🔗 원문 전체 보기 → Venturesquare.net
요약
벤처캐피탈 업계에도 AI 에이전트 시대가 본격적으로 열리고 있다. 미국의 어피니티(Affinity), 비저블(Visible), 카르타(Carta) 등 주요 VC SaaS 기업들은 단순 데이터 관리 플랫폼을 넘어 AI 기반 투자 운영 플랫폼으로 진화하고 있다. 국내에서도 애즈플로우의 팩트시트 MCP를 비롯해 투자 데이터와 생성형 AI를 연결하려는 시도가 시작되고 있다. 업계에서는 AI가 투자 결정을 대신하기보다 반복적인 보고·분석 업무를 줄여 심사역이 투자 판단…
본문
- 투자업계도 AI 에이전트(AI Agent) 시대 진입
- 어피니티(Affinity)·비저블(Visible)·카르타(Carta)… 글로벌 VC SaaS의 진화
- 국내도 팩트시트(Factsheet) MCP(Model Context Protocol) 등장
“좋은 투자자는 결국 사람을 보는 일 아닐까요?”
벤처캐피탈(VC, Venture Capital)은 오랫동안 ‘사람의 산업’으로 불렸다. 유망한 창업자를 찾고, 관계를 구축하며, 투자 기회를 발굴하는 과정은 결국 심사역의 경험과 직관, 그리고 네트워크에 달려 있다고 여겨졌기 때문이다. 실제로 투자업계에서는 오랫동안 “좋은 딜(Deal)은 좋은 관계(Relationship)에서 나온다”는 말이 통용돼 왔다. 투자 검토(Deal Review), 실사(Due Diligence), 투자위원회(IC·Investment Committee), 사후관리(Post-Investment Management)에 이르기까지 대부분의 업무가 사람 중심으로 운영됐다.
하지만 최근 실리콘밸리 벤처투자 업계에서는 새로운 변화가 나타나고 있다.
사람을 대체하는 인공지능이 아니라 사람의 업무를 보조하는 AI가 투자 프로세스 전반에 깊숙이 들어오기 시작한 것이다. 투자 검토 메모 작성부터 포트폴리오 분석, 유한책임출자자(LP, Limited Partner) 보고서 작성, 펀드 성과 분석까지 과거 수작업으로 처리하던 업무들이 데이터 플랫폼(Data Platform)과 AI 에이전트(AI Agent)를 기반으로 자동화되고 있다.
VC의 경쟁력이 단순히 네트워크에만 있는 것이 아니라, 얼마나 많은 데이터를 효율적으로 활용하고 의사결정에 연결할 수 있는가로 이동하고 있다는 분석도 나온다.
CRM에서 AI 에이전트(AI Agent)로
과거 VC 소프트웨어의 핵심은 고객관계관리(CRM, Customer Relationship Management)였다. 누가 어떤 스타트업을 만났고, 어떤 투자 검토가 진행되고 있으며, 어떤 창업자와 관계를 맺고 있는지를 기록하고 관리하는 것이 주요 목적이었다. 투자업계에서는 이를 ‘딜 플로우(Deal Flow)’ 관리라고 부른다.
대표적인 사례가 미국의 어피니티(Affinity)다. 어피니티는 스스로를 단순 CRM이 아닌 ‘관계 인텔리전스 플랫폼(Relationship Intelligence Platform)’이라고 정의한다. 이메일, 일정(Calendar), 미팅 기록, 기업 정보, 투자 검토 이력 등을 통합 분석해 투자사가 보유한 네트워크 자산을 데이터화한다.
예를 들어 특정 스타트업을 검토할 때 해당 기업과 연결된 창업자, 기존 투자자, 업계 전문가, 포트폴리오 기업 관계자 등을 자동으로 찾아준다. 과거에는 심사역 개인의 기억이나 수첩에 의존했던 관계 정보가 이제는 조직 차원의 데이터 자산으로 축적되는 것이다.
현재 어피니티는 전 세계 수천 개 투자기관과 금융기관에서 활용되고 있으며, 벤처캐피탈(VC)과 사모펀드(PE, Private Equity) 업계의 대표적인 CRM 플랫폼으로 평가받는다.
최근에는 MCP(Model Context Protocol) 기반 기능도 공개했다. MCP는 AI가 외부 데이터와 시스템을 보다 표준화된 방식으로 연결할 수 있도록 지원하는 프로토콜이다.
이는 단순히 “AI 기능을 추가했다”는 의미가 아니다. 투자사가 축적한 관계 데이터와 투자 데이터를 챗GPT(ChatGPT)와 같은 생성형 AI(Generative AI)와 연결해 활용할 수 있는 기반을 마련했다는 의미에 가깝다.
결국 CRM의 역할도 단순 기록 시스템에서 AI가 활용할 수 있는 데이터 허브(Data Hub)로 진화하고 있는 셈이다.
LP 보고서도 AI가 만드는 시대
포트폴리오 관리(Portfolio Management) 영역에서도 변화가 나타나고 있다.
대표 사례는 미국의 비저블(Visible)이다. 비저블은 VC를 위한 포트폴리오 모니터링(Portfolio Monitoring) 및 LP 보고(Investor Reporting) 플랫폼으로 성장해 왔다. 현재 수백 개 이상의 벤처펀드가 포트폴리오 현황 관리와 투자자 보고 업무에 활용하고 있다.
VC의 사후관리 업무는 생각보다 복잡하다. 투자 이후에도 매월 또는 분기마다 포트폴리오 기업의 매출, 사용자 수, 현금 보유액(Cash Runway), 인력 현황, 후속 투자 유치 여부 등을 지속적으로 추적해야 한다. 또한 이를 정리해 LP에게 정기적으로 보고해야 한다.
문제는 이 과정이 상당히 많은 반복 업무를 수반한다는 점이다. 포트폴리오 기업으로부터 자료를 수집하고, 엑셀(Excel)에 입력하고, 데이터를 검증한 뒤 그래프와 표를 만들어 보고서로 정리하는 작업이 반복된다.
비저블은 이러한 과정을 플랫폼 안에서 자동화하는 데 집중해 왔다. 최근에는 AI 기능을 강화하면서 단순 데이터 수집을 넘어 KPI 분석, 이상 징후 탐지, 보고서 초안 작성까지 지원하고 있다. 예를 들어 AI가 “이번 분기 포트폴리오 기업들의 평균 매출 성장률은 전 분기 대비 15% 증가했으며, 특정 기업은 현금 소진 속도가 빨라 추가 모니터링이 필요하다”는 식의 분석 내용을 자동으로 생성할 수 있다.
이는 단순한 업무 효율화 이상의 의미를 가진다. VC가 데이터를 바라보는 방식 자체가 ‘수집’ 중심에서 ‘해석’ 중심으로 이동하고 있기 때문이다.
투자회사의 운영체제(OS)가 되는 카르타(Carta)
미국 VC 생태계에서 가장 영향력 있는 플랫폼 중 하나인 카르타(Carta)도 비슷한 방향으로 움직이고 있다.
