact van generatieve AI

Iets anders dat GAI onderscheidt van eerdere technologische ontwikkelingen is de enorme impact die het op de economie kan hebben.

We menen dat de wijdverspreide toepassing van GAI op termijn onze levens, interacties en het hele menselijke bestaan wezenlijk kan veranderen. Economen van Goldman Sachs Global Investment Research vergelijken de impact van GAI met twee doorslaggevende uitvindingen in de menselijke geschiedenis: de elektrische motor in 1890 en de pc in 1981.

In beide gevallen nam de grootschalige toepassing van deze uitvindingen pas een grote vlucht nadat de technologie was omarmd door ca. 50% van de bedrijven. Een drempel die pas na 20 jaar werd bereikt. Nadat deze drempel echter was bereikt, nam de arbeidsproductiviteit over een periode van meer dan tien jaar toe met 1,5% per jaar, en wij denken dat een wijdverspreide invoering van GAI om twee belangrijke redenen vergelijkbare effecten kan veroorzaken, tot een jaarlijkse stijging van 7% van het wereldwijde bbp.

Allereerst zijn veel werknemers werkzaam in beroepen die deels geconfronteerd zullen worden met AI-automatisering. Als AI de capaciteiten van werknemers kan vergroten, dan is het aannemelijk dat die werknemers een deel van hun vrijgekomen tijd zullen besteden aan productievere activiteiten. In de tweede plaats zijn wij van mening dat als werknemers uiteindelijk worden verdrongen door AI-automatisering, deze werknemers uiteindelijk ander werk zullen vinden en zo de totale productie zullen stimuleren. De omvang van de impact van GAI zal uiteindelijk afhangen van de daadwerkelijke mogelijkheden en de tijd die het duurt alvorens het algemeen is omarmd. Wij denken echter dat tegen het eind van de jaren ‘20 de economische vruchten van GAI geplukt zullen gaan worden.

Technologische gevolgen van GAI

In veel bedrijfsgesprekken in verschillende sectoren lijkt AI het favoriete gespreksonderwerp te zijn geworden. Volgens Bloomberg was de term eind juni 3.330 keer genoemd^.4. Wat opmerkelijk is aan deze virale groei, afgezien van het grote aantal vermeldingen, is de grote verscheidenheid aan bedrijven – van Microsoft tot Kraft en van Moderna tot Zoom – die bezig zijn AI in hun onderneming te integreren.

Zoals eerder gezegd, is het meest wijdverbreide gebruik van GAI tot dusver beperkt tot chatbots. Na Microsofts substantiële investering in OpenAI voor het gebruik van ChatGPT, hebben andere techbedrijven hun inspanningen verhoogd om hun eigen chatbots te bouwen (Google’s Bard, Snapchat’s ‘AI’). De functionaliteit van chatbots gaat veel verder dan het vertellen van moppen en het geven van weerberichten. Chatbots kunnen potentieel een revolutie teweegbrengen in de klantenservice en de efficiëntie van menselijke zoekopdrachten/onderzoek verbeteren. Vraag maar eens aan ChatGPT om een reisroute te plannen voor een kampeertrip. Bovendien worden chatbots steeds slimmer en geavanceerder. Chatbots zijn niet de enige opmerkelijke toepassing van GAI. Zo maken programmeurs door middel van NLP al gebruik van AI bij het schrijven van originele code. Volgens Goldman Sachs Chief Information Officer, Marco Argenti, accepteren ontwikkelaars in sommige gevallen al bijna 40% van door AI geschreven code⁵, wat inhoudt dat de programmeerproductiviteit met dubbele cijfers verhoogd zou kunnen worden. Uiteindelijk zal AI worden gebruikt in entertainment, geneeskunde en bijna elke bedrijfstak.

