Con un costante aumento delle startup che cercano di prendere piede nel mercato, gli investitori hanno difficoltà a decidere in chi investire. È noto che nella scelta di una società o di un'altra entrano in gioco molti fattori, tra cui l'empatia che può esistere tra il fondatore e l'investitore. Ma siamo in un mondo di dati, in cui tutto viene contabilizzato e in cui vediamo che l'Intelligenza Artificiale sta aiutando in molti settori a prendere decisioni. Succede la stessa cosa con le startup?
Il primo problema che abbiamo riscontrato è che ci sono pochi dati su di loro. "A volte non c'è modo di avere informazioni dalle startup, formattate, per avere un modello, e questo rende il compito difficile", esordisce riferendosi a José Hernández Orallo, professore al Politecnico di Valencia, che ha diretto una delle Cattedre BigML nell'apprendimento automatico.
Vengono utilizzate variabili predittive, come il dominio, l'investimento, il team... e poi il modello decide, "così come si fa in altri ambiti, ma in questo caso si tratta di campi altamente variabili in cui l'innovazione è molto importante". Ricorda che investire nelle start-up è un'azione così rischiosa, che se necessario avrà successo e che l'affidabilità dell'IA “dipende un po' da dove viene prevista”. La chiave è "se questi sistemi lo fanno meglio delle persone, che conoscono il contesto" che viene escluso dagli algoritmi. Ma Hernández Orallo crede nella sua utilità “quando si tratta di filtrare e prendere decisioni congiunte. Puoi fare un primo screening” e ricordare che “una decisione completamente automatica funziona solo in determinati domini”.
Nacho Ormeño, co-fondatore e CEO di StartupXplore, ha creato la capacità di prevedere il futuro e decidere come investire. "Il successo è determinato dalla creazione di valore e un fattore assolutamente differenziante è la capacità di eseguire e imparare dai team che li compongono". Gli algoritmi possono svolgere una parte del lavoro di filtraggio e analisi del rischio così bene, da fungere da sistemi di supporto alle decisioni, "oggi non sono ancora in grado di prevedere come si comporterà il mercato di fronte a una nuova proposta di valore, o se un Team sufficientemente motivato sarà in grado di costruire ed eseguire un piano, o se apporteranno un miglioramento ottimale delle risorse a loro disposizione”.
Ormeño sottolinea il fatto che l'investitore in startup deve normalizzare il fallimento di queste società come qualcosa di abituale nei loro portafogli poiché "ci sono studi che indicano che il 65% degli investimenti effettuati in società di recente creazione non sono redditizie per l'investitore, la redditività di l'intera lettera sarà trasportata dal restante 35%.
Paloma Castellano, direttore di Wayra Madrid, riconosce che tutti i fondi di investimento si basano su questa decisione. "Utilizziamo diverse fonti di informazione, esterne e interne, grazie alla storia dei progetti che abbiamo", afferma. Wayra ha investito in più di 800 aziende in tutto il mondo dopo aver analizzato più di 80.000 progetti e "impariamo durante tutti i processi". Ecco perché l'elaborazione dei dati è fondamentale, ma riconosce che “non è un processo infallibile. Tutti i fondi hanno un anti-portafoglio, un insieme di società a cui abbiamo detto di no e che poi ci sono riuscite”, chiarisce. Castellano ritiene che ci sia ancora molto più volume di dati e "molto migliore qualità dei dati e, inoltre, quando si investe nelle fasi iniziali, si investe soprattutto nelle persone".
piattaforma pionieristica
Nel 2016 Telefónica e BigML hanno creato PreSeries, una delle prime piattaforme automatizzate per prevedere la probabilità che una startup, comprese le startup, avrà successo. La joint venture con Telefónica nasce in un momento in cui "si era fatto molto poco nel campo delle startup", spiega Francisco Martín, co-fondatore e CEO di BigML, una società che riduce i dati agli utenti per aiutare a prendere decisioni. L'idea sarà quella di avere abbonati nella prima fase "in modo che l'investitore abbia accesso alle informazioni" e poi "perché la piattaforma automatizza l'intero ciclo". Nel 2019, la società Rackspace ha incluso PreSeries "per sviluppare il programma internamente". Martín ricorda di aver creato la tecnologia in grado di raccogliere i dati e che “funzionava relativamente bene, il software prendeva le decisioni, ma era uno strumento di aiuto. La sfida era ottenere le informazioni perché non sono così precise come in una società per azioni”.
Arturo Moreno ha guidato la PreSeries nella sua ultima fase e ha seguito le sue orme con Databell. "Quello che succede alle startup e alle aziende private è che non ci sono dati di qualità e una premessa per l'utilizzo della scienza dei dati è che lo siano, con valore proiettivo", afferma Moreno. Dopo essere passato da PreSeries, dove "siamo riusciti a prevedere la probabilità di quotazione in borsa o che un'altra azienda acquisterebbe da te", ha fatto un passo affinché "investitori e startup si scambino informazioni". Questa piattaforma ad accesso gratuito con 200 investitori e 500 startup.
Moreno ritiene che così ci saranno delle attività, gli algoritmi aiuteranno a scegliere le startup su cui investire in qualsiasi modo, sarà un “processo completamente automatizzato da un elemento della persona che è importante”. Ma dà agilità all'analisi aiutando nella decisione. Ricorda l'importanza di avere valore predittivo dai dati e di rilevare un grande interesse per il settore, "c'è un grande appetito per investire nelle startup e più dati ci sono, meglio è per tutte le parti".
