Con un aumento constante de nuevas empresas tratando de hacerse un hueco en el mercado, los inversores tienen cada vez más difícil decidir en quién invertir. Se sabe que a la hora de elegir una u otra compañía entra en juego muchos factores, entre ellos la empatía que pueda existir entre fundador e inversor. Pero estamos en un mundo de datos, en el que todo se contabiliza y donde vemos que la Inteligencia Artificial está ayudando en muchos sectores a tomar decisiones. ¿Ocurre lo mismo con las startups?
El primer problema que encontramos es que hay pocos datos sobre ellas. «A veces no hay forma de poder tener información de las startups, formateada, para tener un modelo, y eso dificulta la tarea», comienza por referir José Hernández Orallo, catedrático en la Universidad Politécnica de Valencia, quien dirigió una de las Cátedra BigML en el aprendizaje automático.
Se utilizan variables predictivas, como puede ser el dominio, la inversión, el equipo… y luego el modelo decide, “tal y como se hace en otros alrededores pero en este caso son campos muy variables donde la innovación es muy importante”. Recuerda que la inversión en start-ups es una acción tan arriesgada, que si es necesario consigue el éxito, y que la fiabilidad de la IA “depende un poco de dónde se pronostique”. La clave es “si estos sistemas lo hacen mejor que las personas, que conocen el contexto” que se queda fuera de los algoritmos. Pero Hernández Orallo crea su utilidad “a la hora de filtrar y tomar decisiones conjuntas. Puedes hacer una primera criba” y recuerda que “una decisión completamente automática solo funciona en determinados dominios”.
Nacho Ormeño, cofundador y CEO de StartupXplore, ha creado la capacidad de predecir el futuro y decidir cómo invertir. “El éxito lo determina la creación de valor, y une factor absolutamente diferencial est la capacidad de ejecución y le prendizaje de los equipos que las componen”. Tan bien los algoritmos pueden hacer una parte del trabajo de filtrado y análisis de riesgos, para servir allí por tanto de sistemas de ayuda a la decisión, “todavía hoy no pueden predecir cómo se comportará el mercado ante una nueva propuesta de valor, o si un Equipo lo suficientemente motivado podrá construir y ejecutar un plan, o de si realizarán una mejora óptima de los recursos que disponen a su alcance”.
Ormeño resalta el hecho de que el inversor en startups debe normalizar el fracaso de estas compañías como algo habitual en sus carteras ya que “hay etstudios que indican que el 65% de las inversiones realizadas en empresas de reciente creación no son rentables para el inversor, la rentabilidad de toda la carta la portará el 35% restante”.
Paloma Castellano, directora de Wayra Madrid, reconoce que todos los fondos de inversión se basan en esta decisión. “Usamos diferentes fuentes de información, externas e internas, gracias al histórico que tenemos de proyectos”, afirma. En Wayra se han invertido en más de 800 empresas en todo el mundo tras analizar más de 80.000 proyectos y “aprendemos Durante todos los procesos”. Por eso el tratamiento de los datos es clave pero reconoce que “no es un proceso infalible. Todos los fondos tenemos un antiporfolio, un conjunto de empresas a las que dijimos que no y que luego triunfaron”, matiza. Castellano cree que falta aún mucho más volumen de datos y “much mayor calidad de dato y, además, cuando estás invirtiendo en etapas tempranas, estás invirtiendo sobre todo en personas”.
plataforma pionera
En 2016 Telefónica y BigML crearon PreSeries, una de las primeras plataformas automatizadas para predecir la probabilidad de que una startup, incluidos además inicios, tenga éxito. La joint venture con Telefónica surge en un momento en el que “en el campo de las startups se había hecho muy poco”, explica Francisco Martín, cofundador y CEO de BigML, empresa que reduce datos a los mecenas para ayudar a tomar decisiones. La idea será tener en una primera etapa suscriptores “para que el inversor tuviera acceso a la información” y después “que la plataforma automatizara todo el ciclo”. En 2019 la empresa Rackspace incluyó PreSeries “para desarrollar el programa de forma interna”. Martín recuerda que creó la tecnología capaz de compilar los datos y que “funcionaba relativamente bien, el software tomaba las decisiones, pero era una herramienta de ayuda. El reto estaba en conseguir la información porque no es tan precisa como en una compañía pública”.
Arturo Moreno lideró PreSeries en su última etapa y ha seguido su estela con Databell. “Lo que ocurre con las startups y empresas privadas es que no existen datos de calidad y una premisa para utilizar la ciencia de datos es que lo sean, con valor proyectivo”, indica Moreno. Tras su paso por PreSeries, donde “llegamos a predecir la probabilidad de salir a bolsa o que otra empresa te comprara”, dio un paso para que “inversores y startups se intercambien información”. Esta plataforma de libre acceso con 200 inversores y 500 startups.
Moreno cree que así habrá unas actividades, los algoritmos ayudarán a elegir a las startups en las que invertir de cualquier forma será un “proceso completamente automatizado por un elemento de la persona que es importante”. Pero da agilidad al análisis ayudando en la decisión. Recuerda la importancia de tener valor predictivo de los datos y detectar un gran interés en el sector, “hay mucho apetito por invertir en las startups y cuantos más datos existentan será mejor para todas las partes”.
