Apple COMPRÓ su empresa y luego FUNDARON una STARTUP | #404 — vídeo y transcripción

[00:00] Nosotros  que  vivimos  la  un  poco  la  ola
[00:01] 
[00:01] desde  desde  el  principio,  yo  creo  que
[00:03] 
[00:03] estábamos  justo  detrás  y  entonces
[00:04] 
[00:04] nosotros  pues  hacíamos  eso,  comprábamos
[00:06] 
[00:07] tarjetas  de  Nvidia  de  gaming
[00:09] 
[00:09] comerciales,  las  montábamos  en,  no  lo
[00:11] 
[00:11] [música]  voy  a  decir  rax  porque  me  da
[00:12] 
[00:12] vergüenza,  era  un  torres,  torres  de  PC,
[00:15] 
[00:16] como  podéis  ventiladores  qué  empresas  os
[00:18] 
[00:18] hicieron  oferta,  Twitter,  Google  y
[00:20] 
[00:20] Apple.  ¿Cómo  es  la  vida  trabajando  en
[00:22] 
[00:22] Apple?
[00:22] 
[00:22] Empezamos  a  trabajar  con  los  medios  de
[00:23] 
[00:23] noticias.  nos  [música]  dimos  cuenta  que
[00:24] 
[00:24] tenían  un  problema,  que  es  que  ellos
[00:26] 
[00:26] tenían  un  catálogo  gigante  de
[00:28] 
[00:28] información  de  radio,  de  vídeo,  de
[00:30] 
[00:30] texto,  de  [música]  tal,  que  no  había
[00:31] 
[00:31] quien  lo  procesara.  Pues  al  final  Cala
[00:33] 
[00:34] es  eh  un  repositorio  de  todo  el
[00:36] 
[00:36] conocimiento  verificado  y  chequeado  del
[00:38] 
[00:38] mundo  para  que  los  agentes  o  las
[00:41] 
[00:41] personas  puedan  conectarse  a  él.  No
[00:43] 
[00:43] queremos  que  haya  una  verdad  única.  Pues
[00:44] 
[00:44] eso,  2024,  pues  eso,  Googles  anunciando
[00:47] 
[00:47] eh  plantas  nucleares,  modelos  cada  vez
[00:49] 
[00:49] más  grandes.  Eá  competición  entre  Open
[00:51] 
[00:51] AI,  Google,  meta,  Mistral  para  ver  quién
[00:54] 
[00:54] pone  modelos  más  grandes.  Entonces,
[00:55] 
[00:55] nosotros  un  poco  no  compartimos  esa  idea
[00:57] 
[00:57] del  campo  de  la  IA  y  vemos  que  por  un
[00:59] 
[00:59] lado  ahí  hay  un  impacto  climático
[01:01] 
[01:01] potencial  y  por  otro  lado,  por  la  parte
[01:02] 
[01:02] más  social  que  toda  la  desinformación
[01:06] 
[01:06] eh  está  en  auge  también  gracias  o  por
[01:08] 
[01:08] culpa  de  también  un  poco  toda  esta  parte
[01:09] 
[01:09] de  la  IA.
[01:10] 
[01:10] ¿Cuánto  llegáis  a  facturar?  No  podéis
[01:11] 
[01:11] decirlo  porque  aquí  entra  el  misterio
[01:13] 
[01:13] que  ahora  nos  acompañará,  que  es  el
[01:15] 
[01:15] amigo  Apple,  ¿vale?  Yo  he  leído  9.7
[01:18] 
[01:18] millones  de  dólares,  creo  que  era,  de
[01:19] 
[01:20] facturación  anual  en  el  momento  de  la
[01:21] 
[01:21] venta.
[01:24] 
[01:24] [música]
[01:24] 
[01:24] Bienvenido  a  las  historias  de  startups
[01:27] 
[01:27] de  INIC.
[01:30] 
[01:30] Bienvenidos  una  semana  más  al  podcast  de
[01:32] 
[01:32] Idnic.  Hoy  estamos  con  Elisenda  Bow
[01:34] 
[01:34] Balus,  cofundadora  y  CEO  de  Cala.
[01:37] 
[01:37] Correcto.
[01:38] 
[01:38] Anteriormente  de  Billings  y  Apple  que  ya
[01:40] 
[01:40] te  preguntaremos.  Y  también  tenemos  con
[01:42] 
[01:42] nosotros  a  ISI  Masud  Mora,  cofundador  y
[01:45] 
[01:45] CTO  de  Cala
[01:46] 
[01:46] y  también  anteriormente  del  equipo  de
[01:48] 
[01:48] Billings  y  Apple.
[01:49] 
[01:49] Exacto.
[01:50] 
[01:50] Muy  bien.  Pues,  oye,  Elisenda,  quiero
[01:51] 
[01:51] empezar  por  ti.  Contadnos  de  dónde  nace
[01:56] 
[01:56] Billings  y  de  dónde  sale  esto.
[01:59] 
[01:59] ¡Uf!  Vale,  a  ver,  eh,  Billings,  bueno,
[02:02] 
[02:02] primero  voy  de  donde  salgo  yo  y  que  a  lo
[02:04] 
[02:04] mejor  así  es  más  fácil.
[02:07] 
[02:07] Yo  estudié  ingeniería  de  telecos  aquí  en
[02:09] 
[02:09] Barcelona  y  luego  me  especialicé  en  en
[02:12] 
[02:12] arquitecturas  para  satélites
[02:14] 
[02:14] fraccionados  o  constelaciones  de
[02:15] 
[02:15] satélites.  Es  decir,  cuando  tú  lanzas
[02:18] 
[02:18] 1000  satélites,  2000,  ¿cómo  se  coordinan
[02:20] 
[02:20] entre  ellos?  ¿Quién  decide  qué  qué
[02:22] 
[02:22] tareas  hacer?  No,  una  cosa  es  cuando
[02:24] 
[02:24] tienes  un  satélite  monolítico,  que  a  lo
[02:25] 
[02:25] mejor  es  muy  no  muy  fácil,  pero  es  más
[02:29] 
[02:29] sencillo  de  organizar  porque  le  puedes
[02:30] 
[02:30] poner  como  los  comandos  de  ese  día,  ¿no?
[02:32] 
[02:33] Eh,  cuando  tienes  una  constelación,
[02:35] 
[02:35] bueno,  la  cosa  tiene  que  adaptarse.
[02:36] 
[02:36] Entonces,  yo  me  especialicé  un  poco  en
[02:37] 
[02:37] la  parte  de  eh  inteligencia  artificial
[02:40] 
[02:40] aplicada  a  constelaciones  de  satélites
[02:42] 
[02:42] a  nivel  académico.
[02:43] 
[02:43] A  nivel  académico,  sí.  en  mi  en  mi
[02:45] 
[02:45] doctorado  trabajé  en  eso  y  en
[02:46] 
[02:46] transmisión  inalámbrica  de  energía  que
[02:47] 
[02:47] es  otra  otro  skin  en  el  blink
[02:49] 
[02:49] technologies  para  para  satélites.
[02:51] 
[02:51] Entonces  yo  venía  de  ese  mundo  y  yo
[02:52] 
[02:52] pensab
[02:53] 
[02:53] estar  haciendo  research  en  la  UPC  aquí
[02:54] 
[02:54] en  Barcelona.
[02:55] 
[02:55] Sí,  aquí  en  Barcelona.  Y  bueno,  yo  la
[02:57] 
[02:57] hacía  mi  mi  doctorado  fue  en
[02:58] 
[02:58] colaboración  pues  con  un  proyecto  de
[03:00] 
[03:00] NASA,  con  el  Instituto  de  Maryland,  con
[03:03] 
[03:03] el  MIT,  etcétera.  Pero  yo  trabajaba
[03:05] 
[03:05] desde  aquí  y
[03:07] 
[03:07] lo  que  ocurrió  es  que,  bueno,  en  en  un
[03:09] 
[03:09] momento  e  tuve  que  tomar  la  decisión  de
[03:13] 
[03:13] quedarme  en  Estados  Unidos  ya  un  poco
[03:15] 
[03:15] como  obtener  la  nacionalidad  porque  al
[03:16] 
[03:16] final  los  proyectos  de  espacio  eh
[03:18] 
[03:19] necesitas  no  no  ser  foreign  national  eh
[03:21] 
[03:21] a  además  después,  o  sea,  la  NASA  te
[03:23] 
[03:23] exige,
[03:24] 
[03:24] bueno,  no  es  que  te  lo  exijan,  pero  es
[03:25] 
[03:26] que  hay  un  momento  que  tú  no  tienes
[03:27] 
[03:27] credenciales  de  seguridad  para  saber  más
[03:30] 
[03:30] cosas  del  proyecto  en  el  que  tú  estás
[03:31] 
[03:31] trabajando.  es  el  único  que  no  tiene  los
[03:33] 
[03:33] tienen  que  sacar  de  del  reunión.  Yo  hay
[03:36] 
[03:36] una  historia  que  que  te  lo  puedo  contar,
[03:37] 
[03:38] o  sea,  en  algún  momento  hemos  estado
[03:39] 
[03:39] haciendo  pruebas  en  gravedad  cero  en  en
[03:42] 
[03:42] Houston  y  durante  una  semana  yo  no  podía
[03:44] 
[03:44] mirar  en  una  dirección  en  Openfield,  es
[03:46] 
[03:46] decir,  en  en  campo  abierto,  que  me
[03:48] 
[03:48] cuesta  decirlo,  pero  en  campo  abierto  yo
[03:49] 
[03:49] no  podía  mirar  en  una  dirección.
[03:51] 
[03:51] Tápate  los  ojos,  Elisenda  que  sale  un
[03:53] 
[03:53] [ __ ]
[03:53] 
[03:53] Había  una  persona  que  vigilaba  que  yo  no
[03:55] 
[03:55] mirara  en  esa  dirección.
[03:55] 
[03:55] Salía  el  ovni.
[03:57] 
[03:57] Habría  algo,  pero  que  no  es  un  OVNI,  o
[03:59] 
[03:59] sea,  sería  cualquier  chorrada,  pero  pero
[04:02] 
[04:02] los  credenciales  de  seguridad,
[04:03] 
[04:03] algún  invento,  alguna  tecnología
[04:05] 
[04:05] o  un  avión  que  no  puedes  ver,  cualquier
[04:07] 
[04:07] chorrada.  O  sea,  al  final  era  una  cosa
[04:08] 
[04:08] que  estaba  ahí,  era  un  hangar,  ¿no?  O
[04:10] 
[04:10] sea,  en  un  hangar  pues  que  va  un  avión  y
[04:12] 
[04:12] me  dices,  o  sea,  yo  veo  un  avión  y  qué,
[04:13] 
[04:13] o  sea,  me  queda  igual,  ¿no?  Pero  bueno,
[04:15] 
[04:15] que  las  cosas  de  seguridad  son  un  poco
[04:16] 
[04:16] así.
[04:16] 
[04:16] Vale.  Entonces,  tú  estabas  en  Estados
[04:18] 
[04:18] Unidos,  ¿dónde?
[04:19] 
[04:19] Eh,  pues  esto  era  en  Houston,  pero  mi
[04:22] 
[04:22] proyecto
[04:23] 
[04:23] sí,  porque  era  eran  proyectos  de  de
[04:25] 
[04:25] NASA.  Vale.
[04:26] 
[04:26] Y  y  bueno,  al  final  la  cosa  es  que  tú  te
[04:30] 
[04:30] das  cuenta  de  que  eres  el  único  que  es
[04:32] 
[04:32] foreign  national  y  que  tiene  como  estas
[04:33] 
[04:33] cosas  raras  y  y  que  te  dicen,  "Bueno,
[04:36] 
[04:36] pues  los  next  steps  para  ti  pues
[04:38] 
[04:38] terminan  siendo  conseguir  la
[04:39] 
[04:39] nacionalidad,  quedarte  ahí  y  hacer
[04:41] 
[04:41] carrera,  ¿no?  Si  quieres  dedicarte  al
[04:42] 
[04:42] aerespacio,  tienes  que  ser  nacional."
[04:45] 
[04:45] Eh,  entonces  yo  no  lo  veía  claro,  no
[04:48] 
[04:48] quise.  E  a  mí  me  encanta  Barcelona,  me
[04:51] 
[04:52] gusta  mucho  vivir  aquí,  tenía  mi  familia
[04:53] 
[04:53] aquí  y  entonces  volví.  Entonces,  cuando
[04:56] 
[04:56] yo  volví  e  mi  director  de  tesis  me  dijo,
[04:59] 
[04:59] "Conoce  a  no  sé  quién,  que  tienes  que
[05:01] 
[05:01] conocer  a  Juan  Carlos."  Nos  dijeron,  de
[05:03] 
[05:03] hecho  fue  fue  otra  persona,  Mario,  nos
[05:05] 
[05:05] dijo,  "Tienes  que  conocer  a  Juan  Carlos,
[05:06] 
[05:06] que  está  un  poco  así  igual  de  loco  que
[05:08] 
[05:08] tú."  Y  dije,  "Bueno."  Y  y  nos  conocimos,
[05:10] 
[05:10] pero  como  de  tomar  un  café  sin  más
[05:12] 
[05:12] referencias  que  los  dos  éramos  éramos  un
[05:15] 
[05:15] poco  raros.  y  nada,  nos  presentaron  nos
[05:18] 
[05:18] presentaron,  eh,  congeniamos  muy  bien  y
[05:22] 
[05:22] y  nos  tiramos  un  poco  un  poco  a  esta
[05:24] 
[05:24] aventura.  Eh,  Juan  Carlos  ya  era  una
[05:26] 
[05:26] emprendedor  en  serie  y  había  montado
[05:28] 
[05:28] otra  empresa  antes,  había  montado  que  un
[05:30] 
[05:30] día,  no  sé,  lo  tenéis  que  mirar  aquí,
[05:32] 
[05:32] eh,  y  había  montado  e  Geigle,  Gigel
[05:36] 
[05:36] Networks,  que  lo  había  vendido  a
[05:37] 
[05:37] Broadcom  y  él  estaba  como  empezando  a
[05:40] 
[05:40] montar  esa  idea  de  lo  que  sería  Billings
[05:42] 
[05:42] y  me  uní  me  uní  al  equipo  de  Billings.  O
[05:45] 
[05:45] sea,  la  idea  de  Billings  estaba
[05:47] 
[05:47] arrancada.
[05:48] 
[05:48] Bueno,  estaba  estaba  empezando,  pero  en
[05:51] 
[05:51] esos  momentos  iniciales  en  el  que  aún
[05:54] 
[05:54] está  mucho  por  ver,  ¿no?,  realmente  qué
[05:56] 
[05:56] es  lo  que  vamos  a  construir.  O  sea,
[05:57] 
[05:57] había
[05:57] 
[05:57] ¿Qué  había
[05:58] 
[05:58] en  ese  momento?  Había  una  idea  de  hacer
[06:00] 
[06:00] una  app  para  Sí,  es  que  era  muy
[06:03] 
[06:03] diferente  a  lo  que  terminamos  haciendo,
[06:04] 
[06:04] pero  era  una  app  para  compartir  eh
[06:08] 
[06:08] fotografías  entre  seres  queridos.
[06:10] 
[06:11] Era  la  época,  eh,  todo  era  app  para
[06:12] 
[06:12] compartir  fotografías.
[06:13] 
[06:13] Claro,  claro.  Era  la  época.  Vale.  Y
[06:15] 
[06:15] nosotros
[06:16] 
[06:16] y  tú  te  incorporas  a  esto.
[06:17] 
[06:17] Sí,  yo  me  incorporo  a  esto
[06:19] 
[06:19] porque  como  experta  en  satélites  eh  no
[06:21] 
[06:21] lo  que  pasa  entre  ellos
[06:23] 
[06:23] que  realmente  cuando  empezamos  a  hablar
[06:24] 
[06:24] de  a  Juan  Carlos  teníamos  como  yo  venía
[06:26] 
[06:26] al  final  de  un  background  donde  lo  que
[06:28] 
[06:28] en  ese  momento  que  se  está  haciendo  Nia,
[06:30] 
[06:30] ¿no?  Se  estaba  haciendo  sobre  todo  eh
[06:32] 
[06:32] learning  deep  learning  supervisado,  era
[06:34] 
[06:34] el  inicio  de  imágenes  de  perros,
[06:36] 
[06:36] imágenes  de  gatos,  imágenes
[06:38] 
[06:38] eh  pues  sería  2012,
[06:40] 
[06:40] ¿vale?  2000.  Sí,  yo  creo  que  2010,  2012
[06:43] 
[06:43] por  ahí,  ¿no?  Tú,  ¿cuánto  te
[06:44] 
[06:44] incorporaste  tú?
[06:45] 
[06:45] Yo  en  el  17.
[06:46] 
[06:46] Pues  sí,  2012  debería  ser  más  o  menos.  Y
[06:50] 
[06:50] todo  el  mundo  está  haciendo  aprendizaje
[06:52] 
[06:52] supervisado  de  de  los  cats,  los  dogs  y
[06:54] 
[06:54] todo  esto,  los  los  perros,  los  gatos  y
[06:56] 
[06:56] todo  esto.  Y  entonces,  claro,  yo  venía
[06:59] 
[06:59] de  de  un  de  usar  intelizar  fidel  de  una
[07:02] 
[07:02] manera  que  era  muy  distinta.  y  Juan
[07:04] 
[07:04] Carlos  en  Gigle  Networks  también  porque
[07:06] 
[07:06] hacían  toda  la  parte  de  eh  Powerline
[07:07] 
[07:07] Communications,  donde  hacían  muchos
[07:08] 
[07:08] algoritmos  que  eran  eran  IA,  aunque  no
[07:11] 
[07:11] se  llamara  IA,  ¿no?  Eh,  de  procesado  de
[07:14] 
[07:14] señal  a  través  de  de  redes  eléctricas,
[07:16] 
[07:16] ¿no?  E  y  congelamos  mucho  en  la  visión
[07:19] 
[07:19] de  que  tenía  que  haber  algo  diferente  en
[07:20] 
[07:20] el  mundo  de  del  deep  learning  y  que  y
[07:23] 
[07:23] que  no  podía  ser  que  nos  dedicáramos
[07:24] 
[07:24] siempre  a  hacer  eh  datasets  para
[07:26] 
[07:26] entrenar  un  casos  específicos.  Entonces,
[07:29] 
[07:29] aunque  se  estaba  construyendo  eso,
[07:32] 
[07:32] veíamos  un  futuro  donde  congeneamos  más
[07:34] 
[07:34] allá  en  toda  la  parte  de  ella  y  y  ahí  es
[07:37] 
[07:37] lo  que  fue  evolucionando  lo  que  después
[07:39] 
[07:39] fues,
[07:39] 
[07:39] ¿vale?  Entonces,  e  vuelve  a  hacer
[07:42] 
[07:42] Billings  contigo  como  cofundadora.
[07:44] 
[07:44] Bueno,  vuelven  a  hacer,  o  sea,
[07:46] 
[07:46] evoluciona,
[07:46] 
[07:46] evoluciona,  evoluciona.
[07:47] 
[07:47] Vale,  pero  te  unes  como  cofundadora.
[07:49] 
[07:49] Sí,  sí,  me  uní  como  cofundadora.
[07:50] 
[07:50] ¿Y  qué  hace  este  nuevo  Billings?  Eh,  a
[07:52] 
[07:52] ver,  lo  que  nosotros  eh  empezamos  a  ver
[07:55] 
[07:55] es  que  eh  hay  un  montón  de  información
[07:59] 
[07:59] en  el  mundo  que  no  puedes  clasificar
[08:01] 
[08:01] solo  con  datas  supervisados.  Es  decir,
[08:04] 
[08:04] este  episodio  es  posible  gracias  a
[08:05] 
[08:05] Olafly,  el  primer  operador  internacional
[08:08] 
[08:08] móvil.  Si  viajas  mucho,  sabes  que
[08:10] 
[08:10] quedarte  sin  internet  es  estresante  y  no
[08:12] 
[08:12] es  una  opción.  Reuniones  online,  viajes
[08:13] 
[08:13] con  Uber,  firmas  de  contratos.  Con  los
[08:15] 
[08:15] planes  de  datos  globales  de  Olafly
[08:17] 
[08:17] puedes  tener  datos  internet  desde
[08:19] 
[08:19] cualquier  parte  del  mundo.  Un  solo
[08:21] 
[08:21] contrato  para  nunca  perder  la  señal  en
[08:24] 
[08:24] más  de  170  países.  Olvídate  del  roaming
[08:26] 
[08:27] y  el  estrés  cuando  viajes  con  Olafly.
[08:28] 
[08:28] Más  información  en  el  enlace  en  la
[08:30] 
[08:30] descripción.
[08:31] 
[08:31] Si  yo
[08:32] 
[08:32] vamos  a  voy  a  interrumpirte  para  que
[08:33] 
[08:34] expliques,  para  la  gente  que  está  un
[08:35] 
[08:35] poco  quizá  más  perdida,  super  breve  qué
[08:37] 
[08:37] es  un  dataset  supervisado,
[08:39] 
[08:39] ¿vale?  y  y  qué  limitaciones  tiene.
[08:40] 
[08:40] Vale,  al  final  el  aprendizaje
[08:41] 
[08:41] supervisado  es  aquel  que  tú  si  quieres
[08:44] 
[08:44] distinguir  eh  perros  de  gatos,  lo  que
[08:47] 
[08:47] vas  a  hacer  es  darle  muchísimas  imágenes
[08:49] 
[08:49] de  perros  que  ponga  esto  es  un  perro  y
[08:50] 
[08:50] luego  le  das  muchísimas  imágenes  de
[08:52] 
[08:52] gatos  y  le  dices  esto  es  un  gato.
[08:53] 
[08:53] Entonces  el  sistema  sabe  discernir,
[08:55] 
[08:55] aprende  a  través  de  neural  networks,  de
[08:56] 
[08:56] redes  eh  neuronales,  aprende  a
[08:58] 
[08:58] distinguir  esos  dos.  ¿Qué  pasa?  que
[09:00] 
[09:00] luego  le  das  una  cebra  y  no  sabe  qué
[09:03] 
[09:03] hacer  porque
[09:04] 
[09:04] sabe  que  no  es  ni  un  perro  ni  un  gato  o
[09:06] 
[09:06] dic  un  perro  un  poco  raro.  Te  va  a  salir
[09:08] 
[09:08] algo  un  poco  aleatorio  porque  no  no
[09:09] 
[09:09] entiende  más  allá.  Eso  es  el  aprendizaje
[09:11] 
[09:11] supervisado  porque  hay  una  supervisión
[09:13] 
[09:13] en  la  que  tú  le  dices  esta  es  tu  dataset
[09:14] 
[09:14] y  aquí  este  conjunto  de  imágenes  aquí
[09:16] 
[09:16] aprendes  esto.
[09:17] 
[09:17] Con  lo  cual  por  naturaleza  está  limitado
[09:18] 
[09:18] al  input  que  le  des.  Claro.  Entonces,  yo
[09:20] 
[09:20] venía  de  satélites  donde  esto  no  lo
[09:22] 
[09:22] podías  aplicar,  o  sea,  hacíamos  lo  que
[09:24] 
[09:24] se  empezaba  a  llamar  self  adapting,  que
[09:26] 
[09:26] son  sistemas  que  se  van  adaptando  lo  que
[09:28] 
[09:28] va  pasando,  lo  que  va  ocurriendo,  porque
[09:30] 
[09:30] tú  a  priori  cuando  haces  una
[09:31] 
[09:31] constelación  de  satélites,  no  sabes
[09:33] 
[09:33] exactamente  todas  las  tareas,  todo  lo
[09:34] 
[09:34] que  se  van  encontrar,  los  problemas,  que
[09:36] 
[09:36] si  te  falla  la  batería,  que  si  te  falla
[09:37] 
[09:38] la  comunicación  con  tierra,  que  lo  que
[09:39] 
[09:39] sea.  Entonces  yo  venía  de  un  aprendizaje
[09:41] 
[09:42] diferente  y  Juan  Carlos  también,  pero
[09:43] 
[09:43] desde  de  un  campo  muy  diferente.
[09:44] 
[09:44] Entonces  éramos  como  muy  outliers  en  lo
[09:47] 
[09:47] que  se  estaba  haciendo  en  deep  learning
[09:48] 
[09:48] en  ese  momento
[09:50] 
[09:50] y  y  los  dos  congeniábamos  en  que
[09:52] 
[09:52] creíamos  que  tenía  que  haber  algo,
[09:53] 
[09:53] ¿vale?
[09:54] 
[09:54] Más  allá.
[09:55] 
[09:55] Eh,  queríamos  hacer  sistemas  que  fueran
[09:57] 
[09:57] capaces  de  aprender  sin  un  dataset,  sin
[10:00] 
[10:00] que  alguien  a  priori  les  dijera,  "Estas
[10:02] 
[10:02] son  las  dos  categorías  que  tienes  que
[10:03] 
[10:03] aprender."  Entonces,  nuestra  propuesta
[10:05] 
[10:05] en  Billings  era,  "Hay  suficiente
[10:07] 
[10:07] información  en  el  mundo  y  además  hay
[10:09] 
[10:09] suficiente  información  multimodal."  Es
[10:11] 
[10:11] decir,  que  cuando  tú  ves  un  vídeo  de,
[10:13] 
[10:13] ay,  hacía  mucho  que  no  contaba  esto.
[10:15] 
[10:15] Cuando  tú  [risas]  ves  ves  un  vídeo  de  de
[10:18] 
[10:18] fútbol,  ¿no?  Y  ves  a  Messi  marcando  un
[10:20] 
[10:20] gol  y  dicen,  "Gol,  gol,  gol,  Messi  ha
[10:23] 
[10:23] marcado  un  gol,  en  el  fondo  te  están
[10:25] 
[10:25] anotando  esas  imágenes,
[10:26] 
[10:26] te  están  explicando  lo  que  pasa."  Claro,
[10:27] 
[10:27] o  sea,  cuando  tú  mezclas  contenido
[10:29] 
[10:29] multimodal,  tú  tienes  audio  y  vídeo  que
[10:31] 
[10:31] puedes  empezar  a  encajar  y  y  pensamos,
[10:33] 
[10:33] "Ostra,  sería  genial  si  tú  puedes  juntar
[10:35] 
[10:35] todo  eso  y  hacer  que  no  solo  detecte
[10:37] 
[10:37] Messi,  sino  que  entienda  un  modelo  de
[10:39] 
[10:39] datos  detrás,  que  Messi  es  un  futbolista
[10:41] 
[10:41] que  está  jugando  a  fútbol,  que  ha
[10:42] 
[10:42] marcado  un  gol  y  que  eso  va  a  cambiar  el
[10:45] 
[10:45] el  resultado  del  partido.  Entonces,
[10:47] 
[10:47] ¿cómo  podemos  hacer  que  sistemas  que  van
[10:49] 
[10:49] a  través  de  procesar  eh  audio,  vídeo  o
[10:52] 
[10:52] imagen,  texto,  aprendiendo  del  mundo  y
[10:55] 
[10:55] guardándose  esa  información?
[10:57] 
[10:57] Y  y  esa  era  como  la  idea  o  la  ilusión  de
[11:01] 
[11:01] Billings,
[11:02] 
[11:02] es  entrenar  un  modelo  utilizando
[11:04] 
[11:04] terminología  de  ahora  que  sin  tener  que
[11:07] 
[11:07] supervisarlo  o  darle,  digamos,
[11:09] 
[11:09] etiquetaje,  ¿no?
[11:10] 
[11:10] Aprenda
[11:11] 
[11:11] y  luego  puedas  usar  este  aprendizaje
[11:13] 
[11:13] para  algo.
[11:14] 
[11:14] Claro.  O  sea,  para  qué
[11:15] 
[11:15] lo  que  se  está  haciendo,  por  ejemplo,  o
[11:16] 
[11:17] sea,  a  día  de  hoy  con  GPT,
[11:19] 
[11:19] ahora  es  mucho  más  fácil  entender  estas
[11:20] 
[11:20] cosas  que  lo  mismo.  Claro,  claro.
[11:23] 
[11:23] Entonces  era  con  información  multimodal
[11:25] 
[11:25] y  con  sistemas  de de  procesado  de
[11:27] 
[11:27] lenguaje  natural  que  iban  a  manivela  y  y
[11:30] 
[11:30] con  sistemas  que  hacíamos  adoc  de
[11:32] 
[11:32] computer  vision,  de  vision  por
[11:33] 
[11:33] computadora,  etcétera.
[11:35] 
[11:35] ¿Y  por  qué?  Pues  porque  nosotros
[11:36] 
[11:37] creíamos  que  tener  información  del  mundo
[11:40] 
[11:40] iba  a  ser  útil.  No  es  la  típica  empresa
[11:42] 
[11:42] que  dijéramos  ha  salido  con  este
[11:45] 
[11:45] producte,
[11:46] 
[11:46] está  clarísimo  lo  que  hacen,  para  quién
[11:47] 
[11:47] es,  cuánto  cuesta  y  cuál  es  el  tamaño
[11:49] 
[11:49] mercado,  ¿no?  De  hecho,  yo  nunca  entendí
[11:51] 
[11:51] lo  que  era  billings.  Ahora  hoy  lo  voy  a
[11:52] 
[11:52] entender.
[11:53] 
[11:53] Bueno,  yo  creo  que  a  veces  ni  nosotros
[11:55] 
[11:55] sabíamos,  pero  al  final  éramos  un  grupo
[11:57] 
[11:57] de  gente  muy  ilusionada  por  hacer  este
[11:59] 
[11:59] break  tecnológico,  por  hacer  un  brex
[12:01] 
[12:01] tecnológico  en  el  que  creíamos,
[12:03] 
[12:03] ¿vale?
[12:03] 
[12:03] fervientemente.
[12:04] 
[12:04] ¿Qué  productos  creasteis  en  Billings?
[12:06] 
[12:07] Entonces,  lo  que  nos  damos  cuenta  cuando
[12:08] 
[12:08] empezamos  a  trabajar  con  datos  es  que
[12:10] 
[12:10] los  datos  curados  y  buenos  son  los  de
[12:12] 
[12:12] los  medios  de  noticias.  Entonces,
[12:14] 
[12:14] empezamos  a  trabajar  con  los  medios  de
[12:15] 
[12:15] noticias,  eh,  con  todos  los  los
[12:18] 
[12:18] principales.  Nos  dimos  cuenta  que  tenían
[12:19] 
[12:19] un  problema,  que  es  que  ellos  tenían  un
[12:21] 
[12:21] catálogo  gigante  de  información,  de
[12:23] 
[12:23] radio,  de  vídeo,  de  texto,  de  tal,  que
[12:26] 
[12:26] no  había  quien  lo  procesara.  En  ese
[12:28] 
[12:28] momento  tenían
[12:29] 
[12:29] hasta  qué  procesara  para  qué
[12:31] 
[12:31] hasta  ni  que  fuera  para  conseguir
[12:32] 
[12:32] recortes  de  eh  tal  persona  en  una
[12:35] 
[12:35] alfombra  roja,  en  un  evento  de  no  sé
[12:37] 
[12:37] qué,  o  sea,  ni  para  generar  nuevos
[12:38] 
[12:38] contenidos.  Su  primer  problema  era  los
[12:40] 
[12:40] equipos  editoriales.
