Cuando el algoritmo decide el ser o no ser de 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 hace unos años la Cátedra BigML en 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 ámbitos pero en este caso son campos muy variables donde la innovación es muy importante». Recuerda que la inversión en startups es siempre una acción de riesgo, que pocas acaban por tener éxito, y que la fiabilidad de la IA «depende un poco de lo que se quiera predecir». 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 cree que son útiles «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, no cree en la capacidad que tienen los algoritmos de predecir el futuro y así decidir dónde invertir. «El éxito lo determina la creación de valor, y un factor absolutamente diferencial es la capacidad de ejecución y aprendizaje de los equipos que las componen». Si bien los algoritmos pueden hacer una parte del trabajo de filtrado y análisis de riesgos, y servir 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 un aprovechamiento óptimo 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 estudios 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 cartera la aportará el 35% restante».

Paloma Castellano, directora de Wayra Madrid, reconoce que casi todos los fondos de inversión están basando cada vez más sus decisiones de inversión en datos. «Usamos diferentes fuentes de información, externas e internas, gracias al histórico que tenemos de proyectos», afirma. En Wayra han invertido en más de 800 empresas en todo el mundo después de 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 «mucha mayor calidad de dato y, además, cuando estás invirtiendo en etapas tempranas, estás invirtiendo sobre todo en personas».

En 2016 Telefónica y BigML crearon PreSeries, una de las primeras plataformas automatizadas para predecir la probabilidad de que una startup, incluso en sus inicios, tenga éxito. La joint– venture con Telefónica surgió 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, compañía que reduce datos a patrones para ayudar a tomar decisiones. La idea era 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 compró PreSeries «para desarrollar el programa de forma interna». Martín recuerda que crearon la tecnología capaz de recopilar 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 acceso libre cuanta con 200 inversores y 500 startups.

Moreno cree que tal y como ha ocurrido con otros activos, los algoritmos ayudarán a elegir las startups en las que invertir aunque no será un proceso «completamente automatizado porque hay 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 detecta un gran interés en el sector, «hay mucho apetito por invertir en las startups y cuantos más datos existan será mejor para todas las partes».