Inversiones en startups a través de algoritmos: el caso de GV

Por Ricardo de la Piedra

Socio del Estudio Muñiz

Cuando los ejecutivos de un fondo de venture capital quieren obtener una aprobación favorable para la inversión en un nuevo emprendimiento, tradicionalmente buscaban la conformidad de los socios o comité de inversión del fondo luego de hacer el análisis de riesgo. En el caso de GV (anteriormente Google Ventures), fundado en 2009 como brazo de venture capital de Alphabet Inc. (y que toma decisiones de inversión independientes de Google), los ejecutivos consultan con un sistema denominado “La Máquina” (the machine). ¿En qué consiste este sistema?

Llegado el momento de evaluación respecto a si la inversión en una startup implica un riesgo muy alto para GV, el algoritmo es alimentado con todo tipo de datos de mercado, bases de inversión, de otros inversores y de socios fundadores. De ese input, La Máquina retorna un output con una recomendación de inversión y una calificación sobre 10 puntos, en modo semáforo, de rojo, ámbar y verde, según el nivel de riesgo (de mayor a menor, como se puede inferir). Para que una oportunidad califique como verde tiene que obtener al menos 8 de calificación.

1. El inicio: Bil Maris, CEO de GV, contrató varios ingenieros para el fondo en sus inicios, teniendo como labor fundamental ayudar a las empresas del portafolio a solucionar problemas técnicos (era parte del aporte de GV a las startups en las que adquiriría una participación). El asunto es que había un exceso de ingenieros respecto de las firmas en el portafolio y a las necesidades técnicas de las mismas, así que se les encomendó trabajar en una herramienta de análisis de deals llamada originalmente Vortex.

Con el paso del tiempo, y con la cantidad de información que evidentemente maneja GV como empresa vinculada a Alphabet, Vortex pasó de ser en un algoritmo de apoyo para identificar oportunidades y asistente de due diligence a constituirse como La Máquina, una especie de comité de inversiones virtual y sumamente rápido.

2. Los resultados: Las personas que trabajan en inteligencia artificial, machine learning y big data podrían ya haber identificado un claro problema a este momento. Para que La Máquina provea el output, tiene que tener un input, y ese input es precisamente proporcionado por humanos. Así, para la evaluación de algunas oportunidades de negocio, la información que era incluida de la industria, de los emprendedores y del mercado en general, era ingresada a medida, manipulando así el resultado.

Por otro lado, las personas que trabajan en capital de riesgo podrían notar que las inversiones no necesariamente se basan solo en lo que te puede salir en la hoja de Excel, sino que tienen predominantemente un componente de experiencia y sensación de riesgo que es difícilmente trasladable a una máquina o al modelo financiero.

3. Otros ejemplos: Hay un par de ejemplos adicionales de empresas que han venido utilizando algoritmos para facilitar la toma de ciertas decisiones de negocio. La empresa Social Capital, basada en Palo Alto, California, y fundada en 2011 por un extrabajador de Facebook, viene trabajando en algoritmos que provean información para reducir el capital humano al máximo. Por otro lado, la firma de venture capital sueca EQT Ventures viene utilizando un algoritmo bastante avanzado (y del que no tienen problemas de hablar) llamado Motherbrain. Henrik Landgren, socio operativo de la firma, ha sido tajante al comentar que solo utilizan este sistema para tener una lectura inicial de todas las oportunidades de inversión, pero que finalmente la decisión la toman los socios del fondo.

4. Conclusiones y el efecto en las startups: Es importante entender que, por mucha promoción futurista que se les haga, conceptos como inteligencia artificial, machine learning y big data se nutren de la estadística y experiencia humana, con lo cual difícilmente serán perfectos al ser nosotros mismos seres imperfectos. La idea detrás del uso de estas innovaciones es servir de ayuda para la toma decisiones y optimización de procesos, a mayor velocidad que la tradicional.

Los algoritmos, robots y sistemas no reemplazarán a los humanos en (la mayoría) de trabajos (eso espero), pero resulta interesante ver el giro que podría haber para los emprendedores de seguir esta tendencia: (i) ya no tendrán que impresionar a los inversionistas y fondos directamente con pitches emocionales y modelos de negocio, sino a través de datos a insertar en algoritmos; y (ii) esto podría generar que mucho trabajo y talento que puede haberse invertido en el emprendimiento sean rechazados de plano, descartando la posibilidad de rondas de inversión o capitalización en base al output de una máquina.

¿Startups como Uber, Instagram y AirBnb hubieran pasado el filtro de un algoritmo?