카르타는 원래 캡테이블(Cap Table) 관리 서비스로 시작했다. 스타트업의 주주 구성과 지분 변동을 관리하는 솔루션이었다. 하지만 현재는 펀드 관리(Fund Administration), 포트폴리오 분석(Portfolio Analytics), LP 관리(LP Management), 성과 분석(Performance Analytics)까지 제공하는 종합 플랫폼으로 확장했다.
업계에서는 카르타를 단순 소프트웨어가 아니라 민간 자본시장(Private Capital Market)의 인프라(Infrastructure) 기업으로 평가하기도 한다.
최근 카르타는 스스로를 ‘프라이빗 캐피털 ERP(Private Capital ERP)’라고 소개하고 있다. ERP(Enterprise Resource Planning)가 기업 운영 전반을 관리하는 시스템이라면, 카르타는 투자회사의 운영 전반을 관리하는 플랫폼을 지향한다는 의미다.
여기에 AI 기능이 결합되면서 투자사는 펀드 성과 분석, 투자 현황 파악, 포트폴리오 비교 분석 등을 보다 빠르게 수행할 수 있게 됐다.
결국 실리콘밸리에서는 단순한 투자관리 솔루션 경쟁이 아니라 “누가 투자회사의 운영체제(OS, Operating System)가 될 것인가”를 둘러싼 경쟁이 벌어지고 있는 셈이다.
한국에도 시작된 변화, ‘팩트시트 MCP’
국내 벤처투자 시장도 비슷한 흐름을 보이기 시작했다.
그동안 국내 VC와 액셀러레이터(AC, Accelerator) 업계는 투자관리 시스템과 엑셀, 수작업 보고서 작성에 상당 부분 의존해 왔다. 투자 데이터가 여러 시스템에 분산돼 있고, 보고서 작성 역시 담당자의 경험과 수작업에 의존하는 경우가 많았다. 하지만 생성형 AI 확산 이후 투자 데이터와 AI를 연결하려는 움직임이 나타나고 있다.
최근 애즈플로우는 투자 데이터 관리 플랫폼 팩트시트(Factsheet)에 MCP(Model Context Protocol)를 적용한 ‘팩트시트 MCP’를 선보였다.
사용자가 “OO펀드 반기 LP 보고서 작성”, “최근 3년간 투자기업 성과 분석”, “포트폴리오 기업 현황 요약”과 같은 자연어 명령(Natural Language Prompt)을 입력하면 시스템이 펀드 데이터와 포트폴리오 정보를 조합해 필요한 자료를 생성하는 방식이다.
이는 단순히 챗봇(Chatbot)을 붙인 수준의 기능이 아니다. 중요한 것은 투자사가 보유한 데이터를 AI가 이해하고 활용할 수 있는 구조를 만들었다는 점이다. 결국 AI의 성능은 모델 자체보다 어떤 데이터를 연결할 수 있는지에 의해 결정되는 경우가 많다.
실리콘밸리 VC SaaS(Software as a Service) 시장이 이미 경험하고 있는 ‘데이터 플랫폼 + AI 에이전트’ 흐름이 국내 투자 생태계에도 본격적으로 들어오기 시작했다는 신호로 해석할 수 있다.
남은 과제는 민감한 투자 데이터의 보안과 프라이버시
벤처투자 업계가 AI 에이전트 도입에 있어 가장 보수적으로 접근하는 지점은 바로 데이터 보안(Data Security)이다.
VC가 다루는 정보는 스타트업의 미공개 기술, 기업가치, 주주명부(Cap Table), 세부 재무 상태 등 고도의 기밀성을 요구하는 데이터가 대부분이다. 투자 검토 단계에서 오가는 자료 역시 외부에 공개되지 않은 정보가 많아 보안은 투자업계의 핵심 가치로 꼽힌다.
초기에는 퍼블릭(Public) 생성형 AI 모델에 이러한 민감한 데이터를 직접 입력할 경우 정보 유출이나 AI 모델 학습에 무단으로 활용될 수 있다는 우려가 컸다. 아무리 AI가 뛰어난 분석 리포트를 작성해 준다고 해도 철저한 비밀 유지(NDA)가 생명인 투자업계에서 보안 리스크를 감수하기는 쉽지 않았다.
이 때문에 글로벌 VC SaaS 기업들은 단순히 AI 기능을 추가하는 것을 넘어 보안 아키텍처(Security Architecture)를 새롭게 구축하는 데 집중하고 있다. 고객 데이터를 AI 모델 학습에 사용하지 않는 데이터 격리(Data Isolation) 정책을 기본으로 채택하고, 권한에 따른 접근 제어(RBAC·Role-Based Access Control)를 AI 에이전트에도 동일하게 적용하는 방식이다.
앞서 언급된 MCP 기반 기술이 주목받는 이유도 여기에 있다.
투자사의 핵심 내부 데이터베이스를 범용 AI에 무분별하게 개방하는 것이 아니라, 엄격한 보안 정책과 통제된 환경 속에서 AI가 허용된 데이터의 맥락(Context)만 안전하게 참조할 수 있도록 지원하기 때문이다. 다시 말해 AI 활용 범위를 넓히면서도 데이터 통제권은 투자사가 유지할 수 있도록 돕는 구조다.
결국 미래 투자업계의 AI 도입 성패는 “AI가 얼마나 똑똑한가”를 넘어 “얼마나 안전하게 민감한 투자 데이터를 다룰 수 있는가”에 의해 결정될 가능성이 높다.
그렇다면 AI가 투자 심사역을 대체하게 될까. 현재로서는 그렇지 않다는 것이 업계의 공통된 시각이다. 창업자의 리더십을 평가하고, 시장의 변화를 읽어내며, 팀의 실행력을 판단하는 일은 여전히 사람의 영역이다. 투자 결정은 숫자만으로 설명할 수 없는 요소가 많기 때문이다.
다만 AI는 투자자의 시간을 되돌려줄 수 있다. LP 보고서를 만들기 위해 여러 시스템을 오가며 데이터를 취합하고, 투자 검토 자료를 정리하고, 포트폴리오 현황을 집계하는 반복 업무는 AI가 상당 부분 대신할 수 있게 됐다. 실리콘밸리 VC들이 AI를 적극적으로 받아들이는 이유도 여기에 있다.
AI는 투자 판단을 대신하는 기술이 아니라 투자자가 더 많은 시간을 투자 판단에 집중할 수 있도록 만드는 기술이라는 것이다. 벤처투자의 본질은 여전히 사람과 기업을 이해하는 데 있다. 그러나 그 과정에서 필요한 데이터 정리와 분석, 보고 업무는 점점 AI가 맡게 될 가능성이 높다. 그리고 그 변화는 이제 한국에서도 시작되고 있다.
