Elk fonds heeft het over AI, de meeste investeren erin, en het gesprek over AI in hun eigen due diligence is inmiddels doordrenkt van dezelfde hype die ze jaarlijks in honderden pitches horen. Daardoor is het lastig te zien wat er achter al die ruis werkelijk verandert.
Laten we daarom duidelijk zijn. AI verandert due diligence in venture capital, maar niet overal en niet in dezelfde mate. De nuttige vraag is niet of AI het werk ingrijpend verandert, maar welke onderdelen veranderen en waar menselijk oordeel nodig blijft. Een deel van due diligence bestaat uit grote hoeveelheden routinematig werk, en dat verandert AI in hoog tempo. Een ander deel draait om het inschatten van een oprichter of een markt, waar een goede investering van afhangt. Dat doet AI niet, wat een demo ook suggereert.
Hier moeten we twee fasen uit elkaar houden, omdat de rol van AI daarin sterk verschilt. Er is de due diligence vóór de investering: sourcing, de dataroom en marktonderzoek. En er is de doorlopende due diligence die moet plaatsvinden in de jaren dat een fonds daarna een belang in een bedrijf houdt. De meeste discussies gaan over de eerste fase. De grotere, minder opgemerkte verschuiving vindt plaats in de tweede. En juist die verkleint de risico’s die fondsen daadwerkelijk schaden.
De huidige stand van zaken
Voordat we bespreken wat er verandert, helpt het om eerlijk te kijken naar de huidige praktijk. De kloof tussen wat er wordt gezegd en wat er gebeurt, is namelijk groot.
AI bij due diligence in venture capital is de afgelopen jaren van experimenteel naar gangbaar gegaan, maar niet overal en niet zo volledig als alle aandacht doet vermoeden. De routinematige toepassingen aan het begin van het investeringsproces zijn inmiddels gemeengoed. Veel fondsen gebruiken een vorm van AI voor sourcing en screening, vullen er gegevens over investeringskansen mee aan en zetten AI in om documenten sneller te lezen. Dat gebeurt echt en op grote schaal. Een fonds dat ten minste dit nog niet doet, loopt inmiddels enigszins achter.
Verdergaande toepassingen staan nog aan het begin en worden minder consequent ingezet. AI een wezenlijke rol geven in de inhoudelijke beoordeling van een investering, in plaats van alleen bij het verzamelen en samenvatten van informatie, is nog in ontwikkeling. De resultaten zijn wisselend genoeg om veel ervaren investeerders sceptisch te houden, en terecht. Het gebruik verschilt ook naar omvang en type fonds. Grotere investeringsorganisaties met eigen datateams hebben serieuze capaciteiten opgebouwd, terwijl veel kleinere fondsen standaardtools op beperktere schaal gebruiken. Naarmate de tools verbeteren, verandert dit beeld van kwartaal tot kwartaal.
Bij deze stand van zaken zijn twee punten van belang. Ten eerste concentreert de huidige golf zich op onderdelen van due diligence die altijd al routinematig waren. Precies daarom zijn die toepassingen snel en met relatief weinig discussie ingevoerd. Ten tweede is de verandering met de grootste gevolgen, die in doorlopende due diligence na de investering, ook een van de minst uitgewerkte. Daardoor zal juist dit onderdeel er over een jaar waarschijnlijk anders uitzien. Het vakgebied ontwikkelt zich snel. Elke beschrijving ervan, ook deze, is dus een momentopname en geen vaststaand beeld.
Waar AI echt sterk in is, en waarin niet
Laten we eerst de verwachtingen scherpstellen, want daarop rust de rest van dit artikel. Je investeert beroepsmatig in AI en kunt echte mogelijkheden onderscheiden van overdreven beloften. Waarom zou ik dan doen alsof dat onderscheid niet bestaat?
Waar is AI echt sterk in? In de onderdelen van due diligence die draaien om grote hoeveelheden informatie en patroonherkenning. AI leest verzamelingen documenten en gegevens waar geen mens tijd voor heeft. Het herkent patronen bij tientallen bedrijven tegelijk. Het brengt signalen aan het licht die je met handmatig onderzoek pas na weken zou vinden. Het maakt een eerste analyse. Overal waar het vooral om verwerkingscapaciteit gaat, bewijst AI zijn waarde.
En waarin is AI zwak, of zelfs gevaarlijk als je erop vertrouwt? In het oordeel. Is deze oprichter echt zo goed? Houdt de marktthese daadwerkelijk stand? Is dit de investering die steun verdient? Dit is de valkuil: een onjuist signaal dat met overtuiging in een due-diligencememo staat, ziet er precies zo uit als een juist signaal. Er wordt ook op dezelfde manier naar gehandeld. Dat is erger dan ontbrekende informatie, want een leemte laat ten minste zien dat er iets ontbreekt. Een stellig geformuleerde fout doet dat niet.
