ChatGPT spreadsheet-agent in de praktijk: zo verandert AI de planeconomie

Dit artikel is het vervolg op een eerder verschenen artikel van PAS bv met de titel ‘De invloed van ChatGPT’s spreadsheetagent op de adviesrol binnen planeconomie’ van 31/09/2025. In dat artikel werd besproken hoe de nieuwe spreadsheet-agent van ChatGPT de rol van de planeconoom verandert: van uitvoerend rekenspecialist naar regisseur van AI-gestuurde rekenmodellen. In dit vervolgartikel wordt de stap gezet van theorie naar praktijk.  

Deze bijdrage beschrijft hoe de technologie in de praktijk kan worden toegepast aan de hand van één voorbeeld uit de planeconomie: de residuele grondwaardeberekening. Dit voorbeeld dient als illustratie van de bredere inzetmogelijkheden van de spreadsheet-agent bij financieel-ruimtelijke analyses. Waar het voorgaande artikel vooral de visie en mogelijkheden schetste, richt dit deel zich op de praktische toepassing. Daarbij wordt uiteengezet wat de rol van de agent is, hoe deze kan worden geactiveerd en op welke wijze er effectief mee kan worden gewerkt zonder de regie uit handen te geven.

De opkomst van kunstmatige intelligentie binnen het rekenwerk betekent niet het einde van het vakgebied, maar een versnelling van het proces. De volgende paragrafen lichten toe hoe dit in de praktijk werkt.    

De residuele grondwaarde in context

De residuele grondwaardemethode vormt één van de kernberekeningen binnen de gebiedsontwikkeling. Het is een van de vele methodieken die kunnen worden toegepast om de waarde van grond te bepalen. In dit geval wordt de methode puur als voorbeeld gebruikt.

De berekening gaat uit van de verwachte verkoopwaarde van een vastgoedontwikkeling, verminderd met alle kosten voor de bouw, winst en bijkomende uitgaven. Wat overblijft is de ‘residuele’ waarde van de grond. Dit bedrag geeft aan wat een ontwikkelaar of koper maximaal kan betalen voor de grond.

In de praktijk zullen planeconomen meestal gebruikmaken van bestaande rekenmodellen die alleen hoeven te worden ingevuld. De residuele grondwaardemethode wordt hier dus niet gepresenteerd als vervanging daarvan, maar uitsluitend ter illustratie van hoe een rekenmodel in ChatGPT kan worden opgezet.

Waar het opzetten van een dergelijk model in Excel handmatige bewerkingen vereist, maakt AI-ondersteuning een duidelijke versnelling mogelijk. Modellen zoals ChatGPT kunnen complexe rekenmodellen snel opzetten, varianten doorrekenen en aannames aanpassen zonder extra invoerwerk.

Hierdoor ontstaan verschillende voordelen: er wordt concrete tijdswinst gecreëerd door efficiëntere en snellere processen en een deel van deze tijd kan direct ingezet worden voor uitbreiding van strategische analyses en interpretatie van uitkomsten voor zorgvuldige besluitvorming.

Verschillende spreadsheet-agents en nauwkeurigheid

De spreadsheetfunctie van ChatGPT vormt op dit moment de meest bekende en toegankelijke toepassing van kunstmatige intelligentie binnen het rekenwerk. Ook andere platforms, zoals Microsoft Copilot, bieden vergelijkbare functionaliteiten. In dit artikel wordt verder ingezoomd op ChatGPT, als bekendste toepassing binnen het vakgebied.

In de zogenoemde SpreadsheetBench-benchmark, een onafhankelijke vergelijking van AI-spreadsheettools, zijn verschillende systemen getest op het uitvoeren van identieke rekenopdrachten. Daarbij eindigde ChatGPT op de vierde plaats, net onder Microsoft Copilot. De resultaten tonen aan dat eerdere versies van ChatGPT aanzienlijk minder goed presteerden dan de huidige ChatGPT-agent, die een nauwkeurigheid behaalde van 45,5%. Ter vergelijking: menselijke deelnemers scoorden gemiddeld 71,3% (Ma et al., 2024).

Deze cijfers maken duidelijk dat het gebruik van AI in spreadsheets nog niet foutloos is, maar dat de vooruitgang richting menselijke nauwkeurigheid aanzienlijk is. Sinds de introductie van ChatGPT volgen de verbeteringen elkaar in hoog tempo op. Naar verwachting zal de nauwkeurigheid van AI-assistenten de komende tijd verder toenemen. Menselijke controle blijft daarbij onmisbaar, al kan een eerste opzet met ondersteuning van ChatGPT reeds aanzienlijke tijdswinst opleveren.

(SpreadsheetBench Leaderboard, 2025)

De spreadsheet-agent toegepast in de praktijk

ChatGPT is in de kern een taalmodel. Het kan worden beschouwd als een systeem dat een enorme hoeveelheid teksten - zoals boeken, rapporten en artikelen -heeft ‘gelezen’, en daardoor in staat is om verbanden te leggen, uitleg te geven en samenhangende teksten te genereren. Het model blinkt uit in taalverwerking en redeneren, maar voor complexe berekeningen wordt een gespecialiseerd hulpmiddel ingezet: de zogeheten spreadsheet-agent.

