투자 실사/스타트업 평가 프레임워크 (Reasoning-Based AI for Startup Evaluation (R.A.I.S.E.))

유형: 논문 · 저자: Fuat Alican, Joseph Ternasky, Jack Preuveneers · 출처: University of Oxford · 별점: ⭐️⭐️

R.A.I.S.E. (Reasoning-Based AI for Startup Evaluation)

• LLM 기반 추론(logic)과 해석 가능성(interpretable rules)을 결합한 스타트업 성공 예측 프레임워크
• 체인 오브 사고(chain-of-thought) + 규칙 추출(rule extraction) + 메모리 및 강화 학습 기반 리파인먼트
• 단순 확률(랜덤) 대비 2배 이상 정밀도 향상

전제 1 — 데이터 특성

• 창업자 개인·기업 설명·결과 라벨(success/failure) 등 텍스트 기반 입력
• 다른 정량 지표(재무, 트랙션 수치 등)가 주어져도 텍스트 특징 통합 형태로 처리 가능

전제 2 — 모델 요구

• 자동화된 체인 오브 사고 생성 및 규칙 추출 파이프라인
• 반복 리파인먼트 및 메모리 저장/활용 (persistent memory) 구현

전제 3 — 의사결정 목표

• 해석 가능성 및 전문가

• 1단계 AI가 창업자·스타트업 설명 → “왜 성공할 것 같은지 / 왜 위험한지”를 추출

• 2단계 “이럴 경우 성공 확률이 높다” 같은 규칙으로 정리

• 3단계 다음 스타트업을 볼 때 이 규칙들을 참고해서 다시 판단