// failure intelligence · cómo funciona
El único sistema que empareja un deal con patrones de fracaso documentados — con precisión verificada.
Cruzado contra 5032 autopsias documentadas, curadas editorialmente. 85.9% de precisión Top-3 emparejando causas (76.4% causa primaria) · el mayor dataset curado de fracasos. Señala riesgos estructurales que merece investigar — no predice el destino de ninguna empresa concreta. CB Insights y PitchBook no publican precisión de emparejado de causa porque mapean desenlaces, no precedente estructural.
// calidad de datos
Qué significa "revisado editorialmente".
Cada caso de la base de datos pasa una revisión estructurada antes de publicarse. Los criterios son los mismos independientemente del sector, geografía o tamaño de financiación.
La empresa debe haber cesado operaciones de forma demostrable, sido liquidada, declarado quiebra o adquirida bajo presión. Los pivotes y rebrands están excluidos.
La causa principal del fracaso debe ser identificable desde documentación pública — post-mortems de fundadores, registros regulatorios, cobertura de prensa, registros judiciales o declaraciones de inversores. Si la causa no puede sustentarse, se deja sin asignar.
Los hitos clave —fundación, pico, primeras señales de alerta, cierre— deben ser reconstruibles desde al menos dos fuentes independientes. Los meses de supervivencia se calculan a partir de estas fechas, no se estiman.
Los campos analíticos —estilo de colapso, hype cycle, tipo de moat, fatal mistake, arquetipo— son asignados por un revisor humano, no generados automáticamente. Cada campo es un juicio razonado, no una etiqueta de clasificación de un modelo.
Los casos que no cumplen los cuatro criterios se excluyen completamente o se publican con la marca "no verificado". La separación verificado/no verificado se refleja en las métricas de precisión — el backtesting siempre se ejecuta exclusivamente sobre casos verificados.
// métricas de precisión
Evaluación de precisión del modelo.
Validación cruzada estratificada en 5 pliegues sobre el corpus editorial completo. Cada caso verificado se evalúa exactamente una vez. n=5.032. El backtesting se ejecuta exclusivamente sobre casos editoriales verificados.
| Métrica | Precisión | n | CI |
|---|---|---|---|
| Top-3 (primaria o secundaria) | 85.9% | 5.032 | ±1.2pp |
| Top-3 (solo causa primaria) | 76.4% | 5.032 | ±1.2pp |
| Versión | Top-3 | Dataset | Nota |
|---|---|---|---|
| V2 | 60.0% | ~1.500 | Baseline |
| V5 | 80.4% | 5.471 | Fatal mistake añadida |
| V6 | 61.9% | 16.112 | Dataset ×3 — caída por reentrenamiento |
| V9 | 86.1%† | 17.044 | Solo métrica multi-etiqueta† |
| V12 (actual) | 76.4% / 85.9%* | 5032 | NB ensemble (α=0.8) + recuperación v8 |
* V12: 76.4% solo causa primaria / 85.9% causa primaria o secundaria. Validación cruzada estratificada 5-fold, n=5.032. NB ensemble (α=0,8) mezclado con recuperación estructural v8 (α=0,2). Versiones intermedias (V3, V4, V7, V8, V10, V11) no listadas. † V9: solo métrica multi-etiqueta (causa primaria o secundaria). V6: dataset triplicado (5k→16k) con datos externos; reentrenamiento desde corpus más amplio redujo precisión temporalmente.
// pipeline del modelo
Cinco pasos del análisis de riesgo.
Cada análisis ejecuta el mismo pipeline determinista. Cada puntuación es trazable a señales concretas.
Los parámetros exactos, funciones de bonus y valores de ajuste bayesiano son propietarios y no se publican. El pipeline es auditable — cada puntuación es trazable a señales concretas.
// señales del modelo
Las seis señales que más distinguen los fracasos.
Pesos aproximados basados en backtesting. Un perfil admite hasta 15 campos de entrada; el modelo los condensa en 12 señales ponderadas de score.
Filtro primario del pool. Mayor poder de discriminación. Anchor del modelo.
Match exacto o regional. Captura contexto regulatorio y macroeconómico.
El campo que más distingue los fracasos en los datos: +14.8% de precisión cuando está presente.
+9.3% — el perfil del fundador correlaciona fuerte con el tipo de colapso en los datos.
Ciclo de mercado en el momento de fundación. Neutraliza penalizaciones temporales.
Nuevo en V5. Matching exacto y por similitud textual del error fatal principal. Incluye sub-clasificación de unit economics (burn rate, CAC/LTV, compresión de margen).
Los pesos exactos y parámetros internos del modelo son propietarios.
// cómo interpretar los resultados
Qué significan los números que ves.
El output no es una nota. Cada número tiene un significado técnico preciso que determina cómo usarlo.
Un score de 72/100 significa que la startup comparte el 72% de los patrones estructurales con las empresas que fracasaron en ese pool, no que tiene un 72% de probabilidad de fracasar. El modelo identifica similitud, no destino.
Similitud estructuralEl modelo identifica la causa primaria de fracaso en el Top-3 en el 76.4% de los análisis (85.9% cuando la causa secundaria también cuenta). Las causas de colapso se solapan — si la causa que sospechas aparece en el Top-3, la señal es fuerte.
n=5.032Score ≥ 65: match fuerte, revisa la autopsia en detalle. Score 40–64: moderado, hay patrones relevantes pero también diferencias estructurales. Score 30–39: débil, pool pequeño, tratar con cautela. Mayor cercanía = más peso en ese timeline de colapso.
Umbral mínimo: 30// preguntas frecuentes
Preguntas frecuentes.
Las preguntas que más recibimos de inversores y analistas antes de empezar a usar la plataforma.
// EMPEZAR
¿Alguna startup de tu portfolio sigue estos patrones?
1 risk match gratis, sin tarjeta — en 30 segundos. La plataforma completa (memos IC, deal scouting, señales de portfolio) incluye prueba de 7 días.