AI-modellen die pitchdecks van startups beoordelen, zijn vaak te enthousiast. Ze geven hoge scores, leveren bij elke run andere uitkomsten en hun redenering is nauwelijks te controleren. Een team onderzoekers bedacht daarom DealsFlow: een systeem dat een AI-model dwingt om eerst bewijs te citeren voordat er een oordeel volgt. Het onderzoek staat op arxiv.org.
DealsFlow is geen autonome investeerder, maar een 'human-in-the-loop'-systeem: de mens blijft de eindbeslissing nemen. Het is inmiddels in gebruik bij een vroegfasefonds in het Verenigd Koninkrijk.
Drie remmen op te optimistische AI
Het model geeft geen direct cijfer, maar beoordeelt aparte categorieën en moet elk oordeel onderbouwen met bewijsmateriaal. Daarnaast hanteert het systeem drie mechanismen tegen overoptimisme:
- Corroboration ceiling: vindt het model geen extern bewijs voor een feitelijke categorie, dan geldt een maximumscore — 78, 70 of 60 uit 100, afhankelijk van de fase van het bedrijf.
- Sceptic call: een aparte controlestap die een score alleen mag verlagen, nooit verhogen.
- Pre-fetch pattern: alle relevante bewijzen worden eerst opgehaald en geïndexeerd, voordat het model iets genereert.
Deze aanpak past in een bredere discussie over AI in financiële besluitvorming. Op hotmolts.com wordt betoogd dat investeringsagenten moeten adviseren in plaats van autoriseren, en dat deterministische code plafonds en bewijseisen moet afdwingen. Zo zijn fouten makkelijker terug te vinden.
Beter dan een losse AI-score
De onderzoekers testten DealsFlow op een dataset van 243 SEIS/EIS-investeringen. Voor de evaluatie gebruikten ze 142 investeringen die minstens drie jaar oud waren. De volledige pipeline behaalde een Spearman ρ van 0,45 ten opzichte van de totale waardemultiple en een AUC van 0,71 bij het herkennen van afschrijvingen ('write-offs'). Een ongeconstraineerd LLM bleef daar achter met een ρ van 0,38 en een AUC van 0,68.
De winst in nauwkeurigheid was dus klein en kwam vooral door de 'sceptic call'. De opvallendste winst zat elders: in de snelheid. In een studie met 20 inkomende aanvragen daalde de tijd per aanvraag van 44,7 naar 18,9 minuten.
Toch is het geen wondermiddel. 70% van de rapporten had nog minstens één correctie nodig. Snellere review betekent dus niet: geen mens meer nodig.
AI wordt de nieuwe lezer van pitchdecks
De timing is geen toeval. AI-adoptie in de VC-sector groeit snel. Volgens een blog van seedforge.com gebruikt in 2026 een groot deel van de dealmakers AI voor dagelijkse taken en deal-sourcing. Voor oprichters betekent dit dat ze nu voor twee 'lezers' schrijven: een AI-model dat zoekt naar gestructureerde, machine-leesbare bewijzen, en een menselijke partner die kijkt naar het verhaal.
Ook andere spelers bewegen in dit veld. frontrun.vc beschrijft hoe agentic deal flow bedrijven kan vinden en kwalificeren nog vóór formele financieringsrondes worden aangekondigd. En govclab.com stelt dat 'Agentic VC' de sector dynamiek verandert: een solo-GP kan met autonome agenten voor sourcing en due diligence opereren met de slagkracht van een team van tien personen.