*기사 출처 및 참고자료
- Affinity 공식 홈페이지: https://www.affinity.co
- Affinity Artificial Intelligence: https://www.affinity.co/product/artificial-intelligence
- Visible 공식 홈페이지: https://visible.vc
- Visible Portfolio Monitoring: https://visible.vc/monitor
- Visible Investor Reporting: https://visible.vc/investor-updates
- Carta 공식 홈페이지: https://carta.com
- Carta Venture Capital: https://carta.com/venture-capital
- Carta Fund Administration: https://carta.com/fund-administration
- Factsheet MCP: https://factsheet.kr/ai-mcp
※ 본 기사에 사용된 서비스 소개 및 기능 설명은 각 기업 공식 홈페이지와 제품 소개 자료를 참고해 작성했습니다.
Like this:
Like Loading...Related
"AI, the Investment Analyst's New Colleague"… How Silicon Valley Venture Capital Is Working
"Isn't being a good investor ultimately about seeing the people?"
Venture capital (VC) has long been referred to as a "people industry." This is because the process of finding promising founders, building relationships, and identifying investment opportunities was believed to ultimately depend on the experience, intuition, and networks of investment managers. In fact, the saying "good deals come from good relationships" has long been a common saying in the investment industry. From deal reviews and due diligence to the Investment Committee (IC) and post-investment management, most operations were conducted in a people-centered manner.
However, a new change is recently emerging in the Silicon Valley venture investment industry.
AI that assists human tasks, rather than replacing humans, has begun to deeply permeate the entire investment process. Tasks that were previously handled manually—ranging from writing investment review notes and portfolio analysis to preparing Limited Partner (LP) reports and analyzing fund performance—are being automated based on data platforms and AI agents.
There is also analysis suggesting that the competitiveness of VCs is shifting from simply relying on networks to how efficiently they can utilize data and connect it to decision-making.
From CRM to AI Agent
In the past, the core of VC software was Customer Relationship Management (CRM). Its primary purpose was to record and manage who met which startups, what investment reviews were underway, and which founders were involved. The investment industry refers to this as 'deal flow' management.
A representative example is Affinity from the United States. Affinity defines itself not as a simple CRM, but as a "Relationship Intelligence Platform." It digitizes the network assets held by its portfolio companies by integrating and analyzing emails, calendars, meeting records, corporate information, and investment review history.
For example, when reviewing a specific startup, it automatically identifies founders, existing investors, industry experts, and representatives from portfolio companies connected to the firm. Relationship information, which previously relied on the individual investment manager's memory or notebooks, is now accumulated as an organizational data asset.
Currently, Affinity is utilized by thousands of investment and financial institutions worldwide and is recognized as a leading CRM platform in the venture capital (VC) and private equity (PE) industries.
Recently, features based on MCP (Model Context Protocol) were also unveiled. MCP is a protocol that enables AI to connect with external data and systems in a more standardized way.
This does not simply mean that “AI capabilities have been added.” It is closer to meaning that a foundation has been laid to connect and utilize the relationship and investment data accumulated by investment firms with Generative AI such as ChatGPT.
Ultimately, the role of CRM is evolving from a simple record system into a data hub that AI can utilize.
The era where AI creates LP reports
Changes are also appearing in the field of portfolio management.
A representative example is Visible from the United States. Visible has grown into a portfolio monitoring and investor reporting platform for VCs. Currently, hundreds of venture funds utilize it for portfolio status management and investor reporting.
Post-investment management for VCs is more complex than expected. Even after the investment, they must continuously track portfolio companies' revenue, user count, cash runway, workforce status, and whether follow-up investments have been secured on a monthly or quarterly basis. Furthermore, they must organize this information and report it regularly to LPs.
The problem is that this process involves a significant amount of repetitive work. The task of collecting data from portfolio companies, inputting it into Excel, verifying the data, and then creating graphs and tables to organize it into a report is repeated.
Visible has focused on automating these processes within its platform. Recently, by enhancing its AI capabilities, it has expanded beyond simple data collection to support KPI analysis, anomaly detection, and report drafting. For example, the AI can automatically generate analysis such as, “The average revenue growth rate of portfolio companies this quarter increased by 15% compared to the previous quarter, and certain companies require additional monitoring due to a rapid rate of cash depletion.”
This has significance beyond simple business efficiency. This is because the very way VCs view data is shifting from a 'collection'-centric approach to an 'interpretation'-centric approach.
Carta, which becomes the operating system (OS) of an investment company
Carta, one of the most influential platforms in the U.S. VC ecosystem, is also moving in a similar direction.
Carta originally started as a Cap Table management service. It was a solution for managing the shareholder structure and equity changes of startups. However, it has now expanded into a comprehensive platform providing Fund Administration, Portfolio Analytics, LP Management, and Performance Analytics.
The industry also regards Carta not merely as software, but as an infrastructure company for the private capital market.
Recently, Carta has been introducing itself as a "Private Capital ERP." This means that while ERP (Enterprise Resource Planning) is a system that manages overall corporate operations, Carta aims to be a platform that manages the overall operations of investment firms.
With the integration of AI capabilities, investment firms are now able to perform fund performance analysis, assess investment status, and conduct comparative portfolio analysis more quickly.
Ultimately, in Silicon Valley, the competition is not merely about investment management solutions, but rather about "who will become the operating system (OS) of investment firms."
Changes Begin in Korea, 'Factsheet MCP'
The domestic venture investment market has also started to show a similar trend.
Until now, the domestic VC and accelerator (AC) industries have relied heavily on investment management systems, Excel, and manual report writing. Investment data is scattered across various systems, and report writing often depends on the experience and manual work of the personnel in charge. However, following the spread of generative AI, there are movements emerging to connect investment data with AI.
Recently, Asflow introduced 'Factsheet MCP,' which applies Model Context Protocol (MCP) to its investment data management platform Factsheet.
This is a method in which, when a user inputs a Natural Language Prompt such as “Write OO Fund Semi-annual LP Report,” “Analysis of Investment Company Performance over the Last 3 Years,” or “Summary of Portfolio Company Status,” the system combines fund data and portfolio information to generate the necessary data.
This is not merely a function achieved by simply adding a chatbot. The important point is that a structure has been created enabling the AI to understand and utilize the data held by the investment firm. Ultimately, the performance of AI is often determined by the data it can connect with, rather than the model itself.
This can be interpreted as a signal that the 'data platform + AI agent' trend, which the Silicon Valley VC SaaS (Software as a Service) market is already experiencing, has begun to enter the domestic investment ecosystem in earnest.
The remaining challenge is the security and privacy of sensitive investment data.
The point where the venture investment industry takes the most conservative approach to the adoption of AI agents is data security.
The information handled by VCs mostly consists of data requiring a high degree of confidentiality, such as startups' undisclosed technology, valuations, shareholder registers (Cap Tables), and detailed financial status. Since much of the information exchanged during the investment review stage is also not publicly disclosed, security is considered a core value in the investment industry.
Initially, there were significant concerns that directly inputting such sensitive data into public generative AI models could lead to information leakage or unauthorized use for training the models. Even if AI could generate excellent analysis reports, it was not easy to accept security risks in the investment industry, where strict non-disclosure agreements (NDAs) are paramount.
