Prohra může být natolik cennou zkušeností, že člověka duchovně obohatí. Ovšem zakladatelé startupů a jejich investoři chtějí zpravidla víc: Sehnat dostatek peněz pro rozjezd svého projektu a rychle růst, nebo alespoň firmu výhodně prodat. Chytře sestavené algoritmy předem napoví, jestli pravděpodobně uspějí, anebo marní čas.
Většina startupů zklame svoje investory. K tomuto závěru docházejí různí analytici, ačkoli detailní výsledky jejich výpočtů se poněkud liší. Například Harvardova obchodní škola v USA uvádí, že 70 až 80 % startupů vrátí svým investorům méně peněz, než kolik plánovali, případně nakonec nevydělá vůbec nic. Jinde vychází dokonce 90% podíl poražených. Často jde o mnoho peněz, a proto vznikají matematické modely, které mají předpovědět (ne)úspěch každé nové firmy. Kýžený triumf, respektive prohru ovšem můžeme definovat různě.
Například v Nizozemsku na Amsterdamské univerzitě vědci hledali startupy, které pravděpodobně získají od investorů významný kapitál (více než takzvanou „seed” nebo „angel” investici, takže aspoň v řádu jednotek milionů amerických dolarů). Na Stanfordově univerzitě v USA výzkumníci pro změnu vyčíslili minimální hodnotu úspěšného „jednorožce”, třeba při vstupu na burzu: na 1 miliardu amerických dolarů. Nedaleko, na Carnegie-Mellonově univerzitě vědci předpovídali, zda startup bude cílem akvizice, tedy jestli bude výnosně prodán. Ve všech těchto případech chtěli výzkumníci vytvořit automatizovaný systém, který predikuje úspěch, nebo neúspěch projektu. A pokaždé přitom používali „jenom” data z veřejně dostupných zdrojů.
Výsledek lze odhadnout pomocí internetu
Posledně jmenovanou práci projděme podrobněji. Vědci na americké Carnegie-Mellonově univerzitě použili internetové databáze TechCrunch a CrunchBase. Odtud shromáždili data, která rozdělili do tří skupin:
- základní informace (adresa sídla, počet zaměstnanců, kanceláří, produktů, zmínek ve článcích, úspěšných a neúspěšných konkurentů, dále stáří firmy apod.)
- finance (kolikrát už startup získal kapitál, počet investorů a taky kapitálově krytých lidí na klíčových pozicích ve firmě apod.)
- zkušenosti manažerů (kolik úspěšných a neúspěšných firem už založili apod.)
Výzkumníci nechali pracovat svůj speciální algoritmus a nakonec shrnuli výsledek: Perspektivní startupy, tedy pozdější cíle akvizic a fúzí, byly rozpoznány s přesností 60 až 80 procent. Záleží na množství informací, které byly o konkrétní firmě veřejně dostupné, taky na jejím oboru a dalších charakteristikách.
Větší potenciál skýtají interní informace
Uvedené výsledky považuje za „fantastické” Dite Gashi, spoluzakladatel a CEO pražského startupu Decissio. Jeho firma sleduje stejný cíl: Chce pomoci investorům, aby se rozhodovali lépe než doposud, a přitom používá umělou inteligenci. „Bohatší zdroje dat, chráněné uvnitř firem, pravděpodobně mají větší potenciál než veřejně přístupné internetové stránky,” věří Gashi.
Vnitrofiremní „big data” pomocí umělé inteligence zpracovává taky například český startup Stories, ačkoli tentokrát není cílem predikce (ne)úspěchu, nýbrž zvýšení tržeb a zisků. Nicméně úspěchu dosáhl, tedy aspoň podle některých definic, vloni byl totiž koupen velkou americkou společností Workday. A spoluzakladatel tohoto úspěšného startupu, Filip Doušek chce rovněž předpovídat budoucnost, ovšem „jenom” ve svém dvousvazkovém románu Hejno bez ptáků, kde hlavní hrdina říká: „Když smícháte trendy z Twitteru, zprávy z Googlu, bílý šum z AM/FM, Wikipedii, Bibli a online archiv šedesáti miliónů knížek, tak máte desetinu dat, mezi kterými hledám fraktály. Možná se mi podaří předpovědět příští zemětřesení podle toho, kde zabavili vagón kokainu, kde včera spadlo letadlo a kde měla Madonna poslední koncert.”
Autor: Petr Woff
