La robótica más avanzada de Europa está en Barcelona | Theker

Bienvenidos a La Tertulia de Itnig.

Bienvenidos una semana más a La Tertulia de Itnig. Esta semana estamos Jordi Romero y yo en la-- las oficinas de Theker. Y aquí tenemos a los chicos de Theker.

Bueno, y-

¿Qué tal? Carla y Gia.

Hola. Bueno, y exoficinas de Factorial.

Sí.

Exacto.

Y Itnig.

Mucha historia.

Sí, sí. Oficinas de Itnig, dentro del espacio coworking en el Poblenou de, de Itnig. Entonces, que aunque es una oficina privada, esta en este caso, em, y aquí estaba Factorial hasta hace un mes.

Llena de vendedores. Y ahora está llena de robots.

Era una oficina de ventas con un-- mucha energía, muchas llamadas, ¿no? Muchos países, banderas de países. Ahora está más vacía, ¿no?

De humanos.

De humanos, pero hay robots.

No, pero hemos pasado de cuatrocientos a treinta, de momento.

De cuatrocientos humanos a treinta-

Humanos.

Humanos. ¿Y cuántos robots?

Creo que veinte o treinta también.

Sí, muchos robots.

Muy bien, muy bien.

Hay máquinas aquí que cuestan un millón de euros.

No se puede decir.

Medio millón de euros.

No se puede decir, no se puede decir.

Pero por ahí.

Por mucho, mucho.

¿Más que un millón de euros? ¿Hay alguna máquina que cueste más de un millón de euros?

Aún no, aún no.

Aún no.

Pero si la suma, sí.

Vale. ¿Qué es Theker, Carla? ¿Puedes explicarnos qué es Theker para la gente que todavía no sepa?

Pero eso tan típico, ¿qué es eso tan típico de galleta en una caja?

Yo no sé qué es galleta en una caja. Poner galletas en una caja. Hacer un robot que pone- Vale. Esto ya está resuelto. Siempre la misma posición. Siempre igual.

Milimétricamente.

Vale. Esto no lo podéis hacer aunque quisiérais. No, no queremos. No queremos hacerlo.

¿Por qué? Pregunto, ¿eh?

Pues porque no resuelves un, un gran pain. O sea, quiero decir, hay-

Pero ¿sería más caro o más barato Theker, en este caso de las galletas?

En valuation?

No.

Ah, no, para el cliente.

Precio para el cliente.

Coste por galleta.

No, si esto te lo solventa un implementador normal.

Claro. O sea, no, no aporta-- nuestro valor no está ahí. O sea, quiero decir-

Pero mi pregunta es si podríais.

Sí, claro, muy fácil.

En coste, en coste. Comparado con las máquinas o los robots tradicionales.

Sí, lo, lo podríamos hacer mucho más barato. Se usa diferente, o sea-

No es donde hay la mayor oportunidad porque esto ya existe, ¿no?

Claro.

Sí, yo un implementador al uso ya te podría competir y tirar el precio para abajo.

Entonces, cuando no llegan los robots de toda la vida.

Sí, por ejemplo, plegar ropa.

Plegar ropa.

Que esto ningún implementador te lo puede hacer.

Es doblar, ¿no? Creo, en castellano.

Sí, es doblar.

Creo que no se plega la ropa. No estoy seguro, ¿eh? Ninguno de aquí somos nativos castellanohablantes.

No, pues, pues doblar ropa, esto no hay ningún robot que te lo haga. Porque es un, es un material muy difícil.

Además, es una combinación de: tienes que ver cómo es la prenda, tienes que notar la textura, si es más gordo, más fino, que se te resbale una seda, un, yo qué sé, un jersey. Entonces, esto es muy, muy complejo.

Sí, y entrenamos modelos para so-- para solucionar este tipo de problemas.

¿Lo habéis hecho?

Sí, sí.

¿Habéis doblado ropa?

Sí.

¿Y queda...?

Queda bien, queda bien.

Queda bien.

A lo mejor a alguien le llega en su casa alguna ropa doblada por un robot.

¿De qué marca?

Eh... Se sabe.

Un, un cliente muy, muy grande, ¿no?

Sí, sí.

Una marca grande española.

Igual, igual-

Y de todo el mundo.

Y de todo el mundo. Vale, ya está.

Igual una de las empresas más grandes de España.

Está bien, está bien.

Y de todo el mundo.

Vale, y, y este es un caso de uso que habéis visto. O sea, hay humanos, había humanos antes doblando la ropa.

Hay miles de humanos.

Hay miles de humanos doblando ropa.

Incluso ropa, eh...

Haciendo de todo. O sea, quiero decir, todo tipo de procesos que lo que tocas es distinto, porque al final no sabes qué ropa te va a llegar, no sabes si va a ser más grande o más pequeño, entonces no puedes hacer posición por posición.

En logística de paquetes. O sea, hay, hay miles de trabajos que los humanos no quieren hacer y que hay mucha rotación.

Que no quieren hacer.

Sí, no quieren hacer. Y hay mucha precariedad también en este tipo de trabajos, porque son jornadas muy largas, trabajando seguido o con pausas muy cortas.

Muy físico todo.

Sí. En una empresa con la que trabajamos, el treinta por ciento de la plantilla se lesiona cada año. O sea, o sea, si son s-- si son mil, trescientos cada año están de baja durante tres, cuatro meses.

Bueno, esto es uno de los mayores problemas del-- de España, ¿eh?

Sí.

Muy.

En el ranking de problemas-

Y de Europa.

Y de Europa.

El absentismo.

El absentismo.

Es...

Y, y de hecho, están poniendo leyes para no levantar más de diez kilos en la Unión Europea. O sea, para que las personas no levanten más de diez kilos.

Cuando dices levantar diez kilos, no estamos hablando de rondas, ¿eh? Estamos hablando de hierro.

Sí, sí, sí. Hierro.

No hierro, cualquier cosa.

Diez kilo-diez kilogramos.

Diez kilogramos. No se va a poder le-- o sea, un humano no tendrá, mmm, legalmente una empresa no le podrá pedir a un humano que levante diez kilos. Entonces, cuando tú te compras una tele, por ejemplo, ¿te la tendrá que traer un robot? O muchas personas.

O muchas personas, sí. Pero muchas, ¿eh?

Sí. Y también el ruido, por ejemplo.

Pero te voy, me compro una tele yo y pesa un huevo eso. Yo no la puedo mover. Entonces, ¿cuántas personas tienen que traer?

Tiene que ser una buena tele, ¿eh?

Bueno, pesa. Buena no lo sé, pero pesa.

Y también el ruido.

Ostras.

Ostras, parece...

Ahora, ¿esto qué es? ¿Qué está pasando?

No, es un compresor, es un compresor.

Se ha desper-- se ha despertado un robot. Bueno, al final es muy... La gente le gusta trabajar con ruido, da como dinamismo. O sea, es como que te, te mueve el ruido. Eso nos gusta.

A mí me gusta mucho el ruido. No, en serio, me gusta mucho el ruido. No, pero-

Espérate que salga la Unión Europea con lo siguiente.

No, no, sí, hay una legislación que-

Bueno, esto está dando muchos dolores de cabeza a las empresas, ¿eh? El ruido, sí.

Sí, hay legislación Que sale, que ha salido ya este año

Ha salido ya este año de aplicación y el año que viene yo creo que es

Sí, porque co-como que los sitios que vamos hay muchas cintas y hacen mucho ruido las cintas, también no pueden trabajar personas. Entonces, hay que hacer una cabina alrededor de la persona. Entonces, esto baja mucho la eficiencia.

Vale, entonces la alternativa robótica, ¿cómo funciona? O sea, ¿cómo entrena una empresa a un robot a que haga lo que antes hacía un humano? ¿Y qué tipo de robot, eh, metéis en las empresas?

