ИИ превзошёл людей в предсказании успеха стартапов — исследование

Может ли искусственный интеллект предсказывать успех стартапа лучше, чем человек, который занимается этим профессионально?

Исследователи из Мичиганского университета поставили эксперимент, который даёт неожиданный ответ. Они взяли 30 реальных технологических стартапов, запущенных на Kickstarter уже после даты обучения всех протестированных моделей, и попросили ИИ и людей предсказать, какие проекты соберут нужную сумму. Никто из участников не знал исход — турнир был полностью проспективным. Результаты опубликованы в препринте arXiv:2602.01684.

Gemini 2.5 Pro показал ранговую корреляцию с реальными исходами 0,74. Человек — от 0,04 до 0,45.

Разрыв принципиален. При максимуме в 1,0 Gemini правильно упорядочил почти четыре пары стартапов из пяти. Средний менеджер, нанятый через Prolific (346 человек), и три MBA-инвестора — действовали практически на уровне случайности. Самый лучший человек показал 0,45 — заметно хуже, чем любая передовая модель.

Ни ансамбли мудрости толпы, ни гибридные команды не превзошли лучшую автономную модель.

Лучше без человека. Только модель, данные и качественный промпт.

870 парных сравнений. Методология — полностью проспективная: все 30 стартапов запущены после даты обучения моделей, исход на момент оценки неизвестен ни людям, ни ИИ. Это исключает аргумент «модель просто запомнила результат».

Как мы писали в июле, стратегический форсайт становится корпоративным стандартом — но вопрос «кто лучше предсказывает» оказался закрыт раньше, чем многие ожидали.

Импликация для венчурной индустрии не в том, что ИИ заменит партнёров фонда. Конкурентное преимущество смещается: теперь не у кого лучше аналитики, а у кого лучше данные и формулировка задачи. Если модель даёт 0,74 при стандартизированном вводе, следующий рубеж — качество промпта и собственные данные фонда.

Csaszar, Peterson & Wilde повторили на стратегическом прогнозировании то, что Luo et al. (2024) показали на нейронауке: ИИ превосходит экспертов в предсказании исходов, когда информация стандартизирована. BrainBench — аналог их подхода для нейробиологии — дал LLM точность 81,4% против 63,4% у человека. Теперь то же самое подтверждено для венчурных решений. Разница только в цене ошибки. В нейробиологии неверный прогноз — пара лишних экспериментов. В венчурном капитале — миллионы долларов.

Самое неожиданное открытие: гибрид «человек + ИИ» не дал прироста. Модель без человека работала лучше, чем модель как ассистент человека. Это прямо бьёт по популярному тезису, что ИИ — это инструмент для усиления эксперта, а не замена. По крайней мере, в задаче ранжирования стартапов экспертиза человека оказалась не дополнением, а шумом. Венчурные фонды, инвестирующие в ИИ-инструменты для аналитиков, могут получить обратный эффект.