# 자본과 분화의 이해: 창업자가 정보와 불확실성을 선택해야하는 이유 Venture Capital, Difference, [[Différance]] 창업가적 약속 구조: 정밀도가 혁신을 가두고 전략적 허위표현을 수학적으로 불가피하게 만드는 방법 Andrew's [bayesian cringe](https://0599faed.streaklinks.com/CkXn8SuvL8MYzZrwSQtSvU0t/https%3A%2F%2Fstatmodeling.stat.columbia.edu%2F2021%2F09%2F15%2Fthe-bayesian-cringe%2F) "stability is a goal in itself" affected my motto, ergodic life. -  [The entrepreneur community's reaction](https://0599faed.streaklinks.com/CkXn8SqHBxrRMcc14gHPRIc1/https%3A%2F%2Fnews.ycombinator.com%2Fitem%3Fid%3D39832071) to bayesian cringe idea. I'm trying to understand why sk11001 found this nonspecific as opposed to uoaei and me. **-------** I'm strengthening introduction around three aha contributions: **!***1. financing entrepreneur's experiment is NOT scientific measurement, but on constructing shared meaning** *2. entrepreneur's** **success** **should NOT be evaluated on selling, but on how well the probability distribution of promise sold & delivered mathes that with  promise prior** ***3. uncertainty doesn't always increase entropy. entrepreneur can sponge in order from future environment better by making distributional promises** **-------** **!*1 casts an entrepreneur more as an agent acculturating collaboration, instead of a scientific agent experimenting with nature. This departs from the central entrepreneurial finance paper attached [1], where we have a double principal-agent problem: first between investor and entrepreneur, second between entrepreneur and one's statistical tool.   Culture is not natural, which reminds me of the Hawthorne experiment and [Heisenberg effect in business](https://0599faed.streaklinks.com/CkXn8Su__3LzTmB6RAFXh_qk/https%3A%2F%2Fpapers.ssrn.com%2Fsol3%2Fpapers.cfm%3Fabstract_id%3D3581255) [2]. Jay Barney, known for resource-based view and author of the Heisenberg paper, HIGH skepticism about current empirical research direction where econometric tools like _IV and diff-diff_ create rigor fantasy. When I shared Jeff's paper attached explaining how hierarchical Bayesian models captures essential heterogeneity, Jay appreciated it. Two takeaways from the paper: 1. IV’s exclusion restriction cannot hold if we assume rational agents who use full private information 2. using hierarchical bayesian, Jeff and Jay refuted previous literature that diversification increases valuation. they showed both diversifying/non-diversifying firms benefited from their own action (Mackey et al., 2017 [3]) # "fake it till you make it" with point vs distributional promise 🏎️Tesla's Fake it  → Learn it → Make it : "over 200 miles" → learn the quality of one's sellability and deliverability  → reach 265 miles 🚙 Better Place's Fake it  → Believe it → Break it : "infinite miles, 3min change" → self-hypnosis → Bankrupt ---- [[09-06|25-09-05]] ## 1. 서론 ## 1.1 문제 제기: 불확실성은 제약인가, 선택인가? 매년 벤처캐피탈은 아직 검증할 수 없는 창업가적 약속에 기반해 전 세계적으로 3,000억 달러 이상을 투자한다. 실패율은 90%를 넘으며, 사후 분석은 대개 실행 문제, 시장 타이밍, 창업자 무능을 실패 원인으로 지목한다. 