O sea, nosotros lo que estamos haciendo ahora muchísimo es robot industrial, hacerlo inteligente. Entonces-

¿Un robot de un brazo, un brazo mecánico?

Un brazo, un hierro mecánico que puede coger objetos de muchos tipos, que tiene la visión para ver lo que es, tiene que manipular. Y lo bueno es que es un robot industrial, tiene velocidades industriales, tiene-- puede aguantar peso, puede aguantar que con el tiempo no se gaste.

Entonces...

Sí, o sea, y la vida útil es de veinte, treinta años.

Sí.

Entonces, claro, tienes veinte, treinta años una máquina a máximo rendimiento que hace muchos trabajos.

Vale, pero veinte, treinta años, ¿esto qué sentido tiene? O sea, dentro de treinta años no habrá fábricas ya.

No, sí, sí. De eso te quiero-

Estaremos todos en la playa.

No, por ejemplo, u-un cliente nuestro tiene el mismo proceso desde hace quince años.

Sí.

En cinco años-

Pero el hierro no.

No, claro, el, el-

Pero el hierro no.

El hierro.

O sea, las cintas transportadoras.

Claro.

No, no, pero-

O sea...

Pero tiene sentido usar. O sea, quiero decir, no, no caduca el hierro, porque al final es lo que te mueve, es, es el, el...

Y cuesta mucho tocar. O sea, tú cuando vas a un sitio donde tiene una cinta, esa cinta está ahí pa siempre.

Vale, entonces esta cinta, vosotros montáis un robot industrial.

Sí.

Sí.

Donde había un humano.

Sí.

No, un, un robot del mercado, ¿eh?

Donde un humano no quiere trabajar.

Claro, donde tienen una necesidad que se tiene que mover algo y no se mueve.

Habéis ido modulando el discurso, ¿eh?

No, no, no, no.

Hombre.

Eh, vale. Y, y...

Ampli-amplificamos al humano, ¿eh?

Claro.

Vale, entonces, vosotros montáis, eh, este robot industrial y ¿qué hay que hacer para, para enseñárselo, para enseñar lo que tiene que hacer? ¿Cuánto tiempo lleva el "onboarding", la implantación? ¿Cómo funciona esto?

O sea, es, es muy, muy rápido, porque nosotros no, no programamos nada. Simplemente ponemos cámaras, ve el entorno. El robot sabe que, yo qué sé, en este cuadrado tengo que trabajar y le decimos: caso típico logística. Tengo unos paquetes que tengo que mover de un sitio a otro en función de lo que me diga, tamaño, peso, color, lo que sea.

Entonces, simplemente el robot lo que le decimos es: verás unos paquetes, muévelos de un sitio a otro.

Sí, pero es muy largo el prompt.

Sí, mmm, sí. Como un detalle, ¿sabes? De: te puedes encontrar estas cosas.

En texto, escrito en texto.

Sí, y, y en una semana podemos hacer un mercado nuevo.

Sí.

Con mucha...

¿Qué significa un mercado nuevo?

Una tarea, o sea-

Como un "use case".

Una industria, un caso de uso.

Sí, un caso de uso nuevo.

Un caso de uso.

De otro mercado. O sea-

Pero, y luego, una vez lo habéis hecho, podéis vender a todos los competidores, digamos-

Sí.

Claro.

De este espacio.

Sí.

Sí, sí.

Sí, sí. O sea-

Se llama mejor.

Todos tienen que ser forward deployed engineers.

Los que hagan falta.

Para nosotros es muy importante que todo el mundo vaya a cliente. O sea, después ya se especiali-especializará e irá a un sitio o para otro, pero tienes que pasar por cliente.

Sí, porque hay, hay un "feeling" que no tienes en oficina.

Sí.

Obviamente. O sea, porque el cliente te pone caras y ya sabes.

Y tienes a alguien así que te mira y dices: "Bueno, voy..."

¿Pero tampoco es que lo habéis liado, lo habéis liado parda en algún caso?

Nunca, nunca.

No.

¿No?

No.

No

No, la tratamos muy bien toda la, todo...

Todo el mundo puede-

No, porque, eh, pones mucha seguridad.

Claro. En un testeo muy a priori, alguna caja que se ha presionado más de lo que tocaba, algo así.

O sea, no puedes ir en producción que no sepas 100 % que va a funcionar.

No, es que te-

El mundo físico.

Y, y decís que vosotros hacéis un prompt, o sea, le escribís en texto.

Sí, pero no es un prompt, solo son-

O sea, es, es un prompt complejo, muy complejo.

Es donde haya LLM pones prompt, pero donde hay código, pues pones código.

¿Podemos hacer-

¿Podemos hacer doble clic en eso?

Sí.

O sea, partís de una serie de vídeos e imágenes de cómo funciona el proceso antes de-

Preentrenamos un modelo nuestro.

Sí.

Muy grande.

Vosotros tenéis un modelo propio, un LLM vuestro.

Sí, es, es un VLM.

¿Qué es un VLM?

Eh, un LLM con visión.

Sí, con imágenes.

Para imágenes.

Ah, vale, vale. Vale, entonces, eh, luego con imágenes de cómo funciona el proceso prerobot.

Más prompt, sí.

Más el prompt. Entrenáis-

Sí

... eh, el modelo.

Sí.

Y esto lleva una semana, has dicho.

Sí, una semana. Eh, de que lo tuneas un poco.

Y luego metéis el robot y el robot va.

No, tienes que, o sea, sí.

Bueno, sí, sí.

Va, pero tienes que hacer unos tuneos siempre.

¿Tuneos en qué? ¿En el prompt?

No, en lo mecánico.

No, le pones como los, los carnivorous.

El prompt ya no lo tocas. El prompt ya no lo tocas.

El prompt casi nunca lo tocas. Puede ser las velocidades, hay que tocarlas, por ejemplo. Pero la acción ya la hace bien.

O sea, hacéis un "pre-training" con vídeos y un prompt y aquello va.

Sí, sí, sí que va.

Suena, sue-- escucho la incredulidad.

No es que no me lo crea, no es que no me lo creo, me lo-- claro que me lo creo, me lo creo, como-

No, pero tienes que hacer mucho tuneo en, en la oficina. Tú imitas el entorno.

No podemos. Es, es, es "offline" todo.

No nos dejan.

Mmm.

Ah, o sea, el robot no tiene conectividad, ¿eh?

No puede tener.

O sea, sí, la podría tener, o sea, a nivel tecnológico sí lo puede tener.

¿Pero por qué no puede tenerla? ¿Por qué decís que no puede tenerla?

Porque el cliente no quiere.

¿Por qué no quiere?

Porque tienes todos sus datos de producción-

Claro.

En directo-

Y no quieren que salga de ahí.

Es que puede saber todo.

Claro.

Si nos hackean a nosotros, ya, ya la he liado.

Entonces, nosotros le decimos: "Oyen, nos vamos a conectar para hacer lo que sea". Ellos nos dan el permiso, nos conectamos y ya está.

Sí, pero físicamente. O sea, tienen una llave que la giran y encienden el router que tienen ahí.

Sí, sí.

Entonces, cuan-- entonces, cuando... Y cada equis tiempo tienen que ir, ah, ah, reiniciando para poder darnos conectividad. Sí, sí, es muy fuerte, es muy fuerte.

No lo puedo decir.

No puedo decir, no puedo decir.

No puedo decir.

Dos.

Sí, sí.

Sí, es muy secretista.

Bueno, hacen un aura.

No, porque uno, hay mucha IP.

Sí.

Sí.

Que es muy importante. Es clave para nosotros esto.

No, no, no, no. No, sobre todo la mecánica.

Es, es que es el conjunto de todo el producto.

Sí, y por eso estamos ver que-- o sea, somos la empresa, la startup más verticalizada en España, creo.

Porque hacemos todo.

Seguro, sí.

Sí.

No, sí, no. O sea, seremos la mejor empresa del mundo, pero de verticalizada, en España, seguro.

