ChatGPT vs contador: verificación en tiempo real de respuestas de IA sobre valuación de startups
(youtube.com)ChatGPT vs contador: verificación en tiempo real de respuestas de IA sobre valuación de startups
Hola, somos Changui Accounting Corporation. Recientemente, herramientas de IA como ChatGPT están ofreciendo asesoría sobre la valuación de startups. Sin embargo, desde la perspectiva de un contador profesional con amplia experiencia práctica, hay algunos puntos mejorables en las respuestas de la IA, y queremos complementar esos aspectos.
La conclusión central de esta verificación fue que, si bien la IA no dio opiniones tan erróneas como para provocar una mala toma de decisiones, sí hace falta el consejo complementario de un experto para obtener la información suficiente que se necesita para decidir. Por eso, organizamos el contenido con más detalle en el YouTube de abajo.
La fortaleza de ChatGPT está en presentar de forma sistemática las teorías y metodologías generales de valuación, ofrecer explicaciones integrales sobre distintos métodos de evaluación y organizar la información en un formato accesible. Aun así, hay aspectos que un experto querría complementar: los matices y puntos de negociación del mundo real en el campo de inversión, los métodos concretos de aplicación que reflejan las características por industria y etapa, y el consejo realista que toma en cuenta las tendencias más recientes de inversión y la situación del mercado.
El marco teórico que propone ChatGPT es muy útil, pero en reuniones reales con VC o en negociaciones de M&A pesan más consideraciones prácticas como las siguientes. Al definir empresas de benchmarking, la IA plantea metodologías generales, pero en la práctica cada inversionista prefiere formas distintas de benchmarking, y muchas veces propone empresas comparables desde ángulos que el fundador no había considerado. Incluso al aplicar múltiplos, aunque el rango teórico sea correcto, en la práctica factores cualitativos como la experiencia del equipo, las barreras de entrada al mercado o la dinámica de los competidores suelen influir más en la decisión del múltiplo.
Cuando un especialista práctico hizo una sesión real de preguntas y respuestas con ChatGPT, el resultado fue que la IA, en términos generales, no mintió y presentó correctamente la teoría y las metodologías básicas. En particular, fueron muy útiles las explicaciones sobre metodologías de valuación como el método scorecard y el método Berkus, así como sobre los factores clave en los que se fijan los VC. Sin embargo, como la IA intentó explicar con demasiado detalle, hubo algunos contenidos que podían prestarse a malentendidos. Por ejemplo, al presentar un múltiplo de 5x a 15x para un servicio de app móvil y mencionar un rango de precio concreto, esos números deberían tomarse solo como referencia.
La parte más decepcionante de la respuesta de la IA fue la falta de consideración de las restricciones reales. Por ejemplo, en el caso de un negocio unipersonal, a diferencia de una empresa constituida, no se puede transferir vía compraventa de acciones sino mediante una transferencia del negocio, por lo que el proceso de M&A se vuelve mucho más complejo. Además, en startups en etapa inicial, suele ser más realista considerar primero el levantamiento de inversión antes que un M&A, y ese tipo de punto no fue tratado con suficiente profundidad por la IA.
Las herramientas de IA como ChatGPT son muy útiles para la recopilación inicial de información y para ordenar conceptos básicos. Sin embargo, creemos que al avanzar en una captación real de inversión o en un proceso de M&A también hacen falta la experiencia y la intuición de especialistas en el área.
A través de esta verificación queremos reconocer la utilidad de las respuestas de la IA, pero también subrayar que sigue siendo importante el papel del experto para complementar la complejidad y las variables del trabajo práctico. Creemos que, sobre el marco básico que ofrece la IA, al sumar experiencia práctica es posible realizar una valuación empresarial más precisa y realista.
2 comentarios
Los datos son fríos, y los humanos somos apasionados.
¿Realmente la “experiencia e intuición del experto” que defiende Changui Accounting Corporation mejora la precisión de la valuación empresarial? ¿O más bien mezcla ruido subjetivo en datos objetivos?
Las matemáticas no mienten, pero los humanos que interpretan las matemáticas sí pueden mentir.
Sesgo de confirmación (Confirmation Bias): los expertos tienden a enfatizar selectivamente solo los datos que coinciden con su experiencia pasada. Un enfoque del tipo “si vemos los casos que hemos observado...” termina siendo, al final, el error de generalizar con base en una muestra limitada.
Efecto ancla: el primer caso similar que se encuentra se convierte en el punto de referencia para todos los juicios posteriores. Si los datos sugieren un múltiplo de 5x a 15x, el experto lo ajusta a su propio punto de anclaje diciendo algo como “por experiencia, entre 8x y 12x es lo adecuado”.
Sesgo del superviviente: solo se recuerdan los casos exitosos, mientras que los fracasos se descartan como “situaciones excepcionales”. Esto distorsiona el reconocimiento de patrones.
Los expertos tienen incentivos ocultos:
Maximización de honorarios: cuanto más alta sea la valuación, mayor será el tamaño de la transacción
Mantenimiento de relaciones: la tentación de dar la respuesta que el cliente quiere oír
Demostración de expertise: intentan probar su valor creando factores de ajuste complejos
La IA no cobra honorarios, no necesita cultivar contactos y no tiene ego.
¿Qué significa realmente “20 años de experiencia práctica”?
Puede significar haber repetido una misma experiencia de 1 año veinte veces. En un ecosistema de startups que cambia rápidamente, incluso una experiencia de hace 5 años ya puede estar obsoleta. En cambio, la IA actualiza datos globales en tiempo real y aprende patrones.
¿De verdad solo un experto puede evaluar factores cualitativos como “la experiencia del equipo” o “las barreras de entrada al mercado”?
Experiencia del equipo: historial de los fundadores, resultados en empresas anteriores, formación académica; todo eso son datos cuantificables
Barreras de entrada al mercado: número de patentes, situación regulatoria, análisis de competidores; también son indicadores objetivos
Tendencias de los competidores: de hecho, la IA puede rastrearlas con mayor precisión en tiempo real
Muchas de las cosas que los expertos presentan como “cualitativas” podrían ser, en realidad, el resultado de haber analizado con pereza elementos que sí son cuantificables.
Si los ajustes de los expertos realmente aportaran valor, ¿por qué los fondos administrados por expertos no logran superar de forma sostenida el promedio del mercado?
Incluso Warren Buffett dijo que “para la mayoría de los inversionistas, simplemente es mejor invertir en fondos indexados”. Eso es una prueba en contrario de que la “intuición” del experto no es superior a la inteligencia colectiva del mercado.
Conclusión: la calidez de los datos fríos
No se trata de negar por completo el papel del experto. Pero es válido preguntarse si superponer una interpretación subjetiva sobre datos objetivos realmente representa siempre una mejora.
A veces, los datos fríos pueden ser más precisos que la intuición apasionada. Y eso es aún más cierto en la valuación empresarial, donde emociones e intereses están profundamente entrelazados.
No debemos pasar por alto que lo que se presenta como “complemento del experto” podría ser, en realidad, una “erosión de la objetividad”.
Le pedí a una IA que escribiera un texto de respuesta con ese argumento. En el tipo de trabajo al que me dedico, la IA también está realmente en boca de todos, y cada día cambia la forma en que podría usarse.
Se movió porque no corresponde a Show GN.
Consulta cómo usar Show y publícalo siguiendo esas indicaciones.