Cómo la IA ha mejorado productos com Factorial, Doctoralia, LuzIA | Tertulia de Itnig y Microsoft

Bienvenidos a La Tertulia de Itnig.

Perfecto. Eh, yo soy Gabri, trabajo en Doctoralia. Llevo la parte de producto y tecnología. En Doctoralia nos dedicamos a mejorar la experiencia con el sistema de salud. Eh, eh, ayudamos tanto a pacientes como a médicos, a pacientes a encontrar el mejor médico. Tenemos un, un marketplace con todos los médicos, con, con opiniones donde puedes contrastar, pues cuál, cuál es el médico que más te conviene.

Eh, te ayudamos a reservar citas saltándote todos los problemas de llamar, que no me cogen el teléfono, ¿no? En, en realidad, lo que intentamos es que tanto pacientes como médicos se puedan centrar en lo que de verdad deberían estar centrados, ¿no? Cuando estás enfermo, lo último que quieres es estar perdiendo el tiempo con llamadas y, y problemas, ¿no?

Entonces, intentamos que los médicos se dediquen a atender a los pacientes y que los pacientes tengan acceso, eh, a, a los médicos que necesitan. Operamos en 13 países, entre ellos, eh, España. Y, y bueno, y ahora pues estamos con... Yo creo que la inteligencia artificial nos ha dado la oportunidad de, de llevar nuestra misión un poco más allá, ¿no?

Cubrir un poco más de toda la parte más logística, burocrática, para dejar que, que realmente los, los médicos y los pacientes, pues, em, se dediquen a lo que deberían dedicarse.

Pues sí, Álvaro, perdona, CEO de Luzia. Eh, Luzia es probablemente una de las consumer AI companies más grandes de Europa y Latinoamérica seguro. Eh, lo que hacemos es: tenemos un asistente personal para la generación Z. Eh, estamos a día de hoy en toda Latinoamérica, parte de Europa.

Eh, tenemos más de cincuenta millones de usuarios y cada día pues ayudamos a millones de, de chavales, porque sobre todo son generación Z, a tener una mejor vida, ¿no? Y eso va desde educación, les ayudamos en las tareas del colegio y les ayudamos a aprender idiomas hasta el caso de uso sorprendente, y seguro que discutimos más, de, del companionship, de la compañía, ¿no?

Gente que, que está triste y sola y usa a Luzía como, como una amiga que está siempre disponible para ellos. Lanzamos hace un año aquí en España y experimentamos hipercrecimiento y somos de uno de esos casos de uso que sin generative AI no hubiéramos podido hacer tres años antes.

Yo también

Correcto. Yo lo, lo que añadiría ahí, quizás un poco a lo de Elena también, es el hecho de que Porque a veces se nos ha confundido y creo que hemos evolucionado mucho la industria, ¿no? Pero, pero nosotros somos una startup nativa de IA que utiliza IA como consumer. Nosotros no somos un generador de IA, no somos un proveedor de IA. Nosotros no estamos-- no somos un AI lab que vaya a hacer el siguiente modelo que va a dominar el, el mundo, ¿vale?

Nosotros cogimos, éramos-- n-nos dijimos: "Nueso-- nuestro objetivo es tener distribución, nuestro objetivo es o nuestra apuesta", y esto hay un post que publiqué que se volvió más o menos viral hace un año más o menos, que dijo, que decía: "We are not lazy, we are smart". Eh, nosotros no construimos modelos porque lo que creemos es que la industria se va a commoditizar, la parte de se va a commoditizar y nos centramos en la distribución, en crear esa marca, ¿vale?

Es como un poco una distinción que, que quería hacer, ¿no? Porque es-- a veces hace falta. Entonces, nosotros lanzamos desde cero una vez que vimos que la tecnología era capaz de habilitar el caso uso que queríamos, que era poder ayudar a personas en su día, en su día a día con la inteligencia artificial por detrás. Pero el tipo de personas que nosotros ayudamos, el tipo de usuario que nosotros ayudamos son completamente agnósticos a la tecnología que nos subyace por detrás.

Hablaremos en detalle luego, supongo, pero nosotros somos multimovedores, multimodelos, multiproveedores. Al usuario le da igual. Nosotros lo que quieren tener es una buena experiencia, un buen producto con LuziA, una buena, una buena, eh, buscar esos resultados, que es lo que les están moviendo, ¿no? Es un poco nuestra parte diferencial de que so-somos Consumer AI, no somos una empresa que genera IA como tal.

Cor-correctos. Saben que es IA, pero hemos des enfatizado un montón la parte de IA. Nosotros lanzamos, de hecho, bueno, lanzamos como Soy Lucia porque no teníamos dinero para pagar el dominio de luzia.com. Cuando hicimos la primera ronda de financiación conseguimos el dominio de luzia.com y nos convertimos en LuzIA y pasamos y rebrandeamos y, y le hemos dedicado mucho tiempo a la parte de marca. Rebrandeamos de llamarnos Lucía con la I en mayúscula al desenfatizar completamente la parte de la inteligencia artificial.

Como resultado, de hecho, nosotros una de las cosas curiosas es que hemos conseguido un, un, unos demográficos de los usuarios que son completamente distintos a la industria. Un 80 % de nuestros usuarios son mujeres cuando cualquier otra aplicación de inteligencia artificial lo tiene dado la vuelta completamente. Eh, nuestro público es joven, nuestro apego lo tienen con la marca, lo tienen con, con nuestra-- no, no tenemos la imagen de LuzIA, con la, con la cara de LuzIA.

Nosotros hemos intentado tener-- somos tecnológicamente avanzados, tenemos un montón trabajo de plataforma por detrás, pero lo abstraemos completamente. Un poco la idea es nadie presume de si usa Azure para bases de datos o utiliza AWS. Nosotros queríamos llevar eso mismo a la pa-- a la experiencia, a la parte de, de inteligencia artificial. Pero la gente efectivamente sabe que está hablando con una, con una máquina.