Realmente sí, eh, Jordi, en, en Europa también.

Sí.

Sí.

Partimos del bruto hasta tener el producto final.

El, el hierro.

El material-

Bueno, un poco como PLD Space, ¿no? Bueno, quizá PLD Space y, y gente, y gente de la estación.

No, muy amigos de PLD Space.

Sí.

No.

Sí.

Es que empezamos fabricando nuestro propio robot.

Sí.

Pero vimos que era una total tontería, porque fabricar el robot lleva tanto tiempo y requiere tanta gente que salía mucho más caro que comprar uno de esos.

Y es muy commodity.

No, no, no, no hay botella.

No, en absoluto. Es una commodity. O sea, no hay mucho stock, hay mucha alternativa. Tú seleccionas, compras y ya está.

Con un-

Y con doble.

Sí.

Sí.

Sí. Antropomórfico, sí.

Sí.

Sí.

Antropomórfico significa que, que es como un humano.

Sí, que, que-

De brazos.

No, sí.

Muy inflexible.

Esto es un, un-

Gran debate que hay.

El de Elon Musk, por ejemplo.

Tesla Bot.

Optimus.

Pero, o sea, la-- no están preparados mecánicamente para trabajar en industria, para los rates, para ir rápido.

Por ejemplo, tiene-

No se puede.

El tema es que los humanoides tienen un, una reductora que se llama armónico y es muy delicado en comparación con una reductora cicloidal, que es lo que llevan los, los industriales.

O sea, tú para mover un brazo necesitas un motor que gira muy rápido y tiene que pasar movimiento rápido, movimiento lento, pero muy fuerte. Entonces, los humanoides están poniendo reductoras que son muy débiles, porque ne-- porque necesitas poner tanta densidad de...

¿Cómo decirlo? Espera. Tanta densidad de fuerza en tan poco espacio y tan ligero que tiene que cortar-

Sí, porque tiene que andar, tiene que abacharse.

Tiene que ir con batería. Entonces-

No está conectado a la corriente.

Claro.

Sí, que salió un vídeo en Twitter donde hay un, hay un Tesla bot, hay un Optimus que está teleoperado y justo el, el que teleopera se, se quita las gafas y, y, y el robot se cae para atrás. Y, y, y pasa una piedra de pa.

No, pero es que el problema es que pesa noventa, cien kilos. Y-

Sí. Y cuando cae también duele.

Es que, que cae en...

No tiene suficiente fuerza. Al hacerlo tan ligero, le pones materiales que son más ligeros. Entonces, por ejemplo, el aluminio no dura tanto que el acero. Entonces, la longevidad y la vida útil del robot es mucho menor. Y esto en industria no está.

Sí.

Podrías hacer un humanoide industrial que en lugar de aluminio es de acero, que no salta, ¿no? Y que va con un cable en el culo.

Al final tendrías un, lo que estamos haciendo nosotros, un robot industrial con dos brazos enormes o muy fuerte que no se desgasta y acabas llegando al mismo sitio.

Que es lo que vimos nosotros. O sea, nosotros le hemos dado muchas vueltas.

Sí.

Sí.

Sí.

Claro.

Con ruedas. O ruedas, sí

Es que hay, hay muchos approaches

Y mucho desgaste

Pero por ejemplo, Amazon o, o varios robots chinos que he visto, eh, tienen modelos que funcionan en swarm. ¿Cómo es swarm en español?

Ni idea. Eh, avispero.

Avispero no .

Swarm es lo de las abejas, ¿no?

Sí, lo de las avis-- ¿sabes?

Sí.

Colmenas.

Colmenas.

Toma.

En colmenas. Y que son softwares que orquestan muchos robots pequeños que se van moviendo.

Sí.

¿No? Y que van haciendo acciones, ¿no? Esto vosotros no lo hacéis.

No.

No lo planteáis.

No, no es que, es que no nos hace falta ahora mismo.

O sea, quiero decir, lo podríamos hacer, pero no lo buscamos, ¿no? No...

O sea, vosotros entráis en, en acciones de más fuerza, ¿no? Por eso hacéis robots, o sea, brazos grandes.

Es que hay de todo, hay de todo.

Sí, hay de todo, pero al final es lo, lo que te pide la industria. La industria quiere mucha velocidad, levantar mucho peso.

La industria te pide todo. Porque Amazon sigue con esos mini robots que no, no me acuerdo ahora cómo se llaman.

Kiva.

¿Eh?

Kiva.

Kiva.

Sí, es que eso depende para qué. O sea, nosotros lo que hemos visto es donde hay más necesidad-

Pero tenéis que elegir, no podéis hacer todo a la vez, ¿no?

Esta es otra.

Esta es la mutua, ¿eh? Los hacemos todo a la vez.

¿Estáis haciendo todo a la vez?

Lo más posible.

Además, nos cuesta mucho elegir. O sea, queremos hacer todo, nos gusta todo, podemos hacer todo.

Sí, por favor. Eso es malo.

Bueno, es malo, es malo para, para, para crecer, pero es bueno para encontrar la oportunidad.

Es que vamos a un cliente y ese cliente te enseña un problema que es más grande que el que estás sol-solucionando.

Cada vez que vamos a un sitio volvemos diciendo: " Estamos, mmm, vamos locos, vemos de todo".

Vuelves al final y dices: "Buah, he encontrado algo".

A mí me pasa lo mismo en el software. Yo cuando voy a ver un cliente, veo todo lo que están haciendo y yo: "Pero, pero, pero, ¿cómo, cómo puede ser? O sea ".

Sí.

"Esto lo podemos automatizar todo", ¿sabes? Y vuelvo, vuelvo a Factorial, ¿no? Al equipo de producto.

Nos pasa lo mismo. Volvemos y decimos: "Buah, hay que abrir un new use case". Entonces, como es un equipo, lo dividimos.

¿Y cómo elegís cuándo sí y cuándo no? ¿Cuándo decís no? Porque ese es el importante, ¿eh?

Esto al principio decíamos que sí a todo, pero ahora solamente hacemos use cases donde solamente el use case te convierte en billion dollar company. O sea, te convierte potencialmente en billion dollar company.

¿Y esto cómo lo estimas? Estocar la-

Sí, no, tamaño de mercado. O sea, miramos-

Pero como... Un ejemplo.

Pues ver número de clientes que hay, si es solo para ese sector o hay un use case similar en otros sectores. Entonces, ver cuántos robots puedes poner, mmm, cuántas personas hay.

Doblar ropa es un billion dollar use case.

Sí, sí.

Sí.

¿Cuánto se puede facturar doblando ropa?

Uf... sí.

Mu-- ah, más de diez billion.

Facturar ¿diez mil millones de dólares doblando ropa?

Lo cual es una hundred billion opportunity.

Ah, diez veces.

¿No? Diez veces. Fácil.

Por decir algo.

Es que es un use case complejísimo.

¿Más? ¿O más?

¿Tú estás diciendo que ahora mismo se pagan diez billion a gente doblando ropa?

O más, o más.

Mucho dinero esto, ¿eh?

O más.

Es que hay muchas personas haciendo esto.

Solo doblando ropa. Sí. En una empresa-

O sea, la mitad de la ropa se debe estar doblando, claro, de prenda nueva. De prenda nueva, esto-

Claro

...Vietnam, China.

Pero hablamos en logíst-- pero estamos hablando en logística ahora, en, en las fab-- en la, en el centro logístico. Pero no estás contando en tienda, no estamos contando en fabricación. No estamos contando-

¿En tienda habrá un robot Teker también?

No lo sabemos. Puede ser que sí.

Sí.

Es peligroso, ¿eh?

No, no, porque-

En la trastienda.

No, no es peligroso. No es peligroso porque-

Yo no me acercaría mucho, ¿eh?

¿Cómo?

Que no me acercaría mucho. ¿Qué radio tiene de, de hostia?

