آینده سرمایه گذاری خطرپذیر، نهفته در قدرت الگوریتم‌ها!

سرمایه گذاران حرفه‌ای استارتاپ‌ها همواره دو سؤال مهم را از خود می‌پرسند:

– کدام صنایع برای نوآوری آماده هستند؟

– کدام شرکت‌ها بیشترین پتانسیل را برای دستیابی به آن نوآوری دارند؟

دستیابی به پاسخ این سؤالات در بحبوحه تغییر بازارهای جهانی مستلزم این است که سرمایه گذاران با روندهای کلان اقتصادی آشنایی داشته باشند. علاوه بر استارتاپ‌های مختلفی که این سرمایه گذاران در آن‌ها سرمایه گذاری می‌کنند، هوش مصنوعی می‌تواند یک مزیت فوق العاده برای VC ها باشد.

برای سرمایه گذارانی که به دنبال راه‌های جدید برای کشف نوآوری‌های واقعی هستند، کلان داده (Big Data) و الگوریتم‌های یادگیری ماشین (Machine Learning) می‌توانند کمک کننده باشند.

در واقع گرایش به سمت یک رویکرد هوشمندانه در زمینه فناوری در حال حاضر شروع شده است. در سال 2019، بیش از 25 صندوق سرمایه گذاری خطرپذیر از هوش مصنوعی برای بهبود فرآیندهای خود استفاده کردند (افزایش قابل توجه نسبت به 10 الی 15 سال قبل).

همچنین 56% از مؤسسات سرمایه گذاری تمایل دارند استفاده از هوش مصنوعی را در فرآیندهای سرمایه گذاری خود افزایش دهند و 40% نیز افزایش بودجه خود را در این حوزه تخمین می‌زنند.

بیشتر بخوانید: چرا سرمایه‌گذاری خطرپذیر در سال 2021 رشد زیادی داشت؟

شاید بتوان گفت کسانی که از هوش مصنوعی استقبال می‌کنند، تبدیل به موفق‌ترین سرمایه گذاران VC در این دهه خواهند شد و راه را برای آینده فناوری تأمین مالی هموار خواهند کرد.

بازنگری در یک سیستم معیوب!

مدل فعلی تأمین مالی استارتاپ‌ها در مرحله رشد، ناقص بوده و اغلب تنها برای شرکت‌هایی که به سختی سودآوری دارند، ارزش‌های زیادی ایجاد می‌کند. نتیجه این امر هم برای سرمایه گذاران و هم برای خود استارتاپ‌ها کاملاً مضر است.

به عنوان مثال، مشکلات و دردسرهایی که برای استارتاپ WeWork ایجاد شد نمونه بارزی از ناقص بودن مدل سرمایه گذاری سنتی برای استارتاپ‌های در مرحله رشد است. این شرکت از زمان تأسیس خود در سال 2010 بیش از 8 میلیارد دلار جذب کرد و در بهترین شرایط خود بیش از 47 میلیارد دلار ارزش داشت.

سرمایه گذارانی که مشتاق به سرمایه گذاری در دور بعدی تأمین مالی این شرکت بودند، ارزش بالای آن را نادیده گرفتند و نسبت به مدل کسب و کار بحث برانگیز آن بی‌توجهی کردند. در نهایت قبل از عرضه عمومی این شرکت در سال 2019، ارزش آن به 10 میلیارد دلار کاهش یافت. سقوطی قابل توجه که باعث اخراج گسترده کارکنان و کاهش عمده دارایی‌های این شرکت شد.

بیشتر بخوانید: 10 دلیل اصلی شکست استارتاپ‌ها پس از اولین تجربه رشد

عرضه عمومی شرکت‌های Uber، Peloton و Smile Direct Club نیز در سال 2019 به دلیل عدم سودآوری و بیزینس مدل‌های ناپایدار آن‌ها نتیجه معکوس داشته است. جالب توجه است که همه این شرکت‌ها با مبالغ هنگفتی از سوی VC ها پشتیبانی می‌شدند.

بنابراین هم سرمایه گذاران و هم خود شرکت‌ها از عواقب این عرضه اولیه‌های زودهنگام آسیب دیده‌اند. به عنوان مثال، Uber سال گذشته 1000 کارمند خود را اخراج کرد.

برای جبران چنین ضررهایی، صندوق‌های VC در حالت ایده‌آل به بازدهی 3 برابری در سرمایه گذاری‌های موفق خود نیاز دارند، در حالی که کمتر از 10% آن‌ها توانسته‌اند به چنین بازدهی دست پیدا کنند! همچنین بیش از نیمی از این سرمایه گذاری‌ها کمتر از سرمایه گذاری کامل در یک شرکت بازدهی داشته‌اند.