Por eso también hemos huido de tener avatares que sean hiperrealistas. No, no cond-- no escondemos eso. Lo...

Sí, un poco comme te decía antes, nosotros nos centrábamos en hacer consumer y queríamos hacer distribución. Entonces, nuestro trabajo de tecnología al principio o ha pasado como dos fases muy grandes. Una primera fase en la que nos salió muy bien la parte de crecimiento y estuvimos creciendo de forma exponencial cuando no había capacidad en la industria.

Esto es, pasamos de un usuario a un millón de usuarios en 55 días. Y literalmente toda la plataforma o el trabajo de plataforma que tuvimos que hacer fue para poder poner traer cuanta más capacidad posible. Y aquí hicimos absolutamente de todo, desde utilizar parte de nuestro tráfico en Microsoft, parte de nuestro tráfico en OpenAI, tener 10 cuentas distintas en OpenAI, lo cual no se podía por términos y condiciones.

Lo que fuimos monta una plataforma que necesito supermodelo y, y, y plataforma agnóstico en ese sentido. Una vez que fuimos capaces de destacarnos en esa categoría de consumeria y tener la parte de platforma solucionada llegó una segunda fase para nosotros. Esa segunda fase es en la que ahora estamos compitiendo con compañías muy grandes. Nosotros tenemos 50 millones de usuarios y cada usuario nos cuesta dinero, ¿no?

Entonces lo que buscamos es la parte de eficiencia y todo el trabajo de los últimos meses por la parte tecnológica sola-- no se ha dedicado solamente a tener los mejores modelos sino que se ha dedicado a entender cómo utilizar el mejor modelo de la forma más eficiente possible para que el servicio sea de una calidad que nos guste pero a la vez sea extremadamente barato para nosotros ejecutar eso, ¿vale?

Ese es cuanto pu-

Tenemos WhatsApp, aplicación propia y Telegram.

Correcto

Correcto. Nosotros somoss capaces de preidentificar el intento del usuario qué es lo que el usuario quiere saber o no quiere saber y en función de savoir sabemos qué modelo va a funcionar mejor costo beneficio idealmente pues iríamos todo el tráfico a cuatro oh a un cloud three eso sería prohibitivamente ex-- caro no puedes utilizarlos frontier model para una aplicación de consumer entonces nosotros en función de la dificultad de la pregunta el tema de la pregunta el contexto del usuario incluso si queremos priorizar o no la experiencia de ese usuario Tenemos un tema que llamamos el first day experience que sabemos que nos incrementa retention Si somos capaces de hacer ciertas cosas el primer día Que el resto no tenemos que hacerlo Pues distribuimos el tráfico A un sitio u otro Y esto un sitio u otro es azure Con los modelos de openai Openai o llama

También en azure Diferentes modelos Diferentes plataformas Lo optimizamos un montón Cosas incluso que hacemos con una caché Tenemos un montón de pocas

Correcto Eh y ese es Nuestro juego es un juego también Muy de distribución marcas Somos consumer puro en ese sentido ¿No? O sea Instagram es una base de datos De imágenes Con algunos algoritmos por detrás Piensa en nosotros Como una company de modelos Con algoritmos por encima Para hacer la experiencia mejor Pero lo que nos importa es Esa base de usuarios Y esa relación con el usuario Por poner un dato Un 50% de los Gen Z Eeen Argentina En algún punto Del último año Ha usado LuziA Nuestra penetración En Argentina Es más alta Más grande Que la que tiene ChatGPT Existen artículos en Argentina Donde la gente compara El rendimiento La calidad De los resultados de LuziA Con los de chatGPT Igual es gracioso Porque el modelo por detrás Es el mismo

Pero nue-nuestra creencia Yo creo que nuestra apuesta Ahí fue acertada Es oye el 90% de lar--del pueblo Del pueblo d-deee la gente De la población N-no le importa realmente Lo que subyace por detrás Lo que quieres es Un buen producto Démosle eso Y abstregámosle De la complejidad

Nosotros, eh, con, con IA hacemos varias cosas. Quizá la, la, la más espectacular es, ehm, un resumen de, de la entrevista con el médico, ¿no? Tú vas al médico, le, le cuentas lo que te está pasando, él te hace preguntas y al final el médico necesita escribir tu historia clínica.

Los médicos pasan tres, cinco minutos escribiendo estas, estas historias. Podéis imaginar, ¿no?, las, las visitas de la Seguridad Social española cuánto duran, pues igual cinco o 10 minutos. Eh, eso significa que los médicos pasan 30 % del tiempo más o menos escribiendo notas. Entonces, nosotros lo que hacemos es, eh, escuchar esta conversación , mandarla a Azure en un cloud privado, porque en nuestro caso es fundamental que esto no, no se utilice, eeeh, para entrenar modelos o que la-- que los datos no salgan de, de nuestra, de nuestra zona privada y generarle la-- el resumen de la visita al médico.

No hacemos diagnósticos, simplemente le, le damos el resumen que luego el médico puede copiar a, a, a la historia clínica del paciente, ¿mmm? Con lo cual le estamos regalando al médico como un 30 % de su tiempo, ¿no? Y es-

Sí.

Sí, nosotros, eh, damos software a, a los médicos para gestionar las citas, para guardar las historias clínicas. Esto ya, ya lo hacíamos antes, ¿no? Ahora la, la novedad es que esta historia clínica se, se rellena sola, ¿no? Se rellena automáticamente.

Sí, de, de hecho, por detrás habrá 4O, ¿no? Eeeh, pero en nuestro caso, la, la calidad de, de, del resumen, si tú le haces un prompt a saco a, a 4O, es mucho más baja. Lo que hacemos nosotros es, eh, pasarle a ChatGPT modelos que ha escrito el doctor para ver-- para que vea las, las secciones que rellena, los "keywords" que utiliza, ¿no?, las palabras, y generarles un resumen que, que a él le valga.

