白人男性风险投资家倾向于资助白人男性企业家机器人能做得更好吗？ - 彭博社

摄影师：Molly Cranna 为彭博商业周刊Ashley Carroll 有一个典型的故事，体现了女性企业家在硅谷筹集资金的艰难。今年早些时候，Carroll 是一家 25 亿美元风险投资公司的合伙人 Social Capital，她在与潜在投资者会面之前，正在指导一位女性创业者。我们称这位创业者为 Jane Disruptsky，投资者为 John Ventureman。推介会议似乎进行得很顺利，但在 Disruptsky 等待基金是否会支持她的消息时，Carroll 收到了一个人和 Ventureman 之间私人短信对话的截图。

Ventureman 开始时称赞 Disruptsky 的创业公司，强调其优点。Carroll 回忆道，内容大意是：“很棒的生意。我喜欢一切。”然而，他还是决定不投资。其余的短信链就像是在评估一次相亲：“她似乎不太热情，”例如，或者，“她只是专注于业务。”

Carroll。摄影师：Molly Cranna 为彭博商业周刊Carroll 回忆起这段对话时笑了，但似乎并没有特别开心。“我只是想，‘没有人会这样评价男性企业家，永远不会。’”

早期阶段的科技公司通过一种顽固的模拟过程筹集资金——这对于一个基于计算机会颠覆人类生活各个方面的行业来说，真是讽刺。创始人争取与风险投资家的个人介绍，而风险投资家则根据模糊的标准做出决定。人们普遍认为，这些决定在很大程度上依赖于直觉；事实上，风险投资家在为他们的基金筹集资金时，常常夸耀自己的直觉。

在这样的系统中，兑现支票的人往往与开支票的人看起来很相似。根据国家风险投资协会的数据，89%的风险投资公司的合伙人是男性。而在2017年，由PitchBook Data Inc.汇编的数据表明，该行业向男性创办的公司投入了682亿美元，而仅向完全由女性创办的初创公司投入了19亿美元。关于种族背景的具体统计数据更难获得，但绝大多数风险投资合伙人是白人，几乎没有人会不同意他们资助的企业家群体也不是很多样化。抵消硅谷投资者阶层固有的排外性的一种明显方法是用女性和有色人种的“肠子”替代白人的“肠子”。但另一个选项——一个让卡罗尔着迷的选项——是完全消除直觉。

卡罗尔，35岁，并不完全是个局外人。她拥有斯坦福大学的三个学位，职业生涯包括在 亚马逊公司和两家独角兽初创公司工作的经历。她于2015年加入社会资本的帕洛阿尔托办公室，去年她开始构建一个自动化系统，使基金能够投资于其合伙人从未见过的初创公司。这些公司会上传关于自己的数据；如果算法喜欢他们所看到的，风险投资基金就会支持他们。理论上，这个过程将防止偏见进入方程式。在公司内部，该系统被称为“资本即服务”，简称CaaS。

类似的策略在其他竞争领域取得了可喜的结果。最著名的例子来自1970年代，当时五个主要乐团开始要求音乐家在试音时站在屏幕后面。根据哈佛大学研究人员的一项 研究，1970年至1993年间，这些乐团中女性演奏者的比例增加了三倍以上。技术专家称赞自动决策作为进一步减少人类错误的一种方式。但近年来，围绕所谓客观算法的乐观情绪受到挑战，因为一些自动化系统由于基于反映历史不平等的数据进行训练而放大了偏见。

社会资本去年启动了对卡罗尔模型的试点，推出了一种推荐计划——该基金要求其他风险投资公司将有前途的早期公司引导到系统中申请。大多数希望者来自标准风险投资的聚集地湾区和纽约以外，许多公司位于海外。该基金至今已评估了5000家初创公司，并投资了60家。其中18家公司由女性运营，约80%的创始人是非白人。社会资本所写的支票在其标准下较小，金额从50,000美元到250,000美元不等。但该公司计划在2019年春季向任何拥有公司和几份运营数据表的人开放申请。其官方目标是在2018年进行1000项投资，明年进行10,000项。社会资本的首席执行官查马斯·帕利哈皮提亚承认这些目标是无法实现的——那么多投资很快就会累积到数十亿美元——并表示这更多是向构建CaaS的人们传达该公司是认真的信息。“这迫使他们构建一些可以达到任务标准的东西，”他说。“如果我说，‘资助10家公司，’他们可以手动拼凑一些系统。当我说10,000时，你就做不到。”

公司上传他们的数据。算法给出资金裁决。从理论上讲，没有偏见。

帕利哈皮提亚喜欢夸张的说法——其中一些确实得到了验证。这位穿着时尚的前 Facebook Inc. 高管于2011年共同创立了社会资本，早期投资比特币，创办了一家对冲基金，并筹集了6亿美元，通过一种被称为SPAC的非常规工具帮助初创公司上市，或 特殊目的收购公司。（这些初创公司尚未被选定。）

