زمانی که الگوریتم تصمیم می گیرد استارت آپ باشد یا نباشد

با افزایش پیوسته استارت آپ هایی که تلاش می کنند جای پای خود را در بازار به دست آورند، سرمایه گذاران در تصمیم گیری برای سرمایه گذاری در چه کسانی با مشکل مواجه می شوند. مشخص است که هنگام انتخاب یک شرکت یا شرکت دیگر، عوامل بسیاری از جمله همدلی که ممکن است بین بنیانگذار و سرمایه گذار وجود داشته باشد، وارد عمل می شوند. اما ما در دنیایی از داده ها هستیم که در آن همه چیز حساب شده است و می بینیم که هوش مصنوعی در بسیاری از بخش ها برای تصمیم گیری کمک می کند. آیا همین اتفاق در مورد استارتاپ ها نیز می افتد؟

اولین مشکلی که متوجه شدیم این است که اطلاعات کمی در مورد آنها وجود دارد. با اشاره به خوزه هرناندز اورالو، استاد دانشگاه پلی تکنیک والنسیا، که مدیریت یکی از صندلی های BigML را بر عهده داشت، می گوید: «گاهی اوقات راهی برای داشتن اطلاعات از استارت آپ ها، قالب بندی شده، داشتن یک مدل وجود ندارد، و این کار را دشوار می کند. در یادگیری ماشینی

از متغیرهای پیش‌بینی‌کننده استفاده می‌شود، مانند حوزه، سرمایه‌گذاری، تیم... و سپس مدل تصمیم می‌گیرد، "همانطور که در سایر محیط‌ها انجام می‌شود، اما در این مورد، آنها زمینه‌های بسیار متغیری هستند که نوآوری در آنها بسیار مهم است." به یاد داشته باشید که سرمایه‌گذاری در استارت‌آپ‌ها آنقدر اقدام پرخطر است که در صورت لزوم موفق خواهد شد، و اینکه قابلیت اطمینان هوش مصنوعی «کمی به جایی که پیش‌بینی می‌شود بستگی دارد». نکته کلیدی این است که «اگر این سیستم‌ها این کار را بهتر از افرادی که زمینه را می‌دانند انجام دهند» که از الگوریتم‌ها حذف شده است. اما هرناندز اورالو معتقد است که «در مورد فیلتر کردن و تصمیم گیری مشترک مفید است. شما می توانید اولین غربالگری را انجام دهید» و به یاد داشته باشید که «تصمیم گیری کاملاً خودکار فقط در حوزه های خاصی کار می کند».

Nacho Ormeño، یکی از بنیانگذاران و مدیر عامل StartupXplore، توانایی پیش بینی آینده و تصمیم گیری در مورد نحوه سرمایه گذاری را ایجاد کرده است. "موفقیت با ایجاد ارزش تعیین می شود و یک عامل کاملاً متمایزکننده، توانایی اجرا و یادگیری از تیم هایی است که آنها را تشکیل می دهند." الگوریتم‌ها می‌توانند بخشی از فیلترینگ و تحلیل ریسک را به خوبی انجام دهند تا در آنجا به عنوان سیستم‌های پشتیبانی تصمیم عمل کنند. قادر به ساخت و اجرای یک طرح هستند یا اینکه منابع در دسترس خود را بهینه بهبود می بخشند.

Ormeño این واقعیت را برجسته می کند که سرمایه گذار در استارتاپ ها باید شکست این شرکت ها را به عنوان چیزی عادی در پرتفوی آنها عادی کند، زیرا "مطالعاتی وجود دارد که نشان می دهد 65٪ از سرمایه گذاری های انجام شده در شرکت های اخیراً ایجاد شده برای سرمایه گذار سودآور نیست. کل نامه توسط 35٪ باقی مانده حمل می شود.