Uno cincuenta, uno cincuenta.

Uno cincuenta. Pero es curioso, porque tú dices esto, pero luego serías el primero en utilizar un self-driving car, un coche autoconducido. ¿No?

Si lo hacen Carla y Gio ...

No, home, no, home, no.

No, hombre, si, a ver, yo entiendo la diferencia, ¿eh? El robot industrial, eh, tiene que ir a gas, tiene que ir a toda hostia y hacer fuerza. Es un, es un trabajo peligroso que yo, que me, que, que tiene que hacer en un entorno seguro. Entonces, claro, el problema es meter una cosa industrial, eh, con gente no entrenada andando por alrededor. Yo no me metería al lado de una fábrica, una línea de producción de Volkswagen.

Yo no me pondría por ahí a meter el dedo.

Pero esta es la gran diferencia-

Que me lo, me lo corta

...entre los robots anteriores, donde, oye, si aquello tiene que ir a un sitio, va, a los robots modernos, que son como un humano. O sea, si ven que hay un humano por ahí, entienden que paran, ¿no?

Y volviendo a lo de humanoide o no, si te fijas, ah, Figure, 1X y todos los humanoides se están yendo para household.

Ya, ¿por qué?

Ya abandonan industria. Porque no pueden competir contra gente como nosotros.

Es que la velocidad no, es que no llegan. No llegan.

Y yo, yo, yo me pregunto cómo de grande es la oportunidad de, de casa, de comprar un robot para que te doble la ropa en casa.

¿Tú Jordi tendrías uno?

Sí. Pues si tú has dicho mil veces que no, que te da-

No, a ver, el del cuchillo y tal, pero las primeras versiones. Pero cuando funcione, o sea, un, un robot que te doble la ropa en casa-

Sí

...que te haga la cama, que te ordene los juguetes del niño, mmm-

Con el niño por ahí, ¿eh?

Bueno, habrá que ver con qué mecanismos... Quizá, quizá lo tengo encerrado hasta que nos vamos de casa, ¿sabes? O sea, quizá trabaja cuando no haya nadie en casa.

¿Y no crees que te pueda tontar eso?

Habrá mecanismos, ¿eh? Es como la Roomba. La gente no tiene la Roomba en casa cuando está por ahí.

Este es un mercado que hoy no existe. Si tú multiplicas la, lo que se gasta la gente en casa para esto, o sea, hay una pequeña, un pequeño segmento de la población que tiene, eh-

Bueno, bueno, bueno

...sirvientes, ¿no? Que le hacen todo.

En, en países como menos ricos el país, más gente hay trabajando en las casas.

Pero en cualquier caso, es un mercado pequeño, pero podría, podría ser un mercado muy grande-

Sí

...si fuera accesible para todo el mundo.

Sí, sí, yo-

Si fuera un electrodoméstico más, ¿no?

Yo creo que es enorme.

Bueno, es una Roomba, es una Thermomix, es una lavandería. O sea, son muchos mercados a la vez.

¿Cuándo será tan grande? Entonces, cuando alguno de estos esté a punto de morir, los compramos y hacemos household. No, es broma, es broma, ¿no?

Pero, o sea, esto es una oportunidad que no os interesa hasta hoy.

No.

No os ha interesado, estáis-

No, no, vamos industria

...claramente, al menos enfocados en la...

Sí, porque industria quiere pagar ahora mismo por ese producto, pero el...

Y por eso el humanoide no lo consideráis. Creéis que el humanoide tiene como caso de uso household.

Sí, principalmente. Porque en-

Pasear el perro no.

No. Porque, porque en, eh, en, en la ind-- en la industria los suelos son superlisos, son muy planos, porque tienen que pasar carretillas, tienen que pasar con, con el, con traspalés. Entonces, es perfecto para poner un robot industrial con ruedas.

Vale.

O sin ruedas.

Sí.

Luego está la guerra-

Sí.

Que también se está invirtiendo mucho en robótica. ¿Esto no lo hacéis?

No, nunca.

No estamos aquí.

No hay que hacer guerra.

Normal.

Es, es que la oportunidad es tan grande en-

¿En todos lados?

En todos lados, que para qué matar a gente o defender...

Bueno, defender a gente, defender a gente.

A nivel de, de LLMs, ¿qué, qué, qué modelos, eh, os están sorprendiendo más a vosotros? Hablando un poco del mercado en general.

Estamos viendo una tendencia de los grandes labs en relativamente secretismo. Están desarrollando máquinas del tiempo.

Doble clic.

Eso que comentabas antes de, de modelos que predicen el futuro, no solamente una curva de stock, de si subirá o no Nvidia o, o si va a llover mañana o no, sino cosas-

De eso hay una serie, ¿eh? Que se llama-

Cosas precisas.

¿Habéis visto una serie que se llama Developers, creo?

No, no, no.

Que va de esto.

No miramos series.

No.

Bueno, entonces, ¿que puede-- se puede predecir el futuro?

Dev.

Sí.

Sí, por ejemplo, pues, modelos que puedan predecir, ah, cuánto va a facturar el año que viene Factorial o en do-- en tres años.

No, no tengo más detalles.

Sí.

Pero a ti te dicen esto y te lo crees.

¿Por qué te parece relevante?

No, no, porque, porque ves que múltiples, múltiples personas de diferentes labs-

Que no tienen nada que ver.

Que no tienen nada que ver.

Que no, no se tienen por qué hablar.

Están desarrollando lo mismo.

Sí.

El Marenostrum.

El supercomputador.

Sí.

Predecir dónde irá la física del futuro, porque a lo mejor esto es AGI.

No, un-

No, una, una AI prediciendo cuál será el futuro de la física. Entonces, tú traes el futuro.

¿Cómo, cómo?

Sí, por eso, pero lo descubres con este modelo.

Y ya, y ya, ya sabes cómo funciona.

Sí.

Sí.

Están poniendo muchas GPUs en esto ahora. Muchísimas.

Los grandes labs.

Sí.

Sí.

Pero el futuro, ¿en qué dire-- en todas las direcciones? ¿O en qué dirección o en...?

En, o sea-

¿En economía, finanzas, ciencia, tecnología?

Es crear la, es crear la arquitectura para poder meter toda esta información y poder sacar el output de futuro.

Pero eso es un poco paradoja del tiempo, ¿no? Porque-

Pero eso que traen, hablaban tres diferentes.

Vale, pero, pero ¿tú no alteras el futuro prediciendo el futuro?

Esto...

Es la paradoja del tiempo.

Esto ya es filosófico.

Sí, sí, estamos aquí...

Bueno, esto es lo que más te ha flipado.

Sí, sí, es el grande, sí.

Hasta hoy.

Sí, sí.

Vale. Pero y volviendo un poco más en el terreno más...

Exacto.

Los resúmenes de emails. O sea, qué, qué-

No, o sea, es, eh, esto que estoy comentando es un time series forecasting, pero a lo bestia, que es básicamente lo de la bolsa, pero a lo bestia. Y con infinitos datos.

Y esto a ti te lo chivan los researchers que intentas contratar para Theker.

Sí, porque somos amigos y vamos hablando.

Y te van diciendo: "Estamos prediciendo el futuro".

¿En qué estás? En esto.

Y tú le dices: "En el futuro trabajas en Theker".

No, sí, sí. Claro, es muy diferente hacer un modelo de este tipo en un lab que trabajar con robots, ah, para gor-pago real de, de ya.

¿Dónde creéis que hay más talento y más innovación real de los labs que hay hoy en día?

Hostia, aquí esta-estamos hablando con mucha gente de todo el mundo, muy top cada uno en, en su campo. Y la verdad es que aquí hay mucho complejo como que: "Uy, en, en Barcelona, en España, hay poco talento, en Europa, te tienes que ir a Estados Unidos". Y no es así.