Luego hay mucha terminología médica también, que si, si utilizas un modelo genérico no, no va a acertar ni la mitad, ¿no? No, no sabe si estás hablando de un, de un síntoma, de un tratamiento, de un medicamento. Entonces pierde, pierde muchísima calidad, ¿no? Entonces, mmm, lo que aportamos nosotros ahí es cómo configurar todo esto para que el resumen realmente tenga sentido para el médico.

Sí.

Sí, sí. De, de hecho, siempre pasamos el resultado a otro modelo, ¿no?, para, para que haga como un, un chequeo de: "Oye, que no, que no haya alucinado el primero". Y así minimizamos muchísimo la probabilidad. Aun así, es lo que te decía sempre, eh, todo lo que hacemos es soporte al médico. O sea, no, no hacemos-- no pasamos esta información nunca directamente al paciente ni actualizamos la historia clínica.

Simplemente es, eh, eso es lo que la máquina ha entendido y, y el, el médico o la médico estará ahí para ver si, si hay alguna cosa que está fuera de sitio, ¿no? Y al final acepta o no acepta.

Pues nada, ya que nos das pie, voy a- ...un poco hilar con lo que ha comentado Gabriel, porque precisamente, o sea, creo que hay un concepto importante aquí, que es el concepto de plataforma. Es decir, o sea, cuando pensamos en inteligencia artificial, pues muchas veces la gente piensa en los modelos o piensa en ChatGPT, porque es lo que todo el mundo conoce o con lo que todo el mundo ha jugado.

Pero la gracia de que estas cosas funcionen bien no están solamente en el modelo que se va a convertir o se está convirtiendo en un commodity, porque cada vez funcionan mejor y funcionan mejor todos, sino en la combinación de cómo tú combinas tus propios datos. O sea, montas lo que se dice, pues una arquitectura de contexto, un RAG, haces que el modelo consulte sobre tus propios datos y no alucine y además le puedas meter, pues ciertos filtros.

Esta mañana hablábamos del sistema de content filtering que tenemos en Azure, pues para evitar que las conversaciones se vayan de madre, si alguien quiere un companion y ponerse en una conversación un poco tierna, eh, o ese tipo de cosas que sé por experiencia que te, que te han pasado. Y, y luego, bueno, pues el, el tipo de, eh, de otras herramientas que nos sirven para combinar todo esto.

Es decir, los datos normalmente, como preguntabas al principio, no llegan limpios o vienen de documentos a los que hay que pasarles un OCR, o vienen de una conversación que necesitamos transcribir, o hay que cambiar el modelo porque simplemente la persona que está hablando, pues habla una variante de español que no es la estándar, ¿no? Entonces, al final la gracia de que todo esto funcione es la combinación de todas esas piezas en una plataforma que te permite ir seleccionando pues cuáles son esas combinaciones para que al final el resultado sea una experiencia de usuario al que le dé igual el modelo o lo que esté pasando por detrás, pero lo que le importe es, pues que no le diga una tontería, ¿no?

Y luego también, pues todo el tema de evaluación. También se ha hablado esta mañana en una sesión de, de red teaming, de, bueno, pues decómo haces que los datos no salgan de su sitio, que no haya ningún tipo de ataque, que no haya ningún tipo de riesgo de seguridad y que además haya una evaluación de ese resultado, que tú puedas comparar los resultados de un modelo con los de otro.

Y además, si hace falta hacer lo que se llama el Reinforcement Machine Learning, es decir, darle feedback al modelo y corregirlo y hacer que funcione mejor y de manera que tu solución al final, pues tenga más valor añadido, porque toda esa combinación junto con tus datos, que es lo que más valor aporta en, en todo esto y tu experiencia, pues sea un producto que, que al final vaya creciendo y vaya escalando.

Mmm, de hecho, en nuestro caso, lo, lo que decías, la transcripción es muy importante, ¿no? Porque es un teléfono que está ahí puesto encima de la mesa. El, el médico le manda al paciente irse a, a la camilla, se alejan del micrófono, con lo cual la-- pierdes mucha calidad. Entonces estuvimos dándole muchas vueltas a cómo hacer la transcripción, porque cuando fallas transcribiendo le puedes pasar lo que quieras a, a GPT-4o, ¿no?

Que al final si la transcripción es mala te, te va a hacer un mal resumen. Entonces To-totalmente de acuerdo, ¿no? La combinación de todas las piezas, eh, es lo que hace que al final la, la calidad-- lo, lo mismo que decías tú, ¿no?, tam-tampoco le vendemos a la gente la inteligencia artificial, le vendemos el resumen bien hecho.

No tiene, tiene que dar el consentimiento claro. O sea habrá quien- ...habrá que lo hacen, habrá que- En general sí no hemos tenido mucha- No tengo porcentaje ahora en mente pero, pero no nos hemos encontrado mucha resistencia. Al final yo creo que si tú vas al médico y el médico te dice que hagas algo vas y lo haces ,¿no?

Lo que sí claramente ahora nuestros clientes serán pues los "early adopters", los médicos que más, eh, avanzados estén en esto, ¿no?. También lo estamos lanzando poco a poco, pero yo creo que se va a convertir en algo muy, muy habitual.

Algunos sí, sí. Nosotros hacemos mucho énfasis en esto, ¿no? en, en, en que nosotros somos un, un asistente, no, no i-intentamos reemplazarles, ¿no?- Y les damos siempre el resultado a ellos Ellos tienen la última palabra entonces Es que t-- tampoco es nuestra intención.

Y si piensas en el futuro al final... Eh, la población va envejeciendo Ahora tenemos como un 20 % de gente con más de sesenta y cinco; en dos mil sesenta y siete Creo ya habrá un treinta por cien . No hay suficientes médicos de familia ;. Es que sin, si no optimizamos esto n-n-o da Las cuentas no salen.