این امر VC ها را تشویق می‌کند تا به امید جبران ضررهایشان، مبالغ بیشتری را در استارتاپ‌های دیگر سرمایه گذاری کنند که این کار اغلب بیهوده است. این تجارب، نیاز به دستیابی به راه حلی که ریسک را به حداقل برساند، پر رنگ‌تر می‌کند.

چگونه فناوری می‌تواند آینده تأمین مالی را رقم بزند؟

قدرت تصمیم گیری سرمایه گذاران را می‌توان با استفاده از کلان داده، هوش مصنوعی و یادگیری ماشین بهبود بخشید. ابزارهای مبتنی بر این فناوری‌ها می‌توانند به تشخیص شکاف‌های بازار، جمع آوری اطلاعات در مورد رقبا و شناسایی مالکان بالقوه کمک کنند.

این ابزارها همچنین می‌توانند روند تطبیق سرمایه گذاران مشترک را بهبود بخشند، خدمات پذیره نویسی و حسابرسی ارائه دهند و مدل‌های قیمت گذاری را توسعه دهند.

توانایی انجام این وظایف زمان‌بر، به صورت کارآمدتر و دقیق‌تر از انسان‌ها، فناوری تأمین مالی را به یک دارایی بسیار ارزشمند تبدیل می‌کند که در نهایت می‌تواند تعداد بیشتری از سرمایه گذاری‌ها را به موفقیت ختم کند.

سرمایه گذارانی که هوشمندانه از فناوری پیشرفته استفاده می‌کنند، می‌توانند به شرکت‌های موجود در پرتفوی خود کمک کنند تا آن‌ها نیز از این فناوری‌ها بهره بگیرند. به عنوان مثال، می‌توان از این ابزارها برای ساده سازی فرآیندهای دستی کسب و کار، ارزیابی مقادیر زیادی از اطلاعات و شناسایی نقاط ضعف یا خطرات احتمالی در شرکت استفاده کرد.

به گفته Prequin، “صندوق‌های تأمین مالی مبتنی بر هوش مصنوعی بر اساس بازده انباشته 3 ساله خود، 3% بهتر از صندوق‌های تأمینی معمولی عمل کردند”.

نحوه بهره مندی از این ابزارها

بررسی داده‌های هوش مصنوعی می‌تواند مانند عبور از یک میدان مین بنظر برسد. در واقع انبوهی از داده‌ها وجود دارند که باید مرتب سازی شوند. اما نیازی نیست که داده‌‌های زیادی را بررسی کنید: برای شروع، سرمایه گذاران می‌توانند از منابع آنلاین مانند CrunchBase، CB Insights و AngelList برای جمع آوری داده‌های مربوط به شرکت‌ها و صنایع استفاده کنند.

VC ها باید به دنبال تاریخچه سرمایه گذاری، رشد تعداد کارمندان، معیارهای فروش و همچنین گزارش‌های بازار دقیقی باشند که توسط شرکت‌های تحقیقاتی جمع آوری شده‌اند و نشان دهنده روندهای تغییر بازار هستند. VC ها می‌توانند این اطلاعات را با داده‌های موجود از سرمایه گذاری‌های قبلی و جلسات پیش رو ترکیب کنند تا بتوانند تصویر دقیقی از شرکت و صنعت مورد نظر داشته باشند.

سپس باید متخصصین برای تجزیه و تحلیل این داده‌ها حضور یابند. آن‌ها می‌توانند یک الگوریتم AI یا ML اختصاصی برای نیازهای خاص تأمین مالی VC ها ایجاد کنند. از الگوریتم‌ها می‌توان برای شناسایی فرصت‌ها بر اساس عواملی از جمله نرخ اجرا، درآمد پایدار و تعداد کارکنان استفاده کرد.

با استفاده از هوش مصنوعی به این شیوه، VC ها نه تنها در زمان و منابع ارزشمند صرفه جویی می‌کنند، بلکه شانس سرمایه گذاری مطمئن را افزایش می‌دهند.

VC ها به رشد نوآورانه‌ترین شرکت‌های جهان کمک کرده‌اند. به همین ترتیب آن‌ها به عنوان کسانی که از تأثیر فناوری‌های پیچیده آگاه هستند، نباید در پذیرش این ابزار تردید کنند. وقتی VC ها این اقدام را انجام دهند، تصمیمات سرمایه گذاری هوشمندانه‌تری می‌گیرند و در نتیجه کل اکوسیستم اقتصاد منتفع خواهد شد.

منبع: Forbes

مترجم: معین رفیعی مهر