O sea, nosotros hemos mandado pruebas técnicas a todo el mundo y nos ha sorprendido gratamente el buen talento que tenemos aquí. Entonces, estamos haciendo una apuesta muy fuerte por talento local. Además, es gente que la cultura se nota mucho, que a veces parece una tontería, pero una persona que se ha criado en el mismo sitio te conectas más fácil con, con ella.

Y la combinación esta de capacidades técnicas con cultura, estamos formando muy buen equipo.

De Apple, de Apple

¿Dónde? Ah, del MIT

Del MIT, sí es verdad

Sí, oí eso, yo creo, sí.

Sí, sí, sí, pues porque te frustras, porque, porque te esperas que serán diez veces mejor que los de la UPC.

Te esperas logos. Ves logo y dices: "Ostras, será gente muy top. Veremos aquí una cosa excepcional".

Y te saltas, o sea, y te saltas tu, tu proceso a veces. Dices: "Bueno, me, me, me salto dos capas, da igual".

Claro, ves, ves un logo y dices: "Voy a más rápido, vamos a ver qué, qué, cómo es".

Hostia, es que...

No, sí, porque le ves el track record y dices: "Es que está bien"

Sí, lo que es que hay que hacer robots.

Sí.

¿Pero no de gente joven salida de carrera?

Claro.

¿Y dónde vais vosotros?

Nosotros estamos buscando, bueno, y estamos contratando mucha gente joven salida de carrera. Y aquí sí que es más comparas manzanas con manzanas.

Pero es que en senior no os ha funcionado.

No.

En robótica actual, porque estamos en un impasse.

A nosotros nos, nos pasa lo mismo.

O sea, nosotros tenemos gente con mucho ego dentro del equipo.

No, y todo el mundo lo sabe y todo el mundo cuando entra aquí le decimos...

No, pero sí que es verdad que tenemos gente con mucho ego que, que se tiene que gestionar bien.

Que es bueno el ego, ¿eh?

Es muy bueno. Y al final creas una, un ambiente de que todo el mundo dice: "Lo mío es, es lo que vale, lo mío es lo que va a funcionar". Y creas unos-

Con esos egos, ¿qué sale?

Sí.

Y sale, y sale.

Y te va muy bien.

Sí, pero tienes que poner normas al ego. Tienes que poner normas.

Que es básicamente: tienes que convence-- tienes que convencer al, a mi compañero que lo mío va a funcionar de una forma empírica. Y lo haces y ya está. Y funciona y se convence.

Sí.

Y si no convence, claro.

Claro.

Sí, pero...

Después nadie dice: "Hostia, tenías razón, ¿eh?"

Esto cuesta, ¿eh? Cuesta escuchar esto.

Esto es parte, esto es parte, no

Eh, pues por ejemplo, un assessment de las habilidades de liderazgo de una persona. Eso tardarás mucho tiempo, quizá, o más tiempo en validar que si un robot levanta el brazo o no levanta el brazo, ¿no? Hay cosas que se pueden testear más objetivamente, otras que son un poco más sutiles.

Sí, o sea, al final, yo qué sé, con gente que puede liderar una parte o que tiene el ownership de sacar una cosa para adelante, esto al final también lo ves. O sea, lo, lo-- una cosa que nos hemos dado cuenta es que si una persona, la gente no quiere trabajar con ella, buf, muévela rápido.

Además, se nota al instante. Y empiezas a ver que la gente le da como pereza ir a hablar o que la gente, una cosa que se tenía que mover rápido, se está moviendo lento. Y es porque no le gusta trabajar con esa persona, por ejemplo. Entonces, al final siempre hay una manera muy objetiva de ver: está fallando algo, eh, vamos a cambiarlo o a lo mejor no tiene que estar en esta posición.

Porque, porque vemos que los A players solo usan trabajar con A players. Y cuando hay un B player, pues se siente incómoda.

¿Cómo?

¿Tú crees?

Yo no creo.

Es la metáfora futbolística de nueve, nueve Messis o Cristianos.

Eh, no ganan una Champions.

Tenemos la misma filosofía, pero la gente que fichamos, por ejemplo, tiene que tener todas las, todas las, o sea, todos los, todos los requisitos que nosotros imponemos, que es básicamente: tiene que tener muy buenas notas durante...

Académicamente.

Académicamente.

Después, tiene que tener un trece en la selectividad si es pos-COVID.

O un doce si es pre-COVID, porque es diferente la exigencia. Después, la actitud tiene que ser, la actitud hacia el trabajo tiene que ser...

Mmm.

Claro, claro, por eso, así es joven.

Y después ser buena persona y si encaja aquí, pues ya está.

Buenas notas, buenas notas y más, más una práctica muy difícil.

No, yo digo-

Más prueba técnica.

La práctica muy difícil.

Vais a-- os vais a-- o sea, con el tiempo, cuando crezca la N-

Sí.

Os vais a encontrar gente de todo tipo, ¿no? Y, y hay, y hay veces donde ves muy claramente esta persona no encaja, punto. Y hay veces donde es gris y tú puedes actuar para que esta persona funcione, ¿no?

Pues ahora mismo los grises no estamos considerándolo.

Es por eso, pero no pasaría la prueba técnica.

Sí.

Sí

Hacemos excepciones. Si alguien tiene-

No

Si alguien tiene un pasado muy relevante.

No, claro, porque al final-

O sea, nota de selectividad. Normalmente, la gente para selectividad no trabaja, se tiene que centrar en los estudios y si es bueno, va a sacar una buena nota. ¿Qué pasa? Que hay-

Claro.

Claro.

Entonces, buscamos también eso.

Exacto, exacto. Eso lo preguntamos mucho. O prue-- o haciendo un proyecto de, de lo que sea, aunque sea algo que haga-

Y es la excepción, sí.

Sí, yo de todo. De todo lo que habéis dicho .

¿Contratáis PhDs?

O sea, ¿doctores?

¿La mayoría son doctores?

No, no.

Me habéis respondido una pregunta dif-- una cosa diferente a mi pregunta, pero ya me ha ido bien, ¿eh? Porque me ha interesado esta también. Pero mi pregunta es: ¿cuál es el lab que más os gusta? O sea, no-

De-- pero que usemos al día-- en el día a día.

Sí, o sea, qué, qué es referencia para vosotros en el mundo.

Si tuvierais que valorar otra gente.

El laboratorio.

Meta o ServiceNow, ¿no?

No seáis políticos, por favor.

Vosotros hicisteis papers con Meta y ServiceNow, ¿no?

Sí.

Antes de empezar Taker.

Sí.

Sí.

Vale, no, pero respóndeme la pregunta .

Pero ¿en robots o en generalista?

En generalista, primero.

No, es que Google, yo creo.

Google, ¿eh?

Sí, porque están sacando a mucha velocidad, con mucha calidad y muy diverso. O sea, lo, lo tienen todo.

Ya.

Porque el otro día sacaron Nano-- Nanobana Pro, Gemini 3, después te sacan un Gemini de robots, después te saca...

Y también s-- están muy integrados verticalmente, no tanto como Taker igual pero hacen TPUs.

Sí, nos hacen todo.

Sí.

Esto siempre ayuda

Y después, el mejor open source, por ejemplo, de visión, Meta, que saca modelos como SAM 3.

Más que los modelos chinos.

Sí, sí, sí.

¿Sí?

Sí, porque, porque lo-los chinos sacan BLMs, sobre todo, pero Meta, por ejemplo, te, te, te saca un SAM 3, que es un segmentador.

Que, que es-

Tú en-- tú entien-- tú hablas chino.

Sí, sí, claro.

Y tú lees lo que está pasando en China. Sigues-- porque la mayoría es, hay un divide brutal cultural.

No creo.

Exacto.

Simi-similar, es similar.

En China-

En, en China, si tú tienes aquí en, en Occidente tres, cuatro labs en tu cabeza, allí hay cincuenta. Si tú tienes tres o cuatro empresas de humanoides en tu cabeza, allí hay ciento cincuenta.