[12:41] 
[12:41] O  sea,  por  ejemplo,  están  haciendo  una
[12:43] 
[12:43] noticia  de  George  Cloney
[12:45] 
[12:45] recuperar  quieren  recuperar  momentos
[12:47] 
[12:47] clave  de  George  Clone
[12:47] 
[12:47] o  saben  que  lo  entrevistaron  hace  10
[12:49] 
[12:49] años  y  quieren  sacar  esa  entrevista.
[12:51] 
[12:51] Eso  está  ahí  terabyt  y  terabytes  de
[12:52] 
[12:52] data,  pero  no  hay  quien  lo  encuentre.  En
[12:54] 
[12:54] ese  momento  había  datos  ni
[12:55] 
[12:55] digitalizados,  o  sea,  que  el  archivista
[12:57] 
[12:57] sabía,  el  archivista  sabía  en  qué  cinta
[13:00] 
[13:00] de  vídeo  lo  podía  encontrar.  Entonces,
[13:02] 
[13:02] claro,  era  un  problemón.  Y  entonces
[13:04] 
[13:04] nosotros  empezamos  a  procesar  ese  tipo
[13:06] 
[13:06] de  contenidos  que  a  nosotros  nos  iba  muy
[13:07] 
[13:07] bien  porque  eh  nos  permitían  aprender  y
[13:12] 
[13:12] hacer  nuestros  modelos  mejores.  Esto  que
[13:14] 
[13:14] ahora  eh  todo  el  mundo  está  luchando,
[13:15] 
[13:15] ¿no?,  por  el  acceso  a  las  noticias  eh
[13:18] 
[13:18] bueno,  que  de  contenido,  de  contenido  de
[13:21] 
[13:21] calidad,
[13:22] 
[13:22] pues  en  ese  momento  nuestros  eh
[13:24] 
[13:24] clientes,  que  eran  los  medios,  nos  los
[13:26] 
[13:26] cedían  para
[13:27] 
[13:27] y  os  podíais  quedar  el  entrenamiento
[13:28] 
[13:28] vosotros  porque  no  entendían  lo  que  est
[13:30] 
[13:30] pasando.  que  hace  15  años,  cuando  tú
[13:31] 
[13:31] decías  que  estabas  entrenando  modelos  de
[13:32] 
[13:32] ella,  te  decían  o  sea  da  igual,  o  sea,  a
[13:35] 
[13:35] mí  me  vas  a  dar  un  producto  que  me
[13:36] 
[13:36] funcione  o  no  y  lo  que  hagas  un  poco  por
[13:38] 
[13:38] detrás  me  da  igual.
[13:39] 
[13:39] ¿Y  cuál  es  el  el  output,  el  el  resultado
[13:42] 
[13:42] que  ellos  recibían  vuestros  clientes?
[13:43] 
[13:43] Claro,  ellos  lo  que  recibían  era  poder
[13:44] 
[13:44] buscar  a  través  de  sus  contenidos  que  a
[13:46] 
[13:46] día  de  hoy  harías  pues  con  un  RAC,
[13:48] 
[13:48] o  sea,  era  como  un  Google  de  sus
[13:51] 
[13:51] contenidos  donde  ponían  George  Clooney.
[13:52] 
[13:53] Exacto.  Exacto.
[13:53] 
[13:53] Alfombra  roja
[13:54] 
[13:54] y  le  salían  clips.
[13:56] 
[13:56] Sí,  exacto.
[13:57] 
[13:57] Tal  cual.
[13:58] 
[13:58] Tal  cual.
[13:58] 
[13:58] Tal  cual.  Es  muy  fácil,
[14:00] 
[14:00] bueno,  vídeo,  artículos,  texto  con  la
[14:03] 
[14:03] gracia  que  era  multimodal,
[14:04] 
[14:04] pero  lo  más  rompedor  de  Billings  era  el
[14:06] 
[14:06] vídeo.
[14:06] 
[14:06] Se  nos  conocía  mucho  por  el  vídeo,
[14:08] 
[14:08] porque  eh  también  vendíamos  eh  resúmenes
[14:11] 
[14:11] de  vídeo,  que  además  la  historia  de  los
[14:13] 
[14:13] resúmenos  eh  que  además  los  hizo  Hoker
[14:16] 
[14:16] eh  en  su  momento  era  que  nosotros  como
[14:18] 
[14:18] éramos  una  startup  y  no  teníamos  mucho
[14:20] 
[14:20] dinero,  teníamos  que  procesar  mucho
[14:22] 
[14:22] contenido  a  bajo  coste.  Entonces,  en
[14:24] 
[14:24] lugar  de  procesar  todo  el  vídeo,  eh  uno
[14:26] 
[14:26] eh  Joca,  uno  de  los  cofundadores  también
[14:28] 
[14:28] hizo  un  algoritmo  que  era  muy  bueno  en
[14:30] 
[14:30] recortar  eh  qué  trozos  de  vídeo  eran
[14:33] 
[14:33] relevantes  y  tenían  información
[14:35] 
[14:35] interesante  y  entonces  solo  procesáamos
[14:37] 
[14:37] eso.  ¿Qué  pasa?  que  eso  se  eso  se
[14:39] 
[14:39] convirtió  en  un  producto  porque  en  un
[14:41] 
[14:41] momento  eh  YouTube  sacó  e  resúmenes  de
[14:45] 
[14:45] vídeo  en  en  YouTube  y  entonces  todos  los
[14:47] 
[14:47] medios  de  noticia  de  repente  lo  querían
[14:49] 
[14:49] y  nosotros  usábamos  el  algoritmo  que  ya
[14:50] 
[14:50] teníamos  para  procesar  a  bajo  coste
[14:52] 
[14:52] interno  y  le  servíamos  eh  vídeos
[14:55] 
[14:55] summarization,  o  sea,  eh  resumenes  de
[14:57] 
[14:57] vídeos.
[14:57] 
[14:57] Resumir  ¿Quién  eran  los  clientes  de
[14:59] 
[14:59] Billings?
[15:00] 
[15:00] Pues  todos  los  los  medios  de  noticia
[15:02] 
[15:02] grandes  americanos,
[15:03] 
[15:03] por  ejemplo,
[15:04] 
[15:04] em  pues  MBC,
[15:06] 
[15:06] ¿vale?
[15:07] 
[15:07] Cosa  así.  solo  americanos.
[15:09] 
[15:09] Eh,  sí,  la  verdad  es  que  aquí  no  tuvimos
[15:11] 
[15:11] mucho,  lo  intentamos  un  poco,  pero  no
[15:13] 
[15:13] conseguimos  eh  que  viera  la  visión.  Era
[15:15] 
[15:15] un  momento  donde  algunos  medios  de  aquí
[15:17] 
[15:17] decían  que  le  van  a  hacer  interno.  Eh,
[15:19] 
[15:19] yo  creo  que  Estados  Unidos  eran  mucho
[15:22] 
[15:22] más  prácticos  en  el  sentido  de  no  vamos
[15:24] 
[15:24] a  internalizar  y  y  contratamos  el
[15:26] 
[15:26] servicio.  E  pero  había  equipos  empezando
[15:28] 
[15:28] a  montar  toda  la  parte  archivística  eh
[15:31] 
[15:31] in  house  y  entonces  lo  querían  hacer
[15:32] 
[15:32] interno.  Aquí
[15:34] 
[15:34] vamos  a  parar  un  poco  en  la  tecnología
[15:36] 
[15:36] porque  justamente  antes  os  comentaba,
[15:37] 
[15:37] esta  mañana  está  escuchando  un  podcast
[15:38] 
[15:38] sobre  Google  y  y  su  era,  digamos,  de  los
[15:41] 
[15:41] últimos  10  años,  12  años  eh  en
[15:43] 
[15:43] inteligencia  artificial.  desde  todo  el
[15:45] 
[15:46] hiring  que  hicieron  a  todo  el  research
[15:48] 
[15:48] que  salió,  ¿no?  Toda  toda  la  e  la
[15:51] 
[15:51] reserca,  ¿cómo  se  dice  esto,
[15:52] 
[15:52] investigación  que  salió  de  Google  y
[15:54] 
[15:54] había  un  paper  muy  famoso  que  creo  que
[15:56] 
[15:56] de  2012  que  era  de  de  Cat  Paper,  ¿no?
[15:58] 
[15:58] Que  es  donde  un  poco  popularizaron  o
[16:01] 
[16:01] confirmaron  que  funcionaba  el  de
[16:02] 
[16:02] Learning.  Este  es  mi  nivel  de
[16:03] 
[16:03] entendimiento.  Y  justo  en  paralelo
[16:05] 
[16:05] empezó  a  a  trabajarse  con  GPUs,  con
[16:09] 
[16:09] Nvidia,
[16:10] 
[16:10] eh,  con  GPUs  que  en  aquel  momento  eran
[16:12] 
[16:12] exclusivamente  para  videojuegos.  Sí,
[16:14] 
[16:14] que  luego  acabó  siendo  obviamente  lo  que
[16:16] 
[16:16] es  hoy  envidia  que  toda  nuestra
[16:17] 
[16:17] audiencia  sabe  sabe  lo  que  es,  ¿no?
[16:19] 
[16:19] Entonces  vosotros,  claro,  estás  hablando
[16:20] 
[16:20] de  2012  precisamente  me  has  dicho.
[16:22] 
[16:22] O  sea,  a  la  vez  que  en  eh  Mountain  View,
[16:25] 
[16:25] en  donde  estuvieran  esta  este  equipo  en
[16:29] 
[16:29] Google  estaban  descubriendo  que  podrían
[16:30] 
[16:30] utilizar  una  tarjeta  gráfica,  que  le
[16:32] 
[16:32] llamamos  en  aquella  época  para  jugar  a
[16:34] 
[16:34] videojuegos,  para  paralelizar  la
[16:36] 
[16:36] computación  que  necesitaban  para
[16:37] 
[16:37] entrenar  modelos,  etcétera.  ¿Vosotros
[16:39] 
[16:39] qué  estabais  haciendo?
[16:40] 
[16:40] Pues  también,  o  sea,  es  es  nosotros  que
[16:43] 
[16:43] vivimos  la  un  poco  la  ola  desde  desde  el
[16:45] 
[16:45] principio,  yo  creo  que  estábamos  eh,  o
[16:48] 
[16:48] sea,  nosotros  no
[16:50] 
[16:50] crecíamos  a  a  ola  de  a  la  ola  de  de
[16:52] 
[16:52] ellos,  justo  detrás.  Y  entonces  nosotros
[16:55] 
[16:55] pues  hacíamos  eso,  comprábamos  tarjetas
[16:57] 
[16:57] de  Nvidia  de  gaming  comerciales,  las
[17:00] 
[17:00] montábamos  en,  no  lo  voy  a  decir  rax
[17:02] 
[17:02] porque  me  da  vergüenza,  era
[17:04] 
[17:04] armarios,  armarios,  cables,  torres,
[17:07] 
[17:07] torres  de  PC,  como  podéis,
[17:08] 
[17:08] con  unos  ventiladores  por  ahí.  Claro,  es
[17:10] 
[17:10] que  no  había  infraestructura.  Tú  ahora
[17:11] 
[17:11] puedes  montar  envidias  una  detrás  de
[17:14] 
[17:14] otra,  todas  conectadas,  con  datos  entre
[17:16] 
[17:16] antes  no no  todo  esto  era  hackear  el
[17:19] 
[17:19] suelo  conectados.  De  de  hecho,  bueno,
[17:21] 
[17:21] fundíamos  tarjetas  por  porque  en  algún
[17:24] 
[17:24] momento  las  tuvimos  en  una  salita
[17:25] 
[17:25] pequeña,
[17:26] 
[17:26] subía  a  50  gr  la  sala,  las  GPU  estaban
[17:28] 
[17:28] por  encima  de  80º  y  alguna  se  fue  un
[17:30] 
[17:30] poco  a  otro  a  otro  a  mejor  vida  por  eso,
[17:34] 
[17:34] porque  eran  todo  pues  setups.  Al  final
[17:36] 
[17:36] también  nosotros  como  podíamos  al
[17:37] 
[17:37] momento  rápido  de  compras  una  torre,
[17:39] 
[17:39] compras  cuatro  tarjetas  gráficas  y  las
[17:40] 
[17:40] vas  conectando  vía  internet,  vas
[17:42] 
[17:42] montando  tu
[17:43] 
[17:43] clúster,  que  no  es  ni  un  cluster  porque
[17:45] 
[17:45] da  vergüenza  decirle  clúster,
[17:46] 
[17:46] pero  tú
[17:47] 
[17:47] algo.  Y  siempre  fue  así  de  casero  en
[17:49] 
[17:49] Billings  o  llegasteis  en  algún  momento  a
[17:51] 
[17:51] escalar  esta  esta  infraestructura  a  un
[17:54] 
[17:54] nivel  como  lo  que  hoy  en  2025  estamos
[17:56] 
[17:56] acostumbrados  a  ver
[17:58] 
[17:58] para  entrenamiento  yo  siempre  lo  hicimos
[18:00] 
[18:00] casero
[18:01] 
[18:01] porque  al  final  también  es  un  momento  en
[18:02] 
[18:02] el  que  ahora  es  muy  fácil  eh  en  la  nube
[18:05] 
[18:05] AWS  GCP  no  [ __ ]  y  levantar  GPU
[18:09] 
[18:09] correcto
[18:10] 
[18:10] en  ese  momento  no  era  tan  fácil,  no
[18:11] 
[18:11] había  tanta  disponibilidad  porque  era
[18:13] 
[18:13] justo  al  principio,  o  sea,  empezaron  a
[18:14] 
[18:14] usar  GPUs  en  2012  2013  pero  hasta  que
[18:17] 
[18:17] Eso  pasó  a  ser  un  poco  como  realmente
[18:20] 
[18:20] hablamos  de  Exacto.  Hablamos  de  2000
[18:22] 
[18:22] quizás  16  que  nos  lleguen  más  o  menos
[18:24] 
[18:24] fáciles  las  GPUs  y  cuando  empezamos  a
[18:26] 
[18:26] hacer  números  para  ver  con  qué  máquinas
[18:28] 
[18:29] podíamos  entrenar,  no  tenía  ningún
[18:31] 
[18:31] sentido  irse  a  Amazon  o  a  Google  a
[18:33] 
[18:33] pagarles  el  cloud  porque  en  ese  momento
[18:35] 
[18:35] las  GPUs  quizás  nos  costaban,  creo  800,
[18:37] 
[18:37] entre  800  y  1000  €  por  ahí.  Sí,  porque
[18:39] 
[18:39] era  las  envidia  de  gaming  normales  con
[18:41] 
[18:41] el  EULA  que  aún  no  lo  habían  cambiado.
[18:42] 
[18:43] Exacto.  Era  pre,
[18:44] 
[18:44] o  sea,  el  EULA  el  contrato
[18:46] 
[18:46] que  te  permite.
[18:48] 
[18:48] Claro,  luego  eso  se  dieron  cuenta.
[18:49] 
[18:49] Claro,  eso  se  dieron  cuenta  después.
[18:51] 
[18:51] Entonces  cambiaron  el  EULA  y  las  nuevas
[18:52] 
[18:52] GPUs  no  podías  eh  usarlas  para
[18:56] 
[18:56] entrenamiento  de  modelos  de  IA.
[18:57] 
[18:58] Bueno,  eso  decía  el  contrato,  ¿no?  Tú
[19:00] 
[19:00] como  particular  pues puedes  hacer  lo  que
[19:01] 
[19:01] te  dé  la  gana.
[19:01] 
[19:01] Las  nuestras  iban  con  sí  que  podías,  lo
[19:04] 
[19:04] que  no  podías  era  crear  clusters  con
[19:06] 
[19:06] esas  GPUs  para  entrenamiento.  Podías
[19:08] 
[19:08] revenderlas.  Estamos  bien  claster  que  un
[19:11] 
[19:11] poco.  Exacto.
[19:12] 
[19:12] Vale.  O  sea,  vuestro  entrenamiento  era
[19:13] 
[19:13] armarios  y  torres,  eh,  cables.  Bueno,
[19:17] 
[19:17] pero  al  final  teníamos  teníamos  entre  50
[19:19] 
[19:19] y  60  GP,  o  sea,  que  no  era  un  cl,
[19:22] 
[19:22] bueno,  no  es  un  cler,  no  se  puede  decir
[19:23] 
[19:23] que  es  un  cler,  pero  ya  empie  ser  un  cl,
[19:25] 
[19:25] pero  era  mucha  mucho  hardware  para  ese
[19:27] 
[19:27] momento.  Y  aparte  piensa  que  los  modelos
[19:29] 
[19:29] que  entrenamos  en  ese  momento,  ahora
[19:31] 
[19:31] claro,  se  habla  de  billones  de
[19:32] 
[19:32] parámetros,  en  ese  momento  eran  millones
[19:34] 
[19:34] de  parámetros,  es  decir,  son  modelos
[19:35] 
[19:35] mucho  más  pequeños  que  tiene  mucho  más
[19:37] 
[19:37] sentido  entrenarlos  en  una  sola  GPU,
[19:40] 
[19:40] cuatro  GPUs.
[19:41] 
[19:41] Ahora  ni  te  lo  puedes  permitir  eso.  Si
[19:43] 
[19:43] ahora  empezarais  Billings,  que
[19:46] 
[19:46] seguramente  no  tiene  ningún  sentido,  eh,
[19:47] 
[19:47] pero  si  empezarais  Billings  en  octubre
[19:49] 
[19:49] 2025,
[19:51] 
[19:51] ¿cómo  haríais  el  mismo  producto?  ¿Cuánto
[19:52] 
[19:52] tardaríais?  ¿Y  qué  os  costaría?
[19:55] 
[19:55] Vale,  buena  pregunta.  A  ver,  yo  creo  que
[19:57] 
[19:57] el  mismo  producto  no  lo  haría.  Si
[20:00] 
[20:00] pudiera  elegir  el  mismo  producto,  lo
[20:01] 
[20:01] haría.  Había  Cala  y  luego  te  lo
[20:03] 
[20:03] contamos.
[20:03] 
[20:03] Vale.  No,  no,  obviamente  no,  pero  quiero
[20:05] 
[20:05] entender  cómo  ha  cambiado.  Ha  cambiado
[20:06] 
[20:06] un  montón.  Es  decir,  es  que  ahora
[20:07] 
[20:07] usarías,  o  sea,  montarías  un  rack  eh,
[20:10] 
[20:10] con  unos  cuantos  modelos  de
[20:11] 
[20:11] Explícanos  que  es  un  rack.  RAC  con  G.
[20:14] 
[20:14] RAC  con  G,  perdón.  Sí,  claro.  De  retal
[20:16] 
[20:16] aumented  generation.  O  sea,  ahora  eh  lo
[20:18] 
[20:18] que  haría  es  montar  toda  la  parte  de
[20:20] 
[20:20] archivo  con  procesado  multimodal,  es
[20:22] 
[20:22] decir,  con  eh  speech  to  text,  con  toda
[20:25] 
[20:25] la  parte  de  análisis  de  imagen,  de
[20:26] 
[20:27] vídeo.  E  lo  haría  con  modelos  open
[20:29] 
[20:29] source  que  están  disponibles.  En  ese
[20:30] 
[20:30] momento  nosotros  teníamos  que  hacer
[20:32] 
[20:32] mucho  modelo  de  cero  que  porque  no
[20:34] 
[20:34] existía,
[20:35] 
[20:35] ¿sí?  o  o  existían,  pero  aún  eran
[20:37] 
[20:37] públicos  y  no  estaban  accesibles.
[20:39] 
[20:39] Entonces,  eh  usaría  un  montón  de  modelos
[20:41] 
[20:41] open  source,  preprocesaría  toda  la
[20:42] 
[20:42] información,  la  metería  en  en  uno  de
[20:45] 
[20:45] estos  sistemas  de  retomed  generation,
[20:46] 
[20:46] que  al  final  es  eh  un  buscador  eh  y  la
[20:50] 
[20:50] parte  de  capa  de  búsqueda,  ¿no?  De
[20:53] 
[20:53] información.  Claro,  nosotros  en  ese
[20:55] 
[20:55] momento  usábamos  eh  un  procesado  de
[20:57] 
[20:58] lenguaje  natural  que  era  el  que  había
[21:00] 
[21:00] entonces,  las  primeras  librerías  de
[21:01] 
[21:01] Stanford  de  que  eran  podían  hacer  lo  que
[21:04] 
[21:04] podían  hacer,  pero  ahora  tienes  todos
[21:05] 
[21:05] los  LLMs.  Entonces  usaría  los  modelos  de
[21:07] 
[21:07] lenguaje  eh  los  large  language  models
[21:10] 
[21:10] para  hacer  toda  esa  parte  de  traducción
[21:11] 
[21:11] de  natural  language  a  querer  y  después,
[21:14] 
[21:14] o  sea,  esto  para  cuando  el  usuario  hace
[21:15] 
[21:15] una  pregunta.
[21:16] 
[21:16] Claro.
[21:17] 
[21:17] Y  luego  al  revés,  ¿no?  Para  entender  lo
[21:19] 
[21:19] que  hay  en  el  contenido.
[21:20] 
[21:20] Exacto.  Y  te  sirve  para  ambas  cosas.  te
[21:22] 
[21:22] sirve  eh  tanto  para  entender  el
[21:23] 
[21:23] contenido,  porque  cuando  tú  lo  procesas
[21:25] 
[21:25] tienes  que  hacer  toda  la  parte  de
[21:26] 
[21:26] procesado  del  texto,  eh  la  parte  de
[21:28] 
[21:28] imagen  la  haces  con  imagen,  ¿no?  Con  con
[21:30] 
[21:30] modelos  de  de  imagen  o  de  vídeo,  lo  que
[21:32] 
[21:32] sea,  lo  que  sea,  pero  luego  juntas  toda
[21:33] 
[21:33] esa  información  que  lo  puedes  hacer
[21:35] 
[21:35] ahora  con  modelos  de  lenguaje  y  en  la
[21:36] 
[21:36] parte  de  querer  también  puedes  poner
[21:37] 
[21:38] modelos  de  lenguaje.  Entonces,  y  yo  creo
[21:40] 
[21:40] que  todo  lo  que  tardamos  a  lo  mejor  10
[21:41] 
[21:41] años  en  hacer  en  Billings  en  6  meses
[21:44] 
[21:44] y  a  lo  mejor,  bueno,  quizás  a  lo  mejor
[21:46] 
[21:46] por  la  parte  de  ingeniería  de
[21:47] 
[21:47] arquitecturas  un  poco  más,  pero
[21:48] 
[21:48] sí,  la  escalabilidad  siempre  da  un  poco
[21:49] 
[21:49] más  por
[21:50] 
[21:50] pero  tampoco  nos  costaría  mucho.
[21:53] 
[21:53] Y  la  parte  noc  graf  no  la  has  tocado,
[21:54] 
[21:54] pero  esa  esa  quizás  todavía  sí  habría
[21:56] 
[21:56] que  es
[21:57] 
[21:57] Vale,  sí,  no  hemos  hablado  de  knowledge
[21:59] 
[21:59] graph,
[22:00] 
[22:00] cuéntanos.  Al  final,  yo  creo  que  es
[22:02] 
[22:02] parte  del,  o  al  menos  no,  como  persona
[22:04] 
[22:04] que  se  unió  al  equipo  eh  unos  años
[22:05] 
[22:05] después  del  core  de  Villings  y  lo  que  le
[22:07] 
[22:07] hacía  atractivo  era  como  intentar  juntar
[22:09] 
[22:09] este  modelo  de  inteligencia  artificial,
[22:11] 
[22:11] ¿no?  Cómo  procesas  los  datos  y  tal,  con
[22:13] 
[22:13] sistemas  de  cómo  estructuras  esa
[22:16] 
[22:16] información  y  la  guardas  de  un  modo  que
[22:17] 
[22:17] luego  tú  puedas  hacer  búsquedas  de  forma
[22:20] 
[22:20] de  forma  coherente,  fácil,  rápida  y  y
[22:24] 
[22:24] que  sean  como  profundas,  ¿no?  Cómo
[22:25] 
[22:25] interconectas  esa  información.  Y  en  ese
[22:27] 
[22:27] en  ese  caso  Billings  y  también  luego
[22:29] 
[22:29] encala  una  de  las  de  esas  tecnologías
[22:31] 
[22:32] clave  es  una  cosa  que  se  llama  knowledge
[22:33] 
[22:33] graph,  grafo  de  conocimiento,  que  al
[22:35] 
[22:35] final  es  una  forma  de  representar  esta
[22:37] 
[22:37] información  que  tú  extraes,  ¿no?  Un
[22:38] 
[22:38] ejemplo  sería  cogemos  un  vídeo,  ¿no?  Lo
[22:40] 
[22:40] estamos  procesando  con  estos  modelos  de
[22:42] 
[22:42] inteligencia  artificial  para  sacar  pues
[22:43] 
[22:43] eso,  ¿no?  Que  tal  persona  aparece  en  tal
[22:46] 
[22:46] momento  y  está  diciendo,  "No,  estamos
[22:47] 
[22:47] aquí  en  el  en  el  podcast  de  ITNIC,  ¿no?
[22:49] 
[22:49] Pues  por  ejemplo,  cuando  esto  lo  vamos  a
[22:51] 
[22:51] guardar,  uno  lo  podría  guardar  en  una
[22:53] 
[22:53] base  de  datos  al  uso,  pero  ya  unas  bases
[22:56] 
[22:56] de  datos  quote  un  quote  un  poco,  que  se
[22:58] 
[22:58] llaman  knowledge  graph.  ¿Y  qué  te
[22:59] 
[23:00] permite?  Pues  que  es  una  entidad,  ¿no?
[23:02] 
[23:02] Que  se  dice  y  cómo  se  relaciona  con  el
[23:04] 
[23:04] resto  de  conceptos.  Hace  como  una
[23:06] 
[23:06] especie  de  modelo  del  mundo.
[23:08] 
[23:08] Sí.  Como  un  objeto,  como  si  generan
[23:10] 
[23:10] objetos
[23:11] 
[23:11] de  de  las  cosas  que  entienden  el  mundo.
[23:13] 
[23:13] Ex.  Exacto.
[23:13] 
[23:13] Esto  es  una  base  de  datos  de  vectores,
[23:15] 
[23:15] ¿no?  Es  la  gran  diferencia.  una  base  de
[23:18] 
[23:18] datos  de  vectores,  eh,  típicamente  o
[23:21] 
[23:21] como  se  está  usando  sobre  todo  hoy  en
[23:22] 
[23:22] día,  es  para  hacer  búsqueda  semántica,
[23:24] 
[23:24] ¿no?  Estos  vectores  representan  la
[23:26] 
[23:26] información  semántica  de  una  frase,  de
[23:28] 
[23:28] un  texto,  de  una  palabra.  Eh,  un
[23:30] 
[23:30] knowledge  graph  eh  al  final  es  una  capa
[23:33] 
[23:33] como  yo  diría  más  abstracta
[23:34] 
[23:34] en  el  que  no  pierde
[23:37] 
[23:37] esa  granularidad  de  el  tipo  de
[23:39] 
[23:39] información.  Sabe  que  es  un  podcast  o
[23:41] 
[23:41] que  viene  de  una  empresa  factorial  que
[23:43] 
[23:43] tiene  estos  founders,  ¿no?  Toda  esta
[23:45] 
[23:45] relación,  este  este  grafo,  estas
[23:47] 
[23:48] conexiones  están  guardadas  en  en  una
[23:50] 
[23:50] base  de  datos  tal  cual  factuales.  No,  no
[23:52] 
[23:52] es  un  vector.  En  un  vector  al  final
[23:54] 
[23:54] pierdes,  es  como  un  proceso  donde
[23:56] 
[23:56] pierdes  información.  Y  esto  lo  tuvisteis
[23:58] 
[23:58] que  construir  desde  cero  o
[24:00] 
[24:00] cero.
[24:00] 
[24:01] Sí,  en  y  yo  creo  que  además  es  que
[24:02] 
[24:03] cogimos  una  época  preciosa  en  Billings
[24:04] 
[24:04] porque  justo  fue  el  inicio  de  los
[24:05] 
[24:05] knowled  graf  cuando  el  primer  knowledge
[24:07] 
[24:08] graph  que  apareció,  que  yo  creo  que  fue
[24:09] 
[24:09] Freebase  si  no  me  equivoco,  era  un
[24:11] 
[24:11] esfuerzo  de  crowdsourcing,  es  decir,
[24:12] 
[24:12] mucha  gente  empezó  a  generar  información
[24:14] 
[24:14] en  formato  grafo,  ¿no?  Y  la  y  la  subían
[24:18] 
[24:18] a  Freebase.  Entonces  Freebase  lo  compró
[24:19] 
[24:19] Google
[24:20] 
[24:20] y  y  el  y  el  head  de  de  Freebase,  ¿no?  el
[24:23] 
[24:23] el  cofundador,  el  fundador  de  Freebase
[24:25] 
[24:25] se  convirtió  en  en  la  persona
[24:27] 
[24:27] responsable  de  IA  de  Google.  y  montaron
[24:30] 
[24:30] lo  que  se  conoce  hoy  como  el  Google
[24:31] 
[24:31] Knowledge  Graph,  que  es  aquello  que
[24:33] 
[24:33] cuando  tú  a  veces  te  responde  que  te
[24:34] 
[24:34] responde  una  cajetilla,  esa  cajetilla  es
[24:36] 
[24:36] el  Google  Knowledge  Graph,  pero  fue
[24:38] 
[24:38] justo  al  inicio.  Entonces  estaba
[24:40] 
[24:40] Facebook  con  el  Social  Graph,  estaba
[24:42] 
[24:42] Google  con  el  Google  Knowledge  Graph,
[24:45] 
[24:45] IBM  Watson,  IBM  que  empezó  con  IBM
[24:47] 
[24:47] Watson  y  entonces  nos  encontramos  en
[24:49] 
[24:49] conferencias  estos  frikis  españoles  aquí
[24:52] 
[24:52] de  Billings  que  nadie  tenía  ni  idea  de
[24:53] 
[24:54] qué  hacíamos  ahí,  pero  construyendo
[24:55] 
[24:55] también  no  grabs,  ¿no?  Entonces  vimos
[24:57] 
[24:57] como,  o  sea,  primero  nos  subimos,  yo
[24:59] 
[24:59] creo,  a  la  ola  un  poco  del  deep  learning
[25:00] 
[25:00] y  de  todo  lo  que  estaba  viniendo  y  luego
[25:02] 
[25:02] nos  subimos  a  la  ola  del  knowledge  graph
[25:04] 
[25:04] y  y  todo  lo  que  estaba  pasando.  Y  de
[25:05] 
[25:05] hecho  es  que  los  no  grass  no  se  conocen
[25:08] 
[25:08] hasta  hace  dos  años  o  un  año  que  salió
[25:10] 
[25:10] en  pero  así  que  se  conozcan  bien  hasta
[25:13] 
[25:13] hace  un  año  porque  salieron  en  un
[25:14] 
[25:14] informe  de  Garner  y  entonces  de  repente
[25:16] 
[25:16] todos  los  todos  los  biso  el  ventur
[25:18] 
[25:18] empezó  a  decir  oye  esto  que  se  estado
[25:19] 
[25:20] haciendo  este  tiempo  parece  que
[25:21] 
[25:21] llegan  tarde  los
[25:23] 
[25:23] eh  bueno,  no  no  es  que  lleguen  tarde
[25:24] 
[25:24] pero  es  que  era  como  algo  muy  técnico,
[25:26] 
[25:26] muy  de  nicho
[25:27] 
[25:27] que  no  era  tan  interesante  hasta  ahora.
