La nueva herramienta de PitchBook utiliza IA para predecir qué startups saldrán con éxito

¿Puede un algoritmo predecir si una startup saldrá exitosamente? PitchBook así lo cree.

La base de datos de capital de riesgo y capital privado lanzó hoy VC Exit Predictor, una herramienta basada en datos de PitchBook para intentar analizar las perspectivas de crecimiento de una startup. 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, salga a bolsa o no salga debido a que se vuelve autosuficiente o experimenta cualquier evento (por ejemplo, quiebra) 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, entrenado exclusivamente en datos disponibles dentro de la plataforma PitchBook, incluida la actividad de las transacciones, los inversores activos y los detalles de la empresa», McKinley McGinn, gerente de producto de inteligencia de mercado de PitchBook. , dijo a TechCrunch en una entrevista por correo electrónico. «Para garantizar la precisión, se hacen predicciones 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 capital de riesgo y de inversionistas en etapa inicial se basarán en inteligencia artificial y análisis de datos.

Las empresas de capital de riesgo, incluidas SignalFire, EQT Ventures y Nauta Capital, están utilizando plataformas impulsadas por inteligencia artificial para señalar a las principales empresas potenciales. En 2021, un equipo de investigadores utilizó datos públicos de CrunchBase para crear una 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 una adquisición, fracasarán o seguirán siendo privadas.

Pero, ¿funcionan realmente estas herramientas?

McGinn dice que PitchBook realizó una prueba retrospectiva de VC Exit Predictor en un conjunto histórico de empresas con salidas conocidas, que incluían empresas como Blockchain.com, Revolut y Bitso. En promedio en todo el conjunto, la herramienta tuvo una precisión del 74% al predecir una salida exitosa, afirma McGinn.

«Los capitalistas de riesgo que buscan un enfoque basado en datos para su evaluación inicial de una empresa respaldada por capital de riesgo pueden aprovechar el VC Exit Predictor», añadió. «Sin embargo, anticipamos una larga lista de casos de uso para los actores de la industria que buscan próximos candidatos a IPO, monitorean a los competidores en el mercado o buscan validación para una inversión en su próxima ronda».

VC Exit Predictor podría funcionar bien en el conjunto de pruebas de PitchBook. Pero la pregunta es si es resistente a eventos del 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 limitados datos de entrenamiento.

Un artículo de VentureBeat (escrito por un servidor) detalla cómo una empresa de la industria de alimentos congelados, por ejemplo, luchó por utilizar un algoritmo para predecir dónde se estabilizarían finalmente las ventas durante la pandemia de COVID-19. En los primeros tres o cuatro meses de la crisis sanitaria, cuando la mayoría de las regiones imponían restricciones para comer, las ventas de alimentos congelados aumentaron significativamente ya que los clientes optaron por comer en casa. Pero cuando algunos países relajaron rápidamente sus reglas de cuarentena y otros optaron por reaperturas más lentas, se produjeron tendencias cambiantes que hicieron que el algoritmo de la compañía fuera menos confiable.

McGinn admite que VC Exit Predictor adolece de fallas similares; por ejemplo, mantiene una perspectiva favorable para las empresas de cifrado a pesar del declive en toda la industria. «Existen limitaciones en las predicciones a nivel de mercado que puede hacer el algoritmo», dijo. «Dado que depende de actualizaciones oportunas en un espacio de mercado de movimiento más lento, se necesita tiempo para que el modelo se ajuste a segmentos en ascenso o en caída».

También está el problema del sesgo: inevitablemente, los algoritmos amplifican los sesgos en los datos con los que se entrenan.

En un experimento realizado en noviembre de 2020, Harvard Business Review (HBR) creó un algoritmo de recomendación de inversiones y comparó su desempeño 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 estar en desventaja en el proceso de financiación y, en última instancia, recaudan menos capital de riesgo.

Los expertos encontraron problemas similares con la herramienta Mosaic de CB Insights, que califica a los fundadores y equipos de gestión en las primeras etapas para respaldar las decisiones de inversión, compras y fusiones y adquisiciones. Tech Brew informó que cuatro de las seis «señales» reveladas que utiliza CB Insights para informar la probabilidad de éxito de una persona son indicadores de raza, estatus socioeconómico, género y discapacidad. Esto es significativo, dado que sólo el 8% de los graduados de MBA son negros; las contrataciones iniciales en los gigantes tecnológicos tienden a ser blancas, asiáticas y masculinas; y menos del 2% de las nuevas empresas de software empresarial en EE. UU. tienen una 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 directores ejecutivos masculinos y femeninos.

«Si bien ninguna herramienta o persona puede predecir las salidas de la empresa con total precisión, la capacidad del VC Exit Predictor para procesar grandes cantidades de datos e identificar patrones puede dar a los inversores una ventaja a la hora de tomar decisiones de inversión informadas», afirmó. «Planeamos seguir aprovechando 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 hay que reconocer que McGinn no lo niega. Sólo esperamos que los inversores no dependan exclusivamente de VC Exit Predictor para tomar sus decisiones financieras, especialmente en ausencia de una auditoría del algoritmo por parte de un tercero.