Daarom geldt overal dezelfde regel, ook buiten due diligence wanneer er echt iets op het spel staat. AI versnelt het werk en brengt informatie naar boven. Jij beslist. En alles wat het model aandraagt, moet te herleiden zijn tot iets wat je zelf kunt openen en controleren. Houd je daaraan, dan ben je dankzij AI beter geïnformeerd. Laat je dat los, dan presenteer je een gok van een machine als analyse.
AI bij due diligence vóór de investering
In de fase vóór de investering hebben de meeste zichtbare veranderingen plaatsgevonden. Die veranderingen zijn reëel, zolang je ze nauwkeurig beschrijft en niet als magie voorstelt.
Sourcing en screening
AI kan duizenden bedrijven doorzoeken en de bedrijven selecteren die daadwerkelijk bij een investeringsthese passen, binnenkomende investeringskansen rangschikken en de kennis van een fonds over een potentiële investering aanvullen, ruim voordat iemand de telefoon pakt. Dat verandert de eerste fase van het investeringsproces wezenlijk. Een klein team kan nu een deel van de markt overzien dat met handmatige sourcing onbereikbaar was gebleven. Maar hierover moeten we eerlijk zijn: betere sourcing is niet hetzelfde als een beter oordeel. Wat verandert, is wat er op het bureau van de partner belandt, niet hoe goed de beslissing aan dat bureau uitpakt. Een fonds dat meer investeringskansen verwart met scherper selecteren, heeft fundamenteel verkeerd begrepen wat de tool heeft opgeleverd.
De dataroom doornemen
AI kan een dataroom met financiële gegevens, contracten en aandeelhoudersoverzichten sneller doornemen dan een analist. Het haalt voorwaarden naar boven, signaleert inconsistenties en vat de inhoud samen. De tijdwinst is reëel en waardevol. Maar AI vat samen en signaleert; het begrijpt het bedrijf niet. Juist in het verschil tussen een heldere samenvatting van de cijfers en inzicht in wat die cijfers betekenen, ligt het investeringsoordeel.
Markt- en concurrentieanalyse
De markt in kaart brengen, het concurrentielandschap schetsen en achtergrondinformatie over een sector verzamelen: AI kan dit werk terugbrengen van dagen naar minuten. Dat is nuttig en vormt een goed vertrekpunt. De beperking blijft dezelfde: de uitkomst is nooit beter dan de informatie waarop die is gebaseerd. In snel veranderende private markten zijn de beschikbare bronnen vaak schaars en al verouderd. Behandel een door AI samengestelde marktanalyse daarom als een eerste versie die je kritisch toetst, niet als een conclusie waarop je een beslissing baseert.
Signalen uit referenties en achtergrondonderzoek
AI kan openbare signalen over oprichters en bedrijven sneller en over een veel breder terrein verzamelen dan met handmatig onderzoek ooit mogelijk was. Daarmee versnelt het een traag en onvolledig onderdeel van due diligence. Maar let op wat AI precies doet: het brengt die signalen naar boven. Het verifieert ze niet en interpreteert ze niet. Dat verschil is hier belangrijker dan op vrijwel elke andere plek in het proces. Een door AI gevonden bewering over een oprichter die niemand heeft gecontroleerd, is geen bevinding waarop je kunt handelen. Het is een aanwijzing die je moet onderzoeken. Behandel je die als een bevinding, dan handelt je fonds op basis van iets wat nooit daadwerkelijk is bevestigd.
De rode draad is dat AI het routinematige deel van due diligence versnelt: informatie verzamelen, lezen en een eerste analyse maken. Dat geeft het investeringsteam meer tijd om een oordeel te vormen, geen reden om daar minder aandacht aan te besteden. Het model neemt de investeringsbeslissing niet. Het doet het voorwerk, zodat een mens die beslissing goed kan nemen.
AI bij doorlopende due diligence: het deel dat iedereen vergeet
Vrijwel elke discussie over AI bij due diligence in venture capital stopt bij de deal. Maar due diligence eindigt niet zodra het geld is overgemaakt, of zou daar niet moeten eindigen. Juist hier vindt de grotere verschuiving plaats, grotendeels onopgemerkt.