[25:29] 
[25:29] Es  decir,  los  knowledge  graphs,  ¿quién
[25:31] 
[25:31] tenía  tantos  datos  que  requería  su
[25:33] 
[25:33] knowledge  graph?  Google,  Facebook,  o
[25:35] 
[25:35] sea,  algunas  empresas,
[25:37] 
[25:37] bueno,  porque  [risas]  porque  nos
[25:39] 
[25:39] flipamos  y  también  porque  sí,  un  poco,
[25:42] 
[25:42] pero  también  porque  nosotros
[25:43] 
[25:43] adjuntábamos  toda  la  información  de
[25:45] 
[25:45] todos  los  medios,  entonces  claro,
[25:46] 
[25:46] teníamos  mucho  volumen  pesa  ser  una
[25:48] 
[25:48] startup  pequeñita.  E  pero  ahora  con  los
[25:50] 
[25:50] LMS,  ¿qué  pasa?  Que  todo  el  mundo  tiene
[25:52] 
[25:52] mucho  más  dato  y  te  planteas  trabajar  un
[25:54] 
[25:54] dato  a  mucha  más  profundidad  y  entonces
[25:56] 
[25:56] de  repente  algo  que  a  lo  mejor  antes
[25:58] 
[25:58] solo  era  útil  para  superempresas
[26:01] 
[26:01] empieza  a  ser  relevante  para  empresas
[26:02] 
[26:02] mucho  más  pequeñas.  Y  ahí  es  donde  yo
[26:04] 
[26:04] creo  que  coge  más  el  foco.  Hasta
[26:06] 
[26:06] entonces  era  como  algo  muy  nicho.
[26:08] 
[26:08] ¿Cuántos  equipos  estaban  haciendo  grabs
[26:10] 
[26:10] hace  10  años?
[26:11] 
[26:11] Se  pueden  contar.
[26:12] 
[26:12] Pocos.  O  al  menos  a  escala.
[26:14] 
[26:14] Sí,  a  escala
[26:15] 
[26:15] siempre  había  esa  parte  más  de  research.
[26:16] 
[26:16] Muchas  de  las  startups  que  entrenan
[26:18] 
[26:18] modelos  e  son  muy  intensivas  en  capital.
[26:21] 
[26:21] Hoy  en  día  levantan  cientos  de  miles  de
[26:24] 
[26:24] millones,  ¿no?  Casi  a  nivel  extremo  con
[26:26] 
[26:26] con  Open  AI,  pero  incluso  otras  eh
[26:29] 
[26:29] levantan  miles  de  millones  para
[26:30] 
[26:30] arrancar,  ¿no?  Rondas  seat,  ronda
[26:32] 
[26:32] semilla,  de  miles  de  millones.
[26:34] 
[26:34] en  en  Billings,  h  cuánto  dinero
[26:36] 
[26:36] levantasteis  y  y  ¿cómo  lo  hicisteis  para
[26:38] 
[26:38] no  tener  que  necesitar  cientos  o  miles
[26:40] 
[26:40] de  millones?  A  ver,  primero  porque  era
[26:42] 
[26:42] otra  época  y  los  modelos  no  eran  tan
[26:43] 
[26:43] grandes,  es  lo  que  tú  decías,  eh,
[26:45] 
[26:45] ejecutar,  o  sea,  si  yo  puedo  entrenar
[26:47] 
[26:47] los  modelos  con  50  GPUs,
[26:49] 
[26:49] o  sea,  50  GPUs  a  1000  €  cada  uno  son
[26:51] 
[26:51] 50,000  €
[26:52] 
[26:52] Claro.  O  sea,  no  estamos  hablando  de,  o
[26:53] 
[26:53] sea,  eso  luego  sí  que  sí  que  es  verdad
[26:56] 
[26:56] que  toda  la  parte  de  arquitectura
[26:57] 
[26:57] también  era  muy  costosa,  pero  primero
[27:00] 
[27:00] que  en  ese  momento  los  modelos,  todo  lo
[27:01] 
[27:01] que  hacíamos  era  mucho  más  sencillo,  era
[27:03] 
[27:03] mucho  más  a  manivela.  Eh,  no  sé,  como
[27:06] 
[27:06] tirabas  mucho  más  de  expresiones
[27:07] 
[27:07] regulares  que  de  Nelpi,  o  sea,  de
[27:09] 
[27:09] procesado  del  lenguaje  natural,  porque
[27:11] 
[27:11] lo  que  te  haga  un  regx,  pues  te  lo  hará
[27:13] 
[27:13] más  barato,  o  sea,  esa  mentalidad  de
[27:15] 
[27:15] bueno,  llegábamos  eh  hacíamos  eso  y
[27:17] 
[27:17] después
[27:19] 
[27:20] nos  costó  mucho  levantar  dinero  en
[27:21] 
[27:21] Billings,  o  sea,  era  complicado.  Tuvimos
[27:23] 
[27:23] suerte  porque  porque  aquí  pues  Kibo  nos
[27:25] 
[27:25] apoyó  un  montón.  Eh,
[27:27] 
[27:27] ¿cuándo  invierte  Kibo?
[27:28] 
[27:28] ¿Cuándo  invierte  Kibo?  Bu,  yo  soy  fatal
[27:30] 
[27:30] para  los  números  para  los  años,  eh,  pero
[27:32] 
[27:32] invertiría  2016.  por  ahí,
[27:34] 
[27:34] o  sea,  que  ya  llevabais  4  o  5  años.
[27:37] 
[27:37] Pero  es  que  Billings  era,  o  sea,
[27:38] 
[27:38] era  otra  cosa.
[27:40] 
[27:40] Primero  que  el  campo  de  la  IA  en  ese
[27:42] 
[27:42] momento  nosotros  es  que  íbamos
[27:44] 
[27:44] avanzados,  o  sea,  la  IA,  la  gente,  yo  me
[27:47] 
[27:47] acuerdo,  mi  familia  me  dijo  que  por  qué
[27:48] 
[27:48] me  dedicaba  a  la  IA  y  por  qué  no  me
[27:50] 
[27:50] dedicaba  a  hacer  apps  que  tendría  más
[27:51] 
[27:51] futuro.  Es  decir,  era  otra  época  donde
[27:53] 
[27:53] tú  tenías,  podías  estar  ahí  haciendo  y
[27:56] 
[27:56] pensando  lo  que  quisieras  que  no  había
[27:57] 
[27:57] ninguna  prisa.  Eso  el  primero.  Segundo,
[27:59] 
[27:59] que  la  verdad  es  que  era  era  todo  pasar
[28:03] 
[28:03] de  todo  lo  que  se  estaba  haciendo  a
[28:04] 
[28:04] nivel  de  research  a  producto,  hay  un
[28:06] 
[28:06] paso  grande.  Y  sí  que  es  verdad  que  en
[28:08] 
[28:08] Billings  estuvimos,  yo  creo  que  3  años
[28:11] 
[28:11] navegando  un  océano  sin  clientes  de  de
[28:13] 
[28:13] desarrollo,  o  sea,  eh  era  un
[28:15] 
[28:15] ¿Cómo  sobrevivíais?  Eh,  porque  habíamos
[28:17] 
[28:17] eh  Juan  Carlos  había  levantado  e  una  una
[28:20] 
[28:21] ronda  de  angels  y  tal  y  éramos  pues
[28:24] 
[28:24] teníamos  un  despacho  mini  en  la  misma
[28:27] 
[28:27] universidad  que  nos  dejó  ahí  un  sitio  y
[28:29] 
[28:29] ahí  conectábamos  las  máquinas  y  cuando
[28:31] 
[28:31] subía  50  gr  pues  alguna  hacía  puff  y
[28:34] 
[28:34] éramos  muy  escravetear.
[28:36] 
[28:37] Sí,  el  fin  de  semana  se  iba  a  resetear,
[28:38] 
[28:38] o  sea,  éramos  eh  bueno,  era  otra  época,
[28:41] 
[28:41] éramos  muy  jóvenes  y  y  todos  bueno,
[28:44] 
[28:44] que  no  cobrabais,  vaya.  Y  yo  no  cobré
[28:46] 
[28:46] durante  varios  años  en  Billings.
[28:48] 
[28:48] Perfectamente  lo  puedo  decir.
[28:49] 
[28:49] Vale.  Así  es  fácil  tener  runway,  ¿no?
[28:51] 
[28:51] Tener  tener  meses  de  vida  si  no  gastas
[28:53] 
[28:53] nada.  O  sea,  claro,  o  sea,  gastábamos,
[28:56] 
[28:56] gastábamos  en  gente,  gastábamos  en
[28:57] 
[28:57] personal,  pero  teníamos  un  montón  de  de
[29:00] 
[29:00] personas  de  la  universidad  que  estaban
[29:01] 
[29:01] haciendo  el  máster  con  nosotros,  el
[29:03] 
[29:03] doctorado,  teníamos  muchas
[29:05] 
[29:05] colaboraciones,  o  sea,  todo  lo  que
[29:06] 
[29:06] podíamos  hacer
[29:07] 
[29:07] gratis,
[29:08] 
[29:08] que  que  durara  el  dinero,  no  voy  a  decir
[29:09] 
[29:09] gratis,  pero  que  el  dinero  durara
[29:11] 
[29:11] máximo,
[29:12] 
[29:12] eh,  se  hacía  y  y  todos  los  shortcuts  que
[29:15] 
[29:15] pudiéramos  ahí  se  hacían,  ¿no?  No
[29:17] 
[29:17] teníamos  en  ese  momento  la  era  muy  poco
[29:19] 
[29:19] sexy
[29:20] 
[29:20] y  en  2016  más  o  menos  invierte  Kibo.  Sí.
[29:23] 
[29:23] ¿Cuánto  invierte?
[29:24] 
[29:24] Eh,  buah,  lo  debería  saber,  pero  no  lo
[29:27] 
[29:27] sé.  Eh,  yo  creo  que  en  total  en
[29:28] 
[29:28] Billings,  yo  creo  que  hicimos  12
[29:30] 
[29:31] millones  de  financiación  más  o  menos.  E
[29:33] 
[29:33] ah,  no  te  no  te
[29:34] 
[29:34] inversores  españoles.
[29:35] 
[29:35] Eh,  sí,  teníamos  algún  inversor
[29:37] 
[29:37] americano  también,  pero  no  era  muy
[29:40] 
[29:40] conocido.  O  sea,  como  bueno,  tenemos
[29:43] 
[29:43] Angels,  teníamos  Super  Angels,  Angels  y
[29:45] 
[29:45] algún  inversor  americano,  pero  no  de  los
[29:47] 
[29:47] típicos  de  primera  línea.
[29:48] 
[29:48] Vale.  Es  que  en  internet  he  visto  datos
[29:51] 
[29:51] contradictorios,  con  lo  cual  no  si  no  yo
[29:53] 
[29:53] te  ayudaría,  pero  como  he  visto  un
[29:54] 
[29:54] montón  de  cosas  muy  diferentes,  no  sé
[29:55] 
[29:55] cuál  es  la,  vamos  a  decir,  unos  12
[29:57] 
[29:57] millones  de  euros  de
[29:59] 
[29:59] Bueno,  entre  todas  las  rondas,
[30:00] 
[30:00] entre  todas  las  rondas,  entre  2016  y
[30:03] 
[30:03] 2020,
[30:03] 
[30:03] sí,  por  ahí.
[30:04] 
[30:04] Eh,  ¿cuánto  llegáis  a  facturar?
[30:06] 
[30:06] Eh,  pues  e  la  verdad  es  que  no  no
[30:11] 
[30:11] podemos  decirlo.
[30:13] 
[30:13] No  podéis  decirlo  porque  aquí  entra
[30:15] 
[30:15] el  misterio  que  ahora  nos  acompañará,
[30:17] 
[30:17] que  es  el  amigo  Apple.
[30:18] 
[30:18] Sí.  Vale,  yo  he  leído  9.7  millones  de
[30:21] 
[30:21] dólares,  creo  que  era,  de  facturación
[30:23] 
[30:23] anual  en  el  momento  de  la  venta.
[30:26] 
[30:26] Vale,  podría  ser,  podría  ser  que
[30:27] 
[30:27] hubieras  facturado  algo  de  de  de  ese
[30:29] 
[30:29] estilo  a  medios,  a  grandes  compañías  de
[30:32] 
[30:32] medios  americanos,  tipo  NBC,  has  dicho
[30:34] 
[30:34] antes,  y  otras  parecidas,  ¿no?  En
[30:35] 
[30:35] Estados  Unidos.
[30:36] 
[30:36] La  empresa  es  española.
[30:38] 
[30:38] Eh,  la  empresa  estaba  incorporada  en
[30:39] 
[30:39] Estados  Unidos  y  con  filial  aquí.
[30:41] 
[30:41] Y  el  equipo,
[30:42] 
[30:42] eh,  todo  el  equipo  de  ingeniería  aquí.  Y
[30:44] 
[30:44] luego  teníamos  equipo  de  ventas  en  Nueva
[30:45] 
[30:45] York,  en  Palo  Alto  y  en  Los  Ángeles.
[30:49] 
[30:49] Vale.  ¿Vosotros  dónde  estabais?
[30:51] 
[30:51] Ah,  bueno,  ya  aquí.
[30:53] 
[30:53] Yo  rotaba,  yo  normalmente  hacía  una
[30:55] 
[30:55] semana  más  o  menos,  eh,  una  semana  yo
[30:57] 
[30:57] creo  que  haría  en  en  California,  una
[30:59] 
[30:59] semana  en  Nueva  York  y  dos  aquí  en
[31:01] 
[31:01] Barcelona  con  el  equipo  de  ingeniería  y
[31:02] 
[31:02] al  final  era  CTO.  Lo  que  pasa  es  que  los
[31:03] 
[31:04] clientes  te  quieren  ver.  Entonces  yo  iba
[31:06] 
[31:06] a  hacer  el  show  y  luego  volví  a  trabajar
[31:07] 
[31:07] con  el  equipo  dos  semanas  aquí.
[31:08] 
[31:08] ¿Por  qué  te  quieren  ver  los  clientes?
[31:10] 
[31:10] Bueno,  porque  yo  creo  que  al  final  es
[31:11] 
[31:11] una  tecnología  que  es  muy  nueva  y  al
[31:13] 
[31:13] final  quieren  que  les  expliques,  o  sea,
[31:15] 
[31:15] que  tienes  que  hacer  mucha  educación  al
[31:17] 
[31:17] principio,  o  sea,  era  un  momento  en  el
[31:19] 
[31:20] que  la  no  se  conocía  tanto  y  y  querían
[31:22] 
[31:22] muchas  veces  los  equipos  técnicos  que
[31:24] 
[31:24] fueras,  les  explicaras  porque  es
[31:26] 
[31:26] diferente,  cómo  lo  haces,  qué  tiene,  qué
[31:28] 
[31:28] tecnología  tienes  detrás.  Había  que
[31:30] 
[31:30] hacer  mucha  educación  del  mercado,  ahora
[31:31] 
[31:31] dices,  "Hagoía"  y  y  bueno,  todo  el  mundo
[31:33] 
[31:33] dice,  "Vale,  perfecto,  ¿qué  más?"  Sí,  tú
[31:35] 
[31:35] y  quién  más,  ¿no?  El  problema  es
[31:36] 
[31:37] entender  qué  hace  cada  uno  porque  todo
[31:38] 
[31:38] el  mundo  hace
[31:39] 
[31:39] Vale,  entonces  eh  llega  Apple,
[31:42] 
[31:42] ¿sí?
[31:43] 
[31:43] ¿Cómo  aparece  este  interés?
[31:45] 
[31:45] Vale,  o  sea,  yo  creo
[31:46] 
[31:46] ahora  aviso  la  audiencia.  Entramos  en
[31:48] 
[31:48] terreno  pantanoso.  Tengo  abogados  con
[31:50] 
[31:50] rifles  de  francotirador  apuntándome
[31:52] 
[31:52] ahora  mismo.  Responder  a  lo  que  pueda.
[31:54] 
[31:54] Así  que  vamos  a  vamos  a  intentar
[31:55] 
[31:55] aprender  entendiendo  que  Apple  eh  es  una
[31:58] 
[31:58] empresa  famosamente  estricta  por  la
[32:00] 
[32:00] privacidad  y  confidenciidad,  pero  vamos
[32:01] 
[32:01] a  intentar  sacar  pues  anécdotas,
[32:04] 
[32:04] aventuras,  cosas  que  se  puedan  contar.
[32:06] 
[32:06] ¿Cómo  llega  a  Billings?  A  ver,  yo  creo
[32:08] 
[32:08] que  es  que  la  gente  siempre  cree  como
[32:09] 
[32:09] que  hay  un  momento  en  el  que  llegue,
[32:10] 
[32:11] ¿no?  Y  en  realidad  nosotros  siempre
[32:12] 
[32:13] habíamos  tenido,  como  estábamos  en  esa
[32:15] 
[32:15] aula  de  knowledge  graphs,  que  éramos  tan
[32:16] 
[32:16] raros,  éramos  tan  poquitos,  siempre  se
[32:18] 
[32:18] nos  habían  ido  aproximando  compañías,
[32:21] 
[32:21] eh,  Google,  Twitter,  con  íbamos
[32:23] 
[32:23] hablando,  venían,  hablabas,  volvían,  no
[32:25] 
[32:26] sé  qué,  ya  nos,  o  sea,  como  que  tú  vas
[32:27] 
[32:27] manteniendo  una  relación,  al  final
[32:28] 
[32:28] querían  saber  qué  hacíais.
[32:30] 
[32:30] Sí.  Y  además,  yo  creo  que  hay  que  cuando
[32:32] 
[32:32] tú  estás  haciendo  research  a  ese  nivel,
[32:34] 
[32:34] en  un  campo  que  es  que  ahora  hay  mucha
[32:37] 
[32:37] gente,  pero  entonces  éramos  pocos  y  nos
[32:39] 
[32:39] conocíamos  bastante  entre  todos.
[32:40] 
[32:40] Entonces  hay  una  parte  de  más  de  de
[32:43] 
[32:43] ingenieros,  de  aprender,  de  lo  que  estás
[32:45] 
[32:45] haciendo,  de  me  he  probado  esto,  no  me
[32:46] 
[32:46] va,  no  me  va,  ¿no?  Que  tú  vas  generando
[32:48] 
[32:48] relaciones  con  gente  que  trabaja  en
[32:50] 
[32:50] empresas  porque  es  que  en  tu  campo  el
[32:52] 
[32:52] resto  de  empresas  son  empresas  muy
[32:53] 
[32:53] grandes.  Entonces  siempre  se  nos  habían
[32:55] 
[32:55] como  ido  acercando  durante  los  10  años
[32:57] 
[32:57] de  Billings  eh  varias  empresas.  ¿Cómo  se
[33:00] 
[33:00] acercan?
[33:01] 
[33:01] Eh,  bueno,  porque  es  que  nunca  dejas,
[33:03] 
[33:03] ¿no?  Porque  te  encuentras  te  encuentras
[33:05] 
[33:05] en  una  conferencia,  en  un  workshop,
[33:06] 
[33:06] hablas  después,  ay,  pues  no  sé  qué,  nos
[33:08] 
[33:08] vemos  dentro  de  6  meses  en  tal,  vas  a  ir
[33:10] 
[33:10] a  CES,  pues  nos  vemos  en  CES.  Bueno,  lo
[33:12] 
[33:12] lo  típic  feria  electrónica  Las  Vegas,
[33:15] 
[33:15] sí,  pero  o  sea,  como  que  al  final  tú
[33:17] 
[33:17] haces  relaciones  con  gente  que  comparte
[33:19] 
[33:20] tu  visión  o  gente  técnica
[33:22] 
[33:22] y  y  terminas  pues  compartiendo  cosas.
[33:25] 
[33:25] Entonces,  en  algún  momento  las  personas
[33:27] 
[33:27] técnicas  también  hablan  con  sus  equipos,
[33:29] 
[33:29] con  sus  empresas  y  entonces  te  van
[33:31] 
[33:31] viniendo  y  y  tú  pues  vas  hablando  con  la
[33:33] 
[33:33] gente.  Yo  creo  que  como  emprendedor  eh
[33:36] 
[33:36] te  toca  un  poco  hablar  con  todo  el  mundo
[33:37] 
[33:37] porque  nunca  sabes  dónde  te  va  a  llevar
[33:38] 
[33:38] cada  cosa,  ¿no?
[33:39] 
[33:39] Vosotros  os  estáis  planteando  vender,
[33:42] 
[33:42] ¿no?
[33:42] 
[33:43] ¿O  llega  una  oferta  que  no  habéis
[33:45] 
[33:45] pedido?  Eh,  nosotros  no  nos  estamos
[33:47] 
[33:47] planteando  vender  y  haga  una  oferta  que
[33:49] 
[33:49] no  hemos  pedido.  E  durante  el  los
[33:52] 
[33:52] tiempos  de  Billings  llegaron  ofertas  que
[33:53] 
[33:54] no  habíamos  pedido,
[33:55] 
[33:55] que  rechazasteis
[33:57] 
[33:57] o  no  cuajaron  por  alguna  de  las  de  los
[33:59] 
[33:59] lados  e
[34:00] 
[34:00] de  de  Apple  o  de  otras  compañías.  de
[34:02] 
[34:02] otras  compañías,  pero  no  es  que  eh  o
[34:05] 
[34:05] sea,  no  es  que  tú  digas,  "No  me
[34:07] 
[34:08] tajantemente,  es  que  a  veces  pues
[34:09] 
[34:09] negocias,  ellos  tienen  una  expectation,
[34:11] 
[34:11] o  sea,  una  una  eh  unos  objetivos,  tú
[34:13] 
[34:13] tienes  otros  y  ves  que  por  ambos  lados
[34:16] 
[34:16] no  va  a  encajar  y  no  solo  de  precio,
[34:17] 
[34:17] sino  de  visión  de  la  compañía,  de  dónde
[34:19] 
[34:19] la  quieres  llevar,  de  dónde  ven  el
[34:21] 
[34:21] futuro  en  sus  productos,  ¿no?  Yo  creo
[34:23] 
[34:23] que  al  final  cuando  estás  en  un  proceso
[34:25] 
[34:25] de  compraventa
[34:26] 
[34:26] jolín,  tienen  que  encajar  muchísimas
[34:28] 
[34:28] cosas.
[34:28] 
[34:29] ¿Qué  empresas  os  hicieron  oferta?
[34:30] 
[34:31] E
[34:31] 
[34:31] esto  se  puede  decir  porque  ya  ha
[34:32] 
[34:32] prescrito  todo
[34:33] 
[34:33] esto.  Bueno,  eh,  hablamos  con  con  las
[34:35] 
[34:35] que  os  he  comentado  antes.
[34:37] 
[34:37] Twitter,  Google,  no
[34:38] 
[34:38] has  dicho  Google,  no  lo  has  dicho,  ¿no?
[34:41] 
[34:41] Ah,  vale.  Eh,  Twitter,  Google,
[34:43] 
[34:43] sí
[34:43] 
[34:43] y  alguna  más.
[34:45] 
[34:45] No  voy  a  decir  nada.  No  soltera  bien
[34:46] 
[34:46] hecho  eso  [risas]
[34:47] 
[34:48] y  había  hablado  más  y  Apple.
[34:50] 
[34:50] ¿Por  qué  por  qué  llegáis  a  un  acuerdo
[34:52] 
[34:52] con  Apple?
[34:52] 
[34:52] Eh,  a  ver,  yo  creo  que  pasan  muchas
[34:54] 
[34:54] cosas.  Eh,
[34:56] 
[34:56] 2020.
[34:57] 
[34:57] 2020.
[34:57] 
[34:58] Eso  es  lo  que  pasa.
[34:59] 
[34:59] 2020.  Nosotros,
[35:00] 
[35:00] ¿qué  momento  2020?  Porque  cambia
[35:02] 
[35:02] bastante.
[35:03] 
[35:03] Eh,  2020  momento  COVID.
[35:05] 
[35:05] Ya  ha  llegado  el  COVID.
[35:06] 
[35:06] Eh,  no,  nosotros  estamos  en  en
[35:08] 
[35:08] principios  de  2020  estamos  cerrando  una
[35:09] 
[35:09] ronda  B,
[35:10] 
[35:11] ¿vale?
[35:11] 
[35:11] Eh,  entonces  tenemos  pues  la  caja
[35:13] 
[35:13] relativa,
[35:14] 
[35:14] eh,
[35:15] 
[35:15] no  sé,
[35:16] 
[35:16] pero  incluidos  en  los  12  que  me  has
[35:17] 
[35:17] dicho  antes,
[35:18] 
[35:18] o  sea,
[35:18] 
[35:18] o  era  una  ronda  que  no  se  llegó  a
[35:20] 
[35:20] matizar.  Los  12,  yo  creo  que  fueron  una
[35:21] 
[35:21] combinación  de  presitat  ronda,  ¿vale?
[35:25] 
[35:25] E  entonces  estamos  estamos  empezando  a
[35:28] 
[35:28] hablar,  ¿no?  Mirando  termets,  hablando
[35:29] 
[35:29] con  personas,  eh,  con  fondos,  ronda  B.
[35:33] 
[35:33] Entonces,  ¿qué  nos  pasa?  Viene  COVID  y
[35:36] 
[35:36] nos  encontramos  que  todo  el  mundo  visis
[35:38] 
[35:38] de  repente,  todo  el  mundo  de  Venture
[35:39] 
[35:39] Capital,  se  va  a  acabar  el  mundo,  no
[35:41] 
[35:41] sabemos  qué  va  a  pasar.  Hm.  como  todo  el
[35:44] 
[35:44] mundo,  como  parado,  de  repente  el  mundo
[35:46] 
[35:46] se  para  en  ese  momento  y  nosotros  no
[35:48] 
[35:48] sabemos  qué  hacer  y  tenemos  un  equipo
[35:49] 
[35:49] pues  que  ya  pues  éramos  bastantes  e  con
[35:52] 
[35:52] un  banate  pues  que  no  era  no  era
[35:54] 
[35:54] trivial.  eh  nos  pidan  un  momento  de
[35:56] 
[35:56] expansión  porque  nosotros  primero
[35:57] 
[35:58] hacíamos  media  eh  medios  de
[35:59] 
[35:59] comunicación,  pero  realmente  eh  nuestro
[36:02] 
[36:02] nuestra  idea  era  ir  a  empresas  de  otros
[36:04] 
[36:04] sectores,  a  empresas  de  legal,  empresas
[36:06] 
[36:06] financieras,  etcétera,  porque  como  vemos
[36:08] 
[36:08] a  día  de  hoy,  ese  problema  de  búsqueda
[36:09] 
[36:09] de  información  interna
[36:11] 
[36:11] lo  tienen  muchas  empresas,  ¿no?  Entonces
[36:13] 
[36:14] empezábamos  con  con  medios  de
[36:15] 
[36:15] comunicación  porque  sabíamos  que  ellos
[36:16] 
[36:16] tenían  eh  conocimiento  bueno  que  nos
[36:19] 
[36:19] podían  ayudar  para  entrenar  modelos  y
[36:20] 
[36:21] luego  íbamos  a  los  siguientes.  Entonces,
[36:22] 
[36:22] en  ese  momento  de  transición  nos  pilla
[36:24] 
[36:25] COVID  y  y  la  ronda  B  era  para  para  hacer
[36:27] 
[36:27] ese  transita
[36:28] 
[36:28] y  la  caja  justita  porque  cuando  estás
[36:30] 
[36:30] haciendo  ronda  no  estás  Bueno,  si  tienes
[36:31] 
[36:31] suerte  sí  estás  aquí  como  tranquilísimo,
[36:33] 
[36:33] pero  no  era  nuestro  caso.  E  porque
[36:35] 
[36:35] además  una  empresa  de  DIPTech  desde
[36:37] 
[36:37] aquí,  ¿no?  Porque  desde  en  Estados
[36:39] 
[36:39] Unidos  nos  veían  como  muy  españoles  todo
[36:40] 
[36:40] el  equipo  en  España,  eh,  y  aquí  había
[36:44] 
[36:44] muy  poca  deeptech  y  inversionería  en  ese
[36:47] 
[36:47] momento,  ¿no?  Entonces  éramos  como,
[36:48] 
[36:48] bueno,  no  encajamos  en  ningún  sitio.
[36:51] 
[36:51] Entonces  nos  pilla  y  y
[36:54] 
[36:54] no  sabemos  qué  hacer.  Y  yo  creo  que
[36:56] 
[36:56] entonces  Juan  Carlos  y  yo  nos  reunimos
[36:59] 
[36:59] con  con  el  equipo,  con  las  personas  más
[37:03] 
[37:03] importantes  de  la  historia  de  de
[37:05] 
[37:05] Billings,  ¿no?  Os  sentamos  en  una  mesa
[37:07] 
[37:07] y  dijimos,
[37:09] 
[37:09] eh,  ¿qué  hacemos,  chicos?  O  sea,  tenemos
[37:10] 
[37:10] esta  opción  y  tenemos  esta.  ¿Y
[37:13] 
[37:13] cuáles  eran  las  opciones?
[37:14] 
[37:14] Bueno,  o  sea,  eh,  hacer  ronda
[37:16] 
[37:16] y  recortar.  Bueno,  hacer  ronda  sabiendo
[37:18] 
[37:18] que  a  lo  mejor  no  era  la  mejor  ronda
[37:21] 
[37:21] y  que  podía  incluir  recortar  plantilla
[37:23] 
[37:23] porque  no  sabíamos  dónde  íbamos.  O  sea,
[37:25] 
[37:25] para  mí  el  foco  era,  si  yo  tengo  la
[37:27] 
[37:27] opción  de  de  una  adquisición,
[37:31] 
[37:31] Apple  va  a  caer  por  mucho  COVID,  ¿no?
[37:34] 
[37:34] Entonces,  pensamos,  bueno,  una
[37:35] 
[37:35] adquisición,  todo  el  mundo  se  queda  bien
[37:37] 
[37:37] colocado,  buen  salario,  sin  sufrir,  o
[37:39] 
[37:39] sea,  afianzamos  y  ya  está,  o  nos  vamos  a
[37:44] 
[37:44] la  ronda  B,  que  además  sabemos  pues  que
[37:46] 
[37:46] lo  que  nos  que  va  a  ser  muy  difícil
[37:49] 
[37:49] hacer  un  crecimiento  en  un  momento  donde
[37:51] 
[37:51] el  mundo  parece  que  se  para,  donde  no
[37:52] 
[37:52] podemos  saber  cuántos  meses  va  a  estar,
[37:54] 
[37:54] o  sea,  era  ese  momento  que  no  teníamos
[37:55] 
[37:55] ni  idea,  era  marzo,  febrero,  marzo  2020,
[37:58] 
[37:58] no  teníamos  ni  idea  qué  hacer
[38:00] 
[38:00] y  votamos.
[38:02] 
[38:02] Votasteis,
[38:03] 
[38:03] ¿sí?  No,  o  sea,  todo  el  mundo  dijo  la
[38:04] 
[38:04] suya.