帕利哈皮提亚。摄影师：莫莉·克兰纳为《彭博商业周刊》拍摄并不是每个人都想参与帕利哈皮提亚的冒险。他的两位联合创始人，马蒙·哈米德和泰德·梅登伯格，去年离开了公司。但对帕利哈皮提亚来说，他越是打破常规，越好。他对风险投资家的工作有些不屑。“这并不是贬义，但你就是一个典型的中介，”他说。在帕利哈皮提亚看来，中介的命运就是在市场不可避免地找到绕过他们的方式之前，获取巨额利润。“风险投资，”他说，“也不会有什么不同。”

CaaS背后有经济逻辑。评估和支持初创企业是一个劳动密集型的过程，显著限制了公司能够进行的交易数量。通过使用软件每年评估数以万计的公司，公司可以以更低的成本完成每一笔交易。这使得适度的成功变得值得投入，让公司不必只押注于可能价值数十亿的公司。它还消除了合伙人的个人盲点。

帕利哈皮提亚并不介意将自己定位为开明——毕竟他的公司名为社会资本。但他坚称他在这里做的是最大化利润的举动。当被问及CaaS如何帮助代表性不足的群体时，他皱了皱眉，淡化了多样性，仅仅视其为“积极的副产品”。他补充道：“听着，归根结底，我们的工作是让最有能力的人站在起跑线上。假设[通过] CaaS，结果发现获得资金的都是白人男性，那也没关系。”

这一倡议与帕利哈皮提亚在Facebook的工作相辅相成，他在一个令人瞩目的扩张时期负责增长团队。他的团队负责一种现在被视为Facebook文化核心方面的方法：摒弃直觉决策，转而依赖定量测量，然后不懈地选择能够驱动最多参与度的选项。帕利哈皮提亚的几位Facebook同事在Social Capital担任关键角色。

从一开始，这家公司就寻求数学上隔离出导致初创公司成功的客观因素。公开交易公司的投资者通过仔细研究财务报表来做到这一点。但对于初创公司来说，这类数据往往不可用，而即使可用，也可能毫无用处。在公司寻求风险投资的阶段，它通常故意在亏损，以获得市场立足点。意识到这一点后，Facebook的老兵们开始建立模型，主要比较初创公司如何吸引和留住用户。

2015年，Social Capital的一位合伙人访问了SurveyMonkey Inc.，这家在线调查服务的办公室，并了解到其中一位前员工设计了一系列令人印象深刻的优雅实验，以确定不同国家的产品定价。这位前员工是卡罗尔，Social Capital迅速招募了她。作为一个以数字为先的人，她与公司的数据科学家们很合拍。即使卡罗尔的主要个人活动——长跑，基本上也是一种对表现进行强迫性测量和挤出微小效率提升的练习。在她的巅峰时期，卡罗尔在马拉松中跑了不到2小时45分钟，这足以让她获得2011年奥运会选拔赛的资格。（她的成绩在中间水平。）

卡罗尔在2015年成为社会资本的合伙人，适应了标准投资者的生活：拜访创始人，担任几个董事会成员，领导三项投资。她评估公司的一个方法是社会资本的分析师们开发的一个工具，叫做魔法8球。该模型考察了用户增长和参与度等常见指标，以及更定制化的内容，比如通过对忠实客户的收入给予更多权重来评估“收入质量”。卡罗尔认为公司没有充分利用魔法8球的力量，因为在一个容易受到传统偏见影响的过程中相对较晚地实施了这个工具。“它被用作验证，”她说。“我们投资者中的一个会得到介绍，然后去喝咖啡，然后自己判断他们，然后让另一个合伙人见他们，然后在所有这些步骤之后再进行魔法8球的评估。”

去年春天，卡罗尔花了两个周末拼凑出一个原型，将魔法8球与一个公司可以自行填写的在线表单连接起来。这是一个笨拙的程序，涉及两个电子表格应用程序，一个谷歌机器人，以及一个叫做“如果这样，那么那样”的服务，用于创建基本的脚本。“这是一个完全用胶带粘在一起的产品，我对此感到相当羞愧，”卡罗尔说。尽管如此，她还是将链接发送给了社会资本曾合作过的一小部分投资者，请他们与可能对通过软件而非人来评估其业务的公司分享。她立即收到了大量申请。

“我们的工作是让最有能力的人站在起跑线上”

说CaaS正在进行纯自动化投资是夸大其词。企业家通过访问Social Capital的网站申请，在那里，他们看到的座右铭是“根据你的业务的优点而非你的网络来筹集资金。”一个表单要求他们从下拉菜单中选择他们的商业模式。然后，他们必须披露一些信息，例如他们花费多少来获取用户、每个客户的生命周期价值以及他们手头有多少现金。最后，他们上传详细说明其收入和参与指标的电子表格。

