YC Bench: a Live Benchmark for Forecasting Startup Outperformance in Y Combinator Batches

Each language version is independently generated for its own context, not a direct translation.

Imagina que intentar predecir qué startup tendrá éxito es como intentar adivinar qué bebé se convertirá en un atleta olímpico. El problema es que tienes que esperar 7 o 10 años para ver el resultado final (medallas, récords), y para entonces, ya es demasiado tarde para ayudarles o invertir en ellos. Además, hay muy pocos datos claros durante esos años.

Los autores de este paper, Mostapha Benhenda, han creado una solución ingeniosa llamada YC Bench. Aquí te lo explico con una analogía sencilla:

🏁 El Problema: La Carrera de 10 Años

Normalmente, los inversores tienen que esperar años para saber si una empresa es un "éxito". Es como si te dijeran: "Invierte en este niño, pero no sabrás si será un genio hasta que tenga 15 años". Eso hace muy difícil aprender y mejorar las predicciones.

🚀 La Solución: La "Carrera de 100 Metros" (YC Bench)

Y Combinator (YC) es una famosa "incubadora" de startups. Cada 3 meses, aceptan a unas 200 empresas nuevas. Todas empiezan al mismo tiempo y, solo 3 meses después, tienen un evento llamado "Demo Day" donde muestran sus avances.

Los autores dicen: "¡Esperen! No necesitamos esperar 10 años. Podemos usar estos 3 meses como una prueba rápida".

Han creado un punto de referencia en vivo (un "termómetro" o "marcador de velocidad") para medir quién va ganando antes de que termine la carrera de 3 meses.

📊 ¿Cómo miden el éxito? (El "Pre-Demo Day Score")

Para ver qué empresas van a destacar, crearon una fórmula que combina dos cosas:

La "Fuerza del Motor" (Traction): Si la empresa ya tiene clientes, dinero entrando o usuarios activos, cuenta mucho. Es como ver si un coche ya tiene gasolina y el motor ruge.
La "Fama en Internet" (Attention): Si la empresa aún no tiene muchos datos, miramos cuánta gente habla de ella en Google. Es como ver cuánta gente le da "like" a un perfil de Instagram antes de que sea famoso.

La fórmula mágica: Toman el mejor de los dos resultados. Si tienes mucho dinero (fuerza), ganas puntos. Si tienes mucha fama en Google (atención), también ganas puntos.

🧪 El Experimento: La Clase W26

Usaron la clase de invierno de 2026 (W26) como su laboratorio.

La prueba: Intentaron predecir quiénes serían los mejores 10% de la clase.
El truco: Usaron un dato muy simple: cuántas veces aparecía el nombre de la empresa en Google antes de que se unieran a YC.

🏆 Los Resultados: ¡Funcionó!

Incluso usando solo el dato de "cuántas veces aparecían en Google antes de empezar", lograron predecir muy bien:

De los 11 mejores startups (los que tenían más dinero/clientes), 6 ya estaban en su lista de predicciones.
Esto es como si un entrenador pudiera mirar a los niños en el patio de recreo y decir: "Esos 6 van a ser los mejores atletas", y acertara la mitad de las veces, ¡solo mirando cuánta gente les saludaba antes de entrar al gimnasio!

💡 ¿Por qué es importante esto?

Velocidad: Antes, tenías que esperar años para saber si tu modelo de predicción funcionaba. Ahora, con YC Bench, puedes probarlo y mejorarlo en meses.
Datos reales: Nos enseña que incluso antes de que una startup empiece a facturar, su "fama" en internet (Google) ya nos dice mucho sobre su potencial.
Mejor inversión: Ayuda a los inversores a encontrar las "joyas ocultas" antes de que todo el mundo las descubra en el evento final.

En resumen

YC Bench es como un simulador de vuelo para inversores. En lugar de esperar a que el avión (la startup) llegue a su destino final después de 10 años, les permite ver cómo vuela en los primeros 30 minutos de vuelo para saber si llegará bien. Y lo mejor de todo: ¡es un juego que podemos jugar y mejorar cada 3 meses!

Each language version is independently generated for its own context, not a direct translation.

Resumen Técnico: YC Bench

1. El Problema: La Dificultad de Predecir el Éxito de Startups

La predicción del éxito de las startups es un desafío histórico en la industria debido a la naturaleza de los datos disponibles:

Escasez de etiquetas: Los resultados significativos (salidas exitosas, rondas de financiación grandes, crecimiento sostenido de ingresos) son eventos raros.
Ciclos de evaluación lentos: Estos resultados pueden tardar entre 7 y 10 años en materializarse, lo que impide el desarrollo iterativo rápido de modelos predictivos.
Sesgos y confusión: Los análisis retrospectivos sufren de sesgo de supervivencia y están confundidos por las condiciones del mercado.
Falta de estándares: A diferencia de dominios como la visión por computadora o el procesamiento de lenguaje natural, la predicción de startups carece de benchmarks estandarizados y rápidamente evaluables.

2. Metodología y Diseño del Benchmark

El artículo introduce YC Bench, un "benchmark en vivo" diseñado para predecir el rendimiento temprano dentro de las cohortes (batches) de Y Combinator (YC).