De agent fungeert als de rekenmachine van ChatGPT. Het is een uitbreiding die tekstuele opdrachten koppelt aan numerieke berekeningen. De agent kan zelfstandig spreadsheets maken, aanpassen en exporteren, bijvoorbeeld als Excel-bestand. Ook kan hij formules en tabellen genereren en de uitkomsten controleren.

De agent activeren

De spreadsheet-agent is toegankelijk via een nieuwe chat in ChatGPT. Door te klikken op het plus-icoon naast het tekstveld, te kiezen voor Agent en vervolgens Spreadsheet, wordt de rekenfunctionaliteit geactiveerd. Vanaf dat moment kan ChatGPT niet alleen over berekeningen communiceren, maar ze ook daadwerkelijk uitvoeren. Daarmee ontstaat een krachtige ondersteuning voor financiële analyses, rekenmodellen en scenariostudies, waaronder de residuele grondwaardeberekening.

Een rekenmodel genereren

Met één duidelijke opdracht kan ChatGPT binnen enkele minuten een compleet rekenmodel opzetten. De kwaliteit van het resultaat hangt sterk af van de formulering van de opdracht, de zogenoemde prompt. Hoe specifieker de instructie, hoe beter het model aansluit op de gewenste berekening.

Je kunt zelf een prompt schrijven, maar ChatGPT kan ook helpen bij het opstellen van een goede prompt, in een normale chat waarin de agent niet is geactiveerd. Een eerste effectieve prompt is bijvoorbeeld:       

“Schrijf een goede prompt om in ChatGPT met agentmodus een spreadsheet te maken van een werkende residuele grondwaardeberekening, dus met werkende formules, opbrengsten von per m2, invoer voor vierkante meters en vormfactor go bvo, rekening houdend met btw, bouwkosten per m2 bvo, (opbrengsten zijn altijd per m2 go), bijkomende kosten percentage, algemene kosten percentage, winst en risico (berekend over VON exclusief btw), en die dan de grondwaarde en grondquote echt berekend, inclusief de grondwaarde per m² kavel, dus met invoercellen en cellen die doorrekenen.”

ChatGPT genereert hiermee een gedetailleerde prompt die direct kan worden gebruikt om het rekenmodel te maken.

De volgende stap is het plakken van de door ChatGPT gegenereerde prompt in een nieuwe chat waarin de spreadsheetagent is geactiveerd. Met deze tweede opdracht wordt het daadwerkelijke model gebouwd. Binnen enkele minuten levert ChatGPT een functionerend rekenmodel voor de residuele grondwaardeberekening.

Structuur, opmaak en werking van het model

Het gegenereerde model bestaat doorgaans uit vier onderdelen: invoer, opbrengstenberekening, kostenberekening en een overzicht van resultaten en indicatoren. De agent hanteert vaste opmaakconventies die de leesbaarheid en bruikbaarheid vergroten: invoercellen worden geel weergegeven, berekende cellen grijs, bedragen in euro’s en percentages als %. Het resultaat is een downloadbaar Excel-bestand dat direct bruikbaar is. Wordt een invoerparameter – bijvoorbeeld de VON-prijs of de bouwkosten per m² – aangepast, dan worden alle berekeningen automatisch bijgewerkt.

(Residuele grondwaardeberekening door ChatGPT, 2025)

Stap-voor-stap: residuele grondwaardeberekening met AI

Het werken met de spreadsheet-agent volgt een logische volgorde: formuleer de opdracht, laat de agent het model genereren, voer een inhoudelijke controle uit en analyseer vervolgens scenario’s. De meerwaarde ligt niet alleen in snelheid, maar vooral in het systematisch onderzoeken van gevoeligheden en het onderbouwen van keuzes. Leg daarbij steeds de gebruikte prompt en aannames vast; dit borgt transparantie en herleidbaarheid - randvoorwaarden voor professioneel gebruik in de planeconomie. Onderstaande stappen laten zien hoe een residuele grondwaardeberekening met de spreadsheet-agent in de praktijk tot stand komt.

Stappenplan residuele grondwaardeberekening met AI

1. Formuleer de opdracht (prompt)
   Beschrijf in één zin wat moet worden berekend, inclusief projecttype, omvang en relevante randvoorwaarden.
2. Laat de agent het model bouwen
   ChatGPT genereert automatisch de modelstructuur en vult de tabellen.
3. Controleer de opzet
   Beoordeel aannames, formules en eenheden; menselijke controle blijft essentieel.
4. Analyseer scenario’s
   Vraag varianten op (bijvoorbeeld met andere bouwkosten, opbrengsten of rentepercentages) om gevoeligheden zichtbaar te maken.
5. Interpreteer de resultaten
   Richt de analyse op de betekenis van de uitkomsten en de implicaties voor besluitvorming.
6. Documenteer prompt en resultaten
   Leg vast welke opdracht en aannames zijn gebruikt, zodat de berekening transparant en herleidbaar blijft.

