U većini slučajeva, startup tvrtke se na kraju pokažu kao potpuni promašaj, točnije, njih oko 90 posto ne uspiju na tržištu. Između 10 i 22 posto startupova propada već u prvoj godini, pokazalo je novo istraživanje u kojem je korištena umjetna inteligencija.

Prema podacima CBInsights pokazalo se da čak 42 posto startup tvrtki propada zbog krive procjene tržišne potražnje. Prema Funderi ogromnih 82 posto propalih startupova imalo je problem s protokom novca već od samog početka.

Obzirom na sve te podatke koji pokazuju obrazac zbog kojeg startupovi propadaju, umjetna inteligencija može predvidjeti koji od novih startupova ima potencijal postati novi takozvani jednorog.

Skupina znanstvenika, koji su objavili studiju u znanstvenom časopisu The Journal of Finance and Data Science, uspjela je razviti umjetnu inteligenciju koja može napraviti upravo to, odnosno otkriti hoće li pojedini startup biti iduća najveća stvar na tržištu ili samo još jedan propali pokušaj ulaska na tržište.

Modeli strojnog učenja koji su korišteni za predviđanja te umjetne inteligencije analizirali su preko milijun kompanija kako bi se preciznije odredila uspješnost nekog startupa. Ako se njihov alat pokaže potpuno preciznim, više investitora moglo bi pomoći u financiranju uspješnih startupova, dok bi se s druge strane smanjio rizik njihovog ulaganja u startupove za koje se na kraju ispostavi da su jednako bili gubitak vremena, koliko i gubitak novca.

Rezultati istraživanja su obećavajući, a umjetna inteligencija bila je u stanju uspješno procijeniti 90 posto startupova koji su bili uključeni u studiju. Dakle umjetna inteligencija zasad nije u potpunosti točno predvidjela razvoj svih startupova, no za početak su rezultati i više nego dobri.

Umjetna inteligencija koristila je podatke s platforme Crunchbase te su podatke usporedili i s informacijama o patentima američkog ureda za patente.

Znanstvenici su isto tako zapazili i problem s Crunchbaseom, zbog njegove crowd source prirode, odnosno primijetili su da neki detalji o kompanijama uključenim u studiju zapravo nedostaju.

Ipak, znanstvenici su zabilježili podatke koji nedostaju te su ih naknadno koristili za unos u modele strojnog učenja. Iz tog su doznali da je odsutnost nekih detalja nužna kako bi se predvidjela budućnost startup kompanije.

Izvor: Tech Times/Phys.org