大约一半的时间，公司在没有帮助的情况下完成这个过程，Carroll会收到一封分析他们潜力的自动邮件。其余时间，公司会联系以争辩他们不完全符合提供的类别或他们的数据格式不正确。然后需要个人关注。在算法推荐资金的情况下，Social Capital仍然需要人类进行法律审查和其他后台任务。

Social Capital有三个人全职负责构建CaaS。在公司位于帕洛阿尔托办公室的玻璃会议室里，约有六名员工出席了最近的进展会议。有人推来一个白板来做笔记。一名员工开始讨论一个看似形而上的问题：“一个公司何时真正存在？”（了解这一点有助于确定何时应用增长模型。）然后小组对一家在CaaS系统确定其不适合投资后不久从竞争公司筹集了400万美元的公司感到困惑。

自动化种子阶段投资的想法并不是全新的。许多公司声称使用数据驱动的分析，少数公司采用了基于大量小额投资而不进行面对面会议的策略。戴夫·兰伯特（Dave Lambert）在过去八年中一直管理着Right Side Capital Management LLC，这是一家位于旧金山的小型基金，他使用一种主要自动化的系统每年审查数千家公司。他已经开出了约2000张支票，金额高达10万美元。与社会资本不同，兰伯特并不声称通过优越的算法获得优势。“最难的部分是心理学，”他说。“很容易就会做出例外。”

帕利哈皮提亚（Palihapitiya）和卡罗尔（Carroll）都不想完全将人类排除在外。帕利哈皮提亚将他公司的整体运作视为类似于银行，银行可以通过软件处理信用卡申请，但需要人来承保百万美元的抵押贷款。通过发放成千上万的信用卡和小额贷款，这些公司能够改善自己的风险模型。随着他们对谁可能会按时还款的信心增强，银行和信用卡网络可以对越来越高的金额做出自动决策。帕利哈皮提亚认为社会资本也会发生同样的事情。他说，其计算机有一天可能会开出数百万美元的支票。“我们是1950年代的餐饮俱乐部，”他说，指的是最初的信用卡网络，“并渴望成为2018年的美国运通。”

在11月，帕利哈皮提亚在斯坦福大学商学院的一次活动上引起了轰动，他告诉观众他对自己在Facebook的时光感到“巨大的内疚”。他说：“我们创造的短期、多巴胺驱动的反馈循环正在摧毁社会的运作方式。”

社会资本的徐和高。摄影师：莫莉·克兰纳为《彭博商业周刊》拍摄抛开悔恨不谈，帕利哈皮提亚在Facebook的经历显然继续影响着社会资本。他惊叹于所有主导全球的科技平台都是通过收集大量数据并利用这些数据来预测人们的行为而达到目前的地位。帕利哈皮提亚认为，如果这对社交网络用户和在线购物者有效，那么对初创企业也应该有效。

社会资本的员工承认，Facebook的教训是一个关于意外后果的警示故事。“当然，发布一个说‘输入数据，获得金钱！’的申请表在野外有各种负面可能性，”社会资本的量化投资负责人乔纳森·徐说。

这些可能性之一是，自动投资决策实际上可能加剧当今风险投资系统的不平等。例如，为刑事判决和警务开发的自动化工具，通过使用有缺陷的数据创建模型，使旧的错误焕发新生，导致夸大黑人危险性的倾向。“技术社区对这些问题的认识显然在不断增长，”康奈尔大学的助理教授索伦·巴拉卡斯说，他研究与人工智能相关的伦理和政策问题。

在所有自动化系统中，处理偏见的挑战在于它与其他因素纠缠不清。在社会资本，这个问题主要体现在内部辩论上，即是否尝试建模不仅哪些企业会成功，还包括哪些企业家会成功。负责公司技术发展的合伙人雷·高对引入关于创始人的信息感兴趣，这些信息可以作为技术专长的代理，例如他们在 GitHub Inc. 和 Stack Overflow 等编码社区的历史，并查看这是否与成功相关。

CaaS表格已经要求申请者提供一些个人信息，例如LinkedIn个人资料和教育背景。卡罗尔对使用这些数据来获取关于企业的见解的想法持抵触态度。因为受过良好教育的白人男性在今天最容易筹集资金，任何使用人口统计数据来预测成功的模型都会偏向他们——这与她的意图正好相反。尽管如此，社会资本仍在尝试构建个性化模型，尽管尚未实施任何模型。尽管这个基金的名字高尚，但其首要目标是实现其投资组合公司的最大回报。拥有更具多样性的首席执行官领导这些初创公司将是理想的。但目前——用帕利哈皮提亚的话说——他们只是一个积极的副产品。