Dit is ook super interessant Ik heb geëxperimenteerd met AI-gedreven datadashboards om bedrijfsprestatiesystemen systematischer bij te houden. Zoveel van het onderzoek naar beursgenoteerde bedrijven draait om het ontwikkelen van betere omzetprognoses (die vervolgens doorstromen naar de winst per aandeel op verschillende incrementele niveaus). Daarom draait zoveel van het investeringsonderzoek om het volgen van gegevens die meer nauwkeurige omzetprognoses mogelijk maken. Dit is de basis van de alternatieve data-industrie. Maar er zijn veel nuttige datasets die openbaar beschikbaar zijn. Terwijl chatbots zich verder ontwikkelen (Claude), ben ik onder de indruk van het vermogen van deze tools om deze gegevens te verzamelen. Voor mij is dit het andere ontbrekende stuk dat naast Excel-vaardigheid zit. Het vermogen om een Excel-model in te voeren (uiteindelijk op te bouwen, maar niet vandaag), belangrijke drijfveren te identificeren (uit open en propriëtaire gegevens), die gegevens terug te destilleren naar prognoses en aangepaste waarschuwingen te geven (veranderingen in bedrijfsdynamiek, waarschijnlijke herzieningen van omzetprognoses, validatie/invalidatie van de thesis, enz.). Nu hebben we het over iets!! Dit is vele malen nuttiger dan een financiële chatbot-wrapper. Ik vraag me af of deze tools zich zo snel ontwikkelen dat de meeste financiële professionals zelfs geen codeeragents hoeven te leren. Bijvoorbeeld, Perplexity Computer heeft iets in één keer gedaan dat, zeker niet perfect was, maar materiële vooruitgang vertoont in de mogelijkheden van de infrastructuur om eenvoudige, krachtige gebruikersinterfaces te bouwen. Institutionele nauwkeurigheid blijft een kritisch en nog niet volledig opgelost probleem (verbeterd dit als bedrijven zoals CarbonArc MCP's uitrollen??), maar het is spannend om te zien hoe de technische mogelijkheden zo materieel verbeteren in zo'n korte tijd.