Entorno de Prueba: Se utiliza la cohorte YC W26 (invierno 2026) como estudio de caso, compuesta por 196 startups. La ventaja de este entorno es que todas las startups son financiadas simultáneamente y evaluadas en un punto común ("Demo Day") solo tres meses después, permitiendo mediciones comparables a corto plazo.
Tarea de Predicción: Identificar el top 10% de las startups de la cohorte (las 20 mejores) tal como aparecen el día antes del Demo Day. Seleccionar este grupo es crucial, ya que estas startups generan el 96% de los retornos para los inversores.
Métricas de Evaluación:
- Precision@20: Fracción de las 20 startups predichas que aparecen realmente entre las 20 con mayor puntuación.
- Recall@11: Fracción de las 11 startups de "alta tracción" (cuyos datos se conocen públicamente) recuperadas dentro de las 20 predicciones.

3. La Métrica Central: Pre-Demo Day Score

Para superar la falta de datos de resultados a largo plazo, los autores proponen una métrica proxy observable a corto plazo llamada Pre-Demo Day Score. Esta métrica combina dos señales complementarias mediante una agregación de tipo máximo:

$\text{Score} = \max(S_{\text{traction}}, S_{\text{attention}})$

A. Puntuación de Tracción ( $S_{\text{traction}}$ ):
- Se aplica a startups con datos de rendimiento divulgados (una minoría).
- Utiliza una agregación de "máximo de métricas ponderadas" para ser robusta ante la escasez de reportes.
- Fórmula: $S_{\text{traction}} = \max_{k} (w_k \cdot x_k)$ , donde $x_k$ es el valor de la señal y $w_k$ su peso.
- Señales y Pesos (W26): Ingresos recurrentes (ARR) tienen el peso más alto (1.00), seguidos por usuarios activos (0.40) y pilotos (0.50).
- Multiplicador de Velocidad: Si hay crecimiento mes a mes (MoM), se aplica un multiplicador: $S_{\text{traction}} \cdot (1 + 10 \cdot g_{\text{MoM}})$ . Un crecimiento del 50% multiplica la puntuación por 6.
B. Puntuación de Atención ( $S_{\text{attention}}$ ):
- Se aplica a la mayoría de las startups que no tienen datos de tracción divulgados.
- Se basa en el conteo de menciones en Google para el dominio de la startup durante la ventana de la cohorte.
- Fórmula: $S_{\text{attention}} = w_m \cdot x_m$ , donde $w_m = 0.05$ .
- Justificación: Las menciones de Google ofrecen una cobertura más consistente que otras señales (GitHub, LinkedIn, etc.) en etapas tempranas.

4. Resultados y Línea Base (Baseline)

Los autores establecieron una línea base simple para validar la viabilidad del enfoque:

Línea Base: Conteo de menciones de Google de los dominios de las startups en una ventana de 67 días antes de la fecha límite de solicitud de YC (agosto-octubre 2025).
Rendimiento de la Línea Base:
- Recall@11: Recuperó 6 de 11 startups de alta tracción (55%).
- Precision@20: Identificó correctamente 6 de 20 startups en el top 20 predicho (30%).
- Mejora sobre el azar: Un lift de 2.75x sobre una predicción aleatoria.
Hallazgos Clave:
- El 10% superior de startups captura el 82% de las menciones totales (distribución de ley de potencia con Gini de 0.85).
- La línea base falló principalmente en startups B2B de nicho con poca presencia web pública, lo que sugiere que la señal de visibilidad es fuerte pero no universal.

5. Contribuciones Clave

Nuevo Benchmark en Vivo: YC Bench es, hasta donde se sabe, el primer benchmark que explota explícitamente la estructura de "cohorte" de un acelerador para crear un entorno de evaluación estandarizado y rápido.
Ciclos de Iteración Rápidos: Cambia el ciclo de evaluación de los modelos de años a meses, permitiendo un desarrollo ágil de algoritmos de predicción.
Métrica Proxy Robusta: Introduce el Pre-Demo Day Score como un indicador observable a corto plazo que correlaciona señales de tracción y visibilidad web, actuando como un "endpoint sustituto" válido para el éxito a largo plazo.
Validación Empírica: Demuestra que señales públicas simples (menciones de Google previas a la aplicación) contienen información sustancial para predecir el rendimiento futuro, recuperando más de la mitad de las startups de alto potencial meses antes del evento final.

6. Significado e Impacto

El trabajo de YC Bench tiene implicaciones significativas para la asignación de capital y la investigación en aprendizaje automático:

Para Inversores: Proporciona una herramienta para identificar oportunidades de inversión ("deals") antes de que el mercado masivo las descubra en el Demo Day.
Para la Investigación: Cierra la brecha entre la predicción de startups y otros campos de IA al ofrecer un conjunto de datos y métricas estandarizadas.
Futuro: El benchmark está diseñado para evolucionar, con planes para calibrar los pesos de las señales mediante aprendizaje automático en cohortes históricas y expandir la recolección de datos de tracción.

En conclusión, YC Bench transforma un problema de predicción a largo plazo y de datos escasos en un desafío de aprendizaje supervisado a corto plazo, demostrando que las señales públicas tempranas son predictores poderosos del éxito en el ecosistema de startups.