A vulnerabilidade inicial representa as dificuldades que as empresas nascentes sofrem devido a fatores internos e externos. Nesse sentido, Incubadoras de Empresas representam políticas públicas que apoiam os empreendimentos nascentes mitigando os impactos da vulnerabilidade inicial. Entretanto, após a incubação, algumas empresas não conseguem sobreviver aos desafios de um mercado dinâmico e altamente competitivo, configurando um contexto especial para se estudar a vulnerabilidade “inicial”. Aspectos contingenciais como satisfação com a incubadora, tamanho e inovação tecnológica são importantes fatores para a sobrevivência desses empreendimentos que contaram com o apoio de incubadoras. Dentre os fatores que contribuem para superar a vulnerabilidade inicial, a literatura identifica a legitimidade, os recursos e as capacidades dinâmicas. O objetivo deste artigo é identificar as técnicas de aprendizagem de manuseio de máquinas robustas para prever a sobrevivência de empresas graduadas a partir de seus aspectos contingenciais e da legitimidade, capacidades dinâmicas e recursos. Empregou-se a estratégia de estudo de casos múltiplos, com 90 empresas graduadas de 15 incubadoras da região sudeste e centro-oeste. Na análise de dados, empregou-se os algoritmos de aprendizagem de máquina que foram implementados em Python. Os resultados mostraram aptidão para encontrar soluções com altos indicadores de acurácia, com destaque para os métodos Gaussian NB e Support Vector Machine. Esta pesquisa apresenta contribuições teóricas ao reforçar o papel da legitimidade para a sobrevivência de novos empreendimentos. Além do mais, o fato de ser uma empresa de base tecnológica, se caracteriza como um fator importante para a sobrevivência, o que reflete em uma contribuição gerencial.
Palavras-chaves: Vulnerabilidade inicial; Pós-incubação; Sobrevivência organizacional; Aprendizagem de máquina.