پالوما کاستلانو، مدیر Wayra مادرید، اذعان می کند که تمام صندوق های سرمایه گذاری بر اساس این تصمیم هستند. او می‌گوید: «ما به دلیل سابقه پروژه‌ها از منابع مختلف اطلاعات خارجی و داخلی استفاده می‌کنیم. Wayra پس از تجزیه و تحلیل بیش از 800 پروژه در بیش از 80.000 شرکت در سراسر جهان سرمایه گذاری کرده است و "ما در طول تمام فرآیندها یاد می گیریم". به همین دلیل است که پردازش داده ها کلیدی است، اما او تشخیص می دهد که «فرایند خطاناپذیری نیست. همه صندوق‌ها یک ضد پرتفوی دارند، مجموعه‌ای از شرکت‌هایی که ما به آنها نه گفتیم و بعداً موفق شد. کاستلانو معتقد است که هنوز حجم بسیار بیشتری از داده ها و "کیفیت بسیار بهتر داده ها وجود دارد و علاوه بر این، زمانی که در مراحل اولیه سرمایه گذاری می کنید، بیش از همه روی افراد سرمایه گذاری می کنید".

پلت فرم پیشگام

در سال ۲۰۱۶ Telefónica و BigML PreSeries را ایجاد کردند، یکی از اولین پلتفرم‌های خودکاری که احتمال موفقیت یک استارت‌آپ، از جمله استارت‌آپ‌ها را پیش‌بینی کرد. فرانسیسکو مارتین، یکی از بنیانگذاران و مدیر عامل شرکت BigML، شرکتی که برای کمک به تصمیم گیری، داده ها را به مشتریان کاهش می دهد، توضیح می دهد که سرمایه گذاری مشترک با Telefónica در زمانی بوجود می آید که "در زمینه استارت آپ ها کار بسیار کمی انجام شده است." ایده این خواهد بود که در مرحله اول مشترکانی داشته باشیم «تا سرمایه گذار به اطلاعات دسترسی داشته باشد» و سپس «پلتفرم برای خودکارسازی کل چرخه». در سال 2016، شرکت Rackspace PreSeries را "برای توسعه داخلی برنامه" گنجاند. مارتین به خاطر می‌آورد که او فناوری را ایجاد کرد که قادر به جمع‌آوری داده‌ها بود و «این نسبتاً خوب کار می‌کرد، نرم‌افزار تصمیم‌گیری می‌کرد، اما یک ابزار کمکی بود. چالش به دست آوردن اطلاعات بود زیرا به اندازه یک شرکت دولتی دقیق نیست.

آرتورو مورنو در آخرین مرحله PreSeries را رهبری کرد و راه او را با Databell دنبال کرد. مورنو می‌گوید: «آنچه برای استارت‌آپ‌ها و شرکت‌های خصوصی اتفاق می‌افتد این است که داده‌های باکیفیتی وجود ندارد و پیش‌فرض برای استفاده از علم داده این است که ارزش تصویری دارند». او پس از عبور از PreSeries، جایی که «ما موفق شدیم احتمال عرضه عمومی یا خرید شرکت دیگری از شما را پیش‌بینی کنیم»، قدمی برداشت تا «سرمایه‌گذاران و استارت‌آپ‌ها به تبادل اطلاعات بپردازند». این پلت فرم دسترسی رایگان با 200 سرمایه گذار و 500 استارت آپ.

مورنو معتقد است که از این طریق برخی فعالیت‌ها وجود خواهند داشت، الگوریتم‌ها به انتخاب استارت‌آپ‌هایی که به هر طریقی در آن سرمایه‌گذاری می‌کنند کمک می‌کند، این یک «فرآیند کاملاً خودکار توسط عنصری از شخص مهم» خواهد بود. اما به تجزیه و تحلیل چابکی می دهد و در تصمیم گیری کمک می کند. او اهمیت داشتن ارزش پیش‌بینی از داده‌ها و کشف علاقه زیادی به این بخش را یادآوری می‌کند، "اشتیاق زیادی برای سرمایه‌گذاری در استارت‌آپ‌ها وجود دارد و هر چه داده‌ها بیشتر باشد، برای همه طرف‌ها بهتر است."