亨里克·兰德格伦

投资，尤其是风险投资，50%是科学，50%是艺术。该行业在很大程度上依赖于魅力和创始人的“it”因素。这个标准值得很多优点；我所有的投资者同事都有一个共同的事实，那就是我们这一代最伟大的创始人对他们的技艺有着明显的动力和奉献精神，这几乎是不可能的。

但一旦确定了迷人的梦想家，这个过程实际上是如何运作的。当投资者遇到一位有前途的创始人并决定仔细观察时，他们会收到大量数据。

对于现在的许多人来说，利用人工智能来筛选相关内容似乎是唯一明智的反应。数据量巨大，但由创始人精心挑选和打包——这是整个风险投资模型背后的信息不对称问题的症结所在。

如今，当融资演讲稿和公司网站可以在一个下午内完成振动编码，并且数据切片得到世界上最强大的人工智能模型的帮助时，投资者越来越难以消除这种噪音，质疑他们所看到的内容，知道如何理解数据，更重要的是，知道从哪里获取数据。

还有别的办法吗？

在担任 Spotify 分析副总裁期间，我变得对数据着迷。当时最热门的新事物是让我们摆脱 Excel 电子表格并实际上根据更精细的数据做出决策的技术。

我们使用的软件可以帮助我们存储用户的每次点击。这种详细程度彻底改变了我们的运营方式，也改变了我看待数据的方式：公司内部的数据比我们大多数人意识到的要多得多。

当我进入投资领域时，令我震惊的是，相比之下，这个行业远远落后。如今，随着每家金融机构都争先恐后地证明自己拥有人工智能战略，利用该技术做一些可见的事情的压力压倒了利用该技术做一些有用的事情的愿望。宽容地说，当今大多数投资团队采用人工智能的方式是被误导的。

人工智能堆栈不是一个需要勾选的复选框。使用法学硕士可以减少整理报告或总结推介所需的时间，这让人立即感到满意，但从总体上看很少改变你的工作效率。更快地做同样的事情很容易；采取措施消除不必要的流程并重新思考您的工作流程更加困难。

垃圾进，垃圾出

人工智能采用挑战的核心是一个不言而喻的事实：法学硕士的好坏取决于其中的数据。正确的方法先于人工智能开始。它从数据开始：付款记录、营销绩效、会计系统和董事会报告；每一个都为你的勤奋增加了一层，反映了公司的实际运营方式，而不是创始人或其分析团队如何描述它。

投资者应该把目标定得比更快的报告更高，在创始人做出决定之前，他们应该能够看到公司隐藏的缺陷和粗糙的边缘。如果您要购买房屋，您希望对其进行独立调查，而不是由房主进行调查。投资者也应该对其投资组合做同样的事情。这在实践中意味着直接访问数据源；了解公司的财务状况，而不是等待创始人为您打包。

这从根本上改变了投资者对风险的理解。突然之间，分析师可以从 70% 开始，而不是从原地踏步，为真正需要人类判断的任务保留专门的时间：了解团队、阅读房间、评估“it”因素。

展望未来

这不会阻止投资者投资——恰恰相反。考虑一下那些资本效率高、保留率高的企业，它们的增长被认为不够激进，或者它们的垂直领域已经不再受风险投资的青睐。

这些公司被完全忽视，因为可以为他们提供自信的数据的访问速度不够快，或者根本没有访问。有了重新评估实际风险水平的工具，金融机构可以更有信心为此类企业提供资金。

更直接地说，拥有更好的数据访问能力可以让您作为投资者更具竞争力。在所有风险投资公司都希望的最具吸引力的交易中，优势属于谁最快达成共识。这意味着在您的竞争对手之前一天发布投资意向书而无需花费一周时间查找和清理数据的情况下，区别在于交易达成。

除此之外，五年后，值得资助的公司将与我们今天资助的公司完全不同：人工智能驱动的硬件、基础设施和新的深度技术类别将需要重新评估我们评估业绩的方式，传统的收入模式和历史成功指标不再能够衡量。

业界需要停止询问人工智能如何加速现有流程，而开始询问更好的流程是什么样的。更好的数据基础设施并不是技术上的锦上添花。这是其他一切的前提。为下一代变革型公司提供良好资金的唯一方法是建立基础设施，让投资者清楚地看到他们的工作。如果少了一点，我们只是进行相同的盲注，但速度更快，模型告诉我们它是有信心的。

Henrik Landgren 是人工智能投资情报平台 Gilion 的联合创始人兼 CPTO。他之前是 Spotify 的第一任分析副总裁。在 Gilion，Landgren 领导公司人工智能投资平台的开发，该平台正在改变风险投资、私募股权和银行业的投资和业务增长智能。

插图：多姆·古兹曼