Praktische tip: Gebruik specifieke taal in de prompt, bijvoorbeeld “Hanteer een stichtingskostenbenadering” of “Neem 21% btw op bouwkosten mee.” Hoe concreter de instructie, hoe beter het resultaat.

Voordelen voor de adviespraktijk

Het toepassen van de spreadsheet-agent in de adviespraktijk levert concrete voordelen op voor het dagelijkse rekenwerk en de kwaliteit van analyses. De belangrijkste voordelen zijn:

• Tijdbesparing: berekeningen die voorheen veel tijd kostten, worden nu binnen enkele minuten uitgevoerd.
• Consistentie: berekeningen zijn herhaalbaar en eenvoudig te controleren.
• Flexibiliteit: varianten en gevoeligheidsanalyses kunnen snel worden gegenereerd.
• Focus op interpretatie: de planeconoom houdt meer tijd over voor analyse en strategische duiding.

Bij eenvoudige berekeningen, zoals een standaard residuele grondwaarde zonder complexe variabelen, werkt de agent doorgaans foutloos. Wanneer echter al een goed functionerend eigen rekenmodel beschikbaar is, biedt het gebruik van een agent in de praktijk weinig tijdswinst. Het handmatig invoeren van gegevens in een bekend model is dan vaak sneller en betrouwbaarder, mede omdat de gebruiker de opbouw en rekenlogica volledig beheerst.

De kracht van de spreadsheet-agent ligt vooral in het opzetten van nieuwe modellen of het snel genereren van varianten op bestaande structuren. Daarbij kan vrijwel elk type financieel of ruimtelijk rekenmodel worden opgebouwd; de residuele grondwaarde vormt slechts één illustratief voorbeeld van die mogelijkheden.

De AI rekent met grote nauwkeurigheid, maar begrijpt niet waaróm er wordt gerekend. De inhoudelijke beoordeling en interpretatie blijven daarom het domein van de planeconoom. Een deel van de controle kan inmiddels worden uitgevoerd door een agent, bijvoorbeeld door een spreadsheetbestand te uploaden en te laten toetsen op interne consistentie of rekenkundige juistheid. Pas wanneer de nauwkeurigheid en betrouwbaarheid van AI-modellen structureel een hoger niveau bereiken dan die van menselijke beoordelaars, kan deze verantwoordelijkheid in de toekomst geleidelijk verschuiven.

De toekomst van berekenen met AI

De spreadsheet-agent laat zien hoe kunstmatige intelligentie het rekenproces in korte tijd kan transformeren. Berekeningen worden sneller, transparanter en consistenter uitgevoerd dan voorheen. Toch ligt de echte waarde van AI niet in het rekenwerk zelf, maar in de interpretatie van de resultaten.  

AI kan rekenen, maar niet interpreteren. AI-systemen, zoals ChatGPT, kunnen data in technische zin analyseren en interpreteren: zij herkennen patronen, onderzoeken verbanden en trekken conclusies binnen de grenzen van hun trainingsdata en instructies. Zo kan een AI vaststellen dat een reeks cijfers een trend weergeeft of dat een tekst een negatief sentiment bevat. Menselijke interpretatie daarentegen berust op context, bedoeling, waarden en gevolgen, en vraagt om oordeelsvorming die verder gaat dan dataverwerking. Bij eenvoudige en gestandaardiseerde berekeningen functioneert de agent al uitstekend. Bij complexere vraagstukken blijft menselijke duiding noodzakelijk.  Opvallend daarbij is de snelheid waarmee de technologie zich ontwikkelt. Wat vandaag nog experimenteel lijkt, kan binnen enkele maanden al tot de standaardfunctionaliteit behoren. Dat biedt perspectief voor de toekomst: AI-toepassingen die niet alleen sneller rekenen, maar ook beter begrijpen wat wordt gevraagd en de adviseur daardoor steeds effectiever ondersteunen bij analyses en scenario’s. De toekomst van de planeconomie ligt in samenwerking tussen mens en machine: digitale precisie, versterkt door menselijke interpretatie en inzicht.

In gesprek over de praktijk

De toepassing van de spreadsheet-agent biedt veel kansen voor de planeconomie en gebiedsontwikkeling. Binnen PAS BV worden deze ontwikkelingen actief gevolgd en getest in de praktijk.

Meer informatie is verkrijgbaar via info@pasbv.nl of telefonisch via 0598 61 23 80 (Groningen) of 030 63 53 400 (Houten).
In de podcast over AI en gebiedsontwikkeling worden de nieuwste toepassingen

BRON:

Ma, Z., Zhang, B., Zhang, J., Yu, J., Zhang, X., Zhang, X., Luo, S., Wang, X., & Tang, J. (2024). SpreadsheetBench: Towards challenging real world spreadsheet manipulation. arXiv (Cornell University). https://doi.org/10.48550/arxiv.2406.14991