Венчурный ИИ: чем алгоритмы и инвесторы могут помочь друг другу | Полезное - только важное и актуальное renchen.ru
Стартапы

Венчурный ИИ: чем алгоритмы и инвесторы могут помочь друг другу

Дитмар Гричник , Иво Блом , Йоаким Винсент , Малин Мальмстрем , Торбен Антреттер , Шарлотта Сирен
Венчурный ИИ: чем алгоритмы и инвесторы могут помочь друг другу
Иллюстрация: Cactus Creative Studio/Stocksy

Многие крупные венчурные фонды используют искусственный интеллект (ИИ) как дополнительный инструмент для принятия решений. Билл Марис, бывший управляющий партнер Google Ventures, однажды сказал: «Если у вас есть доступ к самым большим наборам данных в мире, … было бы глупо руководствоваться одной лишь интуицией».

У большинства инвесторов в стартапы нет таких ресурсов, как у Google, и они по-прежнему действуют по-старому и доверяют своим чувствам. Но по мере развития технологий и удешевления разработки мощных алгоритмов машинного обучения инвесторы должны будут решить, стоит ли им для принятия решений использовать ИИ. Сможет ли искусственный интеллект конкурировать с людьми на ранних стадиях инвестирования, и как инвесторы могут его использовать?

Чтобы ответить на эти вопросы, мы разработали свой инвестиционный алгоритм и сравнили его результаты с результатами 255 бизнес-ангелов. Мы обучили алгоритм с помощью передовых технологий, а затем он выбрал самые перспективные стартапы из 623 компаний, в которые вложилась одна из крупнейших европейских сетей ангельских инвестиций. Решения алгоритма были основаны на тех же данных, которые были доступны инвесторам: на питчах, профилях основателей в социальных сетях, сайтах и т. д. На основе этих данных мы постарались предсказать перспективы выживания стартапов (вместо таких любимых инвесторами метрик, как рыночная стоимость), поскольку это позволяло нам обучать алгоритм на куда более крупном и надежном наборе данных.

Мы выбрали инвестиции на основе этой модели, а затем сравнили прибыль портфелей бизнес-ангелов с портфелем нашего алгоритма. Кроме того, мы отдельно сравнили ИИ и инвесторов с разным уровнем опыта — начинающих (совершивших менее 10 инвестиций) и опытных (10 инвестиций или больше). Опытные инвесторы в нашей выборке совершили в среднем вдвое больше инвестиций, чем новички (12,2 против 5,2) и вкладывали в каждый стартап вдвое больше (€10,53 тыс. против €4,5 тыс.).

Результат исследования оказался очень убедительным. Он объясняет, как (и когда) использование алгоритмических инвестиций может принести максимум пользы. В нашем исследовании алгоритм легко опередил новичков: из-за неопытности они допускали намного больше когнитивных ошибок. Но выбор опытных инвесторов оказался куда лучше. Таким образом, наше исследование показывает, как когнитивные искажения влияют на решения инвесторов — и как алгоритмы могут обеспечить лучшие и более справедливые результаты.

Алгоритм против ангелов

Убедительно доказано, что когнитивные искажения — то есть систематические отклонения от рационального поведения — снижают инвестиционные результаты. Мы измерили пять искажений: 1) склонность к локальности — некоторые предпочитают инвестировать в компании, находящиеся близко географически; 2) избегание потерь, то есть большая чувствительность к потенциальным убыткам, чем к потенциальной прибыли, 3) сверхуверенность, то есть склонность слишком сильно вкладываться в один проект и тратить на него намного больше, чем планировалось изначально, 4) гендерные и 5) расовые предрассудки. Наши данные показывают, что среди бизнес-ангелов встречались все эти искажения. Самым распространенным и сильным искажением, влияющим на прибыль, была сверхуверенность: 91% инвесторов поддались ей хотя бы однажды.

Поскольку из-за когнитивных искажений инвесторы часто принимали нерациональные решения, неудивительно, что прибыль нашего алгоритма оказалась выше средней прибыли участников. Средняя внутренняя норма доходности (IRR) алгоритма составила 7,26%, а для 255 бизнес-ангелов этот показатель составил в среднем 2,56%. Иными словами, в среднем алгоритм выступил на 184% лучше человека.

советуем прочитать
Войдите на сайт, чтобы читать полную версию статьи
советуем прочитать