Sí, sí, comparables.

Mucho cuidado.

Y que, que luchan entre ellos.

Sí. Entonces, claro.

Porque hay mucho ma-- eh, eh, mu-

Hay mucha más gente.

Y, y el Gobierno lo protege, esta industria.

Sí, lo protege. Y después hay mucho más ingeniero que aquí.

Sí. Y después, la cultura de trabajo es más exigente también. Entonces, hay más movimiento.

Sin embargo, no está ganando contra Estados Unidos todavía.

Todavía no.

Sí, está...

Todavía no.

Todavía no, porque los researchers buenos, buenos de China se van a Estados Unidos.

Tiene más pasta, sí. Tiene más capital.

En un tuit.

Un tuit no ha hecho.

¿Lo hemos dicho del doscientos, ahora es del veinticinco?

Sí, pero, pero realmente no tendría-

Porque han desarrollado la industria de, de silicio en China y ahora encima le está, le están dando un arma extra. A mí me parece una tontería. Si-

Sí, ahora sí. Desde el principio, o sea-

Porque han desarrollado, han ayudado a, a desarrollar la industria de semiconductores de China.

Pero esto ya ha pasado.

Claro, ya ha pasado, ya te has comido-

Ya los están armando.

¿Tiene chips propios?

Sí, claro, claro.

¿Pero equivalentes a las GPU de Nvidia?

No, no, equivalentes, equivalentes a las A100 ya estables tienen muchas. Y después, las H200 están en ello.

¿Vosotros compráis hardware?

Sí, sí.

O sea, compráis GPUs.

Sí, pero no de server, sino de inference.

De inference.

Sí, sí, hay muchas Nvidias.

Hay Nvidias, hay Nvidias, sí.

Demasiadas Nvidias.

Son Nvidias.

Sí.

Y las chinas no.

No.

¿Por qué? No hace falta. No, vosotros si desde aquí sí podéis comprar-

Podéis acceso a, a Nvidias. Entonces da igual.

¿Eh? ¿Por qué? ¿Por qué?

No, no.

¿Por qué ríes?

No, es que digo que sí les deja-- Trump sí que les deja comprar Nvidias, aunque se ría, aunque se ría por aquí, les deja comprar Nvidias.

No, pero yo soy de aquí.

Ya, ya, ya. Lo digo con cariño.

Vale. Y, y si comparamos los distintos, eh, centros de innovación: Europa, China y Estados Unidos.

Mhm.

¿Cómo, cómo veis el panorama? ¿Creéis que desde Europa se puede competir en este espacio donde está-- parece que solo se habla de Estados Unidos y China o...?

¿En chips?

En todo lo, en todo el stack.

Cien por cien.

Sí.

Cien por cien.

Bueno, vosotros no estáis haciendo chips.

Sí. ¿Cómo? No, chips no, chips no.

Chips no, chips no.

Sois la empresa más integrada del mundo. Chips no.

En, en, en robots, por eje-- en robótica, puedes ganar a los chinos y a los americanos. Son nuestra competencia. Nuestra competencia no está en Europa. Y des-- y los, y estamos en Barcelona ahora mismo.

Es que en Europa hay un tema de, de falta de ambición que vemos nosotros, porque es que lo tene-lo tenemos todo. Tenemos talento, tenemos recursos, podemos acceder a recursos también de Estados Unidos. Mmm, es que tenemos que ganar.

Y hacer arbitraje también con esto.

¿Os preocupa la regulación? ¿Os, os perjudica de alguna manera la regulación o no?

No.

No, no. No, la verdad es que no.

Y no, no es porque la ignoremos y que sea No, no, no hay nada que nos limite. No, no, ahora mismo no.

Al contrario, yo creo que, que se, se va a tender a proteger mucho esta industria, ¿no?

Sí.

Y todas las leyes que apliquen a hacer que el humano esté más cuidado nos beneficia a nosotros.

Muchísimo.

No, tú consi-- tú ves a una persona controlando cinco robots, entonces hace cinco veces el trabajo que hacía antes.

Se está potenciando mucho en, en la industria en general, eh, formar a la gente que estaba moviendo cosas o montando jo-- cosas para que esté pendiente de los robots, para que garantice que esté todo como tiene que funcionar. Entonces, ya se está moviendo hacia aquí, porque realmente es un problema que no encuentran a personas. O sea, no, no es un sitio que haya muchísimas personas trabajando y que llegamos nosotros a arrasar.

Es que no se está produciendo suficiente.

Estáis hablando ahora de unos casos muy concretos, pero la inteligencia artificial puede hacer el, la, el, la sustitución de trabajo más grande de la historia. En todos los ámbitos.

Va a cambiar mucho. Sí, sí, en general.

En todos los ámbitos: en los abogados, en los consultores.

O sea, realmente no es tanto en la robótica igual donde más se habla, ¿no? Es más en los, eh, trabajes-- trabajos digitales, en los trabajos de conocimiento, ¿no? Donde el conocimiento relevante es m-- donde es más fácil ahora sustituir a gente.

En traductores, por ejemplo, ¿no?

¿En?

En traductores.

En traductores, por ejemplo.

Sí.

Por ejemplo, en, en robótica, lo que vemos nosotros es-

Es que una persona controla cinco, 10 robots y produce cinco, 10 veces más. O sea, exponencialmente produce cinco, 10 veces más.

¿Y por qué necesitas esta persona?

Claro.

No, para, para controlar que todo vaya bien.

Sí.

Pero hasta que ya vaya bien.

No, no, no.

O hasta que haya un robot que controle que todo vaya bien, ¿no?

Tienes que hacer el mantenimiento, tienes que encenderlo y apagarlo en cada turno.

¿Esto no lo puede hacer un robot?

Esto lo decide el humano, porque lo decide la empresa.

Claro.

O sea, s-siempre tiene que haber un humano.

El, el aprendizaje, eh, está cambiando mucho con IA ahí. Es que es un tema que también hemos hablado, eh, aquí. O, o no sé si hemos hablado aquí o dónde hemos hablado, pero...

Es, es que es la hostia. O sea, ojalá ser alum-- o sea, ojalá estudiar ahora.

Ostras, sí, cómo cambia.

¿Sí?

Sí, sí, cien por cien. Porque el otro d-- porque-

¿Cómo se estudia ahora?

Pues fichamos nosotros. O sea, tenemos a, a gente que aún está en la universidad y tenían un problema con, con un ejercicio. Se lo pasas a ChatGPT, el Pro. Bueno, el gratis no iba. Se lo pasas a Pro, era muy difícil el problema y en veinte segundos solucionado.

Vale, ¿y, y eso es bueno?

Es buenísimo, porque si es una persona aplicada, te explica todo paso a paso.

Ya, pero es muy rápido, ¿no? El proceso de enfrentarte a un problema y tener una so-una solución inmediata. O sea, la, la educa-- la, la formación, ¿no es en parte este proceso de fricción con-- entre un problema y solución? No sé si es algo que habéis pensado.

Tú mismo tienes que ponerte la lucha.

Sí, yo creo que en universidad no es un, una gran ventaja tenerlo, porque ya vas-- tu cabeza ya está en otras cosas. Entonces-

¿En cuáles?

Pues en qué voy a hacer. Bueno, al menos mi cabeza ya estaba en cuáles van a ser mis siguientes pasos. Entonces, yo no quiero estar peleándome con un problema que no tengo la solución y no me está dando como lo que tiene que dar. A ver qué es.

¿Y tiene sentido la universidad para darte un temario que al final te va a resolver Cha-- y explicar ChatGPT mejor?

Para networking.

Sí, es que si estuviera en un ambiente...

Nosotros también.

Ah, ¿sí? ¿Vosotros también?

¿Nosotros dónde?

En el hall, sí.

¿En el hall?

En una, en una presentación.

Sí, claro.