“AI” is hét woord

Bron: Bloomberg en Goldman Sachs Asset Management. 30 juni 2023. Grafiek toont aantal vermeldingen van ‘AI’ en ‘Generative AI’ in bedrijfsgesprekken op kwartaalbasis. Dit document wordt uitsluitend verstrekt ter informatie en mag niet worden beschouwd als beleggingsadvies of als een aanbod of uitnodiging om effecten te kopen of te verkopen. Uitsluitend ter illustratie.

Effect van GAI op beleggen

Afgezien van de vraag “gaat AI de mensheid overnemen?”, maken beleggers zich het meeste zorgen over hoe ze hun portefeuilles het beste strategisch kunnen positioneren om te genieten van de nieuwe ontwikkelingen. Gezien de verschillende onderdelen waaruit de GAI-technologie bestaat – waaronder apps, hardware, cloudplatforms, basismodellen en modelhubs – kunnen bedrijven overwegen te investeren in technologie om de voordelen van GAI te benutten.

Naar onze mening zijn degenen die er het meest voordeel uit zullen halen:

1) grote bedrijven die beschikken over de infrastructuur om AI te integreren in hun bestaande platforms,

2) bedrijven die zowel de componenten van AI produceren als GAI-modellen bouwen/in licentie geven en

3) niet-technologische bedrijven die het meest bereid zijn AI te omarmen.

Het zal geen verrassing zijn dat grote techbedrijven met een sterke infrastructuur het meest zullen profiteren van de komst van nieuwe technologie. Door AI-modellen te implementeren in bestaande productiviteitstools kunnen werknemers profiteren van een grotere efficiëntie en de mogelijkheid om meerdere gegevensbronnen te gebruiken in één applicatie. Zo zou iemand die een presentatie maakt generatieve AI bijvoorbeeld kunnen gebruiken om notities uit een tekstdocument te halen en deze opnemen in een dia, zonder de diavoorstelling te verlaten. Daarnaast kan GAI werknemers die niet zo handig zijn met software helpen om optimaal gebruik te maken van de tools die tot hun beschikking staan.

Afgezien van de productiviteitsverhoging kunnen techbedrijven in de positie zijn om GAI versneld in te voeren in zoekmachines. DevOps en cyberbeveiliging, om er maar een paar te noemen. Ten tweede, hoewel er wereldwijd vraag bestaat naar GAI-modellen, beschikt niet elk bedrijf over de infrastructuur/middelen om hun eigen modellen te bouwen. Vooral voor kleinere bedrijven die hun de productiviteit willen verhogen, is het zinvol om gebruik te maken van extern ontwikkelde AI-modellen.

Verder denken we dat fabrikanten van grafische verwerkingseenheden (GPU’s) en andere onderdelen van AI in een goede positie verkeren om te slagen.

Tot slot, gezien het feit dat ca. 66% van de banen is blootgesteld aan AI-automatisering, denken we dat elk bedrijf dat gebruikmaakt van GAI om zijn efficiëntie te verbeteren, daarvan zal profiteren. Gezondheidszorg is slechts één voorbeeld van een sector waarin GAI ingezet kan worden voor het stellen van diagnoses, het opstellen van individuele behandelplannen en het ontwikkelen van nieuwe medicijnen. Er lijkt een logisch argument te zijn om GAI in vrijwel elke sector toe te passen, en hoewel er maar heel weinig banen zijn waarin GAI meer dan de helft van het werk zal automatiseren, denken we dat een wijdverspreide toepassing van GAI de productiviteit in veel domeinen met dubbele cijfers kan doen toenemen.

Hoewel GAI zich nog in een vroeg stadium van ontwikkeling en toepassing bevindt, zijn de potentiële voordelen zonneklaar. De beperkte omvang van de recente marktrally kan er echter op wijzen dat de markten AI nog niet volledig hebben omarmd. Omdat nog onzeker is hoe de invoering van GAI de kerncijfers van bedrijven precies zal beïnvloeden, is het wellicht nog te vroeg om te zeggen of GAI-ondernemingen overgewaardeerd zijn en is het onduidelijk of traditionele waarderingsmethoden in deze sector moeten worden toegepast. Desalniettemin is de waardering van sommige techbedrijven aanzienlijk uitgerekt. Beleggers zullen moeite hebben om de toekomstige GAI-winnaars te selecteren tegen de juiste prijs. Terwijl managers de mogelijkheden blijven bestuderen, kunnen de markten nieuwe waarderingsdynamieken dicteren, wie weet zelfs met behulp van AI.