Es-- sería un problema si quisiéramos mandarlo a OpenAI Claramente.. ..en nuestro caso Por eso usamos clouds privados de Microsoft en este caso Donde los datos no salen de europa Son están Siempre son Nuestros N-no Están compartidos Con otros Entonces Sí os habéis parecido El contrato Con microsoft Tenemos Un contrato Todo Bien Ahí No Hay Problema Yo creo Que Eso es De las cosas que mejor Hacemos Además Se Lo ha dicho esta mañana Alberto Seguridad por Defecto seguridad por Diseño y Preferimos Priorizar la Seguridad A Cualquier tipo de Innovación aunque Esta Sea Más Tardía Porque al Final Una de las Cosas que Estamos viendo

Es que La Confianza Es lo Primero y el Tema de que Los Datos del Paciente o Del Cliente No salgan de la Plataforma No sirvan para Entrenar ningún modelo y Se Quedan en un Espacio totalmente Privado Pues son una Máxima que antes de Empezar cualquier Proyecto en Azure Tenemos por delante de Todo entonces bueno Pues creo que Es Una de las Cosas que Más orgullosos Estamos Más allá de luego Poder combinarlo Como Decíamos con Otras Piezas o con los Mejores modelos del Mercado Mhm Este Companionship Cómo Funciona Supongo que Todo el Mundo Ha visto la Película Her Está relacionado Con está Relacionada No Llegaba ser tan Sofisticados Anécdota

no Es el Che Yo la Primera vez que vi her No sé Cuándo fue cuando Saliera Hace años Dices ostras cómo Mola esto Ahora ves ger otra Vez dices có cómo lo Implemento Igual No es Tan Difícil Y Ha habido todo el Escándalo que supongo que Todos Habéis Visto en la prensa Hace unas Semanas de Opinión Scarlet Johansson que Sam mantuvo el desafortunado tweet de decir hair y Claro se ha liado Pero Si companionsh va Va un Poco Va un Poco por ahí era un Caso de Uso que Cuando Lanzamos No Anticipábamos personal assistant Mucha Gente genera relación de amistad también con su Asistente Personal y Es lo que ha pasado con Nosotros pero Nosotros Pensábamos que al

Ser una Inteligencia Artificial Eso no pasaría cuando Quitas Esa primera reacción inicial de Curiosidad Morbo etcétera y lo descompones al Final lo que Ves es que Mucha Gente que está sola Mucha Gente que Le Viene bien tener una Conversación y al Final Si Piensas lo que una Amiga amigo Te ofrece esa conversación Pues es una Persona que te escucha es una persona que está Para ti ahí que no te Juzga y te Da consejo y Todas esas cuatro cosas te las da Lucía de una forma Muy Coherente pero Te Vas Conociendo Tú Vas acumulando Contexto a medida que Vas haciendo Preguntas Sí el tema de la Memoria largo Plazo de los Modelos es un Tema que No está resuelto por

Nadie en la Industria Hay varios Aproximaciones distintas a la Solución del Problema Nosotros Tenemos implementada un par de ellas Tú mencionabas Antes el contexto el contexto Supongo que Más o menos todos lo Tienen en Mente todo el mundo Tiene en Mente pero por si acaso el contexto de un Modelo es la Información que Tú le Pasas al Modelo en cada una de las Interacciones fuera ese contexto No hay nada que el Modelo conozca de Ti salvo que estés en el corpus de Entrenamiento del Modelo vale entonces para que el Modelo te vaya Conociendo sobre overtime durante el Tiempo tienes Dos opciones o Vas Ajustando el Modelo Cada vez con la información y eso a día de Hoy es prohibitivamente caro y No se puede hacer llegaremos un momento en el que sí o Vas cargando Esa información en el contexto

pero los contextos son limitados lo que cargas en el contexto está limitado por el tamaño máximo que eso tieneEntonces con Eso en Mente Nosotros lo que Hacemos son Dos cosas TúTienes una memoria en el corto plazo en el que Durante un periodo de x horas que Hemos contestado y Optimizado para la experiencia de usuario el modelo Recuerda todo lo que habéis hablado pasadas esas Horas Nosotros lo que Hacemos es extraemos ciertas características del texto que consideramos que son desde la conversación que Consideramos que pueden ser relevantes para el Usuario para el Futuro y según van pasando esas conversaciones inyectamos de nuevo esas informaciones dentro del Modelo Cumpleaños de mi Madre es el Día Ocho de Agosto me gusta la comida japonesa todas estas interacciones

que tú Vas teniendo con Lucia Luego Van formando parte de tu Contexto y de la memoria de Tu Modelo túTe los Vas guardando Todos estos datos Correcto Toda interacción cada usuario tiene una base de datos vectorial vectorial Bueno está una Base de datos que luego Podemos Inyectar de Forma fácil Dentro del contextodel usuario osea utilizáis rackantes de hablar Elena derack Es una especie reducida de Rack

RAG en el contexto en el que la analizaba era más, pues tienes un corpus de documentos dentro de una empresa, todo el conocimiento de la empresa y tienes que ser carga-- capaz de cargar en el modelo los datos que te interesen para esa consulta. Yo qué sé, quiero que me ayude a hacer una query de SQL y le encargo la estructura de la base de datos de la empresa para, para que de esa forma me sepa responder una pregunta de negocio y me escriba el código de forma correcta.

Correcto, el contexto es muy caro. Eh, la mayoría de la gente cuando paga modelos paga por tokens. Entonces, cuanto más contexto usas, más caro te sale. Nosotros, por los volúmenes que tenemos, lo que hacemos es alquilamos máquinas. Entonces, no, no pago por token, lo que yo pago es una serie de máquinas a Microsoft, una serie de máquinas a OpenAI, y lo que eso me permite es a mí gestionar la curva de latencias, que ese es un concepto superinteresante.

Normalmente optimizamos siempre para que las respuestas de los modelos sean lo más rápidas posibles. Pero si miras la experiencia de usuario, muchos usuarios les importa esperar tres, cinco o seis segundos para que un modelo le responda. De hecho, muchas veces es como la búsqueda de vuelos. Prefieres que el modelo tome un poco de tiempo porque parece que está pensando, parece que está escribiendo. Hemos visto con datos que si la respuesta es absolutamente inmediata, al usuario no le gusta esa respuesta.