Het probleem was altijd praktisch van aard. Doorlopende due diligence op een portefeuille, waarbij je bedrijven, oprichters en de tegenpartijen waarmee ze verbonden zijn gedurende een jarenlange investeringsperiode opnieuw controleert, was te arbeidsintensief om continu uit te voeren. De meeste fondsen deden het daarom zelden, hooguit bij een jaarlijkse beoordeling, en accepteerden de blinde vlek daartussen. Dat is geen kleine blinde vlek. Wat een fonds schaadt, gebeurt meestal na de investering, niet ervoor: gedrag van een oprichter dat aan het licht komt, een gesanctioneerde partij die later aandeelhouder wordt of een portefeuillebedrijf dat om de verkeerde reden in het nieuws komt. Een controle op het moment van investeren kan dat allemaal niet zichtbaar maken.
Dit is precies het werk met grote hoeveelheden informatie en veel patroonherkenning waarvoor AI geschikt is. Daarom maakt AI continue portefeuillemonitoring eindelijk praktisch uitvoerbaar. Het volgt portefeuillebedrijven, hun oprichters en de entiteiten om hen heen via 100.000+ bronnen en signaleert wezenlijke veranderingen, sancties, negatieve media, eigendomswijzigingen, identiteitsmisbruik en juridische gebeurtenissen zodra die zich voordoen. Je hoeft niet te wachten op een beoordeling die misschien pas maanden later plaatsvindt, of helemaal niet. Due diligence verschuift daarmee van een eenmalige toegangspoort naar een doorlopende discipline. Juist die verschuiving pakt de risico’s aan die fondsen schaden, omdat die risico’s zich voordoen in de jaren na de deal, niet in de weken ervoor.
Voor die doorlopende monitoring is Beady AI gebouwd: continue monitoring van portefeuillebedrijven en tegenpartijen waaraan een fonds is blootgesteld, op sancties, negatieve media, eigendomswijzigingen en identiteitsmisbruik. Elk signaal is gekoppeld aan een primaire bron, in plaats van alleen door een model te worden beweerd. Die herleidbaarheid is dezelfde regel als eerder, toegepast waar die het belangrijkst is. Een due-diligencesignaal dat je niet kunt verifiëren, is een gerucht. Een signaal dat je wel kunt verifiëren, is bewijs. Waarom deze monitoring continu moet zijn in plaats van periodiek, wordt hier uitgebreider uitgelegd. Wat doorlopende due diligence op een portefeuille precies moet omvatten, lees je hier.
Waar menselijk oordeel onvervangbaar blijft
Hoeveel AI ook verandert aan due diligence, de kern van een goede venturecapitalbeslissing blijft onaangetast. Dat moet zo blijven. Het is zinvol om concreet te benoemen welke onderdelen dat zijn, want een vage geruststelling dat menselijk oordeel belangrijk blijft, is makkelijk opgeschreven en even makkelijk genegeerd. Er zijn specifieke dingen die AI hier niet kan. Dat zijn precies de dingen die goede investeerders onderscheiden van gemiddelde.
Een oprichter inschatten
Het belangrijkste oordeel bij investeren in een vroege fase gaat over mensen. Juist daarvoor is AI het minst toegerust. Heeft een oprichter de veerkracht om de komende jaren door te komen? Is de overtuiging oprecht of gespeeld? Hoe reageert iemand onder druk tijdens een gesprek? Niets daarvan is zichtbaar in de gegevens die AI verwerkt. Het blijkt uit een gesprek. Dat interpreteren is een menselijke vaardigheid die een model dat openbare informatie over een oprichter samenvat, niet kan evenaren.
Investeren tegen de consensus in
Een onevenredig groot deel van het rendement in venture capital komt uit investeringen die de meeste mensen destijds verkeerd vonden. AI is getraind op patronen in historische gegevens en neigt daardoor structureel naar de consensus: naar wat eerder werkte en wat op eerdere winnaars lijkt. Een tegendraadse beslissing, waarbij je iets steunt dat op basis van de gegevens slecht zou scoren juist omdat het met bestaande patronen breekt, staat bijna haaks op waar een systeem voor patroonherkenning goed in is. Toch ontstaat daar een groot deel van de waarde in deze beleggingscategorie. Een fonds dat AI alles laat wegfilteren wat niet voor de hand ligt, zou zijn beste potentiële rendementen wegfilteren.
Oordelen bij onduidelijkheid
Bij echte due-diligencebeslissingen is de informatie vrijwel nooit eenduidig. Je werkt met informatie die onvolledig is, zichzelf tegenspreekt en oprecht voor meerdere uitleg vatbaar is. De vaardigheid zit in het afwegen van signalen die verschillende kanten op wijzen en bepalen welke ertoe doen. AI kan prima uit de voeten wanneer de gegevens overzichtelijk zijn en het patroon duidelijk is. Het probleem is dat de belangrijkste beslissingen zelden zo in elkaar zitten. Als de gegevens een rommeltje zijn en het antwoord werkelijk onzeker is, zoals bij de meeste investeringsbeslissingen met grote gevolgen, doet menselijk oordeel precies het werk dat je niet aan een model kunt overlaten.