For this reason, global VC SaaS companies are focusing on building a new security architecture beyond simply adding AI capabilities. This approach involves adopting a data isolation policy as a default, which does not use customer data for training AI models, and applying Role-Based Access Control (RBAC) equally to AI agents.
This is also the reason why the aforementioned MCP-based technology is receiving attention.
This is because, rather than indiscriminately opening an investment firm's core internal database to general-purpose AI, it supports the AI in safely referencing only the permitted data context within a controlled environment and strict security policies. In other words, it is a structure that helps investment firms maintain control over their data while expanding the scope of AI utilization.
Ultimately, the success or failure of AI adoption in the future investment industry is highly likely to be determined not by “how smart the AI is,” but by “how safely it can handle sensitive investment data.”
Then, will AI replace investment analysts? Currently, the consensus in the industry is that this will not be the case. Evaluating a founder's leadership, reading market changes, and assessing a team's execution capabilities remain within the realm of humans. This is because investment decisions involve many factors that cannot be explained by numbers alone.
However, AI can give investors back their time. AI can now take over a significant portion of the repetitive tasks involved in creating LP reports, such as gathering data across various systems, organizing investment review materials, and compiling portfolio status. This is why Silicon Valley VCs are actively embracing AI.
The point is that AI is not a technology that replaces investment decisions, but rather one that enables investors to focus more time on making those decisions. The essence of venture investment still lies in understanding people and companies. However, it is highly likely that AI will increasingly take over the tasks of data organization, analysis, and reporting required in that process. And this shift is now beginning in Korea as well.
Article Sources and References
- Affinity Official Website: https://www.affinity.co
- Affinity Artificial Intelligence: https://www.affinity.co/product/artificial-intelligence
- Visible Official Website: https://visible.vc
- Visible Portfolio Monitoring: https://visible.vc/monitor
- Visible Investor Reporting: https://visible.vc/investor-updates
- Carta Official Website: https://carta.com
- Carta Venture Capital: https://carta.com/venture-capital
- Carta Fund Administration: https://carta.com/fund-administration
- Factsheet MCP: https://factsheet.kr/ai-mcp
※ The service introductions and feature descriptions used in this article were written based on each company's official website and product introduction materials.
「投資審査役の新しい仲間、AI」…シリコンバレーベンチャーキャピタルはどのように働いているか
「良い投資家は結局人を見ることではないでしょうか？」
ベンチャーキャピタル（VC、Venture Capital）は長い間「人の産業」と呼ばれている。有望な創業者を探し、関係を構築し、投資機会を発掘する過程は結局審査役の経験と直観、そしてネットワークに依存すると考えられたからだ。実際、投資業界では長い間「良いディール（Deal）は良い関係（Relationship）から出てくる」という言葉が通用されてきた。投資レビュー（Deal Review）、実写（Due Diligence）、投資委員会（IC・Investment Committee）、事後管理（Post-Investment Management）に至るまで、ほとんどの業務が人中心で運営された。
しかし、最近シリコンバレーベンチャー投資業界では新たな変化が現れている。
人を置き換える人工知能ではなく、人の業務を補助するAIが投資プロセス全般に深く入り始めたのだ。投資レビューメモ作成からポートフォリオ分析、有限責任出資者（LP、Limited Partner）レポート作成、ファンド成果分析まで、過去の手作業で処理していた業務が、データプラットフォーム（Data Platform）とAIエージェント（AI Agent）に基づいて自動化されている。
VCの競争力が単にネットワークだけにあるのではなく、どのくらいのデータを効率的に活用して意思決定に接続できるかに移動しているという分析も出ている。
CRMからAIエージェント（AI Agent）へ
過去のVCソフトウェアの核心は、顧客関係管理（CRM、Customer Relationship Management）でした。誰がどのスタートアップに出会い、どの投資レビューが行われており、どの創業者と関係を結んでいるのかを記録して管理することが主な目的でした。投資業界ではこれを「ディールフロー（Deal Flow）」管理と呼ぶ。
代表的な事例が米国のアフィニティ（Affinity）だ。アフィニティは自らを単純CRMではなく「関係インテリジェンスプラットフォーム（Relationship Intelligence Platform）」と定義する。電子メール、カレンダー、会議記録、企業情報、投資レビュー履歴などを統合分析し、投資会社が保有するネットワーク資産をデータ化する。
例えば、特定のスタートアップを検討する際に、該当企業に関連した創業者、既存投資家、業界専門家、ポートフォリオ企業関係者などを自動的に探す。過去には、審査役個人の記憶や手帳に依存していた関係情報が、今や組織次元のデータ資産として蓄積されているのだ。
現在、アフィニティは世界中の何千もの投資機関や金融機関で活用されており、ベンチャーキャピタル（VC）とプライベートエクイティ（PE、Private Equity）業界の代表的なCRMプラットフォームとして評価されている。
最近ではMCP（Model Context Protocol）ベースの機能も公開した。 MCPは、AIが外部データとシステムをより標準化された方法で接続できるようにするプロトコルです。
