Stephanie Song, anteriormente miembro del equipo de desarrollo corporativo y empresas de Coinbase, a menudo se sentía frustrada por el volumen de tareas de diligencia debida que ella y su equipo tenían que completar a diario.
“Los analistas se pasan la noche trabajando cientos de horas haciendo el trabajo 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 encontrar una mejor manera, Song se asoció con Brian Fernandez y Anand Chaturvedi, dos ex colegas de Coinbase, para lanzar Dilí (no debe confundirse con el capital de timor oriental), una plataforma que intenta automatizar pasos clave de debida diligencia de inversión y 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 Hiperempresas.
“[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 los fondos buscan una ventaja diferenciada en la toma de decisiones y ahora pueden utilizar su gran cantidad de datos para combinar su comprensión del acuerdo con cómo encaja en los fondos… Dili tiene una oportunidad única de surgir como una solución para fondos en un entorno macroeconómico hostil”.
Song no se equivoca acerca de los fondos que buscan una ventaja, o cualquier forma nueva y prometedora de mitigar el riesgo de inversión, de hecho. VC según se informa tienen 311 mil millones de dólares en efectivo no gastado, y el año pasado recaudaron el total más bajo (67 mil millones de dólares) en siete años a medida que se volvieron cada vez más cautelosos con respecto a las empresas en etapa inicial.
Dili no es la primera en aplicar la IA al proceso de diligencia debida. Gartner predice que para 2025, más del 75% de las revisiones ejecutivas de inversionistas de capital de riesgo y de inversionistas en etapa inicial se basarán en inteligencia artificial y análisis de datos.
Varias empresas emergentes y ya establecidas ya están recurriendo a la IA para revisar documentos financieros y grandes cantidades de datos para elaborar comparaciones e informes de mercado, entre ellos Wokelo (cuyos clientes son fondos de capital privado y capital de riesgo, como el de Dili), Ansarada, AlphaSense y Thomson Reuters (a través de su Borrar unidad de medios adversos).
Pero Song insiste en que Dili utiliza tecnología “primera en su tipo”.
“[We can] Ofrecen una precisión muy alta en tareas específicas, como extraer métricas financieras de grandes documentos no estructurados”, añadió. “Hemos creado canales de indexación y recuperación personalizados adaptados a documentos específicos para proporcionar [our AI] modelos con contexto de alta calidad”.
Dili aprovecha GenAI, específicamente modelos de lenguajes grandes similares a 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 conocimiento, y luego aplica los modelos antes mencionados para automatizar tareas como analizar bases de datos de empresas privadas, manejar listas de solicitudes de diligencia debida y buscar cifras poco conocidas en la web. .
Dili recientemente agregó soporte para análisis comparables automatizados y evaluaciones comparativas de la industria sobre la cartera de acuerdos de una empresa. Una vez que los fondos cargan los datos de sus transacciones, pueden comparar oportunidades de inversión históricas y actuales en un solo lugar.
“Imagínese poder recibir un correo electrónico con una nueva oportunidad de inversión o una actualización de la empresa de la cartera y tener instantáneamente una plataforma que genere señales de alerta de acuerdos generadas por IA, análisis competitivos, evaluaciones comparativas de la industria y un resumen o memorando preliminar que aproveche los patrones de inversión históricos de su fondo”, Song dicho.
La pregunta es: ¿se puede confiar en la IA de Dili (o en realidad en cualquier otra IA) cuando se trata de gestionar una cartera?
Después de todo, la IA no es necesariamente conocida por atenerse a los hechos. Empresa rapida probado 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 mencionan en los artículos que resumió. No es difícil imaginar cómo esto podría convertirse en un problema real en el trabajo de diligencia debida, donde la precisión es primordial.
La IA también puede introducir prejuicios en el proceso de toma de decisiones. en un experimento llevado a cabo Según Harvard Business Review hace varios años, se descubrió que un algoritmo entrenado para hacer recomendaciones de inversión en startups escogía a emprendedores blancos en lugar de emprendedores de color y prefería invertir en startups con fundadores masculinos. Esto se debe a que los datos públicos con los que se entrenó el algoritmo reflejaron el hecho de que menos mujeres y fundadores de grupos subrepresentados tienden a ser perjudicado en el proceso de financiación y, en última instancia, recaudar menos capital de riesgo.
Luego está el hecho de que algunas empresas podrían no sentirse cómodas manejando sus datos privados y sensibles a través de un modelo de terceros.
Para intentar disipar todos esos temores, Song dijo que Dili continúa afinando sus modelos (muchos de los cuales son de código abierto) para reducir los casos de alucinaciones y mejorar la precisión general. También enfatizó que los datos privados de los clientes no se utilizan para entrenar los modelos de Dili y que Dili planea ofrecer una manera para que los fondos creen sus propios modelos entrenados con datos de fondos propios y fuera de línea.
“Si bien los fondos de cobertura y los mercados públicos han invertido mucho en tecnología, los datos del mercado privado tienen 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 diferentes tipos de fondos y bancos. Pero a medida que la startup amplía su equipo y agrega nuevas capacidades, busca expandirse hacia nuevas aplicaciones y, en última instancia, convertirse en una solución “de extremo a extremo” para la debida diligencia de los inversores y la gestión de carteras, afirma Song.
“Con el tiempo creemos que esta tecnología central que estamos construyendo se puede aplicar a todas las partes del proceso de asignación de activos”, añadió.