[38:05] 
[38:05] Sí,  nos  sentaron,  preguntaron  cada  uno,
[38:08] 
[38:08] bueno,  cada  uno  dio  un  poco  su  visión,
[38:11] 
[38:11] o  sea,  al  final  no  sé  si  fue  manos
[38:12] 
[38:12] arriba,  ¿no?  Porque  había  bastante
[38:13] 
[38:13] consenso,  ¿no?
[38:14] 
[38:14] Sí.
[38:14] 
[38:14] Y  ya  está.
[38:16] 
[38:16] Y  ahí,  o  sea,  tenéis  la  oferta  de  Apple
[38:17] 
[38:17] encima  de  la  mesa
[38:18] 
[38:18] y  decidisteis  cogerla.
[38:20] 
[38:20] ¿Vale?  Entonces,  e  ¿Qué  quiere  Apple  de
[38:24] 
[38:24] Binks?
[38:25] 
[38:25] Vale,
[38:26] 
[38:26] es  es  puramente  el  equipo.  Había  una
[38:28] 
[38:28] propiedad  intelectual,  eh  un  software,
[38:31] 
[38:31] una  cartera  de  clientes,  un  un
[38:34] 
[38:34] entrenamiento,  ¿no?  ¿Qué  activos  había
[38:35] 
[38:35] en  Billings  en  el  momento  de  la  venta?
[38:37] 
[38:37] Sí,  e  el  y  la  propiedad  intelectual.
[38:40] 
[38:40] Y  la  propiedad  intelectual.  propiedad
[38:41] 
[38:41] intelectual  de  las  cabezas  del  equipo  o
[38:43] 
[38:43] había  un  un  algoritmo,  un  software  o  un
[38:45] 
[38:45] modelo  entrenado  que  tenía  valor
[38:46] 
[38:46] había  modelos,  había  patentes,  había
[38:51] 
[38:51] había  un  software,  ¿no?  En  realo,
[38:54] 
[38:54] había  el  grafo  de  conocimiento,  había
[38:57] 
[38:57] pues  todo.  Al  final  nosotros  nuestra
[38:59] 
[38:59] idea  era  que  todo  lo  que  íbamos
[39:00] 
[39:00] construyendo  y  íbamos  metiendo  en  ese
[39:02] 
[39:02] grafo,  al  final  era  valor  para  la
[39:03] 
[39:04] compañía  porque  es  un  unos  datos  eh  que
[39:08] 
[39:08] son  fiables  para  hacer  cosas  encima,
[39:09] 
[39:09] ¿no?  y  había  pues  toda  esa  propiedad
[39:12] 
[39:12] intelectual  y  y  el  equipo,  la  parte  de
[39:15] 
[39:15] clientes  pues pues  no  Apple  no  le
[39:17] 
[39:17] interesaba.
[39:18] 
[39:18] Seguramente  no.  ¿Y  cuánto  tiempo  desde
[39:21] 
[39:21] la  primera  reunión  hasta  una  oferta
[39:24] 
[39:24] formal?  ¿Y  cuánto  tiempo  desde  una
[39:26] 
[39:26] oferta  formal  hasta  el  dinero  en  el
[39:27] 
[39:27] banco?
[39:28] 
[39:28] Buah.  A  ver,  eh,  es  que  tampoco  es  que
[39:31] 
[39:31] es  muy  difícil  decir  como  que  es  la
[39:33] 
[39:33] primera  reunión,  o  sea,  cuando  te
[39:35] 
[39:35] encuentras  a  uno,  en  uno,  gente  en
[39:38] 
[39:38] traje,  cuando  llega  gente  en  traje,
[39:39] 
[39:39] ¿crees  que  gente  en  traje?  No  llego
[39:40] 
[39:41] nunca,  por  suerte.  Por  suerte  no
[39:42] 
[39:42] los  abogados,  los  abogados  en  algún
[39:44] 
[39:44] momento  tienen  que  aparecer,
[39:45] 
[39:45] pero  yo  creo  que  no  sé  si  traje,  [risas]
[39:47] 
[39:47] pero  sí,  a  ver,  e  creo  que  cada  empresa
[39:51] 
[39:51] es  un  mundo  y  que  porque  a  veces  eh  me
[39:53] 
[39:53] lo  me  lo  han  preguntado  como  y  esta  y
[39:55] 
[39:55] esta  otra  y  y  tardas  más  o  menos.
[39:57] 
[39:57] Depende  de  del  departamento  donde  estés,
[40:01] 
[40:01] de  quién  te  compra,  de  es  indeterminado.
[40:04] 
[40:04] No  te  puedo  decir  cómo
[40:04] 
[40:04] no  puedes  decir  eh
[40:05] 
[40:05] entramos  en  el  mundo  a  pelea.
[40:07] 
[40:07] Jugado  bien,  has  jugado  bien.
[40:08] 
[40:08] He  intentado  disimularlo,  pero  me  la  ha
[40:09] 
[40:09] pillado  directa.
[40:10] 
[40:10] Una  cosa  muy  importante  que  que  has
[40:11] 
[40:11] dicho  antes  de  pasada,  pero  yo  me
[40:13] 
[40:13] acuerdo  que  en  ese  mismo  momento  en
[40:14] 
[40:14] Factoria  estamos  levantando  una  ronda,
[40:16] 
[40:16] eh,  y  el  terms  llegó  dos  semanas  antes
[40:19] 
[40:19] del  confinamiento  del  COVID,  ¿no?  Y
[40:20] 
[40:20] también  fue  mucha  incertidumbre.  Tú  has
[40:22] 
[40:22] dicho,  "Una  oferta  de  Apple  se  va  a
[40:24] 
[40:24] caer,  o  sea,  el  hecho  de  que  confiarais
[40:28] 
[40:28] que  que  eso  iba  a  cerrarse,  que  no  se
[40:31] 
[40:31] iba  a  caer  a  mitad  de  camino,
[40:33] 
[40:33] pesó  mucho  en  vuestra  decisión."  O  sea,
[40:35] 
[40:35] y  yo  creo  que  no  es  que  la  oferta  fuera
[40:36] 
[40:36] a  caer  o  no,  sino  para  mí  es  que  Apple
[40:38] 
[40:38] no  iba  a  caer.  Es  decir,  [risas]
[40:40] 
[40:40] difícil  morir.
[40:41] 
[40:42] Claro.  O  sea,  que  Apple  no  muere  en  en
[40:43] 
[40:43] un  COVID,  ¿no?  Entonces,  a  nosotros,  yo
[40:46] 
[40:46] para  para  nuestros  empleados,  para
[40:48] 
[40:48] nuestro  equipo,
[40:50] 
[40:50] la  carta  segura  era  decir,  porque  al
[40:51] 
[40:51] final  vas  cargando  como  esa  mochila  de,
[40:53] 
[40:53] ostras,  y  estoy  liando  a  toda  esta  gente
[40:54] 
[40:54] a  hacer  esto.
[40:55] 
[40:55] 50  personas  en  el  momento  de  la  venta.
[40:57] 
[40:57] Sí.  que  claro,  para  para  mí  es  mucho,
[40:58] 
[40:58] para  vosotros  es  mucho,
[41:01] 
[41:01] pero  pero  la  mochila  la  íamos  cargando  y
[41:03] 
[41:03] y  a  mí  me  costaba  mucho  pensar,  ostras,
[41:05] 
[41:05] es  que  ahora  pues  no no  tengo  muy  claro
[41:07] 
[41:07] qué  va  a  pasar,  ¿no?,  en  esa  ronda  y
[41:09] 
[41:09] cómo  vamos  a  salir  de  ahí  porque  luego
[41:10] 
[41:10] las  métricas  iban  a  ser  difíciles  de
[41:12] 
[41:12] sobrevivir  billings,  ¿no?  A  lo  que  nos
[41:13] 
[41:13] venía.  E  a  lo  mejor  fuimos  unos  cagados,
[41:16] 
[41:16] no  sé.
[41:17] 
[41:17] Vais  todos  a  Apple.
[41:19] 
[41:19] Sí,
[41:20] 
[41:20] tu  socio.
[41:21] 
[41:21] Ah,  bueno,  eh,
[41:23] 
[41:23] Juan  Carlos.  Claro,  no  me  no  puedo
[41:25] 
[41:25] meterme  en  los  detalles  de  de  Juan.
[41:28] 
[41:28] Yo  he  leído  que  él  no  forma  parte  de  del
[41:31] 
[41:31] equipo  de  Apple  en  el  que  tú  estabas.
[41:33] 
[41:33] Sí,  exacto.
[41:34] 
[41:34] Vale,
[41:34] 
[41:34] pero  pero  porque
[41:37] 
[41:37] bueno,  yo  supongo  que  eso,  no  sé  si  lo
[41:39] 
[41:39] puedo  decir  o  no,  pero  porque  los
[41:40] 
[41:40] hubiera  encantado,  pero  le  dejaron
[41:42] 
[41:42] elegir.
[41:43] 
[41:43] Vale,
[41:44] 
[41:44] entonces
[41:44] 
[41:44] y  elegir  que  no.
[41:45] 
[41:45] Bueno,  eso  ya  lo  tienes  que  hablar  tú
[41:46] 
[41:46] con  él.  Eso  ya  lo  tienes  que  [risas]
[41:48] 
[41:48] hablar  con  él.
[41:49] 
[41:49] No  me  disparéis,  ¿eh?  Eh,  vale,  ya  has
[41:51] 
[41:51] dicho  que  no  podéis  contar  nada  de  la
[41:54] 
[41:54] oferta  y  la  adquisición,  pero  yo  lo  que
[41:56] 
[41:56] he  leído  por  internet  en  un  montón  de
[41:57] 
[41:57] fuentes  es  que  se  os  ofreció  o  se  pagó
[42:00] 
[42:00] unos  50  millones  de  dólares  por  la
[42:02] 
[42:02] adquisición  de  Billings,  que  además  me
[42:03] 
[42:03] cuadra  con  los  eh  millillón  de  dólares
[42:06] 
[42:06] por  cabeza  de  cierto  tipo  de
[42:07] 
[42:07] adquisiciones  muy  técnicas  que  pasan  en
[42:09] 
[42:09] Silicon  Valley,  ¿vale?  No  tenéis  ni  que
[42:12] 
[42:12] confirmar  ni  desmentir,  pero  lo  he  leído
[42:14] 
[42:14] en  muchas  fuentes,  entonces  más  o  menos
[42:16] 
[42:16] me  imagino  que  por  ahí  irían  los  tiros.
[42:18] 
[42:18] E,  ¿qué  pasáis  a  hacer  dentro  de  Apple?
[42:23] 
[42:23] Eh,  tampoco  creo  que  podamos  hablar
[42:25] 
[42:25] mucho  de  esto,  pero
[42:26] 
[42:26] ¿cuál  era  tu  título?
[42:27] 
[42:27] Ah,  pues  mi  título
[42:28] 
[42:28] vamos  a  empezar  por  algún  sitio.  Eso  es
[42:29] 
[42:29] fácil.  [risas]  Eso  está  LinkedIn.
[42:31] 
[42:31] Eso  está  LinkedIn.  Pues  lideraramos  toda
[42:33] 
[42:33] la  parte  de  knowledge  graphs  internos  de
[42:35] 
[42:35] la  compañía  para  para  la  parte  de
[42:36] 
[42:36] servicios.
[42:38] 
[42:38] ¿Qué  qué  es  la  parte  de  servicios?  La
[42:39] 
[42:39] parte  de  servicios  es  la  parte  que  lleva
[42:41] 
[42:41] todos  los  servicios  de  Apple,  App  Store,
[42:43] 
[42:43] Music,  Books,  Podcast,  todo  el
[42:45] 
[42:45] ecosistema  de  Apple  de  la  parte,  bueno,
[42:47] 
[42:47] se  llama  de  servicios,
[42:48] 
[42:48] ¿vale?  O  sea,  relacionado  con  las
[42:49] 
[42:49] búsquedas  dentro  de  estos  servicios  para
[42:52] 
[42:52] entendernos,  con  media,
[42:54] 
[42:54] todo  lo  que  tiene  que  ver  con
[42:55] 
[42:55] audiovisual,
[42:56] 
[42:56] o  sea,  por  ejemplo,  Apple  TV
[42:58] 
[42:58] y  Apple  Music,
[42:59] 
[42:59] entiendo,
[43:00] 
[43:01] búsquedas,  recomendaciones,  este  tipo  de
[43:03] 
[43:03] cosas,  o  sea,  generabais  o
[43:04] 
[43:05] desarrollabais  la  tecnología  core  que  se
[43:06] 
[43:06] utilizaba  ahí  desde  Barcelona.
[43:08] 
[43:08] Sí.  Los  50  más  o  menos  de  Billings
[43:11] 
[43:11] desde  Barcelona.  Sí,
[43:11] 
[43:11] este  cripo  crece  en  Barcelona.
[43:14] 
[43:14] Ya  no  lo  podemos
[43:15] 
[43:15] no  se  puede  decir,  ¿eh?  Madre  mía,
[43:17] 
[43:17] pero  no  no  se  puede  decir.  Lo  que  sí  se
[43:19] 
[43:19] puede  decir  es  que  hay  un  equipo  muy
[43:20] 
[43:20] grande  en  Barcelona  ahora  de  Apple  e
[43:23] 
[43:24] porque  hicimos  una  nota  de  prensa
[43:25] 
[43:25] hablando  de  de  ese  equipo  y  que  no  solo
[43:28] 
[43:28] el  equipo  de  Billings,  hay  muchos  más
[43:29] 
[43:29] equipos.
[43:29] 
[43:29] Hay  un  equipo  de  Siri  en  Barcelona
[43:31] 
[43:31] famosamente  que  tampoco  nunca  puede
[43:33] 
[43:33] decir  nadie  nada,  pero  hay  un  equipo
[43:35] 
[43:35] grande  de  Siri.  Hay  equipos  grandes  de
[43:37] 
[43:37] Apple  aquí  en  Barcelona  y  creo  que  es
[43:39] 
[43:39] algo  super  bonito  para  la  ciudad,
[43:42] 
[43:42] aunque  no  se  pueda  contar.  Es  muy
[43:43] 
[43:43] bonito,  pero  es  un
[43:44] 
[43:44] No,  pero  pero  es  importante  que  esté
[43:45] 
[43:45] Apple  aquí.  Yo  creo  que  es  importante
[43:46] 
[43:46] que  Apple  sería  la  [ __ ]  ya  si  lo
[43:47] 
[43:47] pudiéramos  contar.
[43:48] 
[43:48] Claro,  pero  que  esté,  o  sea,  si  se  puede
[43:50] 
[43:50] contar,  perfecto,  pero  que  esté  es  lo
[43:52] 
[43:52] que  es  lo  que  hace  que  el  ecosistema
[43:54] 
[43:54] mejore.
[43:55] 
[43:55] Claro  que  que  luego  esto  va  a  dar  pie,
[43:57] 
[43:57] yo  creo,  a  muchas  más  startups,  porque
[43:59] 
[43:59] al  final  es  un  hub  de  inteligencia
[44:00] 
[44:00] artificial.  En  Barcelona  de  Apple  lo  que
[44:02] 
[44:02] hace  es  atrae  mucho  talento  y  y  luego  yo
[44:06] 
[44:06] espero  que  salgan  muchas  cosas  bonitas
[44:07] 
[44:08] de
[44:08] 
[44:08] muchos  startups.  Eh,  entiendo  que  por  lo
[44:10] 
[44:10] que  decís  de  servicios  no  tocáis  la
[44:12] 
[44:12] parte  de  productos  Siri,  sistema
[44:15] 
[44:15] operativo  de  de  los  dispositivos  de
[44:18] 
[44:18] Apple,  si  no  os  quedáis  más,
[44:19] 
[44:19] no  podemos  meter  ahí,
[44:19] 
[44:19] no  nos  podéis  meter  ahí,  ¿eh?  [risas]
[44:21] 
[44:21] E
[44:22] 
[44:22] lo  siento,  me  sale  superm.  Vale,  ahora
[44:24] 
[44:25] ya  no  estáis  en  Apple,
[44:25] 
[44:26] ¿no?
[44:26] 
[44:26] Vale,  pero  ten
[44:27] 
[44:27] pero  guardamos  muy  buena  relación  con
[44:28] 
[44:28] Apple
[44:29] 
[44:29] y  y  muchos  contratos  con  abogados
[44:31] 
[44:31] también,  pero  pero  yo  soy  muy  de  cuidar
[44:33] 
[44:33] relaciones  en  mí.  Nosotros  nos  han
[44:34] 
[44:34] tratado  super  bien  en  Apple.  ¿Y
[44:36] 
[44:36] cuánto  tiempo  habéis  estado?
[44:37] 
[44:38] Eh,  4  años.
[44:39] 
[44:39] Casi  cinco.
[44:40] 
[44:40] Casi  cinco.
[44:41] 
[44:41] Sí.  No,
[44:42] 
[44:42] yo  hice  cuatro  justos  y
[44:44] 
[44:44] yo  hice  cuatro  justos
[44:46] 
[44:46] desde  finales  del  20
[44:48] 
[44:48] a  finales  del  24.
[44:50] 
[44:50] Sí.  De  octubre.
[44:51] 
[44:51] 21,  22,  23,  24.  Sí,  sí.  4  años  más  o
[44:53] 
[44:53] menos.  Sí,  sí.
[44:55] 
[44:55] Em,  vale.
[44:57] 
[44:57] ¿Qué  opinión  tenéis?  No  qué  conocimiento
[44:59] 
[44:59] tenéis,  sino  qué  opinión  tenéis  del  rol
[45:01] 
[45:01] que  tiene  Apple  ahora  mismo  en  el
[45:04] 
[45:04] movimiento  eh  transformacional  de  pasar
[45:08] 
[45:08] a  ser  una  empresa  nativa  de  inteligencia
[45:10] 
[45:10] artificial,  ¿no?  Por  ejemplo,  Google  eh
[45:12] 
[45:12] es  padre  de  muchísimos  eh  desarrollos  en
[45:17] 
[45:17] en  este  mundo.  Luego  eh  parece  que  se  le
[45:19] 
[45:20] escapó  un  poquito  la  pelota,  pero  la  ha
[45:21] 
[45:21] vuelto  a  [ __ ]  y  está  delante  de  de  esta
[45:23] 
[45:23] carrera.  Open  AI,  obviamente  es  la
[45:25] 
[45:25] grandísima  startup  que  está  empujando
[45:27] 
[45:27] este  mundo.  Meta  tiene  un  enfoque  muy  de
[45:31] 
[45:31] open  source,  eh,  y  un  poco  de  no  estaba,
[45:33] 
[45:33] ¿no?,  en  el  centro  de  la  carrera  y  se
[45:35] 
[45:35] está  intentando  meter  desde  el  lado.  Y
[45:37] 
[45:37] Apple
[45:38] 
[45:38] el  gran  misterio,  ¿no?  Porque  tiene  los
[45:40] 
[45:40] dispositivos  de  una  parte  muy  grande  del
[45:43] 
[45:43] mundo.  Eh,  tiene  historia  con  productos
[45:46] 
[45:46] como  Siri,  donde  es  muy  pionero
[45:48] 
[45:48] intentando  adelantarse  a  su  tiempo
[45:51] 
[45:51] y  hace  un  gran  lanzamiento  con  Apple
[45:52] 
[45:52] Intelligence,  que  estamos  todos
[45:53] 
[45:53] intentando  entender,  ¿no?,  si  está  muy
[45:55] 
[45:55] por  delante  pero  no  ha  salido  todavía  o
[45:57] 
[45:57] está  muy  por  detrás.  ¿Cuál  es  vuestra
[45:58] 
[45:58] opinión  de  del  rol  de  Apple  en  la
[46:01] 
[46:01] carrera  de  inteligencia  artificial?
[46:02] 
[46:02] Yo  mi  opinión  como  observadora  desde
[46:04] 
[46:04] fuera  con  no  conocimiento  desde  dentro.
[46:07] 
[46:07] Eh,  yo  creo  que  Apple  tiene  una  ventaja
[46:09] 
[46:09] muy  chula  ahí,  que  es  que  al  ser  dueños
[46:11] 
[46:11] de  la  plataforma,  lo  que  tú  comentabas,
[46:12] 
[46:13] eh,  no  tienen  por  qué  correr.  Es  decir,
[46:14] 
[46:14] ellos  pueden  hacer  partnerships  con
[46:16] 
[46:16] quien  quieran,  pueden,  o  sea,  al  final
[46:17] 
[46:17] tú  tienes  la  plataforma,  tienes  los
[46:19] 
[46:19] usuarios,  tienes  la  información  de  esos
[46:20] 
[46:20] usuarios.  Entonces,  si  alguien  quiere
[46:22] 
[46:22] sacar  un  servicio  encima  de  los  iPhones
[46:24] 
[46:24] para  ser  tu  personal  assistant  o  si
[46:27] 
[46:27] quieres  sacar  eh  lo  que  sea,  necesitas  a
[46:30] 
[46:30] Apple,  ahí  necesitas  el  beneplácito  de
[46:32] 
[46:32] Apple.  Entonces,  están  en  una  posición
[46:33] 
[46:33] perfecta  para  negociar.  No  tienen  por
[46:35] 
[46:35] qué  ir  a  la  guerra  de  los  modelos  eh
[46:38] 
[46:38] cuando  pueden  hacer  un  partnership  con
[46:40] 
[46:40] el  que  gane  y  ellos  siguen  dominando  la
[46:42] 
[46:42] plataforma  y  los  usuarios.  Entonces  sí
[46:44] 
[46:44] que  es  verdad  que  yo  creo  que  han  estado
[46:46] 
[46:46] como  más  por
[46:48] 
[46:48] verlas  venir
[46:49] 
[46:49] verlas  venir  pero  pero  porque  se  lo
[46:52] 
[46:52] pueden  permitir.  Es  decir,  eh  para
[46:54] 
[46:54] ellos,  o  sea,  yo  no  sé  hasta  qué  punto
[46:56] 
[46:56] me  metería  en  la  guerra  de  modelos
[46:57] 
[46:57] cuando  cualquiera  que  quiera  hacer
[47:00] 
[47:00] modelos,  o  sea,  que  quiera  que  esos
[47:02] 
[47:02] modelos  lleguen  a  mis  usuarios,  yo  tengo
[47:03] 
[47:03] la  plataforma,  podemos  llegar  a  un
[47:05] 
[47:05] partnership,  un  acuerdo  y  encantados.  O
[47:08] 
[47:08] sea,  yo  creo  que  están  en  otra  guerra
[47:10] 
[47:10] distinta
[47:11] 
[47:11] a  Google  con  Open  AI  que  se  están
[47:12] 
[47:12] pegando  ahí  sobre  los  modelos,  aunque
[47:14] 
[47:14] Apple  tuviera  o  tenga  los  suyos  propios,
[47:17] 
[47:17] no  entrará  en  esa  batalla  de  de  yo  creo,
[47:19] 
[47:19] vamos,  de
[47:20] 
[47:20] bueno,  sí  que  tiene  modelos  propios  y
[47:21] 
[47:21] han  salido  y  son  públicos,  sí,  porque  es
[47:23] 
[47:24] inter
[47:24] 
[47:24] y  se  pueden  utilizar  de  forma  local  en
[47:25] 
[47:25] el  dispositivo  que  es  muy  interesante.
[47:27] 
[47:27] Sí.  Y  además  la  procha  el  que  yo  creo
[47:28] 
[47:29] que  es  muy  bueno  es  ese,  es  decir,
[47:30] 
[47:30] privacidad  a  tope,
[47:31] 
[47:31] es  privacidad  a  tope  y  y  en  realidad  lo
[47:33] 
[47:33] que  tú  quieres  de  estos  modelos  que  cada
[47:34] 
[47:34] vez  se  está  conociendo  más,  ¿no?  Es  que
[47:36] 
[47:36] no  usen  tus  datos,  que  no  los,  o  sea,
[47:37] 
[47:37] quién  los  ve,  que  esté  todo  muy  bien
[47:39] 
[47:39] controlado.  Entonces,  cuando  tú
[47:40] 
[47:40] controlas  el  ecosistema  y  puedes  hacer
[47:42] 
[47:42] un  device  y  cuando  no  haces  un  device  en
[47:43] 
[47:43] tu  móvil,  te  lo  mandas  al  ordenador  o  lo
[47:45] 
[47:45] mandas  a  un  cloud,  pero  es  private
[47:47] 
[47:47] cloud,  e,
[47:49] 
[47:49] ¿quién  tiene  esa  capacidad  de
[47:50] 
[47:50] infraestructura  para  ofrecerte  esto  que
[47:52] 
[47:52] no  sea  Apple?  Nadie.  A  lo  mejor  Google,
[47:54] 
[47:54] pero  tampoco  dominan  tanto  la  parte  de
[47:56] 
[47:56] hardware,
[47:56] 
[47:56] ¿eh?  O  sea,  no  tienen  tanto  dominio  de
[47:58] 
[47:58] mercado,  eh,  quiero  decir.
[48:00] 
[48:00] Entonces,  está  en  una  posición  muy  muy
[48:01] 
[48:01] ventajosa.  Yo  no  sé,
[48:05] 
[48:05] pero
[48:05] 
[48:05] yo  creo  que  es  lo  mismo  que  has
[48:06] 
[48:06] mencionado  el  cloud,  lo  mismo  que  pasó
[48:08] 
[48:08] cuando  cuando  el  cloud  de  AWS,  al  final
[48:10] 
[48:10] Google  sí  que  saltó  a  a  poner  un  poco
[48:13] 
[48:13] ahí  recursos  y  sacar  su  propio  cloud.
[48:15] 
[48:15] Obviamente  Apple  tiene  sus  clouds  y  su
[48:16] 
[48:16] infraestructura,  pero  yo  creo  que  por
[48:18] 
[48:19] estrategia  compañía  no  es  en  plan  vamos
[48:20] 
[48:20] a  hacer  un  cloud  público  como  servicio,
[48:22] 
[48:22] entrar  en  esta  guerra  de  de  luchar  en  el
[48:25] 
[48:25] mundo  cloud,  ¿no?  Entonces,  no  sé,  a  mí
[48:27] 
[48:27] me  parece  lo  que  tú  dices,  que  no  sé  si
[48:29] 
[48:29] tiene  mucho  sentido  que  se  lancen  a  a
[48:30] 
[48:30] esta  guerra.  Apple  tampoco  ha  entrado  en
[48:32] 
[48:32] la  guerra  del  buscador,
[48:34] 
[48:34] no  está  Google,  está  todo  el  mundo  yendo
[48:36] 
[48:36] Open  a  la  guerra  del  buscador,  etcétera.
[48:38] 
[48:38] Por  ahora  que  sepamos,  eh,  tampoco  han
[48:40] 
[48:40] entrado.  Es  decir,  ellos,  yo  creo  que
[48:42] 
[48:42] tiene  una  estrategia  un  poco  diferente.
[48:44] 
[48:44] Bueno,  Apple  tiene  un  revenue  share  con
[48:46] 
[48:46] Google  de  creo  que  20,000  millones  de
[48:48] 
[48:48] dólares  al  año  o  algo  así  de  de  para
[48:51] 
[48:51] poner  Google  como  buscador  por  defecto,
[48:53] 
[48:53] ¿no?  Que  ahora  la  Unión  Europea  está
[48:54] 
[48:54] siempre  ahí  pinchando  y  tal.  Em,  pero  la
[48:58] 
[48:58] realidad  es  que  están  cambiando  patrones
[48:59] 
[48:59] de  uso,  eh,  y  y  estoy  de  acuerdo.  Yo  soy
[49:03] 
[49:03] un  gran  defensor  de  Apple  desde  que
[49:05] 
[49:05] tengo  uso  de  memoria,  pero  me  preocupo  a
[49:08] 
[49:08] veces  de  decir,  cuando  llega  un  cambio
[49:10] 
[49:10] de  hábito  tan  bestia  como  hablar  con  CHG
[49:12] 
[49:12] GPT  y  tu  dispositivo  eh  te  contesta  Siri
[49:17] 
[49:17] y  dices,  "¿Qué  [ __ ]  es  esta?  Yo  quiero
[49:19] 
[49:19] mi  char  GPT  y  si  no  me  lo  das  tú,  me  lo
[49:21] 
[49:21] dará  otro."
[49:22] 
[49:22] Eh,  puede  llegar  un  momento  donde  la
[49:24] 
[49:25] balanza  e  cambie,
[49:27] 
[49:27] ¿sí?
[49:27] 
[49:27] Y  llegue  un  dispositivo  Android  o  llegue
[49:29] 
[49:29] un  dispositivo  de  Open  AI  diseñado  por
[49:32] 
[49:32] Johnny  Ive  o  llegue  un  dispositivo  de
[49:34] 
[49:34] meta
[49:35] 
[49:35] o  de  o  de  Microsoft,  yo  no  lo  sé,  porque
[49:37] 
[49:37] hay  hay  gente  que  es  muy  hábil  eh
[49:38] 
[49:38] alrededor  de  de  este  mercado  también  de
[49:40] 
[49:41] consumidor  que  hace  hardware
[49:42] 
[49:42] que  podrían  llegar  a  desbancar  un  líder
[49:45] 
[49:45] como  como  Apple.
[49:47] 
[49:47] Aquí  yo  desde  mi  punto  de  vista  no  sé  si
[49:49] 
[49:49] usas  iPhone,  o  sea,  desde  hace  mucho
[49:51] 
[49:51] tiempo,  si  lo  has  usado  por  Siri.  Es
[49:53] 
[49:53] decir,  el  hecho  de  que  Siri  ahora  vaya
[49:55] 
[49:55] mal  y  puedas  tener  un  chat  GPT,  ¿te
[49:58] 
[49:58] haría  cambiar  de  de  dispositivo?  Hay
[50:00] 
[50:00] gente  que  quizás  sí,  eh,  pero  digo,  yo
[50:02] 
[50:02] creo  que  la  gente  se  va  a  iPhone,  no  por
[50:04] 
[50:04] nunca  se  ha  ido  a  iPhone  por  las
[50:06] 
[50:06] capacidades  de  Siri.
[50:07] 
[50:07] Y  no  lo  digo  en  defensa  de  Apple,
[50:09] 
[50:09] ¿no?  Claramente,  claramente  nadie  se
[50:11] 
[50:11] comprado  un  iPhone  por  el  Siri,  eso  te
[50:12] 
[50:12] lo  garantiza.  Vaya.
