[ad_1]
Stephanie Song, ex miembro del equipo de Desarrollo Corporativo y Empresas de Coinbase, a menudo se sentía frustrada por la cantidad de tareas de diligencia debida que ella y su equipo tenían que completar a diario.
«Los analistas se queman hasta medianoche y trabajan cientos de horas haciendo trabajos que nadie quiere hacer», dijo Song a TechCrunch en una entrevista por correo electrónico. «Al mismo tiempo, los fondos están desplegando menos capital y buscando formas de hacer que sus equipos sean más eficientes y al mismo tiempo reducir los costos operativos».
Inspirado por la búsqueda de una mejor manera, Song se asoció con Brian Fernandez y Anand Chaturvedi, dos ex colegas de Coinbase, para lanzar Dili (que no debe confundirse con la capital de Timor Oriental), una plataforma que busca abordar el problema de automatizar debida diligencia sobre inversiones clave y pasos de gestión de carteras para empresas de capital privado y capital de riesgo que utilizan IA.
Dili, graduada de Y-Combinator, ha recaudado 3,6 millones de dólares en financiación de riesgo hasta la fecha de patrocinadores como Allianz Strategic Investments, Rebel Fund, Singularity Capital, Corenest, Decacorn, Pioneer Fund, NVO Capital, Amino Capital, Rocketship VC, Hi2 Ventures, Gaingels. y otros recopilaron Hyper Ventures.
“[AI] «Afecta a todas las partes de un fondo de inversión, desde los analistas hasta los socios y las funciones administrativas», dijo Song. “Los profesionales de la inversión en fondos buscan una ventaja diferenciada en la toma de decisiones y ahora pueden utilizar su gran cantidad de datos para combinar su comprensión del negocio con cómo encaja en los fondos… Dili tiene una oportunidad única de emerger como una solución para fondos en un entorno macroeconómico difícil”.
Song no se equivoca cuando se trata de fondos que buscan una ventaja o nuevas formas prometedoras de mitigar el riesgo de inversión. Según se informa, los capitalistas de riesgo tienen 311 mil millones de dólares en efectivo no gastado y recaudaron 67 mil millones de dólares el año pasado, su total más bajo en siete años, a medida que se volvieron cada vez más cautelosos respecto de las empresas en etapa inicial.
Dili no es el primero en utilizar IA en el proceso de diligencia debida. Gartner predice que para 2025, más del 75% de las evaluaciones de ejecutivos de capital de riesgo y de inversionistas en etapa inicial se realizarán utilizando inteligencia artificial y análisis de datos.
Varias empresas emergentes y establecidas ya están utilizando la IA para examinar documentos financieros y grandes cantidades de datos para crear comparaciones e informes de mercado, entre ellos Wokelo (entre cuyos clientes se incluyen fondos de capital privado y capital de riesgo como Dili), Ansarada, AlphaSense y Thomson Reuters (a través de su Borrar unidad de medios adversos).
Sin embargo, Song insiste en que Dili está utilizando tecnología “primera en su tipo”.
“[We can] Ofrecen una precisión muy alta para tareas específicas, como la recuperación de métricas financieras de grandes documentos no estructurados”, añadió. “Hemos creado procesos de indexación y recuperación personalizados adaptados a la entrega de documentos específicos. [our AI] Modelos con contexto de alta calidad”.
Dili utiliza GenAI, específicamente modelos de lenguaje grandes modelados en ChatGPT de OpenAI, para optimizar los flujos de trabajo de los inversores.
La plataforma primero cataloga los datos financieros históricos y las decisiones de inversión de un fondo en una base de conocimientos, luego aplica los modelos anteriores para realizar tareas como analizar bases de datos de datos de empresas privadas, procesar listas de solicitudes de debida diligencia y buscar números poco conocidos en la automatización. Internet.
Dili recientemente agregó soporte para análisis comparativos automatizados y evaluaciones comparativas de la industria para el trabajo pendiente de una empresa. Una vez que los fondos cargan sus datos comerciales, pueden comparar oportunidades de inversión históricas y actuales en un solo lugar.
“Imagínese si pudiera recibir un correo electrónico con una nueva oportunidad de inversión o una actualización sobre una empresa de cartera y una plataforma generara inmediatamente señales de alerta sobre acuerdos generados por IA, análisis competitivos, evaluaciones comparativas de la industria y un resumen o memorando preliminar “que aproveche el historial de su fondo”. patrones de inversión”, dijo Song.
La pregunta es: ¿Se puede confiar en la IA de Dili (o en cualquier otra IA) para gestionar una cartera?
![Dilí](https://techcrunch.com/wp-content/uploads/2024/02/yJFJcOM8iXFIz97QEcwe0ZM5K0.webp)
Autor de la foto: Dilí
Después de todo, la IA no es necesariamente conocida por atenerse a los hechos. Fast Company probó la capacidad de ChatGPT para resumir artículos y descubrió que el modelo tenía una tendencia a equivocarse, omitir partes e inventar detalles que no se mencionaban en los artículos resumidos. Es fácil imaginar cómo esto podría convertirse en un problema real en las revisiones de diligencia debida, donde la precisión es importante.
La IA también puede introducir sesgos en el proceso de toma de decisiones. En un experimento realizado por Harvard Business Review hace unos años, un algoritmo entrenado para hacer recomendaciones de inversión en startups seleccionó a emprendedores blancos en lugar de emprendedores de color y prefirió invertir en startups con fundadores masculinos. Esto se debe a que los datos públicos con los que se entrenó el algoritmo reflejan el hecho de que menos mujeres y fundadores de grupos subrepresentados tienden a estar en desventaja en el proceso de financiación y, en última instancia, recaudan menos capital de riesgo.
A esto se suma el hecho de que algunas empresas pueden no sentirse cómodas administrando sus datos privados y sensibles a través de un modelo de terceros.
Para disipar todos estos temores, Song dijo que Dili continúa perfeccionando sus modelos, muchos de los cuales son de código abierto, para reducir las alucinaciones y mejorar la precisión general. También enfatizó que los datos privados de los clientes no se utilizarán para entrenar los modelos de Dili y que Dili planea ofrecer a los fondos una forma de construir sus propios modelos entrenados con datos de fondos propios fuera de línea.
«Si bien los fondos de cobertura y los mercados públicos han invertido mucho en tecnología, los datos del mercado privado contienen un gran potencial sin explotar que Dili podría desbloquear para las empresas», dijo Song.
Dili realizó un piloto inicial el año pasado con 400 analistas y usuarios de diversos tipos de fondos y bancos. Pero a medida que la startup amplía su equipo y agrega nuevas capacidades, busca expandirse a nuevas aplicaciones y, en última instancia, hacia una solución «de extremo a extremo» para la debida diligencia de los inversores y la gestión de carteras, afirma Song.
«En última instancia, creemos que esta tecnología central que estamos desarrollando se puede aplicar a todas las partes del proceso de asignación de activos», añadió.
[ad_2]