본 논문은 더 근본적인 원인을 제시한다: **실패한 벤처는 불확실성을 관리해야 할 제약으로 보았고, 성공한 벤처는 불확실성을 설계할 수 있는 선택으로 보았다.** 이는 기존 문헌의 핵심 가정을 뒤집는다. Phan과 Chambers(2018)는 "managing uncertainty"를, Gans(2015)는 "optimizing under unknown unknowns"를 논한다. 두 접근 모두 불확실성을 외생적 제약으로 본다—최소화하거나 최적화해야 할 문제로. 우리는 이 제약을 완화한다: **불확실성, 구체적으로 약속의 정밀도 τ는 창업가가 선택하는 설계 매개변수다.** 2010년의 두 전기차 벤처가 이 차이를 극명히 보여준다. Tesla는 "대략 200마일"의 주행거리를 약속했다. Better Place는 "정확히 3분"의 배터리 교체를 보장했다. 5년 후, Tesla는 처음 상상하지 못한 시장—에너지 저장, 태양광, 그리드 서비스—으로 진화했다. Better Place는 8억 5천만 달러를 태우고 파산했다. 두 회사 모두 뛰어난 창업자와 풍부한 자원을 가졌다. 결정적 차이는 **Tesla는 "대략"이 전략적 선택임을 알았고, Better Place는 "정확히"가 기술적 필연이라 믿었다는 것이다.** Tesla에게 낮은 정밀도(τ≈5)는 미래 적응을 위해 의도적으로 보존한 자원이었다. Better Place에게 높은 정밀도(τ≈60)는 기술적 우수성의 증거였다. 이 차이는 우연이 아니다. 우리는 약속을 Beta(μτ, (1-μ)τ) 분포로 모델링하여, τ가 단순한 의사소통 선택이 아님을 보여준다. **τ는 벤처의 학습 능력을 수학적으로 결정한다**: 분산 σ² = μ(1-μ)/(τ+1)이 0.02 아래로 떨어지면, 베이지안 업데이트가 사실상 불가능해진다. τ > μ(1-μ)/ε일 때, 창업가는 두 가지 선택만 가능하다—벤처를 포기하거나, 진실을 왜곡하거나. --- ## 1.2 핵심 통찰: 선택으로서의 불확실성 본 논문의 핵심 기여는 단순하지만 급진적이다: **불확실성은 제거할 문제가 아니라 설계할 자원이다.** 이는 세 수준에서 기존 이론을 재구성한다: ### 이론적 수준: 제약 완화 - **기존**: 불확실성 하에서 최적화 (constrained optimization under uncertainty) - **우리**: 불확실성을 매개변수로 최적화 (optimizing uncertainty as parameter) - **함의**: March의 탐색-활용 딜레마가 τ 선택 문제로 변환됨 ### 실증적 수준: 성공과 실패의 재해석 - **Theranos** (τ≈95): "정확히 4시간, 200개 검사"는 기술적 약속이 아니라 무지의 선택 - **Nikola** (τ≈100): "정확히 1,000마일"은 과도한 자신감이 아니라 τ를 선택으로 인식하지 못한 결과 - **Tesla** (τ≈5→30): 단계적 τ 증가는 행운이 아니라 의도적 설계 ### 실무적 수준: 투자 단계별 τ 관리 ``` Pre-seed: τ < 5 ("무언가 혁신적인") Seed: τ ≈ 10 ("의료 AI") Series A: τ ≈ 30 ("진단 정확도 30% 개선") Series B: τ ≈ 50 ("FDA 승인 후 3개 병원") ``` 각 단계는 τ를 증가시키지만, **이것이 선택임을 아는 창업가만이 속도를 조절할 수 있다.** --- ## 1.3 약속의 약속: 선택을 모를 때의 함정 τ를 선택으로 인식하지 못하면 "약속의 약속"이라는 함정에 빠진다. Lauren Berlant의 "Exchange Value" 형제들처럼, 창업가는 초기 약속(1차)이 투자 조건(2차)으로, 다시 IPO 기대(3차)로 증폭되는 것을 막을 수 없게 된다. Better Place가 정확히 이 함정에 빠졌다: 1. **기술적 약속** (2007): "3분 배터리 교체"—기술적 우수성으로 인식 2. **투자 약속** (2008): 10억 달러 조달—"세계 최초 조 달러 기업" 3. **시장 약속** (2010): "2015년까지 이스라엘 휘발유 차 판매 종료" 각 단계에서 Shai Agassi는 정밀도 증가가 필연이라 믿었다. 실제로는 매번 선택의 순간이었다. 이 무지가 "Shai math"—자기기만의 수학—을 만들었고, 궁극적으로 붕괴로 이어졌다. 반면 Tesla의 Elon Musk는 각 약속이 선택임을 보여준다: - Model S: "대략 200마일" → 실제 265마일 - Model 3: "3만 5천 달러 정도" → 생산 규모에 따라 조정 - 자율주행: "레벨" 시스템으로 단계적 정밀도 증가 **차이는 능력이 아니라 인식이다.** τ가 선택임을 아는 것과 모르는 것의 차이다. --- ## 1.4 이론적 기여와 구조 본 논문은 기존 이론의 제약을 완화하여 놀라운 통찰을 제공한다: ### 기여 1: 불확실성의 내생화 불확실성을 외생적 제약에서 내생적 선택으로 전환. 이는 Knightian uncertainty와 risk의 구분을 무너뜨린다—둘 다 τ 선택의 결과다. ### 기여 2: 사기의 구조적 이론 τ > μ(1-μ)/ε일 때 정직한 업데이트가 수학적으로 불가능함을 증명. 사기는 도덕적 실패가 아니라 τ를 선택으로 인식하지 못한 구조적 결과다. ### 기여 3: 동적 τ 관리 프로토콜 투자 단계별 최적 τ 경로 도출. 창업가와 투자자를 위한 계산 가능한 가이드라인 제공. ### 기여 4: Cruel Optimism의 수학화 Berlant의 문학적 개념을 수학적으로 정식화. 성공을 위한 약속(높은 τ)이 성공을 불가능하게 만드는 메커니즘 규명. 논문 구성: - 2절: Beta 분포 모델과 학습 불가능성 정리 - 3절: 비교정태—τ 선택이 벤처 궤적에 미치는 영향 - 4절: 실증 분석—Theranos, Nikola, Tesla의 τ 진화 - 5절: 실무 함의—동적 τ 관리 프로토콜 - 6절: 결론—불확실성 설계의 미래 **우리의 메시지는 단순하다: 불확실성을 두려워하지 말고 설계하라. 그것은 제약이 아니라 선택이다.**