Автор эксперимента проанализировал пять реальных инвестиционных презентаций (pitch decks), которые были представлены венчурным фондам до того, как стартапы привлекли финансирование. В качестве эксперта выступила большая языковая модель, которой поручили оценить структуру, убедительность аргументов и потенциал бизнес-моделей на основе исходных данных. Целью исследования было проверить, насколько объективно алгоритм может предсказать успех проекта на ранней стадии, опираясь исключительно на содержание слайдов.
Результаты показали, что ИИ способен выявлять критические пробелы в логике повествования и слабые места в описании рыночных возможностей, которые часто упускают из виду люди при первом просмотре. Модель успешно классифицировала презентации по уровню проработки, выделяя те, что содержали четкое описание проблемы и конкретные метрики роста. При этом система продемонстрировала высокую чувствительность к качеству данных, отмечая, что отсутствие конкретных цифр или размытое позиционирование продукта значительно снижают шансы на положительную оценку со стороны инвесторов.
Данный кейс демонстрирует потенциал использования ИИ в качестве инструмента первичного скрининга в венчурной индустрии. Автоматизация анализа презентаций позволяет сократить время на отсев неперспективных заявок и сфокусировать внимание экспертов на наиболее проработанных предложениях. Исследование подчеркивает, что алгоритмы могут выступать эффективным дополнением к человеческой экспертизе, обеспечивая стандартизированный подход к оценке стартапов на этапе «посевных» инвестиций.