これは単に「AI機能を追加した」という意味ではありません。投資会社が蓄積した関係データと投資データをチャットGPT(ChatGPT)のような生成型AI(Generative AI)と連結して活用できる基盤を設けたという意味に近い。
結局CRMの役割も単純記録システムでAIが活用できるデータハブ(Data Hub)に進化しているわけだ。
LPレポートもAIが作る時代
ポートフォリオ管理（Portfolio Management）領域でも変化が現れている。
代表事例は米国のビザブル（Visible）だ。ビザブルは、VC用のポートフォリオモニタリング（Portfolio Monitoring）およびLPレポート（Investor Reporting）プラットフォームに成長してきました。現在、数百以上のベンチャーファンドがポートフォリオの現状管理と投資家報告業務に活用している。
VCの事後管理業務は思ったより複雑である。投資後も、毎月または四半期ごとに、ポートフォリオ企業の売上、ユーザー数、現金保有額（Cash Runway）、人材の現状、その後の投資誘致の有無などを継続的に追跡しなければならない。また、これをまとめてLPに定期的に報告しなければならない。
問題は、この過程がかなり多くの繰り返し業務を伴うという点だ。ポートフォリオ企業から資料を収集し、Excel（Excel）に入力し、データを検証した後、グラフと表を作成してレポートにまとめる作業が繰り返される。
ビザブルは、このプロセスをプラットフォーム内で自動化することに集中してきました。最近ではAI機能を強化しながら、単純なデータ収集を超えてKPI分析、異常兆候検出、報告書草案作成まで支援している。例えば、AIが「今回の四半期ポートフォリオ企業の平均売上成長率は前四半期比15％増加し、特定企業は現金消耗速度が速く、さらにモニタリングが必要だ」という式の分析内容を自動的に生成することができる。
これは単なる業務効率化以上の意味を持つ。 VCがデータを見る方法自体が「収集」中心から「解析」中心に移動しているからだ。
投資会社の運営体制（OS）となるカルタ（Carta）
米国VCエコシステムで最も影響力のあるプラットフォームの1つであるカルタも同様の方向に動いている。
カルタはもともとキャップテーブル（Cap Table）管理サービスで始まった。スタートアップの株主構成と持分変動を管理するソリューションだった。しかし、現在はファンド管理（Fund Administration）、ポートフォリオ分析（Portfolio Analytics）、LP管理（LP Management）、パフォーマンス分析（Performance Analytics）まで提供する総合プラットフォームに拡張した。
業界ではカルタを単純ソフトウェアではなく民間資本市場（Private Capital Market）のインフラ企業として評価することもある。
最近カルタは自らを「プライベートキャピタルERP（Private Capital ERP）」と紹介している。 ERP（Enterprise Resource Planning）が企業運営全体を管理するシステムであれば、カルタは投資会社の運営全体を管理するプラットフォームを指向するという意味だ。
ここにAI機能が組み合わされ、投資会社はファンド成果分析、投資現況把握、ポートフォリオ比較分析などをより迅速に遂行できるようになった。
結局、シリコンバレーでは単純な投資管理ソリューション競争ではなく、「誰が投資会社のオペレーティングシステム（OS、Operating System）になるのか」をめぐる競争が行われているわけだ。
韓国にも始まった変化、「ファクトシートMCP」
国内ベンチャー投資市場も同様の流れを見せ始めた。
これまで国内VCとアクセラレータ（AC、Accelerator）業界は投資管理システムとエクセル、手作業報告書作成にかなり依存してきた。投資データが複数のシステムに分散しており、報告書作成もやはり担当者の経験と手作業に依存することが多かった。だが、生成型AI拡散以降、投資データとAIを連結しようとする動きが現れている。
最近、アズフローは投資データ管理プラットフォームファクトシート（Factsheet）にMCP（Model Context Protocol）を適用した「ファクトシートMCP」を披露した。
ユーザーが「OOファンド半期LP報告書作成」、「最近3年間の投資企業成果分析」、「ポートフォリオ企業現況の要約」などの自然言語命令（Natural Language Prompt）を入力すると、システムがファンドデータとポートフォリオ情報を組み合わせて必要な資料を生成する方式だ。
これは単にチャットボットを付けたレベルの機能ではありません。重要なのは、投資会社が保有するデータをAIが理解して活用できる構造を作ったという点だ。結局、AIの性能は、モデル自体よりどのデータを接続できるかによって決まる場合が多い。
シリコンバレーVC SaaS（Software as a Service）市場がすでに経験している「データプラットフォーム＋AIエージェント」の流れが、国内投資エコシステムにも本格的に入り始めたという信号として解釈できる。
残りの課題は、機密投資データのセキュリティとプライバシー
ベンチャー投資業界がAIエージェントの導入において最も保守的にアクセスする点は、データセキュリティ（Data Security）です。
VCが扱う情報はスタートアップの未公開技術、企業価値、株主名簿(Cap Table)、細部財務状態など高度な機密性を要求するデータがほとんどだ。投資検討段階で行き来する資料も外部に公開されていない情報が多く、セキュリティは投資業界の核心価値に挙げられる。
当初は、パブリック生成型AIモデルにこのような機密データを直接入力する場合、情報の漏洩やAIモデルの学習に無断で活用される可能性があるという懸念が大きかった。いくらAIが優れた分析レポートを作成しても、徹底した秘密維持（NDA）が生命の投資業界でセキュリティリスクを取るのは容易ではなかった。
このため、グローバルVC SaaS企業は単にAI機能を追加することを超えてセキュリティアーキテクチャ(Security Architecture)を新たに構築することに集中している。顧客データをAIモデル学習に使用しないデータ分離(Data Isolation)ポリシーを基本として採用し、権限に応じたアクセス制御(RBAC・Role-Based Access Control)をAIエージェントにも同様に適用する方式だ。
前述のMCPベースの技術が注目される理由もここにある。
投資家のコア内部データベースを汎用AIに無分別に開放するのではなく、厳格なセキュリティポリシーと管理された環境の中でAIが許可されたデータのコンテキストだけを安全に参照できるように支援するためだ。つまりAIの活用範囲を広げながらも、データ統制権は投資会社が維持できるように助ける仕組みだ。
結局、将来の投資業界のAI導入成果は「AIがどれほどスマートか」を超えて「どれだけ安全に敏感な投資データを扱えるか」によって決定される可能性が高い。
では、AIが投資審査役に代わるのだろうか。現在ではそうではないというのが業界の共通の視点である。創業者のリーダーシップを評価し、市場の変化を読み、チームの実行力を判断することは依然として人の領域です。投資決定は数字だけでは説明できない要素が多いからだ。
ただしAIは投資家の時間を戻すことができる。 LP報告書を作成するために、複数のシステムを行き来してデータを取り込み、投資レビュー資料を整理し、ポートフォリオの現状を集計する繰り返し業務は、AIがかなりの部分に代わることができるようになった。シリコンバレーVCがAIを積極的に受け入れる理由もここにある。
AIは投資判断に代わる技術ではなく、投資家がより多くの時間を投資判断に集中できるようにする技術である。ベンチャー投資の本質は、依然として人と企業を理解することです。しかし、その過程で必要なデータの整理と分析、報告業務はますますAIが担当する可能性が高い。そしてその変化は今や韓国でも始まっている。
*記事ソースおよび参考資料
- Affinity公式ホームページ： https://www.affinity.co
- Affinity Artificial Intelligence: https://www.affinity.co/product/artificial-intelligence
- Visible公式ホームページ：https: //visible.vc
- Visible Portfolio Monitoring: https://visible.vc/monitor
- Visible Investor Reporting: https://visible.vc/investor-updates
- Carta公式ホームページ：https: //carta.com
- Carta Venture Capital: https://carta.com/venture-capital
- Carta Fund Administration: https://carta.com/fund-administration
- Factsheet MCP: https://factsheet.kr/ai-mcp
※本記事に使用されたサービス紹介および機能説明は、各企業公式ホームページと製品紹介資料を参考に作成しました。
“人工智能，投资分析师的新同事”……硅谷风险投资是如何运作的
“成为一名优秀的投资者，最终难道不就是要关注人吗？”
风险投资（VC）长期以来都被称为“人脉产业”。这是因为人们普遍认为，寻找有潜力的创始人、建立人脉关系以及识别投资机会，最终都取决于投资经理的经验、直觉和人脉网络。事实上，“好交易源于好关系”这句谚语在投资行业早已广为流传。从交易审查和尽职调查到投资委员会（IC）以及投后管理，大多数环节都以人为本。
然而，硅谷风险投资行业最近正在出现新的变化。