Voornaamste risico’s

We onderscheiden drie belangrijke risico’s wanneer het gaat om de wijdverspreide toepassing van AI-technologie:

1) privacy- en auteursrechtkwesties,

2) ethische kwesties en

3) verdringing van arbeid.

De grote modellen voor het leren van taal waarop AI-platforms zijn gebaseerd, maken gebruik van enorme hoeveelheden gegevens om te trainen, wat betekent dat een cyberaanval of datalek potentieel aanzienlijke schade kan aanrichten. Een ander risico waarmee vooral GAI te maken heeft, is het risico van schending van auteursrecht. Er bestaan al opmerkelijke voorbeelden van AI-‘diefstal’ uit de muziekindustrie, waarbij geluidstechnici kunstmatige intelligentie aanwenden om originele muziek te maken met AI-versies van de stemmen van beroemde artiesten. Soms is de nabootsing werkelijk eng.

Daarnaast zijn aan het gebruik van AI ethische vraagstukken gekoppeld, met name ten aanzien van plagiaat en misleidende informatie. Zoals eerder gezegd, worden GAI-modellen getraind op basis van bestaande beschikbare gegevens, wat de kans op plagiaat verhoogt, waarbij het aan de gebruiker is om de gegenereerde inhoud verstandig te gebruiken. Daarnaast staan GAI-hulpmiddelen bloot aan kritiek in verband met de nauwkeurigheid van de verspreide informatie, wat een risico kan vormen voor gebruikers als vermogensbeheerders, die niet in staat zijn om deze te verifiëren.

De impact van AI op bestaande beroepen

Bron: O*NET (Occupational Information Network) van het Amerikaanse ministerie van Arbeid, Goldman Sachs Global Investment Research en Goldman Sachs Asset Management. 30 mei 2023. De grafiek toont de onderverdeling per beroep van het aantal taken dat AI kan uitvoeren; de beroepen en taken zijn gebaseerd op het Occupational Information Network van het Amerikaanse ministerie van Arbeid.

Afgezien van het ernstige risico van misleidende informatie, vormt arbeidsverdringing volgens ons het grootste risico. We denken dat ca. twee derde van de beroepen in de VS blootgesteld wordt aan een bepaalde mate van AI-automatisering, met name administratieve en juridische beroepen, terwijl de bouw en onderhoud hier minder mee te kampen hebben. Naar schatting kan 7% van de banen verdwijnen^.6. De geschiedenis leert echter dat het vervangen van werknemers door automatisering meestal wordt gecompenseerd door het creëren van nieuwe banen. Zestig procent van de banen die wij vandaag kennen, bestond nog niet in 1940, en in de afgelopen 80 jaar was het creëren van nieuwe banen door technologie verantwoordelijk voor 85% van de groei van de werkgelegenheid.⁷ We verwachten dat de gevolgen van AI niet anders zullen zijn, en dat bijvoorbeeld nieuwe functies gecreëerd zullen worden in datawetenschap, AI-onderzoek en engineering, om maar wat te noemen. Hoewel het onduidelijk is hoe vakbonden en GAI zich in de toekomst zullen verhouden, is het al zichtbaar dat vakbonden in sectoren als de luchtvaart, geneeskunde en entertainmentindustrie nuances proberen te vinden bij het benadrukken van de menselijke betrokkenheid bij banen en bescherming, en bij bedrijven en in overheidsvoorschriften bescherming te zoeken tegen volledige vervanging.

