Een Nederlandse cryptosite laat zes AI-systemen de strijd aangaan als handelaar. In een online experiment kiezen de chatbots munten, stellen een strategie op en bouwen een virtuele portefeuille. Het doel is te zien wie de beste keuzes maakt en hoe betrouwbaar zulke algoritmen zijn. De uitkomst raakt ook aan regels in Europa, zoals de AI-verordening (AI Act) en MiCA voor cryptomarkten.
Zes chatbots vergelijken
De test gebruikt zes gangbare chatbots, onder meer ChatGPT van OpenAI, Gemini van Google en Claude van Anthropic. Ook systemen als Microsoft Copilot, xAI’s Grok en Meta AI doen mee. Het gaat om taalmodellen: software die tekst begrijpt en genereert op basis van veel voorbeelden. Ze zijn niet gebouwd als handelsbot, maar ze kunnen wel strategieën en risico’s beschrijven.
Elke chatbot krijgt dezelfde opdracht en een fictief budget. Ze moeten beargumenteren welke crypto-assets ze kiezen en hoe ze risico spreiden. De organisatoren volgen de koersen en leggen vast welke stappen de modellen adviseren. Zo ontstaat een vergelijkbare meetlat voor keuzes en rendementen.
De wedstrijd draait niet alleen om winst, maar ook om kwaliteit van uitleg. Geeft het systeem duidelijke redenaties en concrete regels, zoals instapmomenten of stop-loss? Is het advies te herhalen met dezelfde prompt? Transparantie en consistentie tellen mee, omdat beleggers daarop moeten kunnen vertrouwen.
Resultaten blijven grillig
De eerste observatie: de chatbots komen vaak met verschillende portefeuilles. Meestal staan bitcoin en ether op de lijst, soms aangevuld met kleinere munten. De spreiding en het risicoprofiel lopen uiteen, bijvoorbeeld 60/40 tussen grote en middelgrote tokens. Dat maakt vergelijken belangrijker dan één los rendementscijfer.
Rendementen schommelen sterk in korte periodes, zeker bij crypto. Op het moment van schrijven is er geen vaste “winnaar” die consequent voorloopt. Een goede week zegt weinig over de weken erna. Voor beleggers is dit een waarschuwing tegen overhaaste conclusies.
Belangrijk is dat taalmodellen geen koersen voorspellen, maar woorden. Zonder directe marktdata grijpen ze terug op algemene patronen en vuistregels. Daardoor kunnen onderbouwingen degelijk lijken, terwijl de timing niet past bij de markt. Dit vergroot het risico op schijnzekerheid.
Systemen kennen duidelijke grenzen
Veel chatbots hebben geen live datastroom of recente kennis zonder plug-ins. Ze kunnen verouderde informatie gebruiken of details verzinnen, een verschijnsel dat “hallucineren” heet. Wie toch doorvraagt, krijgt soms tegenstrijdige antwoorden. Dat beperkt de bruikbaarheid voor snelle handelsbeslissingen.
De uitkomst hangt sterk af van de vraagstelling, ook wel prompt genoemd. Kleine wijzigingen leveren soms heel andere adviezen op. Reproduceerbaarheid is dan laag, wat lastig is voor risicobeheer. Een vaste prompt en logboek helpen om keuzes later te toetsen.
Daarnaast blokkeren veiligheidsfilters soms concrete koop- of verkoopsignalen. Veel modellen benadrukken dat zij geen financieel advies geven. Die drempel is nuttig, maar kan de vergelijking bemoeilijken. Beoordelaars moeten daarom ook kijken naar de duidelijkheid van de methodiek.
AI-verordening raakt crypto-advies
De Europese AI-verordening legt transparantie-eisen op aan aanbieders van generatieve AI. Handelsadvies valt meestal niet in de hoogste risicoklasse, maar zorgplichten blijven relevant. Denk aan duidelijke uitleg, documentatie en controles op fouten en bias. Dit sluit aan bij de behoefte aan uitlegbaarheid in het experiment.
Voor crypto gelden daarnaast MiCA-regels en het bestaande financiële kader, zoals MiFID II. Wie individueel beleggingsadvies geeft, kan een vergunning nodig hebben. In Nederland houden de AFM en DNB toezicht op aanbieders en dienstverleners. Chatbots en platforms moeten helder zijn dat de output geen persoonlijk advies is.
Als systemen persoonlijke gegevens verwerken om profielen te maken, geldt de AVG. Dat betekent dataminimalisatie, een rechtmatige grondslag en beveiliging. Gebruikers moeten weten welke data worden gebruikt en met welk doel. Zonder deze basis is commerciële inzet in Europa risicovol.
Nederlandse gevolgen en toezicht
Nederlandse beleggers gebruiken steeds vaker tools voor signalen en copy-trading. De AFM waarschuwt voor misleiding, verborgen kosten en te rooskleurige rendementen. AI-adviezen kunnen dat versterken als bronnen en aannames niet helder zijn. Transparantie over methode en risico’s is daarom essentieel.
Voor brokers en fintechs is dit een kans om verantwoord te innoveren. Leg uit welke data het model gebruikt, hoe beslissingen worden gelogd en welke scenario’s zijn getest. Laat periodiek onafhankelijke evaluaties uitvoeren. Zo voldoet de keten beter aan de AI Act en verwachtingen van de toezichthouder.
Onderwijs en onderzoek kunnen helpen met gestandaardiseerde benchmarks. Hogescholen en universiteiten kunnen samen met Europese initiatieven zoals AI4EU testsets en protocollen ontwikkelen. Dat vergroot vergelijkbaarheid tussen systemen. Het maakt ook duidelijk welke combinatie van mens en machine het beste werkt.
Praktische tips voor beleggers
Zie AI-uitkomsten als startpunt, niet als signaal om meteen te handelen. Controleer cijfers in externe bronnen en vergelijk meerdere systemen. Test een strategie eerst met paper trading of een demo-omgeving. Documenteer je stappen voor latere evaluatie.
Houd het simpel met basisregels voor risicobeheer. Spreid over meerdere assets en gebruik limietorders en stop-loss. Stel vooraf een maximaal verlies per positie in. Evalueer regelmatig en pas aan als de markt verandert.
Blijf kritisch op grote beloften en snelle winsten. Vraag naar methode, data en beperkingen van het systeem. En onthoud dat verantwoordelijkheid altijd bij de gebruiker blijft. Een chatbot draagt geen beleggingsrisico.
Crypto blijft volatiel en risicovol; beleg alleen geld dat je kunt missen en neem geen beslissingen op basis van één enkele AI-uitkomst.