[50:13] 
[50:13] Entonces,  que  haya  algo  ahora.  Antes  no
[50:15] 
[50:15] había  nada,  no  era,  bueno,  Google  tenía
[50:17] 
[50:17] su  Google  y  acabamos  de  arruinarle  la
[50:21] 
[50:21] vida  a  mucha  gente.  Había  los  asistentes
[50:24] 
[50:24] eh  que  la  gente  tiene  en  casa,  porque
[50:25] 
[50:25] cuando  dices  la  palabra  está  en  un
[50:26] 
[50:26] podcast  y  la  gente  lo  está  escuchando,
[50:28] 
[50:28] se  se  le  disparan  los  dispositivos.  Eh,
[50:30] 
[50:30] había  los  dispositivos  inteligentes  de
[50:33] 
[50:34] Amazon,  Google  y  Apple,
[50:36] 
[50:36] eh,  pero  todos  muy  limitados,  o  sea,  a
[50:38] 
[50:38] nivel  poner  una  canción  o  arrancar  un
[50:40] 
[50:40] temporizador  y  no  mucho  más,  porque
[50:42] 
[50:42] cualquier  cosa  a  partir  de  ahí  era  era
[50:44] 
[50:44] un  disparate.  Pero  yo  sí  que  te  diré  que
[50:46] 
[50:46] cada  vez  más  cuando  cojo  el  coche
[50:48] 
[50:48] y  quiero  hablar  a  HGPT  me  frustra  que  no
[50:51] 
[50:51] tengo  una  experiencia  nativa  como  sií  la
[50:53] 
[50:53] tengo  con  Siri
[50:55] 
[50:55] y  y  no  consigo  que  se  me  dispare  el  que
[50:57] 
[50:57] yo  quiero  y  tengo  que  estar  ahí
[50:58] 
[50:58] apretando  botones  y  tal,  entonces  me
[50:59] 
[51:00] acuerdo  de  que  mi  plataforma  me  está
[51:01] 
[51:01] limitando.  Es  la  realidad
[51:03] 
[51:03] y  yo  creo  que  es  es  un  temporizador,  o
[51:04] 
[51:04] sea,  ellos  tienen  un  tiempo  hasta  que
[51:06] 
[51:06] hagan  ese  cambio.  Lo  que  pasa  es  que  yo
[51:08] 
[51:08] creo  que  ellos  también  juegan  con  tienen
[51:10] 
[51:10] esa  reputación  de  privacidad  y  hasta  que
[51:12] 
[51:12] no  lo  puedan  hacer  con  las  garantías  de
[51:14] 
[51:14] privacidad  que  necesitan,  no  se  van  a
[51:16] 
[51:16] cargar  la  imagen  de  marca,  me  imagino,
[51:17] 
[51:18] desde  fuera.  Entonces,  va  a  llegar  el
[51:19] 
[51:19] cambio  seguro  porque  no  pueden  estar,  o
[51:21] 
[51:21] sea,  son  gente  inteligente,  ¿no?
[51:23] 
[51:23] Eso  está  claro.  Son  las  máquinas  de
[51:24] 
[51:25] ejecutar  y  de  desarrollo  de  productos.
[51:26] 
[51:26] Va  a  llegar  el  cambio.  ¿Cuánto  lo  pueden
[51:27] 
[51:27] alargar  hasta  que  llegue?  ¿Qué  tiempo
[51:29] 
[51:30] tienen  ellos  para  hacerlo  de  manera  que
[51:31] 
[51:31] sea  eh  eh  que  sea  con  los  estándares  de
[51:34] 
[51:34] privacidad  que  necesitan?  Pues  ahí
[51:36] 
[51:36] estarán  jugando  en  esa  liga.  A  ver,  a
[51:38] 
[51:38] ver  dónde  llegan,  ¿no?  Pero  pero  va  a
[51:39] 
[51:39] llegar
[51:40] 
[51:40] el  día  que  Johnny  Ave  se  incorpora  Open
[51:42] 
[51:42] AI.  Me  imagino  que  ya  no  estabais
[51:43] 
[51:43] vosotros,  pero  me  imagino  que  no  sería
[51:45] 
[51:45] un  día  divertido  en  Cupertino.
[51:47] 
[51:47] A  no  tengo  ni  idea,  pero
[51:49] 
[51:49] ya.  Eh,  [risas]  pregunta  última  de
[51:51] 
[51:51] Apples.  ¿Cómo  es  trabajar  en  Apple  eh
[51:55] 
[51:55] con  con  cuál  era  tu  rol  otra  vez?
[51:56] 
[51:56] recuérdamelo,  acabo  de
[51:58] 
[51:58] era  el  rol  era  en  inglés,  era  head  of
[52:01] 
[52:01] media  knowledge.
[52:02] 
[52:02] Vale,  pues  como  que  no  sé  cómo
[52:04] 
[52:04] traducirlo  of  media  knowledge,
[52:05] 
[52:05] responsable  de  conocimiento  media,
[52:08] 
[52:08] eh  cómo  es  la  vida  trabajando  en  Apple.
[52:10] 
[52:10] Eh,  la  verdad  es  que  yo  solo  yo  solo
[52:12] 
[52:12] tengo  buenas  palabras  eh  de  Apple  e  y  en
[52:15] 
[52:15] realidad  te  diré  cómo  es  trabajar  como
[52:16] 
[52:16] Apple.  Además,  em  creo  que  se  adapta
[52:19] 
[52:20] mucho,  a  tu  momento  vital,  es  decir,  yo
[52:23] 
[52:23] momentos  donde  pues  he  querido  alcanzar
[52:26] 
[52:26] más,  liderar  proyectos,  más  bestias,  eh
[52:29] 
[52:29] tener  más  impacto  a  nivel  de  compañía,
[52:32] 
[52:32] me  han  apoyado,  me  han  ayudado  un
[52:34] 
[52:34] montón.  En  momentos  donde  por  temas  pues
[52:37] 
[52:37] personales,  por  estar  embarazada  o  lo
[52:39] 
[52:39] que  sea,  he  dicho,  "Ahora  quiero  one
[52:41] 
[52:41] step  back",  han  puesto  todas  las
[52:42] 
[52:42] facilidades.  Entonces,  a  mí  eso  me  ha
[52:44] 
[52:44] gustado  mucho  porque  es  verdad  que  a
[52:45] 
[52:45] veces  yo  creo  que  e  por  ayudar  a  veces
[52:48] 
[52:48] no  te  dejan  a  ti  decidir.  Es  decir,  que
[52:50] 
[52:50] hay  empresas  que  es  como  que  que  no  te
[52:52] 
[52:52] están  poniendo  a  ti  en  el  centro  y  tú
[52:53] 
[52:53] marcas  el  ritmo  del  del  que  quieres  que
[52:55] 
[52:55] sea  tu  tu  desarrollo  profesional  en  ese
[52:58] 
[52:58] momento,  ¿no?  Y  en  Apple  yo  como  persona
[53:02] 
[53:02] y  como  mujer  me  he  encontrado  que  que  al
[53:04] 
[53:04] revés  que  que  han  ido  muy  adaptados  a
[53:07] 
[53:07] los  plazos  y  a  los  ritmos  que  que  yo
[53:09] 
[53:09] pedía.  O  sea,  que  superfeliz  del  tiempo
[53:12] 
[53:12] en  Apple  y  de  hecho  yo  entré  y  y  pensé,
[53:15] 
[53:15] "No  me  voy  a  quedar  ni  un  año  y  y  me
[53:17] 
[53:17] quedé  cuatro."  O  sea,  todo  bien.
[53:21] 
[53:21] 4  años.  Tú  has  dicho  además  las
[53:23] 
[53:23] palabras.  Yo  estuve  exactamente  4  años.
[53:25] 
[53:25] 4  años.  Sí.  Muchas  veces  es  el
[53:27] 
[53:27] calendario  de  vesting  o  de  maduración  de
[53:30] 
[53:30] acciones.
[53:32] 
[53:32] Es  casualidad.
[53:33] 
[53:33] No  te  lo  puedo  decir,  pero  justo  me  sé
[53:34] 
[53:34] ese  número.
[53:36] 
[53:36] Pero  justo
[53:37] 
[53:37] me  sé  que  eran  4  años.
[53:38] 
[53:38] Claro.  O  sea,  a  mí  no  me  ha  sorprendido
[53:40] 
[53:40] cuando  has  dicho  fueron  justo  4  años
[53:42] 
[53:42] porque  hay  típicamente
[53:43] 
[53:43] yo  creo  que  las  decisiones  no  las,  o
[53:44] 
[53:45] sea,  en en  para  mí  al  menos  e  yo  la
[53:47] 
[53:48] decisión  no  la  no  la  tomé  por  un
[53:49] 
[53:49] calendario  de  vesting.
[53:50] 
[53:51] Pero  no  estuviste  3  años  y  10  meses,
[53:52] 
[53:52] estuviste  4  años.  Yo  sí  estuve  3  años  y
[53:55] 
[53:55] sí,  tú  sí  est  3  años  y  9  meses.  [risas]
[53:58] 
[53:58] El  vesting.
[53:59] 
[53:59] Yo  creo  que  yo  creo  que  no  se  toma  tanto
[54:01] 
[54:01] por  un  calendario  de  vesting,
[54:03] 
[54:03] e
[54:04] 
[54:04] porque  la  verdad  es  que  yo  aún  teniendo
[54:07] 
[54:07] el  vesting  que  tenía,  yo  me  acuerdo
[54:08] 
[54:08] llegué  y  le  dije  a  a  la  persona,  a  mi
[54:11] 
[54:11] jefe,  le  dije,  "Bueno,  yo  monto
[54:14] 
[54:14] integramos  todo  y  a  la  que  esté
[54:15] 
[54:15] integradito  me  voy  a  ir."  O  sea,  tenemos
[54:18] 
[54:18] que  planificarlo,  ¿no?  Y  me  dice,  "E,  no
[54:20] 
[54:20] te  preocupes  que  will  make  it  worth  it."
[54:22] 
[54:22] Y  le  dije,  "No  puede  ser,  porque  a  nivel
[54:24] 
[54:24] de  dinero,  pues  a  mí  yo  lo  es  un  momento
[54:26] 
[54:26] superbonito  de  del  artificial  y  un  coste
[54:28] 
[54:28] de  oportunidad  muy  grande,  ¿no?  Y  y  yo
[54:30] 
[54:30] me  quiero  ir,  o  sea,  yo  si  tengo  claro
[54:32] 
[54:32] que  quiero  volver  a  hacer  startups,  no
[54:33] 
[54:33] me  voy  a  quedar  más  tiempo  en  Apple."  y
[54:35] 
[54:35] me  dijeron,  "No,  pero  te  pondremos  retos
[54:36] 
[54:36] que  ya  verás  que  te  te  va  a  permitir,
[54:39] 
[54:39] ¿no?,  eh,  crecer  y  [ __ ]
[54:41] 
[54:41] responsabilidades  y  aprender  otras  cosas
[54:43] 
[54:43] que  también  son  importantes."  Y  en
[54:44] 
[54:45] realidad  fue  así,  si  no  no  me  hubiera
[54:46] 
[54:46] quedado,  o  sea,  que  no  no  me  quedé  los  4
[54:48] 
[54:48] años  por  un  calendario  de  Vesting.
[54:51] 
[54:51] Eh,  durante  estos  últimos  dos  años  que
[54:53] 
[54:53] se  ha  calentado  muchísimo  el  mundo  y
[54:56] 
[54:56] sobre  todo  ha  habido  una  guerra  de
[54:58] 
[54:58] talento,
[54:59] 
[54:59] ¿sí?  por  eh  ingenieros  y  y  researchers
[55:03] 
[55:03] en  el  mundo  de  inteligencia  artificial.
[55:04] 
[55:04] ¿A  vosotros  os  ha  llegado  esta  guerra  de
[55:06] 
[55:06] talento  o  por  estar  en  Barcelona  habéis
[55:07] 
[55:07] estado  más  aislados
[55:10] 
[55:10] ahora  o
[55:11] 
[55:11] últimos  dos  años?
[55:13] 
[55:13] A  ver,  yo  creo  que  poco  a  poco  va
[55:15] 
[55:15] llegando.  Yo  creo  que  tenemos  la  suerte
[55:16] 
[55:16] de  que  todavía  no  hay  esa  presión  máxima
[55:20] 
[55:20] que  quizás  están  viviendo  en,  ¿no?,  en
[55:22] 
[55:22] Silicon  Valley  o  quizás  en  Londres.  Yo
[55:24] 
[55:24] he  empezado  a  escuchar  algunas  cosas  en
[55:25] 
[55:25] algunos  otros  puntos  de  de  Europa.  Sí
[55:27] 
[55:27] que  se  nota  que  está  mucho  más  e  hot  o
[55:30] 
[55:30] más  hay  mucha  más  presión  en  hiring  de
[55:32] 
[55:32] la  que  había  antes,  o  sea,  hay  mucha  más
[55:33] 
[55:33] lucha  definitivamente  por  talento  de
[55:35] 
[55:35] ellos.
[55:35] 
[55:35] Y  a  vosotros  os  vienen  a  pescar.
[55:39] 
[55:39] Sí,
[55:40] 
[55:40] sí,
[55:40] 
[55:40] tenemos.  Pero  al  final  no  no  es  Zerberg
[55:45] 
[55:45] has  hecho  una  oferta  de  mil  millones  de
[55:47] 
[55:47] dólares.  A
[55:47] 
[55:47] m  Zerber  no  me  ha  escrito.
[55:48] 
[55:48] Esta  no  ha  llegado.  A  mí  Zer  no  me  ha
[55:49] 
[55:50] escrito.
[55:50] 
[55:50] No  se  ha  metido  en  los  DMs.  Se  ve  que  lo
[55:52] 
[55:52] hace.
[55:53] 
[55:53] No,  a  mí  no  me  ha  escrito.  Pero  sí  que
[55:55] 
[55:55] es  verdad  que  bueno,  hay  una  hay  una
[55:57] 
[55:57] guerra  de  talento  y
[56:01] 
[56:01] y  que  a  veces  es  más  difícil.  El  chile
[56:02] 
[56:02] con  está  muy  loco  en  ese  sentido,
[56:04] 
[56:04] pero  creo  que  aquí  no  ha  llegado
[56:05] 
[56:05] todavía,  al  menos  que  nosotros  hayamos
[56:06] 
[56:06] visto  el  te  pongo  un  hiring  bonus  de
[56:10] 
[56:10] lo  que  sea,
[56:11] 
[56:11] cientos  de  millones
[56:12] 
[56:12] aunque  sea  un  millón,  eh,  aunque  solo
[56:15] 
[56:15] sea  un  millón,  ya  te  ya  te  lía  bastante.
[56:18] 
[56:18] Sí  que  conocemos  algunas  startups  de
[56:19] 
[56:19] Europa  que  ya  lo  han  sufrido.
[56:21] 
[56:21] Sí,  que  ya  les  ha  llegado.
[56:22] 
[56:22] Han  venido  con  la  mechite.  Vale.
[56:23] 
[56:23] A  números  distintos.
[56:24] 
[56:24] Ha  llegado  el  momento.
[56:25] 
[56:25] Venga,
[56:26] 
[56:26] ¿por  qué  os  vais  de  Apple  y  qué  hacéis
[56:28] 
[56:28] después?  Venga,
[56:29] 
[56:29] vale.  Eh,
[56:31] 
[56:31] aparte  de  los  4  años  y  un  día  que  ya
[56:33] 
[56:33] hemos  dejado  claro,  [risas]
[56:36] 
[56:36] me  voy  a  arrepentir  de  haber  dicho  esa
[56:37] 
[56:37] frase.  Eh,  ¿por  qué  no  somos  de  Apple?
[56:39] 
[56:39] Bueno,  yo  tenía  muy  claro  que  quería
[56:41] 
[56:41] hacer  otra  startup.  A  mí  me  me  faltaba
[56:44] 
[56:44] la  vidilla.  Eh,  disfruté  mucho  en  Apple
[56:47] 
[56:47] y  creía  que  me  tocaba  volver  a  empezar
[56:50] 
[56:50] de  cero
[56:51] 
[56:51] y  y  de  hecho,  pues  lo  podemos  contar.  De
[56:54] 
[56:54] hecho,  empezamos  pensando  en  hacer  algo
[56:57] 
[56:57] eh  de  Climatech.  Sí,
[56:59] 
[56:59] yo  quería  meterme  en  Climatech.  El
[57:00] 
[57:00] último  año  de  Apple  estuve  leyendo  un
[57:02] 
[57:02] montón  de  libros  de  de  cambio  climático
[57:04] 
[57:04] y  de  los  efectos  de  de  lo  que  va  a  pasar
[57:06] 
[57:06] y  de  cómo  podemos  hacer  cosas  para  para
[57:09] 
[57:09] evitarlo  o  o  reducirlo  al  máximo  y  y  va
[57:13] 
[57:13] a  foco  contigo  y  vamos  los  dos  un  poco
[57:16] 
[57:16] vamos  a  hacer  algo  de  climate,
[57:17] 
[57:17] los  tiempos  un  poco  distintos  entre  tú  y
[57:19] 
[57:19] yo,  pero  sí,  sí.  Yo  me  fui  creo  que  se
[57:23] 
[57:23] meses  antes.
[57:24] 
[57:24] Eh,  en  es
[57:25] 
[57:25] ¿Por  qué  te  fuiste?
[57:26] 
[57:26] O  sea,  parecido  al  final  yo  creo  que
[57:27] 
[57:27] había  notado  que  mi  paso  por  Apple  y
[57:29] 
[57:29] había  llegado  un  poco  a  su  fin.  En  ese
[57:31] 
[57:31] momento  había  más  o  menos  heredado  el
[57:33] 
[57:33] equipo  de  de  Eli  como  rol.  Yo  soy  una
[57:36] 
[57:36] persona  muy  técnica,  a  mí  me  gusta  mucho
[57:38] 
[57:38] estar  cerca,  cerca,  cerca  de  la
[57:40] 
[57:40] implementación  y  para  mí  era  un  rol  que
[57:42] 
[57:42] creo  que  era  mucho  más  e  puedes  decir
[57:44] 
[57:44] era  un  rol  muy  aburrido.  [risas]
[57:46] 
[57:47] Bueno,  a  mí  para  mí  era  un  poco  más  un
[57:48] 
[57:48] poco  más  aburrido.  Creo  que  había  un
[57:50] 
[57:50] poco  más  esta  parte  política  o  de  de
[57:52] 
[57:52] interacción  que  la  verdad  es  que
[57:54] 
[57:54] simplemente  no  me  atrae  tanto.  Entonces
[57:56] 
[57:56] también  me  dieron  la  oportunidad  de
[57:58] 
[57:58] cambiar  de  rol,  pero  también  quería  eh
[58:00] 
[58:00] un  poco  volver  a  ese  mundo  startup.  ese
[58:02] 
[58:02] gusan  y  yo  al  final  durante  3  años  y  los
[58:04] 
[58:04] que  sean  meses  que  llevamos  en  Apple,
[58:06] 
[58:06] pues  se  va,  yo  creo,  desarrollando,  ¿no?
[58:08] 
[58:08] Eh,  así  que  fue  un  poco  en  plan,  vamos  a
[58:11] 
[58:11] dejarlo.  En  ese  momento  no  tenía  claro
[58:13] 
[58:13] tampoco  yo  que  qué  iba  a  hacer  ni  sí  que
[58:15] 
[58:15] siempre  él  y  yo  siempre  hablamos,  pero
[58:18] 
[58:18] pero  no  había  una  idea  clara.  Así  que  yo
[58:20] 
[58:20] lo  de  un  poco  antes,  me  tomé  mi  mi  break
[58:23] 
[58:23] y  esperé  a  que
[58:25] 
[58:25] a  que  él  hiciera  también  su  decisión,
[58:27] 
[58:27] tomara  su  decisión  y  ya  luego
[58:29] 
[58:29] convergimos.  Sí,  sí.  En  realidad,  para
[58:32] 
[58:32] mí,  yo  creo  que  cuando  tuve  a  Martí  mi
[58:35] 
[58:35] primer  hijo,  me  di  cuenta  como  que
[58:38] 
[58:38] que  con  todo  lo  que  estaba  pasando  en  el
[58:39] 
[58:39] mundo,  con  todos  los  cambios  que
[58:41] 
[58:41] empiezan  a  ver  a  nivel  de  eh
[58:42] 
[58:42] desinformación,
[58:44] 
[58:44] eh  a  nivel  de  eh  cambio  climático,
[58:47] 
[58:47] etcétera,  todos  los  retos  que  tenemos
[58:48] 
[58:48] ahora  como  sociedad,  a  mí  yo  tuve  a
[58:50] 
[58:50] Martí  y  me  acuerdo  pensar,  ostras,  es
[58:52] 
[58:52] que  cuando  Martí  tenga  15  años  o  y  me
[58:55] 
[58:55] diga,  ¿tú  qué  haces?  Si  le  digo  que
[58:58] 
[58:58] estoy  trabajando  en  una  compañía  para
[59:00] 
[59:00] hacer  que  que  genere  más  valor  esa
[59:02] 
[59:02] compañía,  ¿no?  Apple,  que  es  una  es  una
[59:04] 
[59:04] compañía  muy  buena  y  muy  bonita  donde
[59:05] 
[59:05] trabajar,  eh,  pero  yo  me  sentía  como  que
[59:07] 
[59:08] cómo  no  me  sentía  identificada  con  con
[59:10] 
[59:10] ese  propósito  y  tal,  ¿no?  Y  penso,  es
[59:13] 
[59:13] que  a  mí  me  gustaría  decirle,  mira,  pues
[59:14] 
[59:14] he  intentado  mejorar  el  mundo  en  esto,
[59:18] 
[59:18] ¿no?  Y  entonces  me  di  cuenta  que  que
[59:22] 
[59:22] tenía  que  buscar  mi  esto.
[59:25] 
[59:25] Pero  pero  fue  yo  creo  que  fue  parte  de
[59:27] 
[59:27] de  tener  a  Martí  y  pensar  y  cómo  le
[59:29] 
[59:29] explico  a  él  qué  he  hecho  con  mi  vida  y
[59:32] 
[59:33] y  ahí  tomé  la  decisión  y  luego  pues
[59:34] 
[59:34] bueno,  ya  los  plazos  fueron  los  que
[59:35] 
[59:35] fueron.
[59:36] 
[59:36] Exploráis  el  climat,  ¿qué  opciones  os
[59:38] 
[59:38] planteáis  ahí?  ¿Qué  qué  aprendéis  de
[59:39] 
[59:39] Climat?
[59:40] 
[59:40] ¡Uf!  Yo  creo  que  estuvimos  leyendo
[59:42] 
[59:42] bastante,  explorando.
[59:44] 
[59:44] Ella  como  ha  dicho  antes,  quería
[59:47] 
[59:47] electrónica,  o  sea,  est
[59:48] 
[59:48] bueno  Yo  quería  hacer  robótica.  Yo  hecho
[59:49] 
[59:49] mucho  de  menos  la  parte  de  tinkering.  Yo
[59:51] 
[59:51] soy  muy  de  a  mí  esto  de  hacer  software
[59:54] 
[59:54] a  mí  esto  de  hacer  software  bien,  ¿eh?
[59:56] 
[59:56] Pero  que  se  mueva  un  poco,
[59:58] 
[59:58] saliendo  de  cosas  quemadas.
[60:00] 
[60:00] A  mí  esto  me  me  da  mucha  vida  y  me
[60:01] 
[60:01] encanta.  Entonces,  yo  quería  toda  la
[60:03] 
[60:03] parte  de  Agrotec  más  de  robótica  para  e
[60:09] 
[60:09] cultivo  de  precisión,  para  hacer  toda
[60:11] 
[60:11] esta  parte  de  pues  sin  menos  eh  tóxicos,
[60:16] 
[60:16] fertilizantes,  hacer  toda  la  parte
[60:17] 
[60:17] robótica  para  cultivos  de  de  precisión.
[60:20] 
[60:20] Eso  es  lo  que  a  mí,  pero  en  realidad
[60:22] 
[60:22] sí,
[60:23] 
[60:23] no  tengo  ni  idea,  o  sea,  de  este  campo,
[60:24] 
[60:24] o  sea,  mi  campo  es  la  IA  y
[60:26] 
[60:26] no  encontraste  nada  que  que  despertara
[60:29] 
[60:29] el  gusanito  de  de  empezar  a  profundizar
[60:31] 
[60:31] más,
[60:32] 
[60:32] que  que  pudiéramos  decir,  yo  esto  sé  un
[60:34] 
[60:34] montón  y  voy  a  generar  un  impacto.
[60:35] 
[60:35] Pensáis  que  es  un  campo  super  chulo
[60:37] 
[60:38] donde  tú  puedes  ponerte  a  hacer  robótica
[60:39] 
[60:39] de  precisión,  te  vas  a  tirar  10  años
[60:41] 
[60:41] para  hacer  algo  medio  porque  no  tienes
[60:43] 
[60:43] reputación  en  este  campo.
[60:44] 
[60:44] Tú  ya  lo  hiciste  en  Billings.
[60:46] 
[60:46] Claro.  Y  te  vas  a  tirar  10  años  para
[60:47] 
[60:47] hacer  algo  porque  no  tienes  la
[60:49] 
[60:49] reputación.  para  hacerlo  y  y  luego,  ¿qué
[60:51] 
[60:51] vas  a  conseguir?  ¿Cuántos  clientes?  O
[60:52] 
[60:52] sea,  cuál  es  el  impacto  real  que  van  a
[60:54] 
[60:54] tener  10  años  de  tu  vida  en  clima,  ¿no?
[60:57] 
[60:57] Y  entonces  lo  miraba  y  pensaba,  "Ostras,
[61:00] 
[61:00] eh,  egoístamente,  a  nivel  de  ego  me  va  a
[61:02] 
[61:02] encantar.  Voy  a  estar  ahí  en  plan,
[61:03] 
[61:03] bueno,  estoy  haciendo  precision
[61:06] 
[61:06] architecture  y  voy  a  quedar  superb  y  me
[61:08] 
[61:08] voy  a  sentir  muy  guay  con  lo  que  estoy
[61:09] 
[61:09] haciendo,  pero  a  nivel  de  impacto  real,
[61:11] 
[61:11] o  sea,  es  un  mercado  superdfícil  de
[61:13] 
[61:13] convencer  a  los  agricultores  de  hacer
[61:15] 
[61:15] cambios  y  más  en  nivel  tech.  Bueno,
[61:17] 
[61:17] estaba  como  todo  por  ver  y  por  el  otro
[61:19] 
[61:19] lado  veíamos  que  había  como  todo  ese
[61:21] 
[61:21] boom  de  inteligencia  artificial  de
[61:22] 
[61:22] modelos  cada  vez  más  grandes  donde  por
[61:25] 
[61:25] poco  que  mejores  a  modelos  más  pequeños,
[61:28] 
[61:28] modelos  que  gasten  menos  a  nivel  de
[61:30] 
[61:30] inferencia,  a  nivel  de  computación,
[61:32] 
[61:32] es  que  a  lo  mejor  el  impacto  es  mucho
[61:34] 
[61:34] mayor.  Entonces,  para  mí  hubo  una  parte
[61:36] 
[61:36] de  cambio  de  mindset  de,  "Vale,  quizás
[61:39] 
[61:39] haciendo  lo  que  tú  sabes  puedes  tener  un
[61:40] 
[61:40] impacto  mucho  mayor,  eh,  más  rápido,
[61:44] 
[61:44] aunque  no  sea  tan  cool  de  alguna  manera.
[61:48] 
[61:48] Y  y  a  mí  me  costó  me  costó  como
[61:53] 
[61:53] sí
[61:53] 
[61:53] decidir  eso.
[61:54] 
[61:54] Costó  mucho  porque  al  final  yo  creo  que
[61:55] 
[61:55] también  veníamos  muy  desencantados  con
[61:58] 
[61:58] es  que  el  campo  de  la  IA
[61:59] 
[61:59] con  el  campo  de  la  IA,  o  sea,  yo  creo
[62:01] 
[62:01] que  cuando  hablamos  clima,  tú  estabas
[62:03] 
[62:03] con  robot  y  Agrotech,  yo  no  quería  ni
[62:05] 
[62:05] tecnología,  era  en  plan,  vamos  a  hacer
[62:07] 
[62:07] rewilding,
[62:08] 
[62:08] no  reforestación,  no  sé,  cuál  sería  la
[62:10] 
[62:10] traducción  correcta,
[62:11] 
[62:11] eh,  ay,  asalvajamiento.
[62:12] 
[62:12] Asalvajamiento,  ¿por  qué  no?  Eh,
[62:15] 
[62:15] rewalding  es  todo  ese  campo  que  que
[62:16] 
[62:16] dejas  que  que  coja  su  forma  natural,
[62:19] 
[62:19] ¿no?  O  sea,  con
[62:21] 
[62:21] plantar  lo  contrario  el  desarrollo,  o
[62:23] 
[62:23] sea,  es  como  desdesarrollar  eh  plantes
[62:27] 
[62:27] de  partes  del  planeta,  ¿no?
[62:28] 
[62:28] Pero  en  lugar  de  de  hacer  plantación
[62:29] 
[62:29] forestal,  que  a  veces  hace  como,  "Vale,
[62:31] 
[62:31] replantas  esto  y  tiras  millas,  es  más
[62:33] 
[62:33] pensado  a  eh  buscar  plantas  autóctonas,
[62:36] 
[62:36] ecosistemas,  eh  generar,  o  sea,
[62:38] 
[62:38] devolverlo  a  lo  que  sería
[62:40] 
[62:40] al  estado  original,  ¿no?  Todo  el  campo
[62:42] 
[62:42] de  Rewalding  es  un  campo  precioso  y  a  mí
[62:43] 
[62:43] me  encantaría,  a  mí  me  encantan  las
[62:44] 
[62:44] plantas,  o  sea,  yo  hubiera  sido  feliz
[62:46] 
[62:46] lanzando  semillas  por  ahí,  pero
[62:48] 
[62:48] eh  no  era  nuestro  nuestro  knohow,  eso
[62:51] 
[62:51] seguro.
[62:52] 
[62:52] ¿Cómo  llegáis  a  lo  que  es  ahora  Cala  y
[62:55] 
[62:55] contadnos  lo  que  es  cala  cuenta,
[62:56] 
[62:56] o  sea,  al  final  yo  creo  que  después  de
[62:58] 
[62:58] darnos  cuenta  un  poco  de  que  somos  como
[63:01] 
[63:01] outsiders,  ¿no?,  en  estos  campos,  eh,  y
[63:04] 
[63:04] hacer  esta  como
[63:07] 
[63:07] decir,  "Vale,  si  queremos  hacer  un
[63:08] 
[63:08] impacto,
[63:09] 
[63:09] seamos  un  poco  prácticos."  ¿Cuál  es  el
[63:10] 
[63:10] short  spaz?  ¿Cuál  es  el  camino  más  corto
[63:12] 
[63:12] a  ese  impacto  positivo,  ¿no?  Teniendo
[63:14] 
[63:14] claro  que  queríamos  montar  algo  con
[63:16] 
[63:16] impacto  medioambiental  y  social  o  al
[63:18] 
[63:18] menos  IO,  ¿no?  Si  no  pueden  ser  ambos.
[63:21] 
[63:21] Entonces,  eh  por  la  parte  social  y
[63:24] 
[63:24] energética,  por  un  lado,  tenemos  ese
[63:25] 
[63:25] desencanto  con  el  campo  de  la  IA,  ¿no?
[63:27] 
[63:27] Que  está,  justo  pillamos  ese  momento,
[63:29] 
[63:29] era  2000,  pues  eso,  2024,
[63:31] 
[63:31] pues  eso,  Googles  anunciando  eh  plantas
[63:33] 
[63:33] nucleares,  eh  modelos  cada  vez  más
[63:36] 
[63:36] grandes,  será  una  competición  entre  Open
[63:38] 
[63:38] AI,  Google,  eh  Metam,
[63:41] 
[63:41] quién  pone  modelos  más  grandes,  ¿vale?