Wij denken dat door GAI zowel het economische als het investeringslandschap drastisch zullen veranderen. Zoals vaker het geval is met nieuwe technologieën, is er sprake van bepaalde risico’s, maar wij menen dat de voordelen van het gebruik van GAI in ruime mate opwegen tegen de kosten. Door GAI kunnen wij beschikken over een aantal van de meest futuristische ‘speelstukken’ die de wereld ooit heeft gekend, zonder spelbord of instructies over hoe het spel gespeeld moet worden. Dat is waar de kunst en verbeelding van kunstmatige intelligentie om de hoek komen kijken. Wij denken dat zodra de mensheid leert hoe ze met deze hulpmiddelen moet omgaan, de mogelijkheden voor innovatie letterlijk eindeloos zullen zijn.

______________________

¹ John McCarthy, “What is Artificial Intelligence?” 12 november 2007.

² Museum of Modern Art, Andy Warhol’s Campbell’s Soup Cans, 1962.

³ Bloomberg, “JPMorgan Creates AI Model to Analyze 25 Years of Fed Speeches.” 26 april 2023.

⁴ Bloomberg en Goldman Sachs Asset Management. 30 juni 2023.  

⁵ The Wall Street Journal, “Goldman Sachs CIO Tests Generative AI”. 2 mei 2023.

⁶ Goldman Sachs Global Investment Research, “The Potentially Large Effects of Artificial Intelligence on Economic Growth. 26 maart 2023.

⁷ Goldman Sachs Global Investment Research, “The Potentially Large Effects of Artificial Intelligence on Economic Growth. 26 maart 2023.

Woordenlijst

 Kunstmatige intelligentie (AI) is de ontwikkeling van computersystemen die taken kunnen uitvoeren die gewoonlijk menselijke intelligentie vereisen.

Generatieve AI is een vorm van AI waarmee tekst, afbeeldingen of andere media gegeneerd worden naar aanleiding van instructies afkomstig van een database.

Risico-overwegingen

Beleggen brengt risico’s met zich mee, waaronder verlies van de inleg.   

Disclaimer

This information discusses general market activity, industry or sector trends, or other broad-based economic, market or political conditions and should not be construed as research or investment advice. This material has been prepared by GSAM Belgium S.A. and is not financial research nor a product of Goldman Sachs Global Investment Research (GIR). It was not prepared in compliance with applicable provisions of law designed to promote the independence of financial analysis and is not subject to a prohibition on trading following the distribution of financial research. The views and opinions expressed may differ from those of Goldman Sachs Global Investment Research or other departments or divisions of Goldman Sachs and its affiliates. Investors are urged to consult with their financial advisors before buying or selling any securities. This information may not be current and GSAM has no obligation to provide any updates or changes.

Economic and market forecasts presented herein reflect a series of assumptions and judgments as of the date of this presentation and are subject to change without notice. These forecasts do not take into account the specific investment objectives, restrictions, tax and financial situation or other needs of any specific client. Actual data will vary and may not be reflected here. These forecasts are subject to high levels of uncertainty that may affect actual performance. Accordingly, these forecasts should be viewed as merely representative of a broad range of possible outcomes. These forecasts are estimated, based on assumptions, and are subject to significant revision and may change materially as economic and market conditions change. Goldman Sachs has no obligation to provide updates or changes to these forecasts. Case studies and examples are for illustrative purposes only.

Any reference to a specific company or security does not constitute a recommendation to buy, sell, hold or directly invest in the company or its securities. It should not be assumed that investment decisions made in the future will be profitable or will equal the performance of the securities discussed in this document.

Although certain information has been obtained from sources believed to be reliable, we do not guarantee its accuracy, completeness or fairness. We have relied upon and assumed without independent verification, the accuracy and completeness of all information available from public sources.

This material is provided for informational purposes only and should not be construed as investment advice or an offer or solicitation to buy or sell securities.

335253-OTU-1875501