Mivel a startupok száma folyamatosan növekszik, és megpróbálja megvetni a lábát a piacon, a befektetők nehezebben döntenek arról, hogy kibe fektessenek be. Ismeretes, hogy egy-egy cég kiválasztásánál sok tényező közrejátszik, többek között az alapító és a befektető között esetleg fennálló empátia. De az adatok világában vagyunk, amelyben minden elszámolt, és ahol azt látjuk, hogy a mesterséges intelligencia számos szektorban segít a döntések meghozatalában. Ugyanez történik a startupokkal?
Az első probléma, amit találtunk, hogy kevés adat áll rendelkezésre róluk. "Néha nincs mód arra, hogy az induló vállalkozásoktól formázott információkhoz jussunk, legyen modell, és ez megnehezíti a feladatot" - kezdi José Hernández Orallóra, a Valenciai Műszaki Egyetem professzorára utalva, aki a BigML egyik tanszékét irányította. a gépi tanulásban.
Prediktív változókat használnak, mint például a domain, a befektetés, a csapat... majd a modell úgy dönt, "ugyanúgy, mint más környezetben, de ebben az esetben nagyon változó területekről van szó, ahol nagyon fontos az innováció." Ne feledje, hogy az induló vállalkozásokba való befektetés olyan kockázatos lépés, hogy szükség esetén sikeres lesz, és az AI megbízhatósága „kicsit attól függ, hogy hol jósolják”. A kulcs az, hogy „ha ezek a rendszerek jobban csinálják, mint az emberek, akik ismerik a kontextust”, ez kimarad az algoritmusokból. Hernández Orallo azonban úgy véli, hogy hasznos, „amikor szűrésről és közös döntésekről van szó. Elvégezheti az első átvilágítást”, és ne feledje, hogy „a teljesen automatikus döntés csak bizonyos területeken működik”.
Nacho Ormeño, a StartupXplore társalapítója és vezérigazgatója megteremtette a jövő előrejelzésének és a befektetés módjának eldöntésének képességét. "A sikert az értékteremtés határozza meg, és abszolút megkülönböztető tényező a végrehajtás képessége és az őket alkotó csapatoktól való tanulás." Az algoritmusok olyan jól tudják elvégezni a szűrési és kockázatelemzési munka egy részét, hogy ott döntéstámogató rendszerként szolgáljanak, "ma még nem tudják megjósolni, hogyan fog viselkedni a piac egy új értékajánlattal szemben, vagy kellően motivált csapat lesz-e képesek-e tervet felépíteni és végrehajtani, vagy optimálisan javítani fogják a rendelkezésükre álló erőforrásokat”.
Ormeño kiemeli, hogy a startupokba befektetőnek normalizálnia kell ezeknek a cégeknek a csődjét, mint a portfóliójukban megszokott jelenséget, mivel „vannak olyan tanulmányok, amelyek azt mutatják, hogy a közelmúltban létrehozott vállalatokba történő befektetések 65%-a nem jövedelmező a befektető számára, a teljes levelet a maradék 35% viszi.
Paloma Castellano, a Wayra Madrid igazgatója elismeri, hogy minden befektetési alap ezen a döntésen alapul. "Külső és belső információforrásokat használunk a projektek történetének köszönhetően" - mondja. A Wayra több mint 800 vállalatba fektetett be szerte a világon, miután több mint 80.000 XNUMX projektet elemzett, és „minden folyamat során tanulunk”. Ezért kulcsfontosságú az adatfeldolgozás, de elismeri, hogy „nem tévedhetetlen folyamat. Minden alapnak van antiportfóliója, olyan társaságok halmaza, amelyekre nemet mondtunk, és ez később sikerült is” – magyarázza. Castellano úgy véli, hogy még mindig sokkal nagyobb az adatmennyiség és "sokkal jobb az adatok minősége, ráadásul ha a korai szakaszban fektet be, akkor mindenekelőtt az emberekbe fektet be".
úttörő platform
2016-ban a Telefónica és a BigML létrehozta a PreSeries-t, az egyik első automatizált platformot, amely megjósolja annak valószínűségét, hogy egy startup – beleértve az indulókat is – sikeres lesz. A Telefónicával való közös vállalkozás akkor jött létre, amikor "nagyon keveset tettek a startupok területén" - magyarázza Francisco Martín, a BigML társalapítója és vezérigazgatója. Az ötlet az lesz, hogy az első szakaszban előfizetők legyenek, "hogy a befektető hozzáférjen az információkhoz", majd "a platform automatizálja a teljes ciklust". 2019-ben a Rackspace cég bevonta a PreSeries-t a program belső fejlesztésére. Martín úgy emlékszik, hogy ő alkotta meg az adatok összeállítására alkalmas technológiát, és „viszonylag jól működött, a szoftver hozta meg a döntéseket, de segédeszköz volt. A kihívás az információ megszerzése volt, mert nem olyan pontosak, mint egy állami vállalatnál”.
Arturo Moreno vezette a PreSeries-t az utolsó szakaszban, és követte nyomdokait Databell-lel. "A startupokkal és a magáncégekkel az történik, hogy nincsenek minőségi adatok, és az adattudomány használatának előfeltétele az, hogy projektív értékkel bírjanak" - mondja Moreno. Miután átment a PreSeries-en, ahol "sikerült megjósolni a tőzsdére lépés valószínűségét, vagy azt, hogy egy másik cég vásárol Öntől", tett egy lépést, hogy "a befektetők és a startupok információt cseréljenek". Ez az ingyenes hozzáférésű platform 200 befektetővel és 500 induló vállalkozással.
Moreno úgy véli, hogy így lesz néhány tevékenység, az algoritmusok segítenek kiválasztani azokat a startupokat, amelyekbe bármilyen módon befektethetnek, ez egy „teljesen automatizált folyamat lesz az ember egy fontos eleme által”. De mozgékonyságot ad az elemzésnek, ami segít a döntésben. Emlékeztet annak fontosságára, hogy az adatokból prediktív érték álljon rendelkezésre, és az ágazat iránti nagy érdeklődést érzékeljük, "nagy az étvágy a startupokba való befektetésre, és minél több adat áll rendelkezésre, annál jobb minden fél számára".