[63:43] 
[63:43] Entonces  nosotros  un  poco  no  compartimos
[63:44] 
[63:45] esa  idea,  esa  visión  del  campo  de  la  IA,
[63:47] 
[63:47] eh,  y  vemos  que  por  un  lado  ahí  hay  un
[63:49] 
[63:49] impacto  climático  potencial  y  por  otro
[63:52] 
[63:52] lado,  por  la  parte  más  social  que  toda
[63:54] 
[63:54] la  desinformación
[63:56] 
[63:56] eh,  está  en  auge  también,  ¿no?  Gracias  o
[63:58] 
[63:58] por  culpa  de  eh  también  un  poco  toda
[64:00] 
[64:00] esta  parte  de  la  A,  ¿no?  Entonces,  yo
[64:02] 
[64:02] creo  que  nos  damos  cuenta  que  tenemos  un
[64:04] 
[64:04] background,  precisamente,  como
[64:05] 
[64:05] mencionamos  antes  de  de  Billings,  ¿no?,
[64:07] 
[64:07] que  era  juntar  sistemas  de  inteligencia
[64:09] 
[64:09] artificial  para  extracción  de
[64:11] 
[64:11] conocimiento  con  sistemas  que  sean
[64:12] 
[64:12] buenos  representando  ese  conocimiento
[64:14] 
[64:14] para  poder  editarlo,  curarlo,  eh  que  sea
[64:18] 
[64:18] verificable,  etcétera,  etcétera,  ¿no?
[64:20] 
[64:20] Entonces,  ese  momento,  ¿no?  Un  poco  esa
[64:22] 
[64:22] semilla  de,  yo  creo  que  así  de  villings
[64:24] 
[64:24] eh  de  ese  momento  ahora  en  el  contexto
[64:27] 
[64:27] actual  tiene  mucha  más  mucho  más  sentido
[64:29] 
[64:29] quizás  o  mucha  más  repercusión.  Entonces
[64:31] 
[64:31] vemos  que  podemos  como  reginar  eso
[64:33] 
[64:34] obviamente  llevarlo  hacia  otro  lado  en
[64:36] 
[64:36] lo  que  escala.  No,
[64:37] 
[64:37] sí  que  qué  escala.  No  hemos  dicho  que
[64:38] 
[64:38] escala.
[64:38] 
[64:38] Escala,  Eli,  te  lo  voy  a  dejar.  [risas]
[64:41] 
[64:41] Lo  has  dejado  ahí.  Vale.  Eh,  pues  al
[64:42] 
[64:42] final  Cala  es  eh  un  repositorio  de  todo
[64:46] 
[64:46] el  conocimiento  verificado  y  chequeado
[64:49] 
[64:49] del  mundo  para  que  los  agentes  o  las
[64:53] 
[64:53] personas  puedan  conectarse  a  él,  porque
[64:55] 
[64:56] nos  damos  cuenta  que  que  la  gente  es  lo
[64:59] 
[64:59] que  tú  comentabas  antes,  que  han  pasado
[65:00] 
[65:00] de  hacer  eh  preguntas  a  Google,  hacer
[65:02] 
[65:02] preguntas  a  chat  GPT,  ¿no?  Entonces,
[65:03] 
[65:03] chat  GPT  tienes  dos  opciones.  bien,  te
[65:05] 
[65:05] responde  de  la  memoria,  en  cuyo  caso
[65:07] 
[65:07] puede  tener  alucinaciones,  lo  que  ya
[65:08] 
[65:09] sabemos  todos,  o  hace  webgrinding,  que
[65:11] 
[65:11] es  que  va  a  la  web  y  busca  cosas  y  te
[65:13] 
[65:13] las  procesa.  Pero,  ¿qué  pasa?  Que  eso  es
[65:15] 
[65:15] no  determinista,  eso  depende  de  del
[65:18] 
[65:18] runtime,  eh,  de  las  webs.  Hay  webs  que  a
[65:20] 
[65:20] lo  mejor  tú  te  fillarías  y  otras  no.  Y
[65:21] 
[65:21] cuando  te  procesas  información  y  ya  te
[65:23] 
[65:23] le  dan  voz,  tú  ya  no  sabes  ni  de  dónde
[65:24] 
[65:24] ha  salido  el  dato.  Entonces,  nos  damos
[65:26] 
[65:26] cuenta  que  la  desinformación  está  en
[65:28] 
[65:28] auge.  Cada  vez  es  el  acceso  a  la
[65:30] 
[65:30] información,  por  mucha  se  ha  vuelto  más
[65:32] 
[65:32] difícil.  La  gente  lo  está  superando  con
[65:34] 
[65:34] GPT,  pero  no  ayuda  a  informar  bien  y  nos
[65:38] 
[65:39] damos  cuenta  que  además  la  nueva
[65:40] 
[65:40] generación  de  de  agentes  de  productos
[65:44] 
[65:44] enticace  de  de  productos  basados  en
[65:46] 
[65:46] agentes  de  automatización,  etcétera,
[65:49] 
[65:49] como  va  van  a  van  a  a  crecer,
[65:51] 
[65:51] alimentarse  de  eso,  va  a  ser  un
[65:53] 
[65:53] problemón  porque  ya  una  cosa  es  que  yo
[65:55] 
[65:55] lo  vea  y  diga,  "Mira,  pues  esta  web  no
[65:56] 
[65:56] me  fío",  pero  la  otra  es  que  alguien
[65:58] 
[65:58] desarrolle  un  producto  que  producto  tome
[66:01] 
[66:01] una  decisión  que  me  impacte  en  mi  vida  y
[66:02] 
[66:02] yo  no  sé  de  dónde  ha  salido  ese  dato,
[66:04] 
[66:04] ¿no?  Y  puede  ser  un  dato  no  fiable.
[66:06] 
[66:06] Entonces  vemos  que  internet  es  perfecto
[66:08] 
[66:08] para  muchas  cosas,  tiene  opiniones,  es
[66:10] 
[66:10] un  sitio  de  colaboración,  pero  a  lo
[66:11] 
[66:12] mejor  no  es  el  mayor  repositorio  de
[66:13] 
[66:13] conocimiento  del  mundo  fiable.  Entonces
[66:16] 
[66:16] construimos  Cala  y  Cala  es  un
[66:18] 
[66:19] repositorio  de  información  para  que  los
[66:21] 
[66:21] modelos  o  los  agentes  cuando  necesitan
[66:23] 
[66:23] dato  específico  y  de  fuentes  eh
[66:25] 
[66:25] reputables  vayan  ahí.
[66:28] 
[66:28] Vale,  muchas  cosas  a  desempaquetar.
[66:31] 
[66:31] Ahora  ahí  hay  un  un  concepto  muy
[66:33] 
[66:33] peligroso  que  es  el  concepto  de  la
[66:34] 
[66:34] verdad.
[66:35] 
[66:35] Sí,
[66:35] 
[66:35] sí,
[66:35] 
[66:36] sí.
[66:36] 
[66:36] O  sea,  has  hablado,  pero  luego  lo  has
[66:38] 
[66:38] matizado,  ¿eh?  Has  dicho,  "Yo  de  esta
[66:39] 
[66:40] web  no  me  fío."  Esto  es  una  decisión
[66:42] 
[66:42] personal,
[66:43] 
[66:43] ¿no?  Por  ejemplo,  ahora  utilizar  eh
[66:45] 
[66:45] terminología  de  España  que  la  gente
[66:47] 
[66:47] conozca.  Hay  periódicos  y  hay  gente  que
[66:49] 
[66:49] dirá,  "Esto  lo  ha  publicado  el  país,  no
[66:50] 
[66:50] me  fío.  Esto  lo  ha  publicado  el  mundo,
[66:52] 
[66:52] no  me  fío."
[66:53] 
[66:53] Esto  es  una  decisión  super  personal  y
[66:55] 
[66:55] subjetiva.
[66:55] 
[66:55] Sí,
[66:56] 
[66:56] porque  seguramente  es  demostrable  que
[66:57] 
[66:57] los  dos  han  mentido  y  que  los  dos  dicen
[66:59] 
[66:59] la  verdad  la  mayoría  de  veces,  ¿no?  Pero
[67:01] 
[67:01] seguramente  hay  todo  el  mundo  comete
[67:03] 
[67:03] errores  o
[67:04] 
[67:04] e  editorializa
[67:06] 
[67:06] la  verdad  que  cuentan.
[67:08] 
[67:08] ¿Cómo  se  soluciona  este  problema?  Vale,
[67:10] 
[67:10] o  sea,  hay  una  primera  parte,  eh,
[67:11] 
[67:11] primero  que  nosotros  tampoco
[67:13] 
[67:13] consideramos  que  tengamos  la  verdad,
[67:14] 
[67:14] sino  muchas  veces  lo  que  haces  es
[67:15] 
[67:15] reducir  la  complejidad  de  todo  internet
[67:17] 
[67:17] a  hay  dos  corrientes  o  hay  dos  opiniones
[67:20] 
[67:20] de  este  dato  y  luego  será  tu  modelo,  tu
[67:22] 
[67:22] agente  que  tú  ya  lo  tienes
[67:24] 
[67:24] fine  tuned,  ¿no?  Eh,
[67:25] 
[67:26] le  das  tu  preferencia.
[67:26] 
[67:27] Claro,  tú  le  das  tu  preferencia.
[67:28] 
[67:28] Entonces,  lo  que  nosotros  estamos
[67:28] 
[67:28] haciendo,  claro,  los  sesgos  que  tú
[67:30] 
[67:30] quieras  poner,  cuando  no  hay  una  verdad
[67:31] 
[67:31] absoluta,  nosotros  vamos  a  decir,  pues
[67:33] 
[67:33] hay  dos  ramas  de  conocimiento,  tres,
[67:35] 
[67:35] cuatro  y  y  a  veces  no  no  queremos  ser  el
[67:39] 
[67:39] no  queremos  que  haya  una  verdad  única,
[67:41] 
[67:41] no  va  de  fact  checking  esto,
[67:42] 
[67:42] eh,  pero  sí,  o  sea,  va  de  fact  checking
[67:44] 
[67:44] de  todo  lo  que  se  pueda  factear,  es
[67:46] 
[67:46] decir,
[67:47] 
[67:47] factual,
[67:48] 
[67:48] eh,  la  información  factual,  cuando  tú  ya
[67:49] 
[67:49] pasas  de
[67:50] 
[67:50] el  mundo  de  hoy  ya,  eh,  ¿qué  es  factual?
[67:52] 
[67:52] Pero  bueno,  sí  entiendo  yo  que  como
[67:53] 
[67:53] científicos  que  más,  bueno,  ingenieros
[67:55] 
[67:55] que  somos  personas,  eh,  hay  cosas  que
[67:58] 
[67:58] son  cosas,  por  ejemplo,  [risas]
[67:59] 
[67:59] o  sea,
[68:00] 
[68:00] esta  mesa  tiene  cuatro  patas  y  punto.
[68:02] 
[68:02] No,  no  nos  mareemos.
[68:03] 
[68:04] Sí.  Y  y  yo  creo  que  además  cuando  tú
[68:05] 
[68:05] reduces  eh  la  web  a  una  serie  de  FASS  te
[68:08] 
[68:08] das  cuenta  de  que  ya  estás  quitando
[68:10] 
[68:10] mucha  parte  de  esa  parte  sesgada,  o  sea,
[68:12] 
[68:12] ya  estás  filtrando  mucho.  quitáis  su
[68:14] 
[68:14] ruido,
[68:14] 
[68:14] quitas  mucho  ruido  porque  al  final  la
[68:16] 
[68:16] misma  noticia  la  puedes  explicar  de
[68:18] 
[68:18] 50,000  cosas,  de  50,000  maneras
[68:20] 
[68:20] diferentes,  pero  sobre  todo  nuestra
[68:22] 
[68:22] nuestro  posición  deamiento  no  es  tanto
[68:23] 
[68:23] noticias,  que  también  es  importante,
[68:25] 
[68:25] sino  también  en  pues  yo  que  sé,  pues  si
[68:27] 
[68:27] tu  modelo  necesita  saber  algo  de  de  una
[68:30] 
[68:30] Evita  de  una  compañía,  pues  lo  sacas  de
[68:32] 
[68:32] las  cuentas  anuales,  o  sea,  que  a  día  de
[68:34] 
[68:34] hoy
[68:34] 
[68:34] no  de  un  periódico  ni  de  Twitch.  No,  no
[68:36] 
[68:36] de  un  periódico,  no,  no  de  un  periódico,
[68:38] 
[68:38] no  de  un  e  de  una  nota  de  prensa,  de  una
[68:41] 
[68:41] entrevista  del  fundador  en  no  sé  dónde,
[68:43] 
[68:43] ¿no?  O  sea,  al  final  te  vas  a  la  fuente
[68:44] 
[68:44] del  dato  y  eso  es  algo  que  antes  no  se
[68:46] 
[68:46] podía  hacer,  pero  con  modelos  de  los
[68:49] 
[68:49] modelos  de  lenguaje  actual  se  puede  como
[68:51] 
[68:51] levantar  toda  esa  información,  cruzarla,
[68:54] 
[68:54] fa  chequearla  entre  ella  con  un  poco  de
[68:56] 
[68:56] conocimiento  de  qué  fuentes  son  más
[68:58] 
[68:58] fiables  que  otras  y  crear  ese
[69:00] 
[69:00] repositorio.  O  sea,  que  si  ahora  le
[69:01] 
[69:01] pregunto  a  Cala  la  facturación  de
[69:04] 
[69:04] Billings  de  2020,
[69:06] 
[69:06] si  está  publicado,
[69:07] 
[69:07] sacará  el  registro  mercantil.  Me  sacará
[69:09] 
[69:09] el  registro  mercantil  y  me  dirá  lo  que
[69:10] 
[69:10] pone  ahí,  ¿no?
[69:11] 
[69:11] Exacto.
[69:11] 
[69:11] Vale,
[69:12] 
[69:12] exacto.  [risas]
[69:14] 
[69:14] Podemos  fa  chequear  este  podcast.
[69:15] 
[69:15] Sí,
[69:16] 
[69:17] vamos  a  vamos  a  hacerlo.  Okay,  esto  es
[69:19] 
[69:19] cala.
[69:19] 
[69:19] Esto  es  cala.
[69:21] 
[69:21] Volvemos  un  poco  a  la  misma  historia  de
[69:22] 
[69:22] Billings.  Eh,  eh,  ¿cómo  se  productiza
[69:24] 
[69:24] esto,  no?  Porque  hay  un  hay  un  concepto,
[69:26] 
[69:26] hay  una  innovación,  hay  un  hay  una
[69:28] 
[69:28] tecnología,  pero  ¿cómo  se  produtiza
[69:29] 
[69:30] esto?  ¿Para  quién  es?  ¿A  quién  se  lo
[69:31] 
[69:31] vendéis?
[69:32] 
[69:32] Al  final  hay  muchísimas  empresas  que
[69:33] 
[69:33] están  ahora  haciendo  toda  la  parte  de
[69:35] 
[69:35] transformación  con  agentes,  eh,  y  estos
[69:37] 
[69:37] agentes  muchas  veces  necesitan
[69:38] 
[69:38] información  de  fuera.
[69:39] 
[69:39] ¿Qué  significa  esto?
[69:42] 
[69:42] por  ejemplo,  eh  todas  las  empresas  que
[69:43] 
[69:43] están  eh  cambiando  workflows  internos
[69:47] 
[69:47] de  eh  recaptación  de  datos,  de  New  York
[69:49] 
[69:49] Customer,  que  que  lo  llaman,  ¿no?  De
[69:51] 
[69:51] entender  qué  clientes  tienes,  de  ver  eh
[69:55] 
[69:55] ciclos  de  venta,  información  de
[69:57] 
[69:57] clientes,  de  proveedores,  de  de de
[70:00] 
[70:00] muchas  cosas,  información  legal  también,
[70:02] 
[70:02] departamentos  de  legal.  Entonces,  lo  que
[70:04] 
[70:04] necesitan  estos  agentes  es  información
[70:07] 
[70:07] fiable.  Ahora  mismo  estas  empresas  o
[70:09] 
[70:09] utilizan  productos  que  ya  existen  o
[70:11] 
[70:11] vamos  a  decir  quizá  para  entenderlo  un
[70:12] 
[70:12] poco  más  a  medio  nivel  de  profundidad,
[70:15] 
[70:15] se  hacen  sus  propios  agentes.
[70:16] 
[70:16] Sí.
[70:16] 
[70:16] Sí.  Y
[70:17] 
[70:17] con  un  N8N,
[70:19] 
[70:19] que  eso  es  perfecto.  Sí.  Sí,
[70:20] 
[70:20] con  un  modelo  de  Open  AI,  por  decir
[70:22] 
[70:22] algo,  ¿no?  Entonces  dicen,
[70:24] 
[70:24] el  usuario  me  pregunta  una  cosa  en  el
[70:26] 
[70:26] chat  de  mi  web,
[70:28] 
[70:28] yo  miro  la  información  de  mi  de  mi  web,
[70:31] 
[70:31] ¿no?  Miro  este  documento  que  yo  te  he
[70:32] 
[70:32] subido  en  un  PDF  y  le  contestas,  ¿no?  Y
[70:34] 
[70:35] la  gente  se  monta  un  agente  sencillito
[70:36] 
[70:36] en  10  minutos  hoy  en  día.
[70:38] 
[70:38] ¿Dónde  enchufas  eh  Cala?
[70:41] 
[70:41] En  el  momento  en  el  que  en  tu  en  tu
[70:44] 
[70:44] proceso  que  quieres  automatizar,  donde
[70:45] 
[70:45] estás  construyendo  esta  gente,  este
[70:47] 
[70:47] agente  necesita  de  información  que  sea
[70:48] 
[70:48] pública,  ¿no?  Y  estamos  viendo  que  ahora
[70:50] 
[70:50] más  y  más  están  saliendo  eh  empresas  y  y
[70:54] 
[70:54] e  modelos  de  agentes  que  necesitan  esa
[70:56] 
[70:56] conexión  a  internet,  ¿no?
[70:57] 
[70:57] A  veces  cuando  haces  un  agente  necesitas
[70:59] 
[70:59] información  que  la  empresa  tiene
[71:01] 
[71:01] información  privada,  ese  PDF  que  tú  has
[71:03] 
[71:03] mencionado.  Y  hay  veces  que  es
[71:04] 
[71:04] información  pública,  ¿no?  Lo  que
[71:06] 
[71:06] decíamos  la  facturación  de  X,  ¿no?
[71:07] 
[71:08] Estoy,  por  ejemplo,  soy  un  banco  y  estoy
[71:09] 
[71:09] evaluando  riesgos  de  una  empresa,
[71:11] 
[71:11] dame  información  sobre  esa  empresa.  Esa
[71:12] 
[71:13] información  es  pública  y  está  accesible
[71:14] 
[71:14] en  internet.  La  cuestión  es  cómo  la
[71:16] 
[71:16] encuentras  y  cómo  encuentras  la
[71:17] 
[71:17] información  que  sea  correcta,  ¿no?
[71:19] 
[71:19] Porque  puedes  encontrar  ahí  mucho  ruido,
[71:20] 
[71:20] como  hemos  dicho.  En  ese  momento  es
[71:22] 
[71:22] donde  entra  Cala,  es  donde  ese  agente  en
[71:24] 
[71:24] vez  de  hacer  lo  que  muchos  están
[71:26] 
[71:26] haciendo  ahora,  que  es  me  conecto  a  Web
[71:28] 
[71:28] search,  ¿no?  como  hace  Open  AI  cuando  le
[71:29] 
[71:30] preguntas  alguna  cosa  y  tirar
[71:31] 
[71:31] directamente  de  internet.  El  propósito
[71:33] 
[71:33] de  Cala  es  ser  este  esta  capa  intermedia
[71:35] 
[71:35] de  pregúntale  a  Cala  en  vez  de  irte  a
[71:37] 
[71:37] buscar  y  empezar  a  hacer  las  cosas  en
[71:39] 
[71:39] runtime,  que  es  más  costoso,  es  menos
[71:41] 
[71:41] fiable,  es  más
[71:42] 
[71:42] Cala  ya  tiene  toda  todos  estos
[71:44] 
[71:44] repositorios  eh  indexados  o  lo  vais  a
[71:47] 
[71:47] buscar  afuera.  Nosotros  indexamos  antes
[71:49] 
[71:49] de  que  nos  llegue  la  pregunta,  o  sea,  un
[71:51] 
[71:51] poco  la  gracia  o  el  cambio  de
[71:52] 
[71:52] planteamiento  es  indexar,  como  haría  un
[71:55] 
[71:55] search  engine,  sin  ser  un  search  engine,
[71:57] 
[71:57] indexar  toda  esa  información  previamente
[71:59] 
[71:59] para  que  cuando  tú  me  preguntes  eh  esa
[72:01] 
[72:01] información,  yo  la  tenga  disponible  al
[72:03] 
[72:03] momento  ya  verificado.
[72:04] 
[72:04] O  sea,  hay  un  modelo  en  vuestros
[72:05] 
[72:06] servidores  que  tiene  las  facturaciones
[72:07] 
[72:07] de  todas  las  empresas,  de  todos  los
[72:09] 
[72:09] periodos  de  la  historia.  Obviamente  se
[72:10] 
[72:10] va  procesando  esta  información  es es  no
[72:13] 
[72:13] es  estática,  no  es  un  procesado  de  una
[72:14] 
[72:14] vez,  sino  que  vamos  consumiendo
[72:16] 
[72:16] información  a  medida  que  la  vamos
[72:18] 
[72:18] encontrando.
[72:18] 
[72:18] Pero  si  yo  la  pregunto  ahora,  la
[72:19] 
[72:19] respuesta  es  ya  está  ahí,
[72:21] 
[72:21] ejemplo,  la  facturación  de  billings  ya
[72:22] 
[72:22] está  en  el  modelo.
[72:23] 
[72:23] Sí,  si  está  en  el  registro  mercantil,
[72:25] 
[72:25] si  está  en  algún  registro  mercantil
[72:27] 
[72:27] oficial  que  vosotros  habéis  considerado,
[72:29] 
[72:29] o  sea,  vosotros  habéis  hecho  un  trabajo
[72:30] 
[72:30] de  curación  de  fuentes  reputadas.  Ahora,
[72:33] 
[72:33] ahora  nos  ahora  nos  metemos  en  ese,
[72:35] 
[72:35] ¿vale?  E  claro,  tú  podrías  tú  puedes
[72:38] 
[72:38] decir,  "Vale,  pues  yo  hago  un  proceso  de
[72:39] 
[72:39] curación  de  fuente  de  fuentes  reputadas,
[72:41] 
[72:41] pero  no  terminaríamos  nunca  porque  hay
[72:43] 
[72:43] muchísimas  fuentes  y  además  hay  fuentes
[72:45] 
[72:45] que  pueden  ser  fiables  para  un  cierto
[72:46] 
[72:46] tipo  de  dato,  pero  no  para  otros."
[72:47] 
[72:47] Correcto.
[72:48] 
[72:48] Entonces,  lo  que  nosotros  hacemos  son
[72:50] 
[72:50] modelos  eh  de  reputación.  Es  decir,  eh
[72:53] 
[72:53] tienes  un  agente  interno  que  lo  que  está
[72:56] 
[72:56] haciendo  es  decir,  "Vale,  esta  persona
[72:58] 
[72:58] hablando  de  este  de  este  tema  en  este
[73:00] 
[73:00] medio  voy  a  voy  a  decidir  que  tiene  una
[73:03] 
[73:03] reputación  buena,  o  sea,  que  sabe  de  lo
[73:04] 
[73:05] que  habla  o  no."  Y  está  todo  el  rato
[73:07] 
[73:07] intentando
[73:07] 
[73:07] cómo  lo  hace.  e  la  lo  hace  comparando
[73:11] 
[73:11] con  lo  que  ella  sabe.  Son  sistemas  que
[73:13] 
[73:13] son  de  que,
[73:15] 
[73:15] o  sea,  si  pilla  a  esa  persona  diciendo
[73:18] 
[73:18] algo  con  lo  que  el  modelo  no  está  de
[73:19] 
[73:20] acuerdo,
[73:21] 
[73:21] dice,  "Esta  persona  no  está  siendo
[73:23] 
[73:23] verdadera."  Claro,  a  ver,  o  sea,  tú  lo
[73:25] 
[73:25] que  haces  es  e  tú  empiezas  a  aprender  lo
[73:28] 
[73:28] lo  primero  es  como  cuando  tú  empiezas  a
[73:29] 
[73:29] aprender  de  algo,  empiezas  a  aprender  de
[73:30] 
[73:30] las  fuentes,  que  son  las  fuentes,  yo  que
[73:33] 
[73:33] sé,  pues  si  quieres  sair  de  registros
[73:34] 
[73:34] mercantiles,  te  vas  al  borme,  no  te
[73:36] 
[73:36] vayas  a  otro  sitio,  ¿no?  O  sea,
[73:37] 
[73:37] facturación  de  empresas  o  están  ahí  o
[73:40] 
[73:40] están  en  el  mercado  de  valores,  ¿no?  O
[73:41] 
[73:41] están  no  sé  dónde,  ¿vale?  Hay  dos  o  tres
[73:42] 
[73:43] fuentes,  Finance,
[73:44] 
[73:44] ¿vale?  Entonces,  las  fuentes  empiezan  a
[73:45] 
[73:45] aprender  el  sistema  que  no  es  un  modelo,
[73:48] 
[73:48] o  sea,  nuestro  sistema  es  un  knowledge
[73:49] 
[73:49] graf,  es  un  grafo  de  conocimiento  de  de
[73:51] 
[73:51] información,  ¿vale?  No  es  un  modelo,  eh,
[73:53] 
[73:53] no  es  un  modelo,  eh,
[73:55] 
[73:55] son  muchos  modelos,
[73:56] 
[73:56] o  sea,  es  una  base  de  datos  porque  al
[73:57] 
[73:57] final  lo  que  tú  te  interesa,  o  sea,  lo
[73:58] 
[73:58] que  estamos  haciendo  es  una  base  de
[74:00] 
[74:00] datos  de  información  curada,
[74:01] 
[74:01] ¿vale?
[74:02] 
[74:02] Fin.  O  sea,  no  es
[74:03] 
[74:03] un  ejemplo  es  facturación.  Ahí  hay  una
[74:05] 
[74:05] nube  o  datos  financieros  de  empresas,
[74:07] 
[74:07] hay  una  nube  de  datos  financieros  de
[74:08] 
[74:08] empresas  y  dices  España
[74:10] 
[74:10] y  tú  las  vas  metiendo  ahí  todo  en  un
[74:12] 
[74:12] factorial  y  tenéis  ahí  los  datos  que
[74:14] 
[74:14] habéis  encontrado  de  una  fuente  que
[74:15] 
[74:15] vosotros
[74:16] 
[74:16] de  una  fuente  fiable  o  que  hemos  pensado
[74:17] 
[74:17] que  es  que  hemos  decidido  que  es  fiable
[74:19] 
[74:19] de  de  factorial.  Entonces,  lo  que  estos
[74:21] 
[74:21] sistemas  hacen  es  empiezan  por  las
[74:22] 
[74:22] fuentes  que  son  más  obvias  y  ahí  ya
[74:24] 
[74:24] tienes  un  conocimiento.  Entonces,  igual
[74:25] 
[74:25] que  tú  cuando  ya  sabes  de  un  tema  y  te
[74:27] 
[74:27] viene  alguien  a  hablar  de  algo  que  no
[74:28] 
[74:28] tiene  ni  idea  y  tú  ya  lo  pillas  porque
[74:30] 
[74:30] tú  ya  más  o  menos  sabes  y  dices,  "Esto
[74:32] 
[74:32] no  tiene  nada  que  ver",  el  algoritmo  de
[74:33] 
[74:33] reputación  hace  lo  mismo.  O  sea,  compara
[74:35] 
[74:35] con  los  facts  que  ella  tiene.  Si  lo  que
[74:37] 
[74:37] tú  me  dices  coincide  mucho  y  me  das  una
[74:39] 
[74:39] cosa  que  yo  no  tengo,  voy  a  pensar  que
[74:41] 
[74:41] más  o  menos  sabes  de  lo  que  hablas  y  te
[74:42] 
[74:42] voy  a  poner  buena  reputación.  Si  lo  que
[74:44] 
[74:44] me  dices  ya  no  me  cuadra  nada  y  yo  sé
[74:45] 
[74:46] que  lo  que  yo  tengo  es  certero,  hm,  voy
[74:49] 
[74:49] a  pasar  de  ti.  Entonces,  estos  sistemas
[74:50] 
[74:50] lo  que  hacen  es  que  capa  c  cap  c  cap  van
[74:53] 
[74:53] teniendo  una  base  de  datos  de
[74:54] 
[74:54] conocimiento  más  fiable  y  cada  vez  son
[74:56] 
[74:56] mejores  en  entender  quién  sabe  de  sus
[74:59] 
[74:59] temas  y  quién  no.  Entonces  vas  ampliando
[75:01] 
[75:01] el  conocimiento  y  entonces  al  principio
[75:02] 
[75:02] empiezas  con  las  fuentes  más  limitadas,
[75:05] 
[75:05] pero  cada  vez  le  puedes  dar  más  libertad
[75:08] 
[75:08] al  algoritmo  de  ir  a  buscar  fuentes  más
[75:09] 
[75:09] secundarias  o  terciarias  para  meter
[75:11] 
[75:11] conocimiento.
[75:13] 
[75:13] Entonces  vosotros  tenéis  principalmente
[75:15] 
[75:15] dos  tecnologías  muy  importantes.  Una  es
[75:17] 
[75:17] la  base  de  datos
[75:18] 
[75:18] de  conocimientos  y  la  otra  es  modelo  de
[75:22] 
[75:22] descubrir  fuentes  eh  fiables
[75:25] 
[75:25] y  obviamente  el  uno  alimenta  la  otra.
[75:27] 
[75:27] Los  dos,  de  hecho,  se  retroalimentan.
[75:28] 
[75:28] Sí.  A  mí  me  gusta  añadir  una  tercera,
[75:30] 
[75:30] es  lo  que  iba  a  decir,  el  information
[75:31] 
[75:31] retriever.
[75:32] 
[75:32] Exacto.  Es  decir,  tú  puedes  tener  ese
[75:33] 
[75:33] sistema,  este  repositorio  de  datos  con
[75:36] 
[75:36] toda  esa  información  verificada  que  uno
[75:38] 
[75:38] de  los  de  las  dificultades  que  hay,
[75:41] 
[75:41] especialmente  cuando  uno  se  mete  con
[75:42] 
[75:42] modelos  de  lenguaje,  con  agentes,  es
[75:44] 
[75:44] cómo  le  das  la  información  justa  para
[75:47] 
[75:47] que  haga  su  tarea  o  responda  a  la
[75:49] 
[75:49] pregunta  del  usuario,  ¿vale?  Lo  que
[75:50] 
[75:50] hablamos,  el  context
[75:53] 
[75:53] en  tecnología,  context  engineering,
[75:54] 
[75:54] ¿no?,  que  se  habla  hoy  en  día.  Entonces,
[75:56] 
[75:57] eso  es  un  paso  no  trivial,  especialmente
[75:58] 
[75:58] cuando  tienes  más  datos,  ¿no?  Cuando  una
[76:00] 
[76:00] empresa  es  pequeñita  y  se  hace  su  agente
[76:01] 
[76:01] y  le  sube  un  PDF,  el  contexto  es  claro  y
[76:04] 
[76:04] es  muy  pequeño.  Cuando  estamos  hablando
[76:05] 
[76:05] de  intentar  recopilar  el  conocimiento  de
[76:07] 
[76:07] internet,  estamos  hablando  de  escala
[76:10] 
[76:10] exabytes,  de  datos.  ¿Cómo  encuentras
[76:12] 
[76:12] exabytes?