人工智能辅助而非取代人类完成任务，已开始深入渗透到整个投资流程中。以往需要人工处理的任务——从撰写投资回顾报告和投资组合分析，到准备有限合伙人（LP）报告和分析基金业绩——正基于数据平台和人工智能代理实现自动化。
还有分析表明，风险投资公司的竞争力正在从单纯依靠人脉网络转向如何有效地利用数据并将其与决策联系起来。
从客户关系管理到人工智能代理
过去，风险投资软件的核心是客户关系管理（CRM）。其主要目的是记录和管理哪些人与哪些初创公司会面、正在进行哪些投资审查以及哪些创始人参与其中。投资行业称之为“交易流程”管理。
以美国的Affinity公司为例。Affinity公司将自身定位为“关系智能平台”，而非简单的客户关系管理系统（CRM）。它通过整合和分析电子邮件、日历、会议记录、公司信息和投资审查历史，将投资组合公司持有的网络资产数字化。
例如，在评估某个初创公司时，系统会自动识别创始人、现有投资者、行业专家以及与该公司相关的投资组合公司代表。以往依赖于投资经理个人记忆或笔记的关系信息，现在已作为组织数据资产进行积累。
目前，Affinity 已被全球数千家投资和金融机构采用，并被公认为风险投资 (VC) 和私募股权 (PE) 行业的领先 CRM 平台。
最近，基于MCP（模型上下文协议）的功能也正式发布。MCP是一种协议，它使人工智能能够以更标准化的方式连接外部数据和系统。
这不仅仅意味着“增加了人工智能功能”。更确切地说，这意味着已经奠定了基础，可以将投资公司积累的关系和投资数据与生成式人工智能（例如 ChatGPT）连接起来并加以利用。
最终，CRM 的角色正在从简单的记录系统演变为人工智能可以利用的数据中心。
人工智能生成LP报告的时代
投资组合管理领域也出现了变化。
以美国的Visible为例。Visible已发展成为一个面向风险投资机构的投资组合监控和投资者报告平台。目前，数百家风险投资基金都在使用它进行投资组合状态管理和投资者报告。
风险投资机构的投后管理比预期的要复杂得多。即使在投资之后，他们也必须持续跟踪投资组合公司的收入、用户数量、现金流、员工状况以及后续投资是否已获得，并按月或按季度进行评估。此外，他们还必须整理这些信息，并定期向有限合伙人汇报。
问题在于，这个过程涉及大量重复性工作。从投资组合公司收集数据、将其输入Excel、验证数据，然后创建图表并将其整理成报告，这些工作需要反复进行。
Visible一直致力于在其平台内实现这些流程的自动化。近期，通过增强其人工智能能力，Visible已将功能从简单的数据收集扩展到支持KPI分析、异常检测和报告生成。例如，人工智能可以自动生成如下分析：“本季度投资组合公司的平均收入增长率较上一季度增长了15%，但部分公司由于现金消耗速度过快，需要加强监控。”
这不仅仅关乎简单的商业效率，更重要的是，风险投资家看待数据的方式正在从以“收集”为中心的方法转向以“解读”为中心的方法。
Carta，它成为了一家投资公司的操作系统（OS）。
Carta 是美国风险投资生态系统中最具影响力的平台之一，它也正朝着类似的方向发展。
Carta 最初是一家股权结构表管理服务公司，旨在为初创公司提供股东结构和股权变更管理解决方案。如今，它已发展成为一个综合平台，提供基金管理、投资组合分析、有限合伙人管理和绩效分析等服务。
业内人士也认为 Carta 不仅仅是一家软件公司，而是私人资本市场的基础设施公司。
最近，Carta 将自己定位为“私募资本 ERP”。这意味着，虽然 ERP（企业资源计划）是管理企业整体运营的系统，但 Carta 的目标是成为一个管理投资公司整体运营的平台。
随着人工智能技术的融入，投资公司现在能够更快地进行基金业绩分析、评估投资状况和进行投资组合比较分析。
最终，在硅谷，竞争不仅仅关乎投资管理解决方案，而是关乎“谁将成为投资公司的操作系统（OS）”。
韩国开始变革，《MCP情况说明书》
国内风险投资市场也开始呈现出类似的趋势。
迄今为止，国内风投和加速器行业严重依赖投资管理系统、Excel表格和人工报告撰写。投资数据分散在各个系统中，报告撰写往往依赖于负责人的经验和人工操作。然而，随着生成式人工智能的普及，将投资数据与人工智能相结合的趋势正在兴起。
最近，Asflow 推出了“Factsheet MCP”，将模型上下文协议 (MCP) 应用于其投资数据管理平台 Factsheet。
这是一种当用户输入自然语言提示（例如“编写 OO 基金半年有限合伙报告”、“过去 3 年投资公司业绩分析”或“投资组合公司状况概要”）时，系统将基金数据和投资组合信息结合起来生成必要数据的方法。
这并非仅仅是添加一个聊天机器人就能实现的功能。关键在于，我们构建了一个框架，使人工智能能够理解并利用投资公司所掌握的数据。归根结底，人工智能的性能往往取决于它能够连接的数据，而非模型本身。
这可以解释为硅谷风险投资 SaaS（软件即服务）市场已经经历的“数据平台 + AI 代理”趋势，已经开始真正进入国内投资生态系统的信号。
剩下的挑战是敏感投资数据的安全性和隐私性。
风险投资行业在采用人工智能代理方面采取最保守态度的一点是数据安全。
风险投资机构处理的信息大多包含高度保密的数据，例如初创公司的未公开技术、估值、股东名册（股权结构表）以及详细的财务状况。由于投资审查阶段交换的大部分信息也不会公开披露，因此安全性被视为投资行业的核心价值。
最初，人们非常担心直接将此类敏感数据输入公共生成式人工智能模型可能会导致信息泄露或未经授权用于模型训练。即使人工智能能够生成优秀的分析报告，但在投资行业，严格的保密协议（NDA）至关重要，因此很难接受安全风险。
因此，全球风险投资SaaS公司正致力于构建一种全新的安全架构，而不仅仅是简单地添加人工智能功能。这种方法包括默认采用数据隔离策略（即不使用客户数据训练人工智能模型），并对人工智能代理平等地应用基于角色的访问控制（RBAC）。
这也是上述基于MCP的技术受到关注的原因。
这是因为，它并非不加选择地将投资公司的核心内部数据库开放给通用人工智能，而是支持人工智能在受控环境和严格的安全策略下，安全地引用授权的数据上下文。换句话说，这种架构既能帮助投资公司保持对其数据的控制，又能扩大人工智能的应用范围。
最终，人工智能在未来投资行业中的应用能否成功，很可能不是取决于“人工智能有多智能”，而是取决于“它能否安全地处理敏感的投资数据”。
那么，人工智能会取代投资分析师吗？目前，业内普遍认为不会。评估创始人的领导力、解读市场变化以及评估团队的执行能力仍然是人类的职责所在。这是因为投资决策涉及诸多因素，而这些因素仅靠数字是无法解释的。
然而，人工智能可以为投资者节省时间。人工智能现在可以接管创建有限合伙人报告过程中相当一部分重复性工作，例如从各种系统中收集数据、整理投资审查材料以及汇总投资组合状况。正因如此，硅谷的风险投资公司正在积极拥抱人工智能。
关键在于，人工智能并非取代投资决策的技术，而是让投资者能够将更多时间投入到决策本身。风险投资的本质依然在于了解人和公司。然而，人工智能极有可能逐渐接管这一过程中所需的数据整理、分析和报告等工作。而这种转变如今也已在韩国开始。
文章来源及参考文献
- Affinity 官方网站： https://www.affinity.co
- Affinity人工智能： https://www.affinity.co/product/artificial-intelligence
- Visible 官方网站： https://visible.vc
- 可视化投资组合监控： https://visible.vc/monitor
- 可见投资者报告： https://visible.vc/investor-updates
- Carta 官方网站： https://carta.com
- Carta Venture Capital： https://carta.com/venture-capital
- Carta基金管理： https://carta.com/fund-administration
- MCP概况介绍： https://factsheet.kr/ai-mcp
※ 本文中使用的服务介绍和功能描述均根据各公司官方网站和产品介绍资料编写。
« L’IA, le nouveau collègue de l’analyste financier »… Comment fonctionne le capital-risque dans la Silicon Valley
« Être un bon investisseur, n'est-ce pas avant tout rencontrer des gens ? »
Le capital-risque a longtemps été qualifié de « secteur à dimension humaine ». En effet, on considérait que la recherche de fondateurs prometteurs, le développement de relations et l'identification d'opportunités d'investissement reposaient en fin de compte sur l'expérience, l'intuition et le réseau des gestionnaires de portefeuille. De fait, l'adage « les bonnes affaires naissent des bonnes relations » a longtemps été monnaie courante dans le secteur de l'investissement. De l'analyse des projets et des vérifications préalables au comité d'investissement et à la gestion post-investissement, la plupart des opérations étaient menées selon une approche centrée sur l'humain.
