作者：Ross Chen
📌 重點：諸如紅杉資本和 A16z 等投資機構通過導入 AI 以達成提升營運效率和產生超額利潤兩大目標。然而，如何最大限度地發揮 AI 在整體投資流程中的優勢，取決於投資機構能否根據自身條件與需求建構適合的 AI 解決方案。
過去為了向有限合夥人報告，往往需要大量時間準備季度報告、財務報表等資料，雖然這些工作耗時且繁瑣，卻也相當關鍵。而作者分享自家公司藉由使用 AI 自動化報告和投資備忘錄，成功為客戶節省約 80% 的時間。上述的好處在於不需要大量數據即可實現流程自動化，投資機構只需準備一些現有報告和備忘錄的範例，即可讓 AI 模仿其結構、格式和風格。這使得基金能夠更有效率地運作，讓資深的投資經理可以將時間和資源投入到更核心的業務活動中。
另外，AI 在創投領域的應用還體現在尋求潛在投資機會，包括投資前評估與追蹤，以及投後管理等層面。以 EQT Ventures 為例，該公司於 2016 年啟動名為「Mother Brain」的計畫。Motherbrain 結合了超外部的社群媒體資料和公開數據，並結合 EQT Ventures內部過去累積超過 140,000 筆的盡職調查資料，藉由機器學習的方式來識別具潛力的投資標的。除此之外，Motherbrain 還提供包括市場分析、專家偵蒐和競爭對手比較分析等，大幅提升投資決策的效率和根據。迄今為止 EQT Ventures 已透過前述計畫成功偵蒐到 9 家具潛力的投資標的並完成投資交易。
圖片來源：AI 生成
然而， AI 應用背後決策邏輯所帶來的不透明性可能為投資機構帶來隱私風險和資料修改上的挑戰。為避免上述問題，在訓練模型式應避免使用敏感資料，並針對投資機構的需求進行適度調整。一般來說除了自行建立內部的 AI 系統以及購買現有工具外，還可以選擇與外部的 AI 開發團隊合作，建立具連貫性的系統。這樣做的好處在於除了可以讓 AI 具體落地應用在整個投資流程中，還可以減少系統建置以及後續內部設施的維護成本。
｜觀察與洞見
在 ChatGPT 成功引起全球對於生成式 AI 的風潮之前，過去在學術界已經有蠻多論文討論 AI 在創業投資領域的應用，特別是 AI 相對於專業投資人員在投資篩選上的基準化分析。文章中特別提到 Andre Retterath 在 2020 年發表的 《Human Versus Computer: Benchmarking Venture Capitalists and Machine Learning Algorithms for Investment Screening》中的案例來說明 AI 比起大多數的創投從業人員在投資篩選上擁有更好的績效表現。
上述結論是否意味著創投從業人員將被 AI 完全取代，Andre Retterath 在文章最後的結論或許提供了一種很好的解決方案，他建議善用 AI 在投資篩選機制上的優勢來進行初步的投資篩選，而人們可以在前述基礎上專注於評估最有潛力的案子上，這正好也符合 Power Law 的原則。
文章來源：Forbes