[76:13] 
[76:13] Sí,  no  ahora,  pero  es  una  proyección,
[76:15] 
[76:15] no  es  el  tamaño  de  vuestra  base  de
[76:16] 
[76:16] datos,  sino  el  tamaño  de  el  cuerpo  de
[76:18] 
[76:18] información  al  que  vais  a  buscar  datos.
[76:20] 
[76:20] Exacto,  exacto.  Entonces,  ¿cómo
[76:22] 
[76:22] encuentras  ese  no  famoso  nidelinajista
[76:25] 
[76:25] que  sea  la  aguja  en  un  pajar
[76:27] 
[76:27] para  darles  información?  Porque  uno  de
[76:28] 
[76:28] los  grandes  problemas  y  si  no  vas  estás
[76:31] 
[76:31] en  el  mundillo,  antes  ha  hablado  de  RAC,
[76:33] 
[76:33] ¿no?  De  estos  sistemas  para  para  obtener
[76:35] 
[76:35] información  que  tú  tienes,  ¿no?  Uno  de
[76:38] 
[76:38] los  grandes  problemas  es  lo  que  se  llama
[76:40] 
[76:40] eh  a  ver  en  Castellan  information
[76:42] 
[76:42] Overload,  como  sobrecarga  de  información
[76:44] 
[76:44] a  los  modelos  de  lenguaje  y  a  los
[76:45] 
[76:45] agentes.  Tú  les  das  ahí  mucha
[76:47] 
[76:47] información,  esperas  que  eso  sea  una
[76:49] 
[76:49] caja  mágica.  y  que  te  responda  bien.
[76:51] 
[76:51] Generalmente  en  ese  en  ese  contexto  no
[76:53] 
[76:53] funcionan.
[76:53] 
[76:54] O  sea,  este  el  ejemplo,  yo  creo,  más
[76:56] 
[76:56] tonto  que  se  me  ocurre  a  mí  de  mi  vida
[76:58] 
[76:58] propia  es  Google
[77:00] 
[77:00] está  tan  eh  hackeado,  ¿no?  O  sea,  tanta
[77:02] 
[77:02] gente  lleva  tantos  años  profesionalmente
[77:05] 
[77:05] metiéndole
[77:06] 
[77:06] cosas  a  Google  para  rankear,  ¿no?  Para
[77:08] 
[77:08] subir  arriba  y  recibir  tráfico,  que  a  mí
[77:11] 
[77:11] al  final  me  ha  llegado  a  dejar  de  ser
[77:13] 
[77:13] útil.  Muchas  veces  Google  prehat  GPT  eh
[77:15] 
[77:16] buscaba  una  cosa  y  siempre  tenía  que
[77:17] 
[77:17] poner  la  palabra  redit  porque  digo,  de
[77:20] 
[77:20] toda  la  [ __ ]  que  tú  has  indexado,
[77:22] 
[77:22] cuéntame  lo  que  encuentres  en  Redit  y
[77:24] 
[77:24] porque  yo  he  decidido  que  una  fuente
[77:25] 
[77:25] fiable,  que  ya  me  dirás  tú  Redit,  pero
[77:27] 
[77:27] bueno,  es  más  fiable  que  toda  la  gente
[77:29] 
[77:29] de  SEO  que  está  enchufando  contenido  en
[77:32] 
[77:32] Google,  ¿no?  Digo,  búscame  lo  que  esta
[77:33] 
[77:33] gente  rara  de  Reddit  dice  sobre  cuál  es
[77:35] 
[77:35] la  mejor  tele  para  comprarme  en  2025,
[77:37] 
[77:37] ¿no?  Por  ejemplo,
[77:38] 
[77:38] e  claro,  esto  también  está  pasando  en
[77:40] 
[77:40] los  modelos  ahora,
[77:41] 
[77:41] ¿no?  Todo  el  mundo  está  tirando
[77:43] 
[77:43] toneladas  de  porquería
[77:46] 
[77:46] para  salir  en  las  respuestas  de  CHGPT,
[77:48] 
[77:48] de  Lama,  de  todos  los  modelos.
[77:50] 
[77:50] Exacto.
[77:51] 
[77:51] ¿Vosotros  eh  también  os  beneficiáis  de
[77:54] 
[77:54] de  la  información  de  estas  digamos  de  de
[77:56] 
[77:56] las  masas  de  volumen  o  os  limitáis  a  lo
[77:59] 
[77:59] que  está  hipercurado  de  relativamente
[78:02] 
[78:02] pocas  fuentes?
[78:03] 
[78:03] O  sea,  yo  creo  que  como  ha  dicho  el  es
[78:04] 
[78:04] un  proceso,  es  decir,  empiezas  por  esas
[78:06] 
[78:06] fuentes  que  son  más  reducidas,  son  más
[78:09] 
[78:09] curadas,  ¿sabes?  que  como  la  em  la
[78:12] 
[78:12] verdad  es  un  poco  más  fácil  de  discernir
[78:14] 
[78:14] y  a  partir  de  ahí  puedes  empezar  a
[78:16] 
[78:16] expandir  y  abrir  ese  abanico  y  a  menuda
[78:18] 
[78:18] que  ese  segundo  sistema  empieza  a
[78:20] 
[78:20] generar  ese  esa  reputación  sobre  los
[78:22] 
[78:23] creadores  de  contenido,  por  así  decirlo,
[78:25] 
[78:25] eh  o  de  información,
[78:27] 
[78:27] puedes  abrir  más  a  estas  fuentes  no
[78:30] 
[78:30] fiables,  ¿no?  Es  decir,  habrá  momentos
[78:32] 
[78:32] en  los  que  para  ciertas  cosas
[78:34] 
[78:34] Redit  quizás  tengas  que  mirarlo.  Si  yo
[78:36] 
[78:36] lo  que  quiero  es  saber  opiniones  sobre
[78:38] 
[78:38] un  producto  X,  las  opiniones  pues  las
[78:40] 
[78:40] encontraré  en  Ready,  las  encontraré  en
[78:41] 
[78:41] un  foro  determinado,  ¿no?  Pero  no  para
[78:43] 
[78:43] las  specs  tele  que  tú  estás  buscando,
[78:45] 
[78:45] ¿no?
[78:45] 
[78:45] La  las  respuestas  sobre  un  diagnóstico
[78:47] 
[78:47] médico,  por  ejemplo,  este  es  un  tema  que
[78:49] 
[78:49] tocáis  vosotros.  Si  yo  pregunto  qué
[78:52] 
[78:52] medicina  me  tengo  que  tomar  o  ahora  que
[78:54] 
[78:54] está  de  moda,  el  tyenol  es  seguro  cuando
[78:57] 
[78:57] estás  embarazado  o  causa  autismo,  ¿no?
[78:58] 
[78:59] Que  ha  habido  una  polémica.  Claro,
[79:00] 
[79:00] imagínate  que  yo  me  quiero  contestar  a
[79:02] 
[79:02] esa  pregunta.
[79:03] 
[79:03] Eh,  Cala,  ¿me  ayuda  a  contestar  esta
[79:05] 
[79:05] pregunta?  Yo  creo  que,  y  tú  puedes
[79:07] 
[79:07] opinar  lo  contrario,  si  no,  yo  creo  que
[79:09] 
[79:09] lo  que  Cala  te  ofrece  aquí  es  cuáles  son
[79:11] 
[79:11] las  fuentes,  cuáles  son  las  opiniones
[79:14] 
[79:14] fiables  respecto  a  esto,  cuáles  son  los
[79:15] 
[79:15] estudios,  ¿no?  Una  pregunta  tan  médica,
[79:17] 
[79:17] pues  al  final  tienes  que  ir  a  estudios
[79:18] 
[79:18] clínicos,  ir  a  la  guía  clínica,  tienes
[79:20] 
[79:20] que  ir,  o  sea,  tú  me  dirás,  la  guía
[79:22] 
[79:22] clínica  de  los  eh  ginecólogos  de  Estados
[79:25] 
[79:25] Unidos  o  de  Reino  Unido  no  recomiendan
[79:27] 
[79:27] tomar  esta  medicina  tal.  tú  me  das  este
[79:29] 
[79:29] fact.
[79:30] 
[79:30] Exacto.
[79:31] 
[79:31] Que  no  es  que  lo  causa  o  no  lo  causa.  El
[79:32] 
[79:32] fact  es  la  recomendación  de  los  médicos
[79:34] 
[79:34] de  Reino  Unido  es  esta.
[79:36] 
[79:36] Exacto.  Con  esa  trazabilidad  del  dato,
[79:37] 
[79:38] que  yo  creo  que  es  algo  que  no  hemos
[79:38] 
[79:38] tocado,  pero  que  también  es  importante.
[79:40] 
[79:40] Esto  no  tendría  todo  sentido  del  mundo
[79:42] 
[79:42] que  lo  estuvieran  haciendo  Google,  que
[79:43] 
[79:43] es  el  gran  archivador  de  conocimiento
[79:45] 
[79:45] del  mundo,  y  Open  AI,  ¿no?,  que  es  el  el
[79:48] 
[79:48] challenger  el  que  el  que  le  está
[79:49] 
[79:49] apretando  por  detrás.
[79:51] 
[79:51] Sí.  Eh,  tendría  sentido.  Lo  que  pasa  es
[79:53] 
[79:53] que,  bueno,  nosotros  apostamos  que
[79:55] 
[79:55] Google  al  final  tiene  un  modelo  de
[79:56] 
[79:56] negocio  que  se  basa  en  Ads.  Está  en  esa
[79:58] 
[79:58] transición  de  cómo  pasa  un  modelo  de
[80:00] 
[80:00] negocio  basado  en  a  un  modelo  que  te  da
[80:02] 
[80:02] una  única  respuesta,  porque  ellos  al
[80:03] 
[80:03] final  juegan  con  el  ranking
[80:05] 
[80:05] y  para  hacer  algo  que  fuera  más  hacia  el
[80:07] 
[80:07] dato  eh  factual  tendrían  que  buscarse
[80:10] 
[80:10] otro  negocio.  O  sea,  lo  pueden  hacer  y  y
[80:14] 
[80:14] y  tendría  sentido,  pero  tendrían  que
[80:16] 
[80:16] cambiar  todo  su  modelo  de  negocio.
[80:17] 
[80:17] Sí,  para  hacerte  un  poco  de  reto.  O  sea,
[80:20] 
[80:20] yo  uso  Google,  vamos  a  asumir  que
[80:21] 
[80:21] todavía  no  existe  CHG  GPT,  ¿no?  Pero
[80:23] 
[80:23] cuando  yo  le  pregunto  cuál  es  la  capital
[80:25] 
[80:25] de  Singapur,
[80:27] 
[80:27] eh,  no  voy  a  transaccionar,  pero  cuando
[80:29] 
[80:29] le  pregunto  qué  tele  me  recomiendas,  ahí
[80:31] 
[80:31] me  voy  a  gastar  una  pasta.  Entonces,  que
[80:33] 
[80:33] te  conteste  la  capital  de  Singapur
[80:36] 
[80:36] con  facts,  sin  anuncios,  seguramente  no
[80:37] 
[80:37] le  afecta  su  modelo  de  negocio.  Lo
[80:39] 
[80:39] importante  es  que  cuando  yo  me  quiero
[80:40] 
[80:40] comprar  una  tele,  Google  rasque  algo  de
[80:42] 
[80:43] esa  tele  que  yo  me  voy  a  comprar.  Pero
[80:44] 
[80:44] en  ese  momento  nos  cala.  O  sea,
[80:45] 
[80:45] nosotros,  o  sea,  en  el  momento  en  el  que
[80:47] 
[80:47] tú  necesitas  una  opinión  sobre  comprarte
[80:48] 
[80:48] una  tele,  nos  cala.  Nosotros
[80:49] 
[80:49] Claro,  pero  eso  Google  ya  lo  tiene
[80:50] 
[80:50] resuelto  lo  de  la  tele.
[80:51] 
[80:51] Claro.  O  sea,  que  que  Google  podría
[80:53] 
[80:53] hacer  cala  y  luego  venderlo  a  la  gente
[80:55] 
[80:55] que  hace  agentes.
[80:56] 
[80:56] Venderlo,  no,  simplemente  utilizarlo
[80:58] 
[80:58] para  dar  mejores  respuestas.  No  entiendo
[80:59] 
[80:59] yo.
[81:00] 
[81:00] Bueno,  eso  lo  que  hacen  ahora  con  la  con
[81:01] 
[81:01] el  con  la  nueva  cajetilla  con  el  Sumary.
[81:04] 
[81:04] Es  lo  que  están  haciendo  que  te  enchufan
[81:05] 
[81:05] arriba  de  todo.
[81:06] 
[81:06] Sí,  lo  que  lo  que  están  haciendo  es  un
[81:08] 
[81:08] principio  de  eso,  pero  yo  creo  que  es  un
[81:10] 
[81:10] Bueno,  lo  podrán  hacer,  eh,
[81:12] 
[81:12] no  lo  han  hecho
[81:13] 
[81:13] a  día  de  hoy.  Bueno,  tienen  el el  ese
[81:15] 
[81:15] principio,  ¿no?  E  que  además,  bueno,
[81:18] 
[81:18] conocemos  el  equipo  que  le  está
[81:19] 
[81:19] haciendo.
[81:19] 
[81:19] Sí.  Em  y  podrían,  sí,  pero  yo  creo  que
[81:22] 
[81:22] es  un  negocio  diferente,  es  decir,  no  es
[81:24] 
[81:24] no  es  su  negocio.
[81:26] 
[81:26] También  una  cosa  que  yo  creo  a  poner  un
[81:27] 
[81:27] poco  en  perspectiva,  sobre  todo  a  nivel
[81:29] 
[81:29] de  negocio  de  Cala  y  demás,  es  el
[81:31] 
[81:31] enfoque  que  que  tenemos  también  un  poco.
[81:33] 
[81:33] Cuéntame  dónde  está  el  negocio,
[81:34] 
[81:34] ¿no?  Bueno,  al  final  es  una  de  las
[81:36] 
[81:36] grandes,  yo  creo,  cosas  que  aporta  Cala
[81:39] 
[81:39] es  esa  parte  de  somos  auditables,
[81:41] 
[81:41] tenemos  toda  esa  trazabilidad  del  dato,
[81:43] 
[81:43] el  sistema  no  es  eh  como  aleatorio,  ¿no?
[81:47] 
[81:47] No  tiene  ese  componente  tan  aleatorio
[81:49] 
[81:49] que  ves  en  estos  sistemas  tipo  open
[81:51] 
[81:51] HPTs,  perplexities  y  demás,  sino
[81:53] 
[81:53] intentamos  bajarlo  a  lo  más  determinista
[81:55] 
[81:55] posible,  lo  más  fijo.  Exacto.  No  es  el
[81:58] 
[81:58] modelo  tirando  de  su  memoria,  tirando  de
[82:00] 
[82:00] un  resultado  web  que  cambia  día  a  día,
[82:03] 
[82:03] sino  es  tirando  de  un  repositorio  que
[82:05] 
[82:05] obviamente  es  dinámico,  pero  es  dinámico
[82:06] 
[82:06] cuando  ya  consideramos  que  ese  dato  es
[82:08] 
[82:08] correcto,  ¿no?  Entonces  ahí
[82:10] 
[82:10] especialmente  para  empresas  un  poco  lo
[82:12] 
[82:12] que  nos  dices,  al  final  puedes  tirar  de
[82:13] 
[82:13] Google,  obviamente  como  usuario,  quizás
[82:16] 
[82:16] sí.  y  puedes  tener  aceptar  ese  riesgo  de
[82:18] 
[82:18] que  la  respuesta  de  cuál  es  la  capital
[82:20] 
[82:20] de  X  no  sea  correcta.  Si  yo  soy  una
[82:22] 
[82:22] empresa,  departamento  legal  y  tengo  que
[82:24] 
[82:24] saber  cuál  es  la  retención  en  Alemania
[82:27] 
[82:27] para  un  trabajador,  quizás  me  lo  quiero
[82:29] 
[82:29] pensar  dos  veces  antes  de  fiarme  de  la
[82:31] 
[82:32] primera  cosa  que  me  da  chat  GPT  o
[82:33] 
[82:33] buena  suerte  con  esa  pregunta.  Eh,
[82:35] 
[82:35] cálculo  de  impuestos.
[82:36] 
[82:36] Sí,  sí,  sí,  sí.  algo  muy  complicado.
[82:38] 
[82:38] Y  el  problema  no  es  cuando  lo  hace  una
[82:39] 
[82:39] persona,  el  problema  sobre  todo  cuando
[82:40] 
[82:40] lo  hace  un  agente,  porque  la  gente  no
[82:43] 
[82:43] no  tiene  esito,
[82:44] 
[82:44] claro,  no  tiene  ese  criterio  que  tienes
[82:45] 
[82:45] tú  decir,  respóndeme  solo  de  Reddit.
[82:47] 
[82:47] Entonces,  eso  es  lo  que  te  está
[82:48] 
[82:48] ofreciendo  Cala  de  alguna  manera,  ¿no?
[82:49] 
[82:49] CL  Acotáis  el  mundo  de  potenciales
[82:51] 
[82:51] respuestas  a  los  que  a  los  que  tiene
[82:53] 
[82:53] acceso.  Eh,  ¿cuál  es  el  modelo  de
[82:55] 
[82:55] negocio  de  Cala?  Eh,  al  final  eh  Cala  es
[82:58] 
[82:58] una  compañía  de  infraestructura  de  datos
[83:00] 
[83:00] donde  cualquiera  que  esté  haciendo
[83:02] 
[83:02] agentes  se  puede  conectar  ahí  a  través
[83:04] 
[83:04] de  MCP,  del  protocolo  este  que  que  ahora
[83:06] 
[83:06] que  ahora  se  usa.  Nuestro  modelo  de
[83:08] 
[83:08] negocio  pues  eh  es  eh  es  el  típico
[83:12] 
[83:12] tieras  pricing,  o  sea,  tienes  desde  un
[83:15] 
[83:15] modelo  pequeñito  para  para  personas
[83:17] 
[83:17] haciendo  cosas  más  personales,  uno  para
[83:20] 
[83:20] para  empresas  pequeñas  o  equipos
[83:21] 
[83:21] pequeños  y  otro  para  empresas  grandes
[83:23] 
[83:23] que  están  haciendo  todo.  Cobráis  por
[83:24] 
[83:25] búsqueda,  cobráis  por  usuario,  por
[83:26] 
[83:26] empresa,  precio  a  medida.
[83:28] 
[83:28] Por  búsqueda.
[83:29] 
[83:29] Por  búsqueda.
[83:29] 
[83:29] Por  búsqueda.
[83:30] 
[83:30] ¿Cuánto  cobráis?
[83:31] 
[83:31] Eh,  el  pring  aún  aún  no  hemos  lanzado
[83:33] 
[83:33] públicamente  y  el  pring  no  es  conocido
[83:34] 
[83:35] aún.
[83:36] 
[83:36] Pero  hay  un  pricing.
[83:37] 
[83:37] Bueno,  estamos
[83:38] 
[83:38] estáis  en  ello.  Facturáis,
[83:40] 
[83:40] ¿eh?  Estamos  empezando  a  facturar,  sí.
[83:42] 
[83:42] Con  Design  Partners.
[83:43] 
[83:43] Estáis  empezando  a  facturar  con  Design
[83:45] 
[83:45] Partners,  que  Design  Partners  es  otro
[83:46] 
[83:46] concepto  que  se  ha  puesto  de  moda
[83:47] 
[83:47] últimamente,
[83:48] 
[83:48] que  son  los  conejillos  de  indias.  Sí,  al
[83:51] 
[83:51] final  es  cuando  tu  tecnología  está  claro
[83:54] 
[83:54] early  adopters,  no  le  hemos  ido
[83:56] 
[83:56] cambiando  el  nombre.  Al  final  la  idea  es
[83:57] 
[83:57] que  en  Cala  nuestro  propósito  es
[83:59] 
[84:00] procesar  todo  internet,
[84:01] 
[84:01] fa  chequearlo,  ¿no?  Y  sacar  solo  la
[84:03] 
[84:03] información  relevante.  Eso  es  un  poco
[84:05] 
[84:05] grande,  ¿no?  Con  objetivo.  Entonces,
[84:07] 
[84:07] ¿qué  hacemos?  Empezamos,  empezamos  por
[84:09] 
[84:09] verticales.  Entonces,  empezamos,  ¿vale?
[84:10] 
[84:10] Primero  metemos  dato  legal,  ¿vale?  Pues
[84:12] 
[84:12] buscamos  un  desen  partner  en  legal  que
[84:13] 
[84:13] nos  ayude  a  ver  que  lo  que  estamos
[84:15] 
[84:15] haciendo  pues  no  se  nos  esté  yendo  la
[84:16] 
[84:16] olla.  Luego  lo  hacemos  en  finanzas,  o
[84:18] 
[84:18] sea,  vamos  buscando  por  verticales.
[84:19] 
[84:19] Es  público.  ¿Quiénes  son  los  design
[84:20] 
[84:20] partners?
[84:21] 
[84:21] No.  ¿Y  no  creéis  que  lo  sea?
[84:22] 
[84:22] Eh,  por  ahora  no.
[84:23] 
[84:23] Vale.  ¿En  qué  espacios  es  legal?  ¿Es  uno
[84:25] 
[84:25] de  ellos?
[84:26] 
[84:26] Eh,  sí.  Estamos  empezando  con  dato  legal
[84:27] 
[84:27] y  con  dato  financiero.
[84:28] 
[84:28] Dato  legal  y  dato  financiero.  Vale.
[84:31] 
[84:31] Eh,  ¿habéis  levantado  dinero?
[84:32] 
[84:32] Eh,  sí.
[84:34] 
[84:34] ¿Cuánto?
[84:34] 
[84:34] Eh,  aún  no  es  público.
[84:37] 
[84:37] Aquí  ya  no  hay  Apple.  Eh,  ha  invertido
[84:39] 
[84:39] Cook,  ¿no?  En  realidad  estamos  super
[84:41] 
[84:41] contentos  con  la  con  la  ronda.  Eh,
[84:44] 
[84:44] levantamos  eso  que  te  comentaba  antes,
[84:46] 
[84:46] que  levantamos  cuando  yo  estaba
[84:47] 
[84:47] embarazada  y  ha  sido  un  proceso
[84:49] 
[84:49] superbonito.  Em,  y  aún  no  es  público,
[84:52] 
[84:52] pero  pero  pronto  yo  supongo  que  se  tiene
[84:54] 
[84:55] que  saber.  Lo  que  pasa  es  que  a  mí  no  me
[84:56] 
[84:56] gusta  nada  hablar  de  como  que  a  veces
[84:58] 
[84:58] parece  que  que  el  éxito  son  las  rondas  y
[85:00] 
[85:00] en  realidad  lo  tienes  todo  por  hacer
[85:01] 
[85:01] aún.  Entonces,  estar  hablando  de  que
[85:03] 
[85:03] hemos  levantado,  hemos  hecho  esta  ronda
[85:04] 
[85:04] o  esta  otra,
[85:05] 
[85:05] habéis  hecho  una  ronda  sit.  Hemos  hecho
[85:07] 
[85:07] una  presit,  ¿eh?  Y  eso  nos  da  para  para
[85:10] 
[85:10] montar  el  teclado  que  estamos  montando  y
[85:12] 
[85:12] estamos  muy  felices  de  poder  estar
[85:13] 
[85:13] empezando  a  facturar  ahora  con  un  par  de
[85:15] 
[85:15] design  partners.
[85:16] 
[85:16] Estamos  muy  empezando.
[85:18] 
[85:18] Los  fundadores  sois  los  dos.
[85:19] 
[85:19] Sí,
[85:19] 
[85:19] sí.
[85:20] 
[85:20] Eh,  ¿cómo  es  que  has  cambiado  de
[85:22] 
[85:22] cofundador  de?  Pues  pues  mira,  la  verdad
[85:25] 
[85:25] es  que  eh  porque  Juan  Carlos  como  no  se
[85:27] 
[85:27] quedó  en  Apple  eh  montó  otra,  entonces
[85:29] 
[85:29] se  fue  a  hacer  otra  empresa  y  y  no  hemos
[85:32] 
[85:32] encajado  de  timings,  pero
[85:33] 
[85:33] vale.  Y  luego  otra  cosa  curiosa,  tú  eras
[85:35] 
[85:35] la  CTO  en  Billings  y  ahora  tú  eres  la
[85:38] 
[85:38] CEO  y  tú  eres  CTO.  Sí.
[85:39] 
[85:39] Es  que  bueno,  o  sea,  si  conoces  a  IS  te
[85:41] 
[85:41] vas  a  dar  cuenta  que  no  tiene  ningún
[85:42] 
[85:42] sentido  que  yo  sea  CTO  ya  más  en  la  vida
[85:45] 
[85:45] va  a  ser  IS.  Entonces  yo  relleno  el
[85:47] 
[85:47] agujero  que  hace  falta.  Hacía  falta  un
[85:48] 
[85:48] CEO,  pues  me  pongo  aquí  a  tapar  el
[85:50] 
[85:50] agujero.  Pero  porque  es  que  tiene  que
[85:52] 
[85:52] ser  IS  el  CTO  y  ya  está.  No  hay  otra.
[85:54] 
[85:54] Bueno,
[85:55] 
[85:55] lo  que  hay.
[85:57] 
[85:57] Vale.  E,  ¿cuál  es  el  futuro  de  de  Cala?
[86:00] 
[86:00] ¿Dónde  dónde  veremos  Cala  evolucionar?
[86:02] 
[86:02] Eh,  yo  creo  que  que  el  futuro  puede  ser
[86:05] 
[86:05] muy  bonito  porque  yo  creo  que  podemos
[86:06] 
[86:06] tener  un  impacto  super  chulo  eh  por  las
[86:08] 
[86:08] dos  cosas  que  nos  movían  al  principio,
[86:10] 
[86:10] ¿no?  Primero,  en  conseguir  que  estos
[86:11] 
[86:11] agentes  usen  información  fiable  y  el
[86:14] 
[86:14] mínimo  de  sesgada  posible  y  conseguir
[86:16] 
[86:16] pues  que  todo  lo  que  se  desarrolle
[86:17] 
[86:17] encima.  Hay  un  montón  de  startups  que
[86:18] 
[86:18] están  empezando  a  hacer  productos
[86:19] 
[86:19] basados  en  agentes  y  esos  productos  usan
[86:22] 
[86:22] información  pública,  ¿no?  Entonces,
[86:23] 
[86:23] ¿cómo  les  damos  ese  contexto  que
[86:25] 
[86:25] necesitan  para  que  los  productos  sean
[86:27] 
[86:27] justos,  eh,  lo  menos  sesgados  posibles,
[86:30] 
[86:30] etcétera?  Y  luego  toda  la  parte  de
[86:32] 
[86:32] impacto  medioambiental,  que  yo  creo  que
[86:33] 
[86:33] es  muy  importante.  Al  final  tú  puedes
[86:35] 
[86:35] seguir  aumentando  tu  modelo  y  hacerlo
[86:37] 
[86:37] cada  vez  más  grande  para  preguntarle
[86:39] 
[86:39] cosas  de  la  memoria  o  puedes  usarlo  solo
[86:42] 
[86:42] como  solo  como  como  modelo  de  lenguaje,
[86:45] 
[86:45] como  traductor  lenguaje  query  y  usar  una
[86:47] 
[86:47] base  de  datos  de  toda  la
[86:48] 
[86:48] hace  falta  que  tenga  todo  el
[86:49] 
[86:49] conocimiento  del  universo,  ¿no?
[86:50] 
[86:50] Claro,  claro.  Por  eso  está  la  base  de
[86:51] 
[86:51] datos  es  que  son  mucho  más  eficientes  a
[86:53] 
[86:53] eso.  Entonces,  usemos  cada  tecnología
[86:55] 
[86:55] para  lo  que  podemos  usarla  y  nos  va  a
[86:57] 
[86:57] dar  mejor  resultado.  O  sea,  es  cierto
[86:59] 
[86:59] que  esto  es  un  poco  la  contradicción  o
[87:00] 
[87:00] la  paradoja  de  de  los  LLMs,  ¿no?  De  los
[87:02] 
[87:02] large  language  models,  pero  a  su  vez,  o
[87:04] 
[87:05] sea,  déjame  explicar  cuál  es  la  paradoja
[87:07] 
[87:07] que  yo  veo,  que  por  una  parte  es  matar
[87:09] 
[87:09] moscas  a  a  base  de  bombas  nucleares,  ya
[87:12] 
[87:12] no  es  ni  cañonazos,  ¿no?  O  sea,  es  una
[87:14] 
[87:14] bomba  nuclear  que  destruye  el  sol
[87:16] 
[87:16] para  matar  una  mosca.  Sí.  Pero  esa
[87:19] 
[87:19] brutalidad  de  la  fuerza  bruta  es  lo  que
[87:22] 
[87:22] también  nos  ha  permitido  hacer  unos
[87:24] 
[87:24] saltos  increíbles  de  lo  que  es  posible,
[87:27] 
[87:27] ¿no?  Y  de  que  el  famoso  AGI  o  o  el  Super
[87:29] 
[87:29] Intelligence,  da  igual,  nadie  sabe  lo
[87:32] 
[87:32] que  son  estos  conceptos,  pero  la
[87:33] 
[87:33] realidad  es  que  hoy  tenemos  inteligencia
[87:35] 
[87:35] artificial  que  todos  alucinamos,  ¿no?
[87:38] 
[87:38] Que  nos  permite  hacer  cosas  que  ya  de
[87:39] 
[87:39] repente  eh  te  abre  te  abre  la  mente  en
[87:42] 
[87:42] cosas  que  hace  3  cu  años  no  parecían
[87:45] 
[87:45] posibles.  Y  hay  quien  argumenta,  de
[87:47] 
[87:47] hecho  antes  has  dicho  a  las  nucleares  y
[87:49] 
[87:49] te  lo  quería  preguntar,  que  el  estar
[87:52] 
[87:52] yendo  tan  a  saco,  hacer  esta  fuerza
[87:53] 
[87:53] bruta  y  avanzar  tan  rápido  en  descubrir
[87:55] 
[87:55] lo  que  es  posible,  quizá  nos  permite
[87:58] 
[87:58] hacer  la  fusión  fría  y  y  o  descubrir  la
[88:02] 
[88:02] cura  del  cáncer  o  o  descubrir  infinita
[88:05] 
[88:05] eh  energía  ecológica  y  sostenible,  ¿no?
[88:08] 
[88:08] Entonces,
[88:09] 
[88:09] ¿cómo  veis  vosotros  este  dilema  entre  la
[88:11] 
[88:12] versión  Samalman?  Yo  no  le  conozco,  pero
[88:13] 
[88:13] voy  a  asumir  que  es  la  suya,  que  es  ir  a
[88:15] 
[88:15] gas.  No,  y  me  cargo  todo  lo  que  está  en
[88:19] 
[88:19] mi  camino
[88:20] 
[88:20] por  el  bien  de  la  humanidad,  porque  ese
[88:22] 
[88:22] avance  en  conocimiento  nos  va  segurísimo
[88:24] 
[88:24] a  revertir  en  mejora  de  calidad  de  vida
[88:26] 
[88:27] de  planeta,  de  todo,  o  la  versión  un
[88:28] 
[88:28] poco  más  conservadora  de  oye,  no  te
[88:30] 
[88:30] cargues  el  planeta  por  el  camino.