Cependant, un nouveau changement se dessine depuis peu dans le secteur des investissements en capital-risque de la Silicon Valley.
L'intelligence artificielle qui assiste les humains dans leurs tâches, plutôt que de les remplacer, s'intègre de plus en plus à l'ensemble du processus d'investissement. Les tâches auparavant manuelles — de la rédaction de notes d'analyse d'investissement et d'analyses de portefeuille à la préparation des rapports pour les commanditaires et à l'analyse de la performance des fonds — sont désormais automatisées grâce aux plateformes de données et aux agents d'IA.
Des analyses suggèrent également que la compétitivité des sociétés de capital-risque évolue : elle ne repose plus uniquement sur les réseaux, mais sur leur capacité à utiliser efficacement les données et à les intégrer à la prise de décision.
Du CRM à l'agent IA
Auparavant, les logiciels de capital-risque reposaient essentiellement sur la gestion de la relation client (CRM). Leur objectif principal était d'enregistrer et de gérer les rencontres entre les différentes startups, les analyses d'investissement en cours et les fondateurs impliqués. Le secteur de l'investissement parle alors de gestion du « flux d'affaires ».
Affinity, une entreprise américaine, en est un exemple représentatif. Affinity se définit non pas comme un simple CRM, mais comme une « plateforme d'intelligence relationnelle ». Elle numérise les ressources réseau de ses sociétés en portefeuille en intégrant et en analysant les courriels, les calendriers, les comptes rendus de réunions, les informations sur les entreprises et l'historique des évaluations d'investissement.
Par exemple, lors de l'analyse d'une startup, le système identifie automatiquement les fondateurs, les investisseurs existants, les experts du secteur et les représentants des entreprises du portefeuille liés à la société. Les informations relatives aux relations, qui reposaient auparavant sur la mémoire ou les notes de chaque gestionnaire de portefeuille, sont désormais centralisées au sein de l'organisation.
Actuellement, Affinity est utilisé par des milliers d'institutions d'investissement et financières dans le monde entier et est reconnu comme une plateforme CRM de premier plan dans les secteurs du capital-risque (VC) et du capital-investissement (PE).
Récemment, des fonctionnalités basées sur le protocole MCP (Model Context Protocol) ont également été dévoilées. MCP est un protocole qui permet à l'IA de se connecter aux données et aux systèmes externes de manière plus standardisée.
Cela ne signifie pas simplement que « des capacités d'IA ont été ajoutées ». Cela signifie plutôt qu'une base a été posée pour connecter et utiliser les données relationnelles et d'investissement accumulées par les sociétés d'investissement avec une IA générative telle que ChatGPT.
À terme, le rôle du CRM évolue d'un simple système d'enregistrement à une plateforme de données que l'IA peut exploiter.
L'ère où l'IA crée des rapports LP
Des changements apparaissent également dans le domaine de la gestion de portefeuille.
Visible, une plateforme américaine, en est un exemple représentatif. Devenue une solution de suivi de portefeuille et de reporting aux investisseurs pour les fonds de capital-risque, elle est aujourd'hui utilisée par des centaines de sociétés de capital-risque pour la gestion de leurs portefeuilles et leurs rapports aux investisseurs.
La gestion post-investissement pour les sociétés de capital-risque est plus complexe qu'on ne le pense. Même après l'investissement, elles doivent suivre en continu, chaque mois ou chaque trimestre, le chiffre d'affaires, le nombre d'utilisateurs, la trésorerie disponible, les effectifs et l'obtention de nouveaux investissements des entreprises de leur portefeuille. De plus, elles doivent organiser ces informations et les communiquer régulièrement aux commanditaires.
Le problème réside dans le volume important de tâches répétitives que ce processus implique. Il s'agit de collecter les données des sociétés du portefeuille, de les saisir dans Excel, de les vérifier, puis de créer des graphiques et des tableaux pour les organiser dans un rapport.
Visible s'est concentré sur l'automatisation de ces processus au sein de sa plateforme. Récemment, grâce à l'amélioration de ses capacités d'IA, l'entreprise a étendu ses fonctionnalités au-delà de la simple collecte de données pour prendre en charge l'analyse des indicateurs clés de performance (KPI), la détection des anomalies et la génération de rapports. Par exemple, l'IA peut générer automatiquement des analyses telles que : « Le taux de croissance moyen du chiffre d'affaires des sociétés du portefeuille a augmenté de 15 % ce trimestre par rapport au trimestre précédent, et certaines sociétés nécessitent un suivi renforcé en raison d'une diminution rapide de leur trésorerie. »
Cela a une importance qui dépasse la simple question de l'efficacité commerciale. En effet, la manière même dont les investisseurs en capital-risque perçoivent les données évolue d'une approche centrée sur la « collecte » vers une approche centrée sur « l'interprétation ».
Carta, qui devient le système d'exploitation (OS) d'une société d'investissement
Carta, l'une des plateformes les plus influentes de l'écosystème du capital-risque américain, évolue également dans une direction similaire.
Carta a initialement débuté comme un service de gestion de tableaux de capitalisation. Il s'agissait d'une solution pour gérer la structure actionnariale et les variations de participation des startups. Cependant, la plateforme s'est depuis étendue à l'ensemble des fonctionnalités, offrant administration de fonds, analyse de portefeuille, gestion des commanditaires et analyse de la performance.
