A nova ferramenta do PitchBook investe em IA para prever quais startups sairão com sucesso
Um algoritmo pode prever se uma inicialização será encerrada com sucesso? O PitchBook acredita que sim
O banco de dados de capital de risco e private equity lançou hoje o VC Exit Predictor, uma ferramenta treinada nos dados do PitchBook para tentar descobrir as perspectivas de crescimento de uma startup. Dado o nome de uma empresa apoiada por VC, o VC Exit Predictor gera uma pontuação sobre a probabilidade de ser adquirido, tornar-se público ou não sair devido a se tornar autossustentável ou passar por qualquer evento (por exemplo, falência) que impeça uma saída.
“O VC Exit Predictor foi desenvolvido usando um algoritmo proprietário de aprendizado de máquina desenvolvido pela equipe de pesquisa quantitativa da PitchBook, treinado exclusivamente em dados disponíveis na plataforma PitchBook, incluindo atividades de negócios, investidores ativos e detalhes da empresa”, McKinley McGinn, gerente de produto de inteligência de mercado da PitchBook. “Para garantir a precisão, as previsões são feitas para empresas apoiadas por capital de risco que receberam pelo menos duas rodadas de acordos de financiamento de capital de risco.”
O PitchBook certamente não é o primeiro a desenvolver uma ferramenta algorítmica para informar as decisões de investimento. Durante anos, os investidores clamaram por uma vantagem competitiva impulsionada pela IA; O Gartner prevê que, até 2025, mais de 75% das análises de capital de risco e investidores em estágio inicial serão informados por IA e análise de dados.
As empresas de capital de risco, incluindo SignalFire, EQT Ventures e Nauta Capital, estão usando plataformas com tecnologia de IA para sinalizar possíveis empresas importantes. E em 2021, uma equipe de pesquisadores usou dados públicos do CrunchBase para construir uma ferramenta bastante semelhante ao VC Exit Predictor, com a capacidade de prever se as startups sairão com sucesso por meio de um IPO ou aquisição, falharão ou permanecerão privadas.
Mas essas ferramentas realmente funcionam?
McGinn diz que o PitchBook testou o VC Exit Predictor em um conjunto histórico de empresas com saídas conhecidas, que incluíam empresas como Blockchain.com, Revolut e Bitso. Com a média do conjunto, a ferramenta teve 74% de precisão na previsão de uma saída bem-sucedida, afirma McGinn.
“O VC Exit Predictor pode ser aproveitado por capitalistas de risco que procuram uma abordagem baseada em dados para sua avaliação inicial de uma empresa apoiada por capital de risco”, acrescentou. “No entanto, prevemos uma longa cauda de casos de uso para players do setor em busca de candidatos a IPO, monitorando concorrentes no mercado ou buscando validação para um investimento em sua próxima rodada.”
O VC Exit Predictor pode funcionar bem no conjunto de testes do PitchBook. Mas a questão é se ela é resistente a eventos de cisnes negros como uma pandemia, conflitos globais (como a guerra na Ucrânia) e desastres naturais que não podem ser previstos. Os algoritmos têm lutado historicamente com eles, devido aos seus dados de treinamento limitados.
Um artigo da VentureBeat (escrito sinceramente por você) detalha como uma empresa do setor de alimentos congelados, por exemplo, lutou para usar um algoritmo para prever onde as vendas acabaram se estabelecendo durante a pandemia de COVID-19. Nos primeiros três a quatro meses da crise da saúde, quando a maioria das regiões tinha restrições de refeições, as vendas de alimentos congelados aumentaram significativamente, pois os clientes optaram por comer em casa. Mas quando alguns países afrouxaram rapidamente suas regras de quarentena, enquanto outros optaram por reaberturas mais lentas, isso levou a mudanças nas tendências que tornaram o algoritmo da empresa menos confiável.
McGinn admite que o VC Exit Predictor sofre de falhas semelhantes – por exemplo, mantendo uma perspectiva favorável sobre as empresas de criptografia, apesar do declínio em todo o setor. “Existem limitações nas previsões em nível de mercado que o algoritmo pode fazer”, disse ele. “Como depende de atualizações oportunas em um espaço de mercado em movimento mais lento, leva tempo para o modelo se ajustar a segmentos em alta ou em queda.”
Há também o problema do preconceito. Inevitavelmente, os algoritmos amplificam os vieses nos dados nos quais são treinados.
Os especialistas encontraram problemas semelhantes com a ferramenta Mosaic da CB Insights, que pontua fundadores e equipes de gerenciamento em estágio inicial para apoiar decisões de investimento, compra e fusões e aquisições. A Tech Brew informou que quatro dos seis “sinais” divulgados que a CB Insights usa para informar a probabilidade de sucesso de uma pessoa são representantes de raça, status socioeconômico, gênero e deficiência. Isso é significativo, visto que apenas 8% dos graduados em MBA são negros; contratações em estágio inicial em gigantes da tecnologia tendem a distorcer brancos, asiáticos e homens; e menos de 2% das startups de software empresarial nos EUA têm uma fundadora do sexo feminino.
McGinn faz a afirmação ousada de que o VC Exit Predictor é “cego para a raça, gênero e educação dos fundadores”, mas revelou que até o PitchBook encontrou uma pequena diferença em suas previsões de sucesso distribuído – 1% – entre CEOs masculinos e femininos.
“Embora nenhuma ferramenta ou pessoa possa prever a saída da empresa com total precisão, a capacidade do VC Exit Predictor de processar grandes quantidades de dados e identificar padrões pode dar aos investidores uma vantagem na tomada de decisões de investimento informadas”, disse ele. “Planejamos continuar desenvolvendo essa ferramenta para melhorar a precisão das previsões e adicionar novas funcionalidades para fornecer ainda mais insights.”
A conclusão é que nenhuma ferramenta preditiva é perfeita – e, para seu crédito, McGinn não nega isso. Esperamos apenas que os investidores não confiem exclusivamente no VC Exit Predictor para tomar suas decisões financeiras, principalmente na ausência de uma auditoria terceirizada do algoritmo.