[88:32] 
[88:32] Sí,  yo  aquí  soy  muy  escéptico.  Estás
[88:34] 
[88:34] entrando
[88:35] 
[88:35] no  eres  team,  no  eres  team  Sam.
[88:36] 
[88:36] Soy  cero,  menos  1000  el  team  Sam.  E  yo
[88:40] 
[88:40] creo  que  parte  del  desencanto  con  de  la
[88:42] 
[88:42] que  hablamos  al  principio  viene  un  poco
[88:44] 
[88:44] por  estos  techs  predicando  un  poco  ideas
[88:46] 
[88:46] que  a  mi  parecer,  obviamente  opinión
[88:48] 
[88:48] personal,  eh  son  totalmente
[88:51] 
[88:51] erradas.  Y  yo  creo  que  está  un  poco  hay
[88:52] 
[88:52] una  un  concepto  que  a  mí  me  gusta  mucho,
[88:54] 
[88:54] que  es  el  mito  del  progreso,  ¿no?  Y  como
[88:56] 
[88:56] el  progreso  nos  va  a  ayudar  a  solucionar
[88:58] 
[88:59] los  problemas  que  ha  producido  el
[89:00] 
[89:00] progreso,  ¿no?
[89:01] 
[89:01] ¿Tú  no  crees  en  esto?  No,  yo  no  y  no
[89:03] 
[89:03] estoy  diciendo  si  va  a  haber  AGI  o  no  y
[89:05] 
[89:05] que  se  pone  a  hacer  cosas  muy  chulas  y
[89:06] 
[89:06] se  está  viendo  que  gracias  a  estos
[89:07] 
[89:07] modelos  de  lenguaje  llevados  a  la  parte,
[89:09] 
[89:09] por  ejemplo,  de  Track  Discovery  y  tal,
[89:11] 
[89:11] son  cosas  que  son  muy  chulas.  Claro,
[89:13] 
[89:13] no  es  como  negacionismo  del  progreso.
[89:15] 
[89:15] Creo  que  está  muy  chulo  y  creo  que
[89:17] 
[89:17] precisamente  parte  de  al  menos  mi
[89:19] 
[89:19] desencanto  es  que  el  mundo  del  deep
[89:20] 
[89:20] learning  de  la  IA  pues  quizás  hace  5
[89:22] 
[89:22] años  era  un  campo  en  el  que  a  nivel  de
[89:24] 
[89:24] de  investigación  era  muy  chulo.  Había
[89:26] 
[89:26] mucho  open  research,  había  estas
[89:28] 
[89:28] comunidades,  estas  conferencias  que  un
[89:30] 
[89:30] poco  por  estos  gigantes  tecnológicos
[89:32] 
[89:33] creo  que  se  ha  perdido  porque  ahora  es
[89:34] 
[89:34] product  first  y  quién  lanza  algo  primero
[89:37] 
[89:37] y  más  grande  y  hace  más  boom,  ¿no?  Y  yo
[89:39] 
[89:39] creo  que  yo  la  gente  que  esté  trabajando
[89:41] 
[89:41] un  poco  en  en  el  mundillo  del  deep
[89:42] 
[89:42] learning  lo  habrá  notado  y  yo  creo  que
[89:44] 
[89:44] estaría  de  acuerdo  en  que  las
[89:45] 
[89:45] conferencias  han  perdido  un  poco  de  un
[89:47] 
[89:47] poco  de  esa  reputación,  publicar  un
[89:49] 
[89:49] paper.  Si  vas  a  una  conferencia,  Zerbert
[89:52] 
[89:52] hace  una  oferta  de  un  billion  para
[89:53] 
[89:53] entrar  en  meta,  o  sea,  y  tienes  que
[89:54] 
[89:54] pasar  un  proceso,  un  proceso  de  p  review
[89:56] 
[89:56] del  paper,  ¿no?  Se  ha  perdido  un  poco
[89:58] 
[89:58] algunos  procesos,  ¿no?  Entonces,  eh  si
[90:00] 
[90:00] nos  ayudará  o  no,  nadie  lo  sabe,  como  tú
[90:03] 
[90:03] has  dicho  antes,  pero  creo  que  cargarnos
[90:05] 
[90:05] todo  por  delante  a  una  a  una  carta,  una
[90:07] 
[90:07] hipótesis,  a  mí  no  me  parece  razonable
[90:09] 
[90:09] cuando  hay  alternativas.  Es  decir,  creo
[90:11] 
[90:11] que  a  nivel  de  investigación  está  muy
[90:13] 
[90:13] chulo  esto  de  vamos  a  probar  un  modelo
[90:15] 
[90:15] más  grande.  Para  mí  lo  que  no  tiene
[90:17] 
[90:17] sentido  es  que  ese  modelo  de  100
[90:18] 
[90:18] billones  de  parámetros  lo  uses  para
[90:20] 
[90:20] preguntar,  ¿no?  Como  te  lo  enchufen,
[90:23] 
[90:23] ¿cuál  es?  Eh,
[90:23] 
[90:24] a  mí  me  sabe  mal.
[90:25] 
[90:25] Claro,  cuál  es  el  presidente  y  tal.
[90:26] 
[90:26] Búsqueda  hace  una  búsqueda  normal  de
[90:28] 
[90:28] toda  la  vida,  ¿sabes?  Ya,  pero  es  un
[90:29] 
[90:29] poco  como  les  cuesta  a  ellos  dinero,
[90:30] 
[90:30] porque  yo  pago  20  €  al  mes  y  los  pago
[90:33] 
[90:33] gaste  o  no  gaste,  ¿no?  Digo,  la  fuerza
[90:35] 
[90:35] de  los  mercados,  ¿no?  El  capitalismo
[90:37] 
[90:37] tiene  todos  sus  defectos,  pero  también
[90:38] 
[90:38] tiene  unas  cuantas  ventajas,  que  es
[90:40] 
[90:40] decir,  oye,  como  la  factura  le  llega  a
[90:41] 
[90:41] Sam,  sí,
[90:42] 
[90:42] ya  se  encargará  Sam  de  no  malgastar  esas
[90:45] 
[90:45] GPUs  y  esos  gigwtios  de  de  energía  en
[90:48] 
[90:48] contestarme  una  pregunta  trivial,  ¿no?
[90:50] 
[90:50] Yo  un  poco  fe  en  que  que  el  mercado  va  a
[90:52] 
[90:53] poner  a  su  sitio  el  uso  de  recursos.  Si
[90:55] 
[90:55] te  comieras  un  propia  paradoja,  eh,  la
[90:56] 
[90:56] inteligencia  refada  ya  le  solucionar  a
[90:58] 
[90:58] Sam  el  tema  de  modelos,  pero  la  realidad
[91:00] 
[91:00] es  que  lo  que  están  haciendo  son  modelos
[91:01] 
[91:01] más  chiquititos  y  lo  estamos  viendo,  o
[91:03] 
[91:03] sea,  ahora  un  router
[91:04] 
[91:04] ahora  empiezan  a  hacer  modelos  más
[91:06] 
[91:06] pequeños,  más  adoc  y  y  esto  está  bien
[91:08] 
[91:08] porque  yo  creo  que  es  muy  necesario,  es
[91:10] 
[91:10] decir,  a  veces  hará  falta  tener  el
[91:12] 
[91:12] megamodelo  para  para  descubrir  protein
[91:15] 
[91:15] folding  o  no  sé  cómo  se  dice  en
[91:16] 
[91:16] castellano,  e
[91:17] 
[91:18] pliegue  de  proteínas,
[91:19] 
[91:19] ¿vale?  des  de  proteínas  y  y  para  hacer
[91:21] 
[91:22] descubrimientos  que  que  seguro  que  no  se
[91:23] 
[91:23] pueden  con  otras  cosas.  Genial,
[91:25] 
[91:25] usémoslos  para  eso,  pero  no  los  usemos
[91:27] 
[91:27] eh  sin  mirar  para  dónde.  Entonces,  hay
[91:29] 
[91:29] una  hay  una  parte  económica  de
[91:30] 
[91:30] capitalismo  que  es  verdad  que  esto  se  va
[91:32] 
[91:32] a  resolver.  Se  va  a  resolver  porque  como
[91:34] 
[91:34] es  un  coste  a  nivel  computacional  muy
[91:36] 
[91:36] alto,  hay  muchos  equipos  trabajando  en
[91:38] 
[91:38] modelos  más  pequeños,  modelos  más  adoc,
[91:40] 
[91:40] etcétera,
[91:41] 
[91:41] más  eficientes.
[91:41] 
[91:41] Claro,  nuestra  propuesta  va  en  esa  línea
[91:43] 
[91:43] también.  Es  decir,  y  y  ojalá  hagamos
[91:45] 
[91:45] modelos  más  pequeños.  Cuando  se  puede
[91:47] 
[91:47] hacer  una  cuir  a  base  de  datos,  se  haga
[91:48] 
[91:48] una  cuerra  a una  base  de  datos,  porque
[91:49] 
[91:49] usar  un  modelo  como  como  memoria  es  una
[91:52] 
[91:52] sobrana  tontería,  eh,  además  que  no  te
[91:55] 
[91:55] va  a  ir  bien,  o  sea,  puede  alucinar  y
[91:56] 
[91:56] puedes  tener  muchos  problemas.  O  sea,
[91:58] 
[91:58] hagamos  todos  un  un  espacio,  un
[92:01] 
[92:01] ecosistema  de  tecnologías  que  nos
[92:02] 
[92:02] permitan  usarlas  de  manera  más  eficiente
[92:05] 
[92:05] y  no  solo  a  nivel  monetario  eh  y
[92:09] 
[92:09] capitalista,  sino  también  a  nivel  a
[92:11] 
[92:11] nivel  planetario,  porque  porque  nos
[92:12] 
[92:12] estamos  cargando  muchas  cosas.
[92:15] 
[92:15] la  experiencia  a  nivel  a  nivel  sociedad,
[92:19] 
[92:19] a  nivel  planeta,  porque  luego  sí  que  hay
[92:20] 
[92:20] hay  gente  que  que  es  la  excepción,  eh,
[92:23] 
[92:23] hay  mucha,  pero  no  es  suficiente.  A
[92:24] 
[92:24] nivel  planeta,  a  nivel  ser  humano,  eh  la
[92:26] 
[92:26] gente  siempre  quiere  más,  más  barato  y
[92:29] 
[92:29] más  conveniencia.
[92:30] 
[92:30] Sí.  Y  esto  incluye  el  reciclaje,  incluye
[92:33] 
[92:33] la  comida  orgánica,  incluye  las  prendas
[92:35] 
[92:36] de  ropa,  ¿no?  O  sea,  en  cualquier
[92:37] 
[92:37] decisión  de  consumo
[92:38] 
[92:38] de  del  día  a  día,  la  humanidad  en  total,
[92:40] 
[92:40] aunque  haya  alguien  que  diga,  "No,  esto
[92:41] 
[92:41] no  es  verdad,  porque  yo  cada  día  ando  40
[92:44] 
[92:44] km  para  comprar  el  tomate  ecológico."
[92:46] 
[92:46] Okay,  tú  sí,  pero  el  planeta  entero  no
[92:47] 
[92:47] lo  hace,  ¿vale?  Eh,  porque  en  general  no
[92:49] 
[92:49] se  lo  puede  permitir.
[92:50] 
[92:50] Sí.  Eso,
[92:51] 
[92:51] eh,  entonces  no  no  creéis  que  hay  esta
[92:54] 
[92:54] fuerza  de  mercado  que  que  quizá,  ¿cómo
[92:57] 
[92:57] lo  has  llamado  tú?  El  mito,
[92:58] 
[92:59] mito  del  progreso,
[92:59] 
[92:59] el  mito  del  progreso  me  ha  gustado,  o
[93:00] 
[93:00] sea,  voy  a  voy  a  investigarlo  más,  pero
[93:02] 
[93:02] el  mito  del  progreso  no  existe  en  el
[93:04] 
[93:04] vacío,  no  existe  en  un  mundo  capitalista
[93:07] 
[93:07] que  que  le  va  poniendo  a  su  puesto,  a  su
[93:08] 
[93:09] sitio,  ¿no?  Al  progreso,  porque  dice,
[93:10] 
[93:10] "Vale,  tú,  vale,  que  quieres  usar
[93:12] 
[93:12] modelos  cada  vez  más  grandes,  pero
[93:13] 
[93:13] ¿quién  paga  esto?"  No,  porque  Microsoft
[93:15] 
[93:15] ya  ha  dejado  de  pagar,  luego  viene
[93:17] 
[93:17] Masayoshisan,  luego  viene  eh  Arabia
[93:19] 
[93:19] Saudí,  pero  al  final  se  acaba  el  dinero
[93:20] 
[93:20] y  hay  que  empezar  a  hacer  que  que  Open
[93:23] 
[93:23] sea  rentado  en  algún  momento.
[93:25] 
[93:25] Pero  ahora  están  quemando.
[93:26] 
[93:26] Ahora  están  quemando,  pero  por  el  camino
[93:27] 
[93:27] también  están  desarrollando,  ¿no?
[93:28] 
[93:28] También  están  innovando  lo  que  entre
[93:30] 
[93:30] otras  cosas  quizá  a  vosotros  os  permite
[93:31] 
[93:31] ver  la  oportunidad  de  de  Cala,  ¿no?  Y  a
[93:33] 
[93:33] nosotros  reinventarnos  como  producto.  O
[93:35] 
[93:35] sea,
[93:36] 
[93:36] em  sé,  a  mí  me  gusta  el  progreso.  Sí,  yo
[93:39] 
[93:39] creo  que  estamos  en  un  momento
[93:40] 
[93:40] superinesante  y  es  verdad  que  que  cuando
[93:42] 
[93:42] empiezas  a  mirar  pues  todo  lo  que  está
[93:44] 
[93:44] pasando  a  nivel  a  nivel  planeta,  la
[93:47] 
[93:47] solución  es  el  decrecimiento  y  nuestra
[93:48] 
[93:48] economía  no  está  basada  en  el
[93:49] 
[93:49] decrecimiento,  está  basada  en
[93:50] 
[93:50] crecimiento.  Entonces,  es  muy  difícil  no
[93:52] 
[93:52] cargarnos  el  planeta  cuando  queremos
[93:54] 
[93:54] todos  crecer  más.  Es  es  muy  complicado.
[93:57] 
[93:57] Sí  que  es  verdad  pues  que  en  la  IA  esto
[93:59] 
[93:59] se  ve  por  1000,  ¿no?  Porque  porque  todo
[94:02] 
[94:02] ha  explotado,  pero  pero  yo  creo  que  hay
[94:05] 
[94:05] cada  vez  más  más  personas  más  más
[94:07] 
[94:07] desarrolladores  que  ven  también  eso  como
[94:10] 
[94:10] que  que  no  es  un  objetivo  en  su  vida.  O
[94:12] 
[94:12] sea,  que  que  habrá  mucha  gente  que
[94:14] 
[94:14] quiere  que  quiere  usar  la  guía  a  para
[94:16] 
[94:16] para  propósitos  nobles  y  muchos  que
[94:19] 
[94:19] dicen,  "Ya,  pero  pero  usarla  para  quemar
[94:21] 
[94:21] energía,  para  quemar  procesado  tampoco."
[94:24] 
[94:24] Y  está  viendo  como  una,  yo  creo,  una
[94:25] 
[94:25] subcorriente,  ¿no?  De  de  personas  que  a
[94:28] 
[94:28] nosotros,  por  ejemplo,  en  hiring,  nos  ha
[94:29] 
[94:29] ayudado,
[94:30] 
[94:30] nos  ha  ayudado  bastante.
[94:32] 
[94:32] O  sea,  gente  que  eh  quiere  formar  parte
[94:35] 
[94:35] del  huracán  de  la  inteligencia
[94:37] 
[94:37] artificial,  pero  que  quizás  se  está
[94:39] 
[94:39] apartando,
[94:39] 
[94:40] pero  es  el  cambio
[94:40] 
[94:40] desde  el  cambio,  ¿no?  O  sea,  es  fácil
[94:43] 
[94:43] criticar  desde  fuera  y  en  general
[94:44] 
[94:44] siempre  me  pongo  de  lado  de  los
[94:46] 
[94:46] emprendedores  en  general,  eh,  aunque
[94:47] 
[94:47] aunque  cometan  errores  o  se  les  pueda
[94:49] 
[94:49] criticar,  pero  El  Mask,  ¿no?,  que  es  el
[94:52] 
[94:52] enemigo  número  uno  de  Sam  Alman,  a  su
[94:54] 
[94:54] vez  también  tiene  muchas  cosas  que  la
[94:56] 
[94:56] gente  le  está  criticando,  ¿no?  Una  de
[94:57] 
[94:57] ellas,  por  ejemplo,  es  Grock  XJI,
[95:00] 
[95:00] desarrollando  como  increíbles  modelos
[95:03] 
[95:03] que  programan,  que  contestan,  que  tal,
[95:05] 
[95:05] pero  luego  hace  companions,  ¿no?  Hace
[95:07] 
[95:07] novios  y  novias  virtuales  que  la  gente
[95:09] 
[95:09] dice,  "Oye,  esto  es  el  futuro."  El
[95:11] 
[95:11] futuro  es  todo  el  mundo  que  en  lugar  de
[95:13] 
[95:13] hablar  con  una  persona  de  carne  y  huesos
[95:14] 
[95:14] está  hablando  con  un  novio  o  una  novia
[95:15] 
[95:16] digital.  Eh,  Meta,  que  acaba  de  sacar  un
[95:18] 
[95:18] fit  de  Vipes,  creo  que  se  llama,  ¿no?
[95:21] 
[95:21] Meta  Vibes,  que  es  un  fit  de  le  llaman
[95:23] 
[95:23] AI  slop,  ¿no?  De  vídeos  generados,  eh,
[95:25] 
[95:25] tal  y  CHGPT,  o  sea,  perdona,  Open  AI,
[95:28] 
[95:28] que  acaba  de  sacar  Sora,  la  aplicación
[95:30] 
[95:30] que  también  hay  quien  le  llama  AI  Slop.
[95:33] 
[95:33] Pero  bueno,  el  argumento  de  Samman  y
[95:34] 
[95:34] compañía  es  esto  nos  permite  vender  más
[95:37] 
[95:37] suscripciones  de  PNI,  que  nos  permite
[95:39] 
[95:39] hacer  más  reser  que  nos  permite  curar  el
[95:40] 
[95:40] cáncer.
[95:41] 
[95:41] Sí,  bueno,  ojalá,  ojalá.  Y  hay  qui  dice,
[95:43] 
[95:43] "No,  te  estás  cargando  el  planeta
[95:44] 
[95:44] haciendo  vídeos  eh  de  memes  eh  sin
[95:47] 
[95:47] parar."
[95:47] 
[95:47] Yo  creo  que  todo  va  a  ser  verdad.  O  sea,
[95:49] 
[95:49] se  cargará  el  planeta  y  conseguiremos
[95:50] 
[95:50] grandes  cosas  y  y  bueno,  o  sea,
[95:53] 
[95:53] sobreviviremos  a  lo  que  toque  como
[95:55] 
[95:55] siempre.  O  sea,  es  una  revolución.  Cada
[95:56] 
[95:56] revolución  siempre  se  lleva  cosas  por  el
[95:58] 
[95:58] camino.
[95:59] 
[95:59] Oye,  ahora  os  llega
[96:02] 
[96:02] quién  os  gustaría  más  que  os  comprara  la
[96:05] 
[96:05] empresa  y  hay  que  elegir  uno,  no  puedes
[96:07] 
[96:07] decir  ninguno.
[96:08] 
[96:08] Hay  que  elegir  uno.  Timetim  Cook,
[96:11] 
[96:11] Mar  Zuckerberg,
[96:14] 
[96:14] Sam  Alman.
[96:15] 
[96:15] Es  que
[96:16] 
[96:16] es  que  empezamos  empezamos  Cala  porque
[96:17] 
[96:17] la  verdad  es  que  el  el
[96:18] 
[96:18] O  Elon  Mask  cuatro
[96:21] 
[96:21] es  que
[96:24] 
[96:24] y  tiene  que  tenemos  que  decir  uno,  ¿eh?
[96:26] 
[96:26] o  un  quinto,  o  sea,  uno  de  los  cuatros  o
[96:28] 
[96:28] un  quinto,  pero  no  podéis  escaquearos.
[96:32] 
[96:32] Es  que  yo  no  quiero  que  no  se  adquieran
[96:33] 
[96:33] ninguno  ninguno  de  estos,
[96:35] 
[96:35] ¿vale?  No  queréis  que  os  compren,  pero
[96:36] 
[96:36] si  tuvierais  por  lo  que  sea  estuvierais
[96:37] 
[96:37] forzados  a  vender
[96:40] 
[96:40] Tim  Cook,  Mark  Zuckerberg,  Sam  Alman,
[96:42] 
[96:42] Elon  Musk  o  comodín.
[96:45] 
[96:45] Hay  tres  ahí  que  seguro  que  no.
[96:46] 
[96:46] Hay  tres  ahí.
[96:47] 
[96:47] ¿Cuáles  son  los  que  seguro  que  no?
[96:49] 
[96:49] Todos  menos  Team  Cook.
[96:50] 
[96:50] Todos  menos  Team  Cook.  Vale.  Se  veía
[96:51] 
[96:51] venir,
[96:51] 
[96:51] ¿no?  Pero  no  por,  [risas]  yo  creo  que  no
[96:53] 
[96:53] por  el
[96:53] 
[96:53] no  por  el  francotirador  de  Apple  que
[96:54] 
[96:55] tenemos  ahí  detrás.  No,  no,  porque  o
[96:56] 
[96:56] sea,  es  que  los,  o  sea,  al  final
[96:58] 
[96:58] nosotros  cuando  empezamos  dijimos,  "Es
[97:00] 
[97:00] que  no  queremos  hacería  porque  porque
[97:02] 
[97:02] hay  hay  como  todo,  o  sea,  todo  este
[97:04] 
[97:04] ecosistema  y  yo  no  me  siento
[97:05] 
[97:06] representada.  Yo  no  me  siento  nada
[97:07] 
[97:07] representada  con  con  la  visión,  con  la
[97:09] 
[97:09] visión  de  progreso,  con  lo  que  se  está
[97:11] 
[97:11] consiguiendo,  con  el  precio  al  que  se
[97:12] 
[97:12] está  consiguiendo  las  cosas.
[97:14] 
[97:14] y  queríamos  algo  diferente  y  y  empezamos
[97:16] 
[97:16] Cala  con  la  idea  de  ser  una  alternativa
[97:19] 
[97:19] diferencial  que  nos  gustaría  que  fuera  a
[97:20] 
[97:20] nivel  global  eh  de  todo  esto.  Entonces,
[97:22] 
[97:23] claro,  es  difícil  decir,  ¿quién  quieres
[97:24] 
[97:24] que  te  adquiera  si  justamente  sales  como
[97:25] 
[97:25] diciendo  es  que  no
[97:27] 
[97:27] me  quiero  alejar  de  de  estas  personas
[97:29] 
[97:30] porque  están  consiguiendo  grandes  cosas,
[97:31] 
[97:31] pero  yo  no  me  siento  representada  eh  con
[97:33] 
[97:33] con  ellos?  Entonces,  Timco  quizás  es  el
[97:36] 
[97:36] que  está  más  lejos  de  de  eso,  ¿no?  Ahora
[97:38] 
[97:38] mismo
[97:39] 
[97:39] sí,
[97:40] 
[97:40] eh,  y  siempre  nos  han  cuidado  bien.
[97:42] 
[97:42] Dos  por  uno,
[97:44] 
[97:44] pero  no  sé,
[97:45] 
[97:45] donde  cabe  una,  caben  dos,  ¿no?  Em,  oye,
[97:48] 
[97:48] antes  de  acabar,  que  nos  hemos  pasado  un
[97:49] 
[97:49] poquito  de  tiempo,  pero  como  había
[97:51] 
[97:51] muchos  capítulos,  había  había  muchos
[97:52] 
[97:52] temas  por  por  tratar,  habéis  levantado,
[97:55] 
[97:55] aunque  no  se  ha  anunciado  todavía,  una
[97:57] 
[97:57] ronda,  no  sabemos  de  cuánto  dinero,  pero
[98:00] 
[98:00] como  tenéis  un  track  récord,  me  imagino
[98:02] 
[98:02] que  no  os  hará  una  ronda  de  100.000  sino
[98:04] 
[98:04] que  quizás  estemos  hablando  de  la  verdad
[98:05] 
[98:05] es  que  no  lo  sé,  eh,  pero  me  imagino  que
[98:06] 
[98:06] es  una  ronda  de  quizá  pocos  millones  de
[98:08] 
[98:08] euros,  algo  así.
[98:09] 
[98:09] Eso  te  pone  en  un  camino  que  típicamente
[98:11] 
[98:11] acaba  en  una  venta  de  compañía.  Cuando
[98:13] 
[98:13] un  BC,  cuando  un  Mure  Capital  invierte,
[98:14] 
[98:14] típicamente  acaba  o  en  cierre  o  en  venta
[98:17] 
[98:17] de  compañía.  Alguna  vez  en  en  IPO,
[98:20] 
[98:20] eh,  ¿qué  le  decís  vosotros  a  los
[98:22] 
[98:22] inversores?  ¿Cuál  es  el  camino  que
[98:23] 
[98:23] queréis  que  siga  Cala?
[98:25] 
[98:25] ¿A  dónde
[98:27] 
[98:27] dónde  recibe  dinero  el  inversor?  Para  mí
[98:30] 
[98:30] vamos  a  IPO,  o  sea,  también,  a  ver,  la
[98:32] 
[98:32] verdad  es  que  en  en  building  nos
[98:33] 
[98:33] quedamos  un  poco  con,  al  menos  yo,  con
[98:35] 
[98:35] la  espinita,  eh,  no,  de  haber  hecho
[98:38] 
[98:38] crecer  eh  ese  proyecto  más  y  en  realidad
[98:41] 
[98:41] era  un  equipo  super  bonito  y  podíamos
[98:42] 
[98:42] haber  conseguido  muchas  cosas.  Entonces,
[98:44] 
[98:44] a  mí  si  me  preguntas,  yo  veo  IPO,  ¿no?
[98:49] 
[98:49] Pero  luego,  o  sea,  yo  creo  que  siempre
[98:50] 
[98:50] hay  que  ir  con  visión  IPO  y  luego  el
[98:52] 
[98:52] mundo  te  lleva  donde  te  lleva  y  y  te
[98:55] 
[98:55] bajas,  te  apeas  en  la  estación  que  te
[98:57] 
[98:57] toca  apearte,  que  decidirá  la  historia,
[99:00] 
[99:00] ¿no?  Tú.  Entonces,  bueno,
[99:02] 
[99:02] sí,
[99:02] 
[99:02] IPO,  si  me  preguntas.
[99:03] 
[99:03] Vale.  Bueno,  pues  seguiremos  desde  aquí
[99:05] 
[99:05] el  camino  de  Cala  hacia  el  IPO.  Antes  de
[99:08] 
[99:08] irnos,  una  recomendación  e  libro,
[99:11] 
[99:11] contenido,  película  que  os  haya
[99:13] 
[99:13] inspirado  como  emprendedores,  que
[99:15] 
[99:15] queráis  recomendarme  a  mí  y  a  la
[99:16] 
[99:16] audiencia.  Uh,
[99:17] 
[99:17] como  emprendedores  o  puede  ser
[99:19] 
[99:19] lo  que  os  lo  que  os  apetezca,  una
[99:21] 
[99:21] recomendación  cada  uno.
[99:24] 
[99:24] Yo  voy  a  hacer  una  recomendación  de  una
[99:25] 
[99:25] película  que  yo  creo  que  es  de  las  que
[99:26] 
[99:26] más  me  ha  tocado  últimamente,  que  se
[99:28] 
[99:28] llama  All  of  Us  Strangers.
[99:30] 
[99:30] All  of  Us  Strangers.
[99:31] 
[99:31] Strangers.  No  apta  para,  yo  creo  quizás
[99:33] 
[99:33] tod  es  muy  emocional,  o  sea,
[99:34] 
[99:34] películas  son  durísimas  siempre.  Yo  no
[99:35] 
[99:35] las  voy  a  Yo  no
[99:37] 
[99:37] terminas  llorando  cuando  cuando  te
[99:38] 
[99:38] recomiendan  una  película  de  llorar.  Es
[99:39] 
[99:39] una  película  de  llorar,
[99:40] 
[99:40] pero  va  de  va  de
[99:42] 
[99:42] no  nada,  o  sea,  nada  que  por  eso  he
[99:43] 
[99:43] dicho  puede  ser  libre  si  es  libre  tal  si
[99:45] 
[99:45] tiene  que  ser  más  de  del  campo  me  lo
[99:47] 
[99:47] pienso  un  minuto  mientras  ella  responde.
[99:48] 
[99:49] Vale.
[99:49] 
[99:49] A  mí  a  mí
[99:53] 
[99:53] a  mí  me  gusta  mucho  el  libro  Salvar  una
[99:55] 
[99:55] vida,  que  es  de  una
[99:57] 
[99:57] Salvar  una  vida.
[99:58] 
[99:58] Eh,  el  autor  ahora
[99:59] 
[99:59] Peter  Singer.
[100:00] 
[100:00] Peter  Singer  e  de  que  bueno  va  de
[100:03] 
[100:03] altruismo  y  de  y  de  cómo  el  alturismo
[100:06] 
[100:06] objetivamente  puede  puede  conseguir
[100:08] 
[100:08] cosas.
[100:09] 
[100:09] Esto  es  lo  que  se  llamaba  effective
[100:11] 
[100:11] altrism.  Tiene  algo  que  ver  con
[100:13] 
[100:13] que  se  puso  muy  de  meda  muy  de  moda  con
[100:15] 
[100:15] Samman  Free,  el  fundador  de  FTX.  Hm.
[100:19] 
[100:19] Creo  que  estuvo  envuelto  una  burbuja  ahí
[100:21] 
[100:21] muy  bestia  al  principio  y  luego  se
[100:22] 
[100:22] separó  un  poco  de  eso.
[100:24] 
[100:24] Vale.  Okay.
[100:25] 
[100:25] Pues  sí.
[100:25] 
[100:25] Pues  oye,  tenemos  deberes  eh  película  y
[100:28] 
[100:28] y  libro  que  vamos  a  seguir.  Pues  de
[100:31] 
[100:31] nuevo,  muchísimas  gracias  por  venir  y
[100:32] 
[100:32] contarnos  varios  capítulos  de  varias
[100:34] 
[100:34] historias  y  seguiremos  el  camino  de  Cala
[100:38] 
[100:38] desde  desde  y  cuando  estemos  en  IPO  ya
[100:41] 
[100:41] os  volveremos  a  invitar  para  que  nos  lo
[100:42] 
[100:42] contéis  y  si  no  también  [risas]  eh  si  no
[100:44] 
[100:44] también  os  invitaremos  para  que  nos
[100:45] 
[100:45] contéis  cómo  cómo  vamos.  Muchas  gracias.
[100:47] 
[100:47] Gracias  a  vosotros
[100:48] 
[100:48] y  a  todos  vosotros  hasta  la  semana  que
[100:50] 
[100:50] viene.