¿Y si una computadora cuántica pudiera detectar la próxima startup unicornio?

Cada año, miles de startups reciben millones de dólares en financiación. Sin embargo, la mayoría nunca llegará a convertirse en una gran empresa. Algunas fracasan en pocos meses, otras sobreviven durante años antes de desaparecer. Solo unas pocas alcanzan valoraciones extraordinarias y entran en el exclusivo club de los unicornios: las empresas emergentes valoradas en más de mil millones de dólares.

Para los inversores, identificar cuáles serán esas excepciones es uno de los mayores desafíos del mundo empresarial. ¿Y si una nueva generación de algoritmos pudiera ayudar a hacerlo?

Nuestra investigación explora cómo la inteligencia artificial cuántica puede mejorar la predicción del éxito empresarial cuando la información disponible es incompleta o incierta. Lo más sorprendente es que el método funciona incluso en los ordenadores cuánticos actuales, que todavía cometen numerosos errores.

El problema de predecir el éxito

Analizar una startup es muy diferente a analizar una gran empresa cotizada.

Las compañías consolidadas generan años de datos financieros, históricos de ventas y métricas de rendimiento. Las startups suelen operar en mercados nuevos, cuentan con poca información disponible y dependen en gran medida de factores difíciles de medir como la calidad del equipo fundador, la capacidad de innovación o el potencial de crecimiento.

Por eso, las decisiones de inversión suelen incorporar las evaluaciones de expertos. Estas valoraciones aportan conocimiento especializado, pero también contienen incertidumbre. Dos especialistas pueden coincidir en que un proyecto es prometedor y, al mismo tiempo, discrepar sobre sus posibilidades reales de éxito.

Enseñar a una máquina a trabajar con información incierta sigue siendo un reto.

Cuando el ruido se convierte en información

La computación cuántica suele describirse como una tecnología capaz de realizar determinados cálculos de forma mucho más eficiente que los ordenadores convencionales.

A diferencia de los ordenadores clásicos, que utilizan bits con valores 0 o 1, los ordenadores cuánticos trabajan con cúbits, capaces de representar múltiples estados simultáneamente. Esta característica permite construir modelos matemáticos más ricos para analizar relaciones complejas entre datos.

Sin embargo, existe un inconveniente importante: los ordenadores cuánticos actuales son extremadamente ruidosos, es decir, sufren fácilmente de interferencias por cambios en la temperatura, el campo magnético o vibraciones que alteran los datos. Entonces, los errores aparecen constantemente durante los cálculos y limitan muchas de sus aplicaciones.

Lejos de considerar ese ruido como un obstáculo, nuestro trabajo plantea una idea diferente: aprovecharlo.

Desarrollamos un modelo que permite al ordenador tener en cuenta las dudas y diferencias presentes en las evaluaciones de los expertos. En lugar de obligar al sistema a tomar decisiones rígidas a partir de información imperfecta, permite introducir distintos grados de confianza en los datos disponibles.

Probando la idea con ‘startups’ reales

Para comprobar si el enfoque funcionaba, utilizamos datos reales de Capital Cell, una plataforma de inversión especializada en startups innovadoras y proyectos de ciencias de la vida.

El estudio analizó evaluaciones realizadas por expertos sobre distintos proyectos empresariales antes de que estos buscaran financiación. Las puntuaciones incluían aspectos como el grado de innovación, la calidad del modelo de negocio o la fortaleza del equipo emprendedor. A partir de esa información, el sistema intentó identificar qué empresas presentaban mayores probabilidades de obtener buenos resultados en el futuro.

Los resultados mostraron que el sistema cometía menos errores cuando tenía en cuenta esa incertidumbre. ¿Qué ocurre si enseñamos a un ordenador cuántico a trabajar con ella en lugar de intentar eliminarla?

La sorpresa llegó con el ‘hardware’ cuántico

La parte más llamativa del estudio apareció cuando probamos el sistema en un ordenador cuántico real.

Las pruebas se realizaron en Quantum Blue, un procesador cuántico superconductivo integrado en la infraestructura MareNostrum Ona del Barcelona Supercomputing Center.

Como ocurre con todos los ordenadores cuánticos actuales, la máquina cometió numerosos errores durante los cálculos. Aun así, la calidad de las predicciones apenas cambió. En otras palabras, el algoritmo resultó mucho más resistente a los errores de lo que normalmente cabría esperar en la computación cuántica actual.

Este resultado sugiere que algunas aplicaciones empresariales podrían beneficiarse de la computación cuántica antes de que existan máquinas perfectas y libres de errores.

¿Desaparecerán los inversores?

La respuesta corta es no. Los resultados no indican que un ordenador cuántico vaya a sustituir el criterio humano. De hecho, las variables más relevantes siguen siendo sorprendentemente intuitivas: la opinión de los expertos, la calidad del proyecto o determinados indicadores de negocio.

Lo que cambia es la capacidad para combinar toda esa información y detectar patrones que pueden pasar desapercibidos cuando los datos son ambiguos o contradictorios.

La tecnología no reemplaza la experiencia humana. La amplifica.

Una revolución más cercana de lo que parece

Cuando se habla de computación cuántica suelen mencionarse aplicaciones futuristas, como el descubrimiento de nuevos medicamentos o la simulación de materiales imposibles.

Sin embargo, sus primeras transformaciones podrían llegar por una vía mucho más discreta: la mejora de la toma de decisiones.

Elegir inversiones, evaluar riesgos o identificar oportunidades empresariales son problemas donde la incertidumbre es inevitable. Precisamente ahí es donde nuestros resultados apuntan a que la inteligencia artificial cuántica puede aportar valor.

Quizá la primera gran revolución de la computación cuántica no consista en resolver problemas imposibles, sino en ayudarnos a responder una pregunta mucho más cotidiana: cuál es la próxima gran idea que merece una oportunidad.

Laura Sáez Ortuño, Profesora Dept. Empresa, Universitat de Barcelona, Universitat de Barcelona; Martí Sagarra Garcia, Profesor de Finanzas, Universitat de Barcelona; Massimiliano Ferrara, Full Professor of Mathematical Economics, Artificial Intelligence and Machine Learning, Università Mediterranea of Reggio Calabria; Santiago Forgas Coll, Catedrático de Marketing especializado en comportamiento del consumidor e IA, Universitat de Barcelona y Valeria Isgró, PhD student, Università Mediterranea of Reggio Calabria

Este artículo fue publicado originalmente en The Conversation. Lea el original.