Y tiene un profesor para toda la clase.

Yo sé por qué son en las asignaturas que he hecho en mi vida, que más me han cundido y más me han impactado-

Sí.

Es donde el profesor ha sido mejor storyteller, donde me ha transmitido su pasión por un tema.

No el conocimiento per se. Es que siempre hablamos del conocimiento per se. Igual eso es lo menos importante.

Igual no. Pero en cambio, la forma como un profesor de historia que me viene ahora a la mente-

Me ha explicado lo que pasaron los hechos de tal, ¿no? Con su pasión, con su tal. Ostra, esto me ha transmitido más.

¿Cuál era tu asignatura favorita?

No lo sé. Es que a mí me gustaba todo. Yo tengo el problema que me gusta todo y tengo que elegir.

¿Hasta castellano?

Mira, castellano es, es, es... Pero por el profesor. Un saludo aquí al profesor. Pero hostia, me costaba mucho, me costaba mucho, pero en general me gusta todo.

O sea, tú dices un agente, un agente programado con Bernat Arnau, con todo lo que ha hecho en su vida-

Que me enseñe.

Pero me va a inspirar en un ámbito concreto que es el ámbito empresarial.

Pero lo bueno, lo bueno de este momento es que te están enseñando hacia todas las direcciones, no solo las direcciones de, que tienen sentido económico y productivo.

Pero es por la, es por la validación, porque Carla siempre me dice bueno, lo de los inversores versus los ex-founders o founders, ¿no?

Así es, esto lo notamos mucho.

¿Cuál es el tema?

O sea, nosotros cuando un inversor que solo es inversor nos dice: "Oye, pues yo haría A, B, C".

Dan consejos.

Dan consejos. Decimos: "Vale, vale, perfecto, gracias". Pero cuando lo dice alguien que lo ha vivido y no te dice una lección o te dice yo haría tal, sino que dice: "Mira, a mí me pasó tal y lo resolví de esta manera".

Sí.

Es que dices vale.

Ejemplo práctico, ejemplo práctico. Un inversor nos dijo durante un mes entero o dos meses enteros: "Tienes que contratar a alguien que contrate, que, que solo haga hiring." Hace mucho tiempo, ¿eh?

Y que transmita cultura. O sea, no solo un hiring recursos humanos clásico, sino...

Sí, sí, sí. Pa'lante, lo vemos y no hacíamos ni, ni caso. Nos lo dijo Juanjo Mostazo y nos explicó sus vivencias y nos dijo que-

Sí.

Cien por cien recomendable. El día siguiente ya estaba contratado.

Ya.

Y sí, tenía razón. Pero claro, los-- ambos tenían razón. Pero la validación...

Claro.

Sí.

También tiene valor, ¿eh? El, el, el inversor que es más benchmarkista, porque tienes el problema cuando eres founder, que es que estás muy metido en tu endogamia y hay inversores, hay algunos, ¿eh? No, me encuentro a pocos, también te lo digo, que realmente son muy buenos encontrando patrones y explicando el benchmark y además son conscientes de que ellos son el benchmark, con lo cual te van a contar algo que seguramente no tienes que hacer, porque ellos buscan también el outlier, ¿no?

Pero son muy buenos transmitiéndote lo que ven en el mercado en todo rato, en todo momento. Y eso, eso tiene valor.

Te toque los...

Sí.

Nos tenemos a uno, ¿no? Que nos lo hace mucho.

O sea, nosotros hicimos una primera ronda con vosotros, con Alberto Domingo. Después también entró en JME, un fondo de Estados Unidos, Existim VC.

Y Mission.

Y después hicimos una segunda ronda.

Sí, que fue de dos millones.

Bueno, la primera fue de dos millones, la pre-seed, y después hicimos la seed en, hace, hace nada, cinco meses, de veintiún millones, que aquí hicimos-- quisimos hacer un poco combinación de tener fondos buenos, inversores buenos. Después-

Malos.

No, esta combinación es mala. Esta no. Todos muy buenos. Eh...

No, todos los que tenemos son muy buenos.

No, de verdad, es que estamos muy contentos, ¿eh? Con los inversores.

No, vale, perdona. Fondos buenos y ¿qué más? Es que tengo mucha curiosidad.

No business angels.

Ah, vale, vale.

No, hombre, o sea, por ejemplo-

Sí, porque la cagamos un poco en la primera ronda, yo creo, con los business angels.

Sí, porque en la primera ronda es como que no queríamos meter a business angel porque habíamos oído malas experiencias de gente que había metido inversores muy pequeños que molestaban mucho y nos dimos cuenta de que, de que no. Bueno, habrá alguno que sí, que es un pesado, pero que hay gente que realmente aporta mucho valor.

Esto, lo contrario. Ahora todos, todos los business angels que tenemos-

Claro

...son la hostia. Todos, todos.

Estamos muy contentos. Entonces...

¿Cómo, cómo trabajáis con los inversores? ¿Cada cuánto habláis con ellos? ¿Dónde dejáis que se metan y dónde no dejáis que se metan? Es que en mi hermana ha habido board o fue la anterior. La anterior-

Lo anterior hicimos board.

Porque os vi pasar por aquí con los inversores. Ah, es verdad. Hacéis tours. Haciendo tours. No, yo, yo llegué tarde al board.

Sí, yo he estado en el board. He llegado tarde al board.

Sí, yo pasaba con el coche y te vi corriendo y me dijiste: "Hoy llego tarde al board". Que no estamos nosotros en el board, ¿eh? Para clarificar. No estaba Bernat a su bola ahí en el coche durante el board.

Y sí, no, y la verdad es que tal y como lo hemos enfocado nosotros es, nos-- no queremos hacer un board de reporting, porque para que el-- para el reporting ya hay reporting, sino queremos hacer un board donde podamos ver qué valor nos pueden aportar los inversores.

Sí, porque el tacto tienes tú.

Sí.

Y, y eres tú el que está cambiando el mundo. Mandáis, mandáis mucho reporting a los inversores.

La verdad...

Yo creo que a mí no me habéis puesto en la lista. No, qué va, qué va, qué va. No mandáis mucho reporting. Lo justo y necesario. O sea, secretismo incluso con vuestros propios socios.

No, hombre, no. Os contamos lo que preguntáis, lo contamos.

Lo que nos pedís lo tenéis.

Sí, lo tenéis ahí puntualmente.

Hay que pedir. No, Irene lo hace muy bien. Irene lo hace muy bien. Es un estilo curioso, ¿eh? O sea... ¿Cómo, cómo? Que es un estilo curioso. No, no, pero lo pasamos, lo pasamos el reporting.

No, lo pas-lo pasamos lo que se nos pide y después hablamos siempre-

Insisten en lo que se nos pide, estrictamente necesario.

No, y hablamos mucho, tenemos mucha relación con todos.

Es que tienes muchos inversores. ¿Que cómo ha sido el proceso de fundraising de Teker? ¿Ha sido fácil, difícil? Hostia, es, es que tenemos una estrategia muy curiosa. Bueno, no, no sé si os cuento- Tenéis una sala que se llama FOMO por algo. Sí. No, pues, pues lo que hacemos es en... Ha-hacemos lista de inversores con hot intro siempre.

Sí.

De ca-- de quién nos puede hacer la, la, la hot intro. Eh, hacemos una lista. ¿Qué significa hot intro? Para la gente que escucha. Hot intro, básicamente, por ejemplo, eh, Jordi, que tiene lo, lo Atómico. Jordi es invertida. Jordi, un día tenemos que hablar de... Yo creo que llevas no sé cuántas tertulias- Ya ...con el mismo jersey. Demasiadas. Sí, sí. O sea, yo a mí en este estudio- No pagan, ¿eh?