Relaties en de menselijke kant van de deal
Een groot deel van venture capital draait om relaties, en daarvoor bestaat geen equivalent in data. Een felbegeerde deal winnen omdat een oprichter je vertrouwt. De werkelijke dynamiek tussen medeoprichters doorzien, inclusief wat ze niet hardop zeggen. Onderhandelen over voorwaarden. Bepalen of dit echt iemand is met wie je de komende acht jaar aan de bestuurstafel wilt zitten. Dat zijn menselijke afwegingen, gemaakt in menselijk contact. Ze beïnvloeden de uitkomst op manieren die geen enkele hoeveelheid rekenkracht kan vervangen.
Hier ligt een gevaar dat we duidelijk moeten benoemen, omdat je er gemakkelijk in terechtkomt. Als je AI die beslissingen laat nemen of sterk laat bepalen, verbeter je je due diligence niet. Je presenteert een gok van een machine als analyse en geeft een uitkomst die niemand echt kan verklaren de schijn van grondigheid die ze niet verdient. Een due-diligenceconclusie die door het model is gegenereerd en door niemand is gecontroleerd, is precies dat: overtuigend geformuleerd, maar gebaseerd op wie weet wat. In een vak dat draait om oordeelsvermogen is dat geen efficiëntie, maar een risico dat als efficiëntie wordt verpakt. De beste fondsen die ik heb gezien, gebruiken AI om beter geïnformeerd te zijn en meer terrein te bestrijken. Daar blijft het bij. Ze gebruiken het niet om de bovenstaande beslissingen uit te besteden. Het verschil tussen een beslissing ondersteunen en die ongemerkt nemen, is het verschil tussen een fonds dat dankzij AI echt scherper opereert en een fonds dat alleen wat minder verantwoordelijkheid neemt voor zijn eigen investeringen.
Waar dit naartoe gaat
De richting is duidelijk. Meer routinematig werk wordt geautomatiseerd. Tools gaan van het samenvatten van due-diligenceonderzoek naar het samenstellen van volledige due-diligencedossiers. En continue portefeuillemonitoring verschuift van iets wat een paar fondsen doen naar iets wat van je wordt verwacht. Waar gaat dit heen? Naar meer AI, niet minder.
Maar daarbij geldt dezelfde voorwaarde als in dit hele artikel. Die verandert niet mee met de technologie. Welke fondsen zullen daadwerkelijk voordeel halen uit AI? De fondsen die AI inzetten voor de grote hoeveelheden werk en het oordeel bij hun mensen houden. De fondsen die AI-uitkomsten behandelen als aanwijzingen die moeten worden geverifieerd, niet als bevindingen waarop ze kunnen vertrouwen. De fondsen die herleidbaarheid eisen, juist omdat de tools tegelijk krachtiger en overtuigender worden. Dat verdient aandacht: naarmate AI meer kan, wordt die discipline belangrijker. Niet minder belangrijk. Hoe beter de tools worden, hoe meer het ertoe doet dat je elke bewering nog steeds tot de bron kunt herleiden.
Veelgestelde vragen
Conclusie
AI verandert due diligence in venture capital daadwerkelijk. Dat gebeurt vooral bij onderdelen die routinematig waren of, zoals doorlopende portefeuillemonitoring, voorheen te arbeidsintensief waren om überhaupt uit te voeren. Het oordeel dat centraal staat in een investering verandert het minst, en dat is terecht. Een oprichter inschatten, tegen de consensus in investeren en onduidelijke informatie afwegen zijn precies de dingen waarin AI het zwakst is en waarop venture capital is gebouwd. De fondsen die waarde uit AI halen, gebruiken het voor de grote hoeveelheden werk en laten mensen de beslissingen nemen. Alles wat de machine naar boven haalt, blijft daarbij herleidbaar tot een bron.
De grootste verschuiving, waar de minste hype omheen hangt, vindt plaats na de deal. Continue due diligence na de investering, waarbij je gedurende de jaren van je belang volgt wat er in de portefeuille gebeurt, is eindelijk praktisch uitvoerbaar. Juist daar liggen de risico’s die fondsen daadwerkelijk schaden, en daar verandert AI het meest.
Specifiek voor die doorlopende monitoring is Beady AI gebouwd: continue monitoring van portefeuillebedrijven en tegenpartijen waaraan een fonds is blootgesteld, waarbij elk signaal herleidbaar is tot een bron. Tijdens een sessie zie je wat het systeem bij een echte portefeuille naar boven haalt. Hoe AI helpt om het compliancewerk van een fonds breder op te schalen, en waar het helpt of juist schade aanricht, lees je hier.