Entonces-

No seis segundos. No, no he dicho exactamente la curva, pero hay una, hay una curva. Llega un momento en el que demasiada inmediatez-- o sea, nosotros, nosotros preguntamos a los usuarios qué te ha parecido la experiencia de forma aleatoria para tener control de la calidad del servicio constantemente, ¿no? Y eso nos permite experimentar un montón de cosas. Una de las cosas que hemos experimentado es cuánto tiempo está dispuesto el usuario a esperar antes de que la conversación no le guste.

Y cero no es el óptimo.

Esf-- pero nosotros no estamos teniendo la experiencia voz a voz. En voz a voz-

...ahí, ahí llegará. Ahí llegará y esa interrupción y esa, esa mejora que ha hecho 4O de poder interrumpir el modelo y puede hablar totalmente, y la latencia entre mi conversación e interrumpirte es lo que hace el modelo natural. Yo estoy dando un servicio entr-- a través de WhatsApp y a través de mi aplicación. La gente no espera una, una respue-- o sea, el mental model de la gente no es una respuesta inmediata dentro de una conversación.

T-todo eso para decir que nosotros jugamos con la latencia para optimizar los costes del contexto, porque usar el contexto para cargar RAG se puede convertir en muy caro m-- de forma muy rápida. Entonces, hay que tener cuidado con ese tipo de cosas.

No es care, dame un año.

No gano. Todavía. Eh, n-nosotros, ehm, cuando lanzamos hace un año nuestrooo-- nuestra visión, eh, era: lanzamos, conseguimos un poco de tracción, ponemos un paywall yyy paywall, una-- un modelo de suscripción y esperamos que la gente nos pague. Eeeh, levantamos dinero de forma mu-- bastante rápida con un fondo americano y nos dijo: "No, no, no, sois una empresa que estáis creciendo de forma viral, sois consumer, crecer y ya veremos".

Entonces entramos este mindset de Silicon Valley de crecer y ya veremos. Todo el mundo que desde el principio puso un paywall y que era similar a nosotros o una copia de nosotros ha desaparecido. Y hay dos motivos: uno es la baja willingness to pay de los usuarios. Los usuarios no quieren pagar por esta tecnología todavía porque todavía no saben cuál es el valor que les está generando en su día a día.

Pero y el segundo es que la velocidad con la que evoluciona la industria te hace muy difícil poner un paywall. Algo que antes podías poner un paywall y cobrar número de mensajes, mejor longitud en la respuesta de los mensajes, a día de hoy es una commodity y absolutamente todo el mundo lo ofrece por gratis. Entonces, o te evolucionas muy rápido en eso o estás fuera por la parte de suscripción.

Entonces, a la pregunta de cómo gane dinero hoy, nada, no gano. A pregunta de futuro, hay muchas vías. Ehm, tenemos que ser creativos y un poco como siempre decimos, es-- nos comparamos con los principios de Internet, donde, pf, no estaba claro cómo la gente iba a monetizar internet, ¿vale? Entonces, yo no estoy-- no sé si será un tema de publicidad y ahí, pues Microsoft, eh, abierto la veda con, con Snap.

Eh, Snap AI pone chat y creo que Copilot incluso ya pone también links con publicidad. Eso es una vía que estamos explorando y observando. Y luego está la vía que yo creo que es mucho más interesante y es que cuando los modelos sigan mejorando, eh, y los asistentes vayan más allá de un uno a uno, es decir, yo te hago una pregunta y hay un poco de agente por detrás que hace cálculos y luego te la devuelvo y pueda ser un tema de yo te mando una tarea y tú completas esa tarea, eso me abre la vía a monetización vía transacciones.

Es decir, yo te pido: Quiero estu-- haciendo research de un viaje a Japón y el modelo me busca los mejores vuelos y los mejores hoteles y me llevo parte de esa transacción. En el pasado ya habíamos hecho tests, hemos intentado-

No, no es companyship. Pero, pero un poco aquí lo que decimos es: no me quiero comparar con Amazon, ¿no?, pero lo que decimos es nosotros hemos empezado por casos de usos que la tecnología a día de hoy resuelve y lo resuelve de forma correcta, pero la tecnología va así, ¿vale? Entonces, nosotros somos Amazon empieza a vender libros con la idea de vender de todo. Nosotros empezamos a tener un asistente personal para ayudarte en todo y empezamos con la que la tecnología funciona a día de hoy.

Pero si hace dos años yo te hubiera enseñado LuzIA revisando contratos legales o te hubiera enseñado a LuzIA haciendo transcripción de audios en una consulta cle-- médica, hubieras dicho: "Es el mejor asistente vertical que existe en esa categoría", pero evoluciona muy, muy rápido la tecnología y esa es la apuesta.

Bastante. Eh, no es barato. Hemos optimizado mucho. Sé que somos órdenes de magnitud más baratos de lo que es Snap en inferencia. Entonces, creo que estamos bien, pero no, no es una tecnología barata. Eh-

Pero hemos, hemos aca-- acabamos de cerrar una ronda de financiación nueva y tenemos, tenemos para seguir creciendo.

Pues mira, yo creo que no hay una respuesta clara a esa pregunta, porque al final cada vez es más importante la creación de ecosistemas. O sea, ahora mismo lo que estamos viendo es que Competir puramente en el ecosistema de inteligencia artificial es cada vez más complicado, porque bueno pues la inversión que nosotros mismos hacemos, la velocidad a la que está yendo el mercado, la complejidad y el precio que tiene, pues entrenar un modelo o desarrollar eh una aplicación desde cero es altísima.

Y además, la velocidad a la hora de implementar resultados y de crear un producto también es importante. Entonces lo que estamos viendo es que esta colaboración o esta apoyarse unos en otros necesitar pues parte de nube, la parte de infraestructura, la parte de modelos por detrás y la combinación de distintas piezas es lo que está funcionando bien.

