¿Puede un algoritmo predecir si una startup saldrá con éxito? PitchBook cree que sí.
La base de datos de capital de riesgo y capital privado lanzó hoy VC Exit Predictor, una herramienta entrenada en datos de PitchBook para intentar descubrir las perspectivas de crecimiento de una empresa emergente. Cuando se le da el nombre de una empresa respaldada por VC, VC Exit Predictor genera una puntuación sobre la probabilidad de que sea adquirida, se haga pública o no salga debido a que se vuelva autosuficiente o experimente cualquier evento (por ejemplo, bancarrota) que impida una salida.
“El VC Exit Predictor se desarrolló utilizando un algoritmo de aprendizaje automático patentado desarrollado por el equipo de investigación cuantitativa de PitchBook, capacitado exclusivamente en los datos disponibles dentro de la plataforma PitchBook, incluida la actividad de negocios, los inversores activos y los detalles de la empresa”, McKinley McGinn, gerente de producto de inteligencia de mercado en PitchBook. , le dijo a TechCrunch en una entrevista por correo electrónico. “Para garantizar la precisión, las predicciones se realizan para empresas respaldadas por empresas que han recibido al menos dos rondas de acuerdos de financiación de empresas”.
PitchBook ciertamente no es el primero en desarrollar una herramienta algorítmica para informar las decisiones de inversión. Durante años, los inversores han estado clamando por una ventaja competitiva impulsada por la IA; Gartner predice que para 2025, más del 75 % de las revisiones ejecutivas de inversores de capital de riesgo y de etapa inicial se basarán en IA y análisis de datos.
Las firmas de capital de riesgo, incluidas SignalFire, EQT Ventures y Nauta Capital, están utilizando plataformas impulsadas por IA para señalar posibles firmas importantes. En 2021, un equipo de investigadores utilizó datos públicos de CrunchBase para crear un herramienta bastante similar a VC Exit Predictor que tenía la capacidad de predecir si las nuevas empresas saldrán con éxito a través de una oferta pública inicial o adquisición, fracasarán o permanecerán privadas.
Pero, ¿realmente funcionan estas herramientas?
McGinn dice que PitchBook realizó una prueba retrospectiva de VC Exit Predictor en un conjunto histórico de empresas con salidas conocidas, que incluía empresas como Blockchain.com, Revolut y Bitso. En promedio en todo el conjunto, la herramienta tuvo una precisión del 74% en la predicción de una salida exitosa, afirma McGinn.
“El VC Exit Predictor puede ser aprovechado por capitalistas de riesgo que buscan un enfoque basado en datos para su evaluación inicial de una empresa respaldada por capital de riesgo”, agregó. “Sin embargo, anticipamos una larga cola de casos de uso para los actores de la industria que buscan candidatos para la próxima OPI, monitorean a los competidores en el mercado o buscan la validación de una inversión en su próxima ronda”.
VC Exit Predictor podría funcionar bien en el conjunto de prueba de PitchBook. Pero la pregunta es si es resistente a eventos de cisne negro como una pandemia, conflictos globales (como la guerra en Ucrania) y desastres naturales que no se pueden anticipar. Históricamente, los algoritmos han tenido problemas con estos debido a sus datos de entrenamiento limitados.
La nueva herramienta de PitchBook intenta predecir qué startups tendrán éxito basándose en datos históricos. Créditos de imagen: Libro de tono
Un VentureBeat pedazo (escrito por un servidor) detalla cómo una empresa en la industria de alimentos congelados, por ejemplo, luchó para usar un algoritmo para predecir dónde se establecerían las ventas durante la pandemia de COVID-19. En los primeros tres o cuatro meses de la crisis de salud, cuando la mayoría de las regiones tenían restricciones para comer, las ventas de alimentos congelados aumentaron significativamente ya que los clientes optaron por comer en casa. Pero cuando algunos países aflojaron rápidamente sus reglas de cuarentena en el futuro y otros optaron por reaperturas más lentas, se produjeron cambios en las tendencias que hicieron que el algoritmo de la empresa fuera menos confiable.
McGinn admite que VC Exit Predictor adolece de fallas similares, por ejemplo, tiene una perspectiva favorable sobre las empresas de criptomonedas a pesar del declive en toda la industria. “Hay limitaciones en las predicciones a nivel de mercado que puede hacer el algoritmo”, dijo. “Dado que depende de las actualizaciones oportunas en un espacio de mercado de movimiento más lento, el modelo necesita tiempo para adaptarse a los segmentos en ascenso o en declive”.
También está el problema del sesgo: inevitablemente, los algoritmos amplifican los sesgos en los datos en los que se entrenan.
en un experimento en noviembre de 2020, Harvard Business Review (HBR) creó un algoritmo de recomendación de inversiones y comparó su rendimiento con los rendimientos de los inversores ángeles. Según HBR, el algoritmo tendía a elegir empresarios blancos en lugar de empresarios de color y prefería invertir en nuevas empresas con fundadores masculinos, probablemente porque las mujeres y los fundadores de otros grupos subrepresentados tienden a ser perjudicado en el proceso de financiación y, en última instancia, recaudar menos capital de riesgo.
Expertos encontró problemas similares con la herramienta Mosaic de CB Insights, que califica a los fundadores y equipos de administración en etapa inicial para respaldar las decisiones de inversión, compra y fusiones y adquisiciones. Cerveza tecnológica reportado que cuatro de las seis “señales” reveladas que CB Insights utiliza para informar la probabilidad de éxito de una persona son indicadores de raza, nivel socioeconómico, género y discapacidad. Eso es significativo, dado que solo 8% de los graduados de MBA son de color negro; las contrataciones en las primeras etapas de los gigantes tecnológicos tienden a ser blancas, asiáticas y masculinas; y menos del 2% de las nuevas empresas de software empresarial en los EE. UU. tienen una mujer fundadora.
McGinn hace la audaz afirmación de que VC Exit Predictor es “ciego a la raza, el género y la educación de los fundadores”, pero reveló que incluso PitchBook encontró una ligera diferencia en sus predicciones de éxito distribuidas (1 %) entre los directores ejecutivos masculinos y femeninos.
“Si bien ninguna herramienta o persona puede predecir la salida de la empresa con total precisión, la capacidad de VC Exit Predictor para procesar grandes cantidades de datos e identificar patrones puede dar a los inversores una ventaja para tomar decisiones de inversión informadas”, dijo. “Planeamos continuar desarrollando esta herramienta para mejorar la precisión de las predicciones y agregar nuevas funciones para brindar aún más información”.
La conclusión es que ninguna herramienta predictiva es perfecta y, para su crédito, McGinn no lo niega. Solo esperamos que los inversores no confíen exclusivamente en VC Exit Predictor para tomar sus decisiones financieras, particularmente en ausencia de una auditoría externa del algoritmo.
Source link