Le secteur considère également Carta non seulement comme un éditeur de logiciels, mais aussi comme une entreprise d'infrastructure pour le marché des capitaux privés.
Récemment, Carta s'est présentée comme un « ERP pour le capital-investissement ». Cela signifie que, tandis qu'un ERP (Enterprise Resource Planning) est un système qui gère l'ensemble des opérations d'une entreprise, Carta vise à être une plateforme qui gère l'ensemble des opérations des sociétés d'investissement.
Grâce à l'intégration des capacités de l'IA, les sociétés d'investissement sont désormais en mesure d'effectuer plus rapidement des analyses de performance des fonds, d'évaluer l'état des investissements et de réaliser des analyses comparatives de portefeuilles.
En fin de compte, dans la Silicon Valley, la concurrence ne porte pas seulement sur les solutions de gestion des investissements, mais plutôt sur « qui deviendra le système d'exploitation (OS) des sociétés d'investissement ».
Des changements commencent en Corée, « Fiche d'information MCP »
Le marché national des investissements en capital-risque a également commencé à afficher une tendance similaire.
Jusqu'à présent, les secteurs du capital-risque et des accélérateurs en Chine s'appuyaient fortement sur les systèmes de gestion d'investissements, Excel et la rédaction manuelle de rapports. Les données d'investissement sont dispersées dans divers systèmes et la rédaction des rapports repose souvent sur l'expérience et le travail manuel du personnel en charge. Cependant, avec la diffusion de l'intelligence artificielle générative, des initiatives émergent pour connecter les données d'investissement à l'IA.
Récemment, Asflow a introduit « Factsheet MCP », qui applique le protocole de contexte de modèle (MCP) à sa plateforme de gestion de données d'investissement, Factsheet.
Il s'agit d'une méthode dans laquelle, lorsqu'un utilisateur saisit une invite en langage naturel telle que « Rédiger le rapport semestriel du fonds OO LP », « Analyse des performances de la société d'investissement au cours des 3 dernières années » ou « Résumé de la situation des sociétés du portefeuille », le système combine les données du fonds et les informations du portefeuille pour générer les données nécessaires.
Il ne s'agit pas simplement d'une fonctionnalité obtenue par l'ajout d'un chatbot. L'important est la mise en place d'une structure permettant à l'IA de comprendre et d'exploiter les données détenues par la société d'investissement. En définitive, la performance de l'IA dépend souvent des données auxquelles elle peut se connecter, plutôt que du modèle lui-même.
Cela peut être interprété comme un signal indiquant que la tendance « plateforme de données + agent IA », que le marché SaaS (logiciel en tant que service) du capital-risque de la Silicon Valley connaît déjà, a commencé à s'intégrer sérieusement à l'écosystème d'investissement national.
Le défi qui subsiste concerne la sécurité et la confidentialité des données d'investissement sensibles.
Le point sur lequel le secteur du capital-risque adopte l'approche la plus conservatrice quant à l'adoption des agents d'IA concerne la sécurité des données.
Les informations traitées par les sociétés de capital-risque consistent principalement en des données exigeant un haut degré de confidentialité, telles que les technologies non divulguées des startups, leurs valorisations, leurs tableaux de capitalisation et leur situation financière détaillée. Étant donné que la plupart des informations échangées lors de l'analyse des investissements ne sont pas publiques, la sécurité est une valeur fondamentale du secteur de l'investissement.
Au départ, l'intégration directe de données aussi sensibles dans des modèles d'IA génératifs publics suscitait de vives inquiétudes, craignant des fuites d'informations ou une utilisation non autorisée pour l'entraînement de ces modèles. Même si l'IA pouvait générer d'excellents rapports d'analyse, il était difficile d'accepter les risques de sécurité dans le secteur de l'investissement, où les accords de confidentialité stricts sont essentiels.
C’est pourquoi les entreprises SaaS de capital-risque internationales s’attachent à bâtir une nouvelle architecture de sécurité, au-delà du simple ajout de fonctionnalités d’IA. Cette approche consiste à adopter par défaut une politique d’isolation des données, qui n’utilise pas les données clients pour l’entraînement des modèles d’IA, et à appliquer le contrôle d’accès basé sur les rôles (RBAC) de manière égale aux agents d’IA.
C’est également la raison pour laquelle la technologie MCP susmentionnée attire l’attention.
En effet, plutôt que d'ouvrir sans discernement la base de données interne d'une société d'investissement à une IA généraliste, cette approche permet à l'IA de consulter uniquement les données autorisées, dans un environnement contrôlé et soumis à des politiques de sécurité strictes. Autrement dit, il s'agit d'une structure qui aide les sociétés d'investissement à garder la maîtrise de leurs données tout en élargissant le champ d'application de l'IA.
En fin de compte, le succès ou l'échec de l'adoption de l'IA dans le secteur de l'investissement de demain dépendra très probablement non pas de « l'intelligence de l'IA », mais de « sa capacité à gérer en toute sécurité les données d'investissement sensibles ».
L'IA remplacera-t-elle alors les analystes financiers ? Actuellement, le consensus dans le secteur est que non. L'évaluation du leadership d'un fondateur, l'interprétation des fluctuations du marché et l'appréciation des capacités d'exécution d'une équipe restent du ressort de l'humain. En effet, les décisions d'investissement reposent sur de nombreux facteurs qui ne peuvent être expliqués par les seuls chiffres.
Cependant, l'IA peut redonner du temps aux investisseurs. Elle peut désormais prendre en charge une part importante des tâches répétitives liées à l'élaboration des rapports destinés aux commanditaires, comme la collecte de données provenant de différents systèmes, l'organisation des documents d'analyse des investissements et la compilation des états de portefeuille. C'est pourquoi les sociétés de capital-risque de la Silicon Valley adoptent activement l'IA.
L'idée est que l'IA ne remplace pas les décisions d'investissement, mais permet aux investisseurs de consacrer davantage de temps à leur élaboration. L'essence même du capital-risque réside toujours dans la compréhension des personnes et des entreprises. Toutefois, il est fort probable que l'IA prenne de plus en plus en charge les tâches d'organisation, d'analyse et de reporting des données nécessaires à ce processus. Cette transition s'amorce déjà en Corée.
Sources et références de l'article
- Site officiel d'Affinity : https://www.affinity.co
- Intelligence artificielle Affinity : https://www.affinity.co/product/artificial-intelligence
- Site officiel de Visible : https://visible.vc
- Suivi de portefeuille visible : https://visible.vc/monitor
- Rapports aux investisseurs de Visible : https://visible.vc/investor-updates
- Site officiel de Carta : https://carta.com
- Carta Venture Capital : https://carta.com/venture-capital
- Gestion des fonds Carta : https://carta.com/fund-administration
- Fiche d'information MCP : https://factsheet.kr/ai-mcp
※ Les présentations de services et les descriptions de fonctionnalités utilisées dans cet article ont été rédigées à partir du site Web officiel et des documents de présentation des produits de chaque entreprise.