Es un tema que llevo viendo evolucionar ya bastantes años: el uso de algoritmos de machine learning para tomar decisiones de inversión. Y en el caso de los capitalistas de riesgo, además, la cuestión tiene todo el sentido del mundo: hablamos de compañías que llevan ya años invirtiendo en compañías dedicadas al machine learning, por lo que tratar de utilizar y aplicar sus productos precisamente en su propia actividad, una vez que has estudiado su funcionamiento, resulta más que razonable.
¿Qué es, después de todo, una decisión de inversión en una startup? Básicamente, el fruto de un conjunto de análisis y de experiencias anteriores. Los análisis de la compañía provienen de una toma de datos que puede sistematizarse y verificarse de múltiples maneras, mientras la experiencia corresponde, en realidad, a la cristalización imperfecta, con sus sesgos y errores, de una serie de decisiones anteriores, ponderadas por el resultados que se obtuvieron en cada una de ellas.
Obviamente, un inversor de capital riesgo no suele ser objetivo: habitualmente, permite que entren en su proceso de toma de decisiones múltiples factores, desde las sensaciones que le genera el equipo fundacional de la compañía, hasta análisis más o menos rigurosos de su capacidad de desarrollo futuro.
¿Podemos plantearnos sustituir o complementar este tipo de decisiones, en muchos casos personales o consensuadas entre los miembros de un fondo de inversión, por los resultados de un análisis algorítmico que utilice como entradas las decisiones tomadas anteriormente, etiquetadas con los resultados que obtuvieron al cabo del tiempo? ¿Puede el éxito de una startup predecirse, o depende en muchos casos de conjunciones de factores imposibles de prever o cuyos resultados pueden ser diferentes en cada momento, con casuísticas que dependen de factores personales o coyunturales específicos? ¿Qué ocurre cuando el éxito, además, está influenciado de manera significativa por las sinergias o los contactos que los inversores pueden aportar al proyecto de la compañía?
Hace algunos años, impartí una sesión que se titulaba algo así como «Cuando un algoritmo decide si te conceden la hipoteca». Cada vez más, hay decisiones con trascendencia económica de este tipo sustentadas por procesos analíticos de este tipo, con todo lo que ello conlleva. Posiblemente haya factores como la intuición y la experiencia que no desaparezcan nunca, pero que cada vez más, comiencen a estar cada vez más influenciados por lo que un algoritmo determinado, sustentado por muchísimos datos de rondas de inversión previas y de sus resultados a lo largo del tiempo, obtenga en sus predicciones.
Como tal, un algoritmo no es un ente abstracto, sino un constructo analítico basado en matemática y estadística, obtenido a partir de unos datos determinados, y etiquetados con el resultado que esos datos produjeron. Obviamente, nada garantiza que no estemos dejando fuera del análisis variables que fueron muy relevantes en el resultado final y que simplemente no hayamos sabido entender o recoger, pero podemos aproximar qué parte de la decisión es susceptible de ser explicada mediante nuestro análisis. Tampoco asegura que no existan sesgos, dado que estos sesgos pueden venir determinados por los datos con los que alimentamos o educamos al algoritmo.
En realidad, no decide un algoritmo, ni una máquina: deciden los casos precedentes que puedan asemejarse más o menos al nuestro. Y en el futuro, el análisis de esos casos precedentes podrá decidir muchas cosas: desde si nos conceden un crédito o si financian nuestro proyecto, hasta si nos admiten en una universidad determinada. Vete preparándote.
