STUDIE | Att vässa urvalet av innovationsprojekt kan ge oväntade bakslag

Att välja vilka innovationsprojekt som ska få stöd är en av acceleratorers viktigaste – och svåraste – uppgifter. Det handlar inte bara om att hitta vinnarna, utan också om att undvika de dyra misstagen.

I en studie, baserad på 3 580 ansökningar och 126 intervjuer, följde forskare en accelerator som under flera år försökt förbättra sin urvalsprocess. De införde fler bedömningssteg, lade större vikt vid entreprenörens meriter och byggde in en förhandsgranskning av ansökningarna. Målet var tydligt: högre kvalitet på ansökningarna och färre felbeslut. Och ja – ansökningarna blev bättre. Men besluten blev inte det.

Sämre bedömningar med skärpt urval 

Ett av studiens främsta resultat är att den mest rigorösa urvalsmodellen – den med högst trösklar, hårdast screening och störst fokus på track record – ledde till fler felaktiga beslut, inte färre. Forskarna identifierar två förklaringar:

1. Övertro på tidigare meriter
Bedömare började luta sig tungt på entreprenörens tidigare framgångar. Problemet? Tidiga framgångar visade sig delvis vara slumpmässiga. Det gjorde att lovande nykomlingar sorterades bort, medan vissa mer etablerade entreprenörer fick för stort förtroende.

2. Ett tuffare system förändrar vilka som söker
När processen blev hårdare hände två saker:

• Erfarna team skickade in mer halvhjärtade projekt – de använde acceleratorn för sidospår snarare än satsningar de verkligen trodde på.
• Nya entreprenörer med bra idéer valde att inte söka, eftersom de trodde att de inte skulle kunna konkurrera med ”stjärnorna”.

Resultatet blev en ansökningstratt där kvaliteten ökade på pappret – men där beslutsunderlaget faktiskt blev svårare att tolka.

Tre lärdomar för acceleratorer

Studien visar att urvalsprocesser är mer svåra än man kan tro. Här är tre rekommendationer från studien för acceleratorer som vill utveckla sin urvalsprocess:

• Var försiktig med att övervärdera tidigare framgångar. De är inte en garanti för framtida resultat.
  
• Tänk på att förändringar i urvalet påverkar vilka som söker. Ett för hårt filter kan skrämma bort lovande nykomlingar, samtidigt som erfarna team skickar in projekt de inte satsat fullt på.
  
• Inför förändringar stegvis och följ upp effekterna noggrant. Acceleratorn i studien ändrade flera saker samtidigt – bedömningssteg, kriterier, screening. Det gjorde det svårt att se vilken effekt varje justering hade.
  
  
  

Mer om studien och författarna
Artikeln Selection Regimes and Selection Errors är publicerad i den vetenskapliga tidskriften Organization Science. Författare är Dmitry Sharapov, Imperial College Business School, Storbritannien och Linus Dahlander vid ESMT Berlin, Tyskland.