No pagan. Es increíble. Me tienen que sponsorizar. Pero tú no la lavas. Me lo tengo que cambiar, me la tengo que cambiar. Es que, es que me gusta esta chaqueta. Me gusta la chaqueta. Pone Atómico, pero me gusta la chaqueta, no, no que sea Atómico. Vale. Pues, pues Jordi nos hace una intro con Atómico. Esta intro es superhot, porque es una invertida que va de puta madre.

Mhm.

O sea, que es un-- el prescriptor es alguien de mucha confianza de- Sí.

Claro.

Entonces, te pasan directamente con el partner. Si, si no, es, o sea, si no, la alternativa es que te haga la intro otro BC, que eso es fatal. Si no invierte. Otro BC- Especialmente, claro, especialmente- Otro BC solo tiene dos opciones. No, no, pero otro BC es culero. Si ha invertido, malo, porque tiene un interés ya.

Claro, sí.

Por eso. Si no ha invertido, es terrible. Si no invierte, es malo, porque, porque no ha invertido. Sí, correcto. Entonces, mal camino este. Entonces, es que os cae en, así, más o menos, más o menos objetivo. Hacéis una lista de tier uno, tier dos, tier tres, cogemos a lo, a cuatro o cinco de cada tier y la primera semana empezamos a, a quedar con ellos. Entonces, el objetivo es: la primera semana tengo un term sheet.

Sí, eso lo hacemos muy rápido, muy intenso.

La primera semana un term sheet.

Sí.

Ese es el objetivo. ¿Y la realidad? Sí, sí, sí. Lo tuvimos el sábado por la noche, el primer term sheet. De, de esta semana, ¿o cuándo? No, no, esta no.

No, no, no, no, no.

Está pasando algo. No, no, nada. Vuestras rondas son muy intensas, ¿eh? Me estoy acordando. Porque vosotros, a nosotros nos llamáis cada dos días para informarnos cómo va el negocio, compartirnos KPIs y todo. No, o sea, no nos decís nada durante semanas y semanas, pero como hay una ronda, es-esa semana no nos dejáis vivir.

Porque es muy típico de, de founders, ¿eh? Es muy típico de founders. Por interés te quiero, Andrés. Sí. Es, es muy típico y eso es problemático, ¿eh? Con el tiempo. No, pero ¿a quién conocemos que sepa hacer más fundraising? ¿No? No lo sé, pero no nos dejáis vivir una semana cada medio año o dos semanas cada medio año, acaba el mundo. Pues, pues esa, esa primera semana dormimos dos horas, entonces conseguir el primer term sheet.

Sí.

Se consigue o no, pero se intenta conseguir. Después, la segunda semana se hace lo mismo, pero con menos intensidad y, y se unen los primeros a hacer segunda o tercera llamada. Entonces, vas acumulando, ya la tercera semana puedes tener diez term sheets, por ejemplo. ¿Habéis llegado a tener diez term sheets?

Sí. Y es muy importante hacerlo muy rápido todo. O sea, da i-- da igual que no duermas, sabes...

Sí, porque nos-- porque la cagamos mucho al principio, porque-

Sí

...estu-- hicimos una llamada, no sé si te acuerdas, donde no hicimos proceso competitivo. Y aprendimos de eso y dijimos: "Vale, vamos a estructurarlo y vamos a hacerlo, eh, de una manera sistemática". Sí, yo me acuerdo que recibisteis un term sheet casi proactivamente, ¿no? Sí. Y eso se alargó y se alargó y no pasaba nada. Y luego dijisteis: "Vamos a hacer un proceso".

Sí, sí.

Sí, porque fuimos-

Entonces, ahí pim, pam. Sí, luego dijimos pim, pam y ya está. ¿Hay, hay problema en encontrar inversores americanos que inviertan en España o en Europa? Si tienes hot intro, no. O sea- Si tienes hot intro, o sea, con buenos contactos o con buenas intros- Sí ...no hay problema. Obviamente, que tu negocio esté bien.

Bueno, claro.

Que el equipo esté bien. ¿Cómo, cómo encontráis esas hot intros? Más allá de... Pues no las, no las buscamos, las, las tenemos. Que te invierta Itnig, ¿no? La respuesta es que te invierta Itnig. Aparte de Itnig, aparte de Itnig, no buscamos.

Sí, pero sobre todo emprendedores, o sea, gente...

Siendo majos, siendo majos. O sea, como...

Sí, le-- a ver, las, los emprendedores normalmente quieren ayudar. O sea, al igual si a nosotros nos piden una intro, nosotros la hacemos.

Nosotros os hemos dado muchas intros.

A vosotros también.

Mhm. Tres intros, ¿eh? El último mes. A emprendedores.

Y además muy buenos.

No, no, a vosotros, a vosotros. Sí, sí, hemos hecho a vosotros, sí. Os estamos presentando a emprendedores y a nosotros a Itnig. Gente muy buena. Sí, sí, por eso entonces- Y pasa lo mismo, cuando vosotros nos presentáis un emprendedor, nos lo miramos con mucho cariño. Claro. Pasa un filtro muy grande. Que te envíen un mail en el-- la bandeja de info@itni.net.

Es que te tienen que poner algo muy distinto para que tú digas: "Voy a hablar rápido con ellos".

No, no, tiene mucho valor que nos-- que, que vayan a través de alguien de Portfolio, es evidente. Sí, por eso. Entonces, es así y bueno, y se, se levanta o no.

Sí, y siempre, normalmente, si te gusta un fondo, puedes buscar a alguien en común. O sea, no es tan grande.

¿Qué criterio habéis tenido para elegir un fondo? Cuando decís tier uno, tier dos, ¿en qué va-- en qué os basáis?

Cercanía.

Sobre todo el, el valor que te pueden aportar.

Sí.

Ya sé lo que me diréis de: "Al final el valor sois vosotros, un inversor no os va a aportar valor".

No hay que decir nada ya. No, pero, pero lo notamos, ¿eh? El valor.

Sí.

¿Vosotros lo notáis en el valor en-- de vuestros inversores? Nos han ayudado. A ver, la empresa se hace desde aquí, ¿eh?

Sí, claro.

Pero, pero en, en sus cosas, en las cosas corporativas de inversión-

En momentos clave.

Sí. En las rondas, por ejemplo.

Muy breves y muy importantes a la vez.

Correcto. Ahí, eh, un valor brutal, un inversor bueno. Sí. Y un valor negativo increíble, un inversor malo. O sea, el delta es no solo es que no te ayuden, es que un inversor malo destruye mucho valor.

Sí.

Y, y poner sus opiniones, otras invertidas. Eso es muy importante.

Eso es muy-- sí.

¿Vosotros hoy tenéis un board?

No, hoy no.

¿No? Pregunto.

No.

O sea, constituido, sí.

Sí, sí, sí. Vale, vale, vale.

Y, ¿y quién, quién está representada en el board?

O sea, tenemos un, un board que ya lo decidimos hacer así muy pequeñito. Somos tres en, en, en el board. O sea, board members que votan, digamos, somos tres. Después tenemos observers muy estratégicos que sumen valor. Y nosotros, como lo hemos planteado, y es lo que le dijimos a los inversores, es: la empresa la dirigimos nosotros.

Evidentemente, queremos teneros cerca de nosotros, os queremos compartir qué va bien, qué queremos mejorar y dónde podéis aportar valor.

Desde Barcelona.

Desde Barcelona.

Poblenou. Sí, Poblenou.

Sí.

Se les hacéis venir aquí en persona, ¿eh?

De hecho, se hizo aquí detrás el board.

Sí.

La semana pasada.

Y los-- y, y gente de Estados Unidos y de otros países no están en el board. No... Queremos a gente muy cercana que se pueda venir directamente a la oficina.

Pero que sí, que sea aquí, o sea, será aquí. En el momento en que-

O sea, si os invierte ahora Sequoia o Andreessen o Benchmark o uno de esos- Pues se vienen aquí.

Pues se vienen aquí.

La condición para invertir es: tendrás que venir a Barcelona. Han, han venