AI eller människa – vem gör smartast investeringar?

Gör algoritmer bättre och mer rättvisa investeringar i nystartade bolag än vad mänskliga ”affärsänglar” gör? Det har Luleå tekniska universitets professor Malin Malmström undersökt tillsammans med kollegor från Svenska handelshögskolan i Finland och St Gallen-universitetet i Schweiz. Nu har resultaten publicerats i ansedda Harvard Business Review.

Det blir allt vanligare att förvaltare av riskkapitalfonder använder artificiell intelligens för att dra nytta av stora mängder data som stöd för investeringsbeslut. Individuella investerare i start up-bolag har ännu inte tillgång till AI-verktyg på samma sätt. Så kallade affärsänglar – privatpersoner som satsar pengar och kunskap i nystartade bolag – får fortfarande ofta förlita sig på egen erfarenhet och magkänsla.

– Vi ville undersöka hur en maskinlärande algoritm står sig mot investerares omdöme för att välja de mest lönsamma start up-bolagen att investera i, säger Malin Malmström, professor i entreprenörskap och innovation vid Luleå tekniska universitet.

Skapat en algoritm

Hon har tillsammans med forskare i Finland och Schweiz använt sig av maskininlärning och skapat en algoritm för investeringsbeslut. I underlaget ingår öppna data som även är tillgänglig för affärsänglar, exempelvis pitch-material, webbsidor och information från sociala medier. 

Forskarna har sedan använt datan för att träna en algoritm på vanligt förekommande information för investerare att fatta beslut på och kopplat informationen till ett start up-företags överlevnadschanser och avkastning. 

Algoritmen har plockat ut vad den ser som de mest lovande investeringarna ur 623 investeringserbjudanden tillgängliga för ett europeiskt nätverk för affärsänglar. Forskarna har sedan jämfört avkastningen i start up-bolagen som algoritmen valt ut mot avkastningen i 255 affärsänglars portföljer. Man har också studerat om avkastningen skiljer sig beroende på hur erfarna affärsänglarna är, det vill säga hur många tidigare investeringar de har med sig. De som i studien kallas ”experter” har minst tio tidigare gjorda investeringar. Är det färre kallas de ”nybörjare”.

"Ersätter inte mänskligt beslutsfattande"

Resultaten, som nu publicerats i Harvard Business Review, visar bland annat att: 

• Algoritmen generellt gör bättre investeringsval än affärsänglar. 
• Affärsänglar påverkas av bias* i sina investeringsval vilket försämrar investeringsvalen, särskilt bland oerfarna investerare. De påverkas mer av bias som att välja bort investeringar i företagande kvinnor och i entreprenörer med utländsk bakgrund.
• Erfarna affärsänglar når högre avkastning, men endast de som klarar att motarbeta bias når bättre resultat än algoritmen. Erfarna affärsänglar som påverkas av bias har betydligt lägre avkastning än algoritmen. 

– Algoritmen kan ses som ett komplement för att göra bättre investeringsval. Men samtidigt som algoritmen kan utgöra ett stöd för beslut, så ersätter den inte mänskligt beslutsfattande. Snarare kan en kombination vara en bra modell, särskilt för oerfarna investerare, säger Malin Malmström.

Forskningsresultaten visar att också algoritmen har bias inbyggd i sin kärna. Även om avkastning och överlevnad är relativt objektiva data, är de data som algoritmen matas med inte fria från bias. Malin Malmström konstaterar att AI i sig inte är irrationell utan reproducerar tidigare irrationella beslutsmönster, som social ojämlikhet, som sedan följer med i form av historiska data när algoritmen utvecklas.

– Om kvinnor nekats finansiering eller fått mindre finansiering tidigare och därför haft en sämre utveckling blir det något som algoritmen tar vidare. Att använda AI för att bekämpa ojämställdhet är utmanande, säger hon och fortsätter:

– Det kräver en medvetenhet och normkritisk analys i utvecklingen av algoritmer där hänsyn till och parering av bias finns med från början av algoritmutvecklingen. I annat fall riskerar framtida AI att reflektera, projektera och föra vidare diskrimineringsgrunder som förstärker social ojämlikhet och skadar ekonomisk utveckling och tillväxt. 

* Att omedvetet vara selektivt uppmärksam på sådan information som bekräftar egna föreställningar eller uppfattningar, vilket kan leda till systematiska fel i insamlandet och tolkningen av information.