Nosotros vamos tenemos el privilegio de ver todo el ecosistema de "startups" en Europa que no puede ser más distinto Tenemos clientes desde negocios tradicionales que han digitalizado todas sus todos sus documentos Es decir Pues un cliente Que trabaja Por ejemplo Con documentos legales Que comentabais antes entonces Está convirtiendo ese legacy documental En un asesor virtual En abogacía Pero tenemos Un cliente que vuela Helicópteros eléctricos Ehh Eléctricos Y También Está usando Modelos De Inteligencia Artificial O Que Utilizan Modelos De Machine Learning Para El Futuro De La conducción AutónomaEntonces Cada Una De Estas Startups Tiene Una Necesidad Muy Diferente A La Hora De Qué Es Lo Que Priorizas Y qué es lo que utilizasEn General

Todo Lo Que Es Capacidad De Datos Y capacidad Computacional para DespliegueDe DeModelos Es Lo Que Todos Tienen En ComúnYEs La Base DetodoPero LuegoEh BuenoPues Donde Más PodemosAportaresenEsa Ayuda Encualesel Mejor Modelo Cuál es Esta mejor Solución Cómo combinas estas PiezasPara Conseguiroptimizarese Resultadoy Ehy DespuésTambién TodaLa ParteComercial Hablabáis Antes Del Marketplace de AzureO seaUna delas ventajasQueTenemos comoBuenopues empresaque daservicio atodos los segmentosy Los Clientes esque podemos conectartodasestas aplicacionescon distintos sectoresdelmercado yesolo que haceesque al finalpues esa penetraciónal Mercado quemuchas vecescuando eresuna startupes lomás complejoEllegaraun

banco oa una aseguradoraypoder venderletu productoque lopuedaprobar puesa travésde unaplataformaesmucho márfácil poderAlcanzaresa distribucióny quey quelosmismosclientespuedan compararese-Mhm...Esaa puesta¿no?entonces alfinaleste conceptode ecosistemaestácada vezmás sobrela mesaporquenoscitamosmucho todosunos aotrosyporquealfinal paranosotrosmismosenla formaquetenemosetrabajar elque unmodelosedespliéguese pruebeEstamosconstantementetrabajandocon losequiposde ingeniería deredmondviendo puescuales sonlos retos ehpues buenovuestro caso porejemplosalíis muchísimo ennuestras conversacionesOseaLos RetosEstos delatenciade desplieguede PTUsde consumo Deprontoe millonesde usuarios cómopodemos afrontarpues el quede

prontotengamos quedesplegarmodelosen variasregiones PorqueDirectamentepues necesitamosMásinfraestructurayyesto pues sucede caside undía para otro ¿No?Entoncesbueno puesson retosa los quenosvamos enfrentandoendeldía a díay comotodo estova cambiandotan rápidono tienesunasolución escritasinoquemuchas vecestenemos Quemetera distintosexipos dediferentesáreas que vandes deinvestigaciónhasta equipizde partnerspara poderddesplegarlas solucionesyyyyreinventaresasoluciónpOrque esto Estamosen un libroQueno está escritoSe Va construyendoSobre Elmomento Yel tener estetipo de experienciasCon gentequeEstá Al Frente dela innovación anosotrnos ayudamuchísimotambiénaadesarrollarlos productosyluego hay otrotema tambiémMuyinteresanque

nos aplicamuchosEuropa Yes QueO SeaAunque Estemós Más retrasadosentrecomillas queen EstadosUnidosenciertotipo decosas aquitenemos cosas Queno no setienen allíVariedadessedelungaje Distintosidiomas Endistintas áreasyelugo todethemapues regulatoriocultural etcéteray querequieretambiéna adaptaciónDela tecnologíaa losercosistemasilocalesy queno estrivial yen latambiéntenemos muchoQueHacer Y Que trabajar

Sí aquí-ehUna cosa de defensibilidad rápida. A mí me gustaba mucho Sam Altman dijo en una entrevista el otro día que la forma que un VC debería ver si una empresa es defendible o no es preguntándole al founder: "¿Te alegras o no te alegras?" o "¿De qué te alegras cuando salga GPT-5?". Si el founder empieza a sudar y empiezaaa ponerse muy nervioso, eso es una empresa que probablemente-- el término que él utilizó fue steamrolled No sé cómo traducirlo pero vamos, que le va a pasar por encima el siguiente modelo.

Para mí es una-

Yo me alegraría ProbablementePorqueGPT cuatroSea más baratoO sea Yo-O sea yoal finalsoy consumerComoSiempredigoNuestro usuarioEs unusuario QueEstántrando enestecnologíay Que Nono essupersofisticadoEntoncés paramíquelae tecnologíaavanza Mesuele resultaren quepueda darun mejorserviço uncoste más barato Entonsparamí GPT cincoSerá unab ventaja

Sí Eeeh Ahílo Que estamos haciendoesseh redirigirlas llamadasQueantes llegabandirectamenteala recepcióndea unaclínica aa unasistentevirtual ¿No? Yahai sí que eltema dela latencia¿No? Esss eeess escrucialparaquela conversaciónparezca parezcashumanaAhísupongo quecuatroseraeh un antes yun después paranostros ¿No?AhoraLo estamos haciendoconGPTCUATROY estàbien ¿No?

LacalidadeLasrespuestasESmuy buena perolaconversaciónnoparecenaturalPorqué estásesperandte puesun segundo dossegundosy yaEh No ésideal ¿No? Entonceslotenenmos desplegadoeen enproducciónyla verdadése que estáfuncionandobien yy estamosgenerandocitas parapara losmédicospero yo creo que aún lala conversión¿Nod?

DesdeQue descolgamospel teléfonohastaquele realmente lacitaestárreservadayyo creopuede mejorar muchísimoaun cuán-

Pues ahora mismo estaremos Sobre unsiete unocho porcienCuando uncallcenter con conhumanos Estásobre untreinta Algo así

Nooo la o seasisi noconsiguecerrar pueseh sedirige lal lamadano yahítambiénes muy importantelo lodeducías túantarno debe qreno la conversació nnonose vaya porlas ramas yque puedassacotar y ques Hable solo de reservar la cita y si el, el paciente empieza a hablar de otra cosa le diga: "Gracias, pero yo me dedico a reservar citas.

Te, te redirijo a la, a la clínica". El, el feedback de momento es muy bueno. Lo que pasa es que yo creo que en las próximas semanas vamos a dar un salto brutal ahí, ¿no? Y no sé si habéis llamado a clínicas, pero normalmente la experiencia no es espectacular en España, ¿eh?

O sea, llamas, eh, te redirigen, te cuelgan, te esperas. O sea, para una cosa que tú no querrías, ¿no?, que pasara esto, estás enfermo, la experiencia no es ideal. Entonces, yo creo que ahí podemos ayudar bastante tanto a las clínicas a no perder llamadas como también a, a los pacientes a, a llegar a estas clínicas.

Ahí, por ejemplo, mmm, eeeh, nosotros esta-- he-hemos hecho pruebas de llamar a clínicas y ver cuántas te devuelven la llamada. El número es espectacularmente bajo, ¿no? En nuestro caso, la inteligencia artificial es una parte, pero la otra parte es si, si no consigue cerrar, pues te queda el registro allí en tu, en tu programa para que luego puedas rellamar, no, no pierdas el, el paciente que te ha llamado, ¿no?

Yo creo que sí, personalmente. Claro, eso soy yo prediciendo el futuro y me equivoco muchísimo . Eh, yo creo que sí. Yo creo que nuestro, nuestro caso de uso ahora mismo es alguien buscando un dermatólogo en Barcelona, ¿mmm? Yyy, y muy probablemente, o sea, lo que yo espero es que en el futuro la gente le explique su problema-

...a Google o a quien sea, ¿no? A Doctoralia. Yo espero que se lo explique a Doctoralia. Eeeh, para que le recomendemos cuál es la, la mejor opción que tienen, ¿no? Y ahí la, la gracia será dar respuestas más adecuadas que Google en este sentido o ver hacia dónde Google integra su, su, eh, búsqueda generativa, ¿no?

No, no me da miedo. Eh, yo creo que va a pasar, ¿no? Y mi, mi expectativa es que este agente sea yo otra vez. Eh, pero de todas formas, eh, t-tenemos que diversificarnos. Si ahora la mayor parte de los ingresos vienen realmente de, eh, proporcionar pacientes a, a las clínicas, yo creo que el futuro viene de optimizar, ¿no?

De, de la eficiencia, de proporcionarle a estas clínicas, a estos médicos, eficiencia, que es lo que estamos haciendo con, con el asistente virtual y estamos solo en el principio, ¿no? Entonces, eh, en cuanto a sensibilidad también ahí yo, yo creo que la clave es que proporciones un servicio que no es GPT-4 con un-- con una capa encima, sino que es GPT-4 integrado en un montón de cosas, ¿no?

Es un software de gestión de la clínica que además tiene inteligencia artificial en todos los puntos que tenga sentido tenerlo, ¿no? Entonces, pues que la clínica le vea valor a esto.

O sea, yo, yo-- o sea, no e-estamos ahí todavía, pero llegará un punto-

To-totalmente Pero falta una segunda parte de eso. Los agentes están ahí, que Doctoralia permita una interacción directamente a un agente todavía no está ahí y que haya un estándar sobre todo de interacción de agentes todavía no hay. O sea, yo sí que creo en un mundo un poco a la hipótesis que tú estás construyendo de interacciones agente a agente, pero tiene que emerger una de dos cosas: o bien los modelos multimodales se hacen suficientemente buenos como para interactuar con las interfaces humanas y, por lo tanto, no tenemos que adaptar el resto del e-commerce o el resto del Internet a que los modelos, a, a, los modelos interactúen con ellos.

Esto es GPT-5 es capaz de clicar en los links y no hace falta un en-- una interfaz específica de Doctoralia para hacer una reserva a cargo de uno de mis usuarios.

No, no, no s-

No, no, no, no sé nada de GPT-5. No, l-l-pero, pero sí que se sabe. Pero, pero, pero cada conexión- Ella seguro sabe, yo no . Pero va a ser mejor que GPT-4. Podemos suponer eso y no sé si será cinco o será cinco cinco o será el seis, pero llegará un momento en el que la multimodalidad sea suficientemente buena como para poder interactuar con el-- las interfaces humanas nuestras, que son píxeles y no son, no son textos.

O sea, nosotros no interactuamos con texto, interactuamos con píxeles. Si eso no pasa antes, otra de las alternativas es que los negocios se abran a ser interactuados directamente por agentes y entonces haya une-- una conexión API-API en el que el intermediario sea un agente, ¿vale? Y en ese caso, pues estamos en un mundo nuevo en el que haya agente a agente. Ese es el mundo un poco por el que apostamos nosotros y por donde decía: "yo quiero monetizar." Una vez que mi, mi agente sea el representante de esa persona para las transacciones en el mundo real, yo puedo sacar un beneficio económico de ello, pero no sé cómo va a ser el GPT-5.

Yo fíjate, creo que la tecnología está ahí. O sea, de hecho ya tenemos frameworks de desarrollo de agentes, ya tenemos muchas herramientas que hacen que esto sea posible. Pero creo que a veces nosotros que estamos en este mundooo viviendo a veces en una burbuja nos olvidamos de que Hay una realidad y es la adopción.

Y ahora mismo el reto en la inteligencia artificial no está en la tecnología, está en la adopción por parte de las empresas, por parte de los usuarios. Y esto es un poco arma de doble filo, porque por parte de los usuarios la adopción ha sido superrápida y además en generaciones como niños y mayores, precisamente por lo que comentabais de las interfaces de voz, que son mucho más accesibles a todos los niveles.

Pero de lo que no nos damos cuenta a veces es de que luego la vida va a otra velocidad. Es decir, bueno, pues el hecho de meter tecnologías de estas en cualquier tipo de call center o el hecho de llevar a una inteligencia artificial a una empresa que tiene un "legacy" de datos, que necesita modificar las infraestructuras y que necesita sobre todo hacer un cambio cultural, que es la parte más importante de todo esto a la hora de generalizar esa adopción, es algo que no vas-- va a suceder en dos días.

Es decir, ahora mismo estamos en un momento en que la tecnología está yendo mucho más rápido que esas capacidades, en que se necesita muchísima formación para todas las personas a todos los niveles y muchísimo cambio, pues a nivel desde las estructuras de datos hasta muchas veces el-- los propios productos, ¿no? Es decir, el día en que tus agentes hablen con los agentes de una aseguradora, pues las aseguradoras también habrán tenido que coger esa velocidad para que se produzca esa comunicación.

Y creo que ahora mismo estamos ante un reto que, que muchas veces minimizamos y ese es que esa, esa transformación tiene que ir toda de la mano para que se produzca ese cambio. Y ese cambio va a una velocidad a la que, bueno, pues muchas veces todas las empresas no están todavía ahí y tenemos que, tenemos que ayudarles y empujarlo. Pero, pero aunque tecnológicamente haya muchas cosas que sean posibles, esa realidad va mucho más lenta de lo que muchas veces pensamos

Hay, hay una cosa que me sorprendió. El, el sistema sanitario catalán está implantando este resumen de visitas en, en las visitas del sistema público con los médicos de familia, ¿no? Entonces, estoy de acuerdo contigo, pero aun así hay, hay cosas sorprendentes. O sea, me, me sorprende que el sistema sanitario, el, el sistema público, que tradicionalmente son, ¿no?, los que van detrás y están bastante avanzados.

Y en este sentido yo también me alegro de-- me alegro de que salga GPT-5 y me alegro de que el sistema sanitario público avance en esto, ¿no? De que se haga-

Y creo que, o sea, y estoy 100 % de acuerdo, eh, con la adopción. Lo que pasa, o sea, yo creo que tenemos la obligación de-- y por eso n-nosotros lanzamos Luzía con esta idea en la cabeza. O sea, tenemos ob-- o sea, la, la, la-- cada una de las evoluciones de otros modelos son exponencialmente mejores. Las tareas que automatizas con tres no son las de cuatro, ni las de cuatro van a ser las de cinco, pero no es un orden de magnitud. Son exponenciales los crecimientos.

La aceleración que la sociedad va a vivir también es exponencial en ese sentido. Entonces, cuanto antes, un poco lo que hablamos antes de empezar el pódcast, cuanto antes la gente se familiarice con la tecnología, aunque sea en estos inicios, aunque sea rudimentaria, aunque haya tres segundos de latencia en una conversación, más fácil va a ser la adopción una vez que GPT-5 venga y, y, y, y haya muchas más tareas que puedes automatizar.

Sí

Totalmente

Oye, en un año han pasado más cosas que en los últimos 10. Entonces, pues creo que esto es una cuestión de meses ya. El tema latencia por teléfono lo vamos a ver en, vamos, dentro de nada.

Semanas. En semanas, sí, sí. No, por eso creo que vale la pena estar ahí, ¿no? Porque au-aunque ahora esto sea un poco rudimentario y das un servicio que está bien pero no es espectacular, pero es que sabes que estás a nada de, de dar el servicio espectacular, ¿no?

A mí no me da miedo nada. No, o sea, creo que de verdad, eh, vivimos en una cultura que por una parte va avanzando mucho, pero por otra se está metiendo mucho miedo con todo el tema de, de la inteligencia artificial. Y por eso a mí me gustan mucho entornos como vuestro pódcast o como, bueno, pues todo lo que, que estamos hablando, porque al final, eh, creo que hay que afrontar esta transformación con una, bueno, pues con una cultura de ver más allá, ver el beneficio, ver pues cómo esto no va a sustituirme sino a ser mi copiloto y, y cómo puedo ayudar a la tecnología también a mejorar, ¿no?

Porque al final, como digo yo siempre decía Marvin Minsky, el fundador del Laboratorio de Inteligencia Artificial del MIT en los años 50, que los robots heredarán la Tierra, pero que nosotros tenemos que ser sus padres. Entonces, si los que están involucrados en cada uno de los sectores no se meten a educar la inteligencia artificial, a poner sus datos sobre la mesa y a saber exactamente cómo los modelos tienen que reaccionar ante determinado tipo de preguntas, pues no mejoraremos, ¿no?

Y en este sentido, o sea, creo que lo que tenemos que hacer es quitarnos esos miedos que muchas veces, pues aparecen todos los días en la prensa y de verdad agarrar el toro por los cuernos en todas las dimensiones. Al final, la inteligencia artificial no solamente es una cuestión de OpenAI o de Microsoft o de las startup, es una cuestión de todas las áreas de negocio que quieren dar un salto adelante y quieren utilizar estas tecnologías para q-- hacer que funcionen mejor.

Y creo que, bueno, para mí esa es la aproximación y, y sobre todo es que lo ves. O sea, hace cinco años esto no era posible y ahora mismo aplicas un poquito de inteligencia artificial y los resultados son asombrosos. Entonces, pues…

No, es que precisamente es hacia donde va la I, hacia hacer la relación humana más humana y a que te olvides de si detrás hay GPT-5 o lo que sea. Va a tener ese concepto de: "Bueno, tienes tus datos, tienes tus clientes, y cómo puedes transformar el modelo de negocio de, de los recursos humanos en todas sus dimensiones". Y, y yo creo que es un área preciosa dentro de, de todo lo que se ha hecho hasta ahora, porque tienes mucho texto, tienes mucho comentario y además tienes mucho texto no estructurado.

Es decir, al final cada uno te dice lo que piensa de una manera distinta y el poder utilizar la IA para personalizar, pero a la vez para entender lo que te dice todo el mundo a la vez, me parece un, un punto de partida maravilloso para cambiar todo el modelo de negocio de la industria.

Gracias.