Amb un augment constant de noves empreses tractant de fer-se un forat al mercat, els inversors tenen cada vegada més difícil decidir en qui invertir. Se sap que a l'hora d'escollir una companyia o una altra entra en joc molts factors, entre ells l'empatia que hi pugui haver entre fundador i inversor. Però estem en un món de dades, on tot es comptabilitza i on veiem que la Intel·ligència Artificial està ajudant en molts sectors a prendre decisions. Passa el mateix amb les startups?
El primer problema que trobem és que hi ha poques dades sobre elles. «De vegades no hi ha manera de poder tenir informació de les startups, formatejada, per tenir un model, i això dificulta la tasca», comença per referir-se José Hernández Orallo, catedràtic a la Universitat Politècnica de València, que va dirigir una de les Càtedra BigML a l'aprenentatge automàtic.
S'utilitzen variables predictives, com ara el domini, la inversió, l'equip… i després el model decideix, “tal com es fa en altres voltants però en aquest cas són camps molt variables on la innovació és molt important”. Recorda que la inversió en start-ups és una acció tan arriscada, que si cal aconseguir l'èxit, i que la fiabilitat de la IA “depèn una mica d'on es pronostiqui”. La clau és “si aquests sistemes ho fan millor que les persones, que coneixen el context” que es queda fora dels algorismes. Però Hernández Orallo crea la seva utilitat a l'hora de filtrar i prendre decisions conjuntes. Pots fer un primer garbell” i recorda que “una decisió completament automàtica només funciona en determinats dominis”.
Nacho Ormeño, cofundador i CEO de StartupXplore, ha creat la capacitat de predir el futur i decidir com invertir. "L'èxit el determina la creació de valor, i uneix factor absolutament diferencial est la capacitat d'execució i el prendizatge dels equips que les componen". Tan bé els algorismes poden fer una part del treball de filtratge i anàlisi de riscos, per servir-hi per tant de sistemes d'ajuda a la decisió, “encara avui no poden predir com es comportarà el mercat davant una nova proposta de valor, o si un Equip prou motivat podrà construir i executar un pla, o de si faran una millora òptima dels recursos que disposen al seu abast”.
Ormeño ressalta el fet que l'inversor en startups ha de normalitzar el fracàs d'aquestes companyies com una cosa habitual a les carteres ja que “hi ha estudis que indiquen que el 65% de les inversions realitzades en empreses de creació recent no són rendibles per a l'inversor, la rendibilitat de tota la carta la portarà el 35% restant”.
Paloma Castellano, directora de Wayra Madrid, reconeix que tots els fons d'inversió es basen en aquesta decisió. "Fem servir diferents fonts d'informació, externes i internes, gràcies a l'històric que tenim de projectes", afirma. A Wayra s'han invertit en més de 800 empreses a tot el món després d'analitzar més de 80.000 projectes i “aprenem Durant tots els processos”. Per això el tractament de les dades és clau, però reconeix que “no és un procés infal·lible. Tots els fons tenim un antiportfoli, un conjunt d'empreses a les quals vam dir que no i que després van triomfar”, matisa. Castellano creu que falta encara molt més volum de dades i “molt més qualitat de dada i, a més, quan estàs invertint en etapes primerenques, estàs invertint sobretot en persones”.
plataforma pionera
El 2016 Telefónica i BigML van crear PreSeries, una de les primeres plataformes automatitzades per predir la probabilitat que una startup, inclosos a més inicis, tingui èxit. La joint venture amb Telefónica sorgeix en un moment en què “al camp de les startups s'havia fet molt poc”, explica Francisco Martín, cofundador i CEO de BigML, empresa que redueix dades als mecenes per ajudar a prendre decisions. La idea serà tenir en una primera etapa subscriptors “perquè l'inversor tingués accés a la informació” i després “que la plataforma automatitzés tot el cicle”. El 2019 l'empresa Rackspace va incloure PreSeries “per desenvolupar el programa de manera interna”. Martín recorda que va crear la tecnologia capaç de compilar les dades i que funcionava relativament bé, el programari prenia les decisions, però era una eina d'ajuda. El repte era aconseguir la informació perquè no és tan precisa com en una companyia pública”.
Arturo Moreno va liderar PreSeries a la seva última etapa i ha seguit la seva estela amb Databell. “El que passa amb les startups i empreses privades és que no hi ha dades de qualitat i una premissa per utilitzar la ciència de dades és que ho siguin, amb valor projectiu”, indica Moreno. Després del seu pas per PreSeries, on “arribem a predir la probabilitat de sortir a borsa o que una altra empresa et comprés”, va fer un pas perquè “inversors i startups s'intercanviïn informació”. Aquesta plataforma de lliure accés amb 200 inversors i 500 startups.
Moreno creu que així hi haurà unes activitats, els algorismes ajudaran a triar les startups en què invertir de qualsevol manera serà un “procés completament automatitzat per un element de la persona que és important”. Però dóna agilitat a l'anàlisi ajudant a la decisió. Recorda la importància de tenir valor predictiu de les dades i detectar un gran interès en el sector, “hi ha molta gana per invertir en les startups i com més dades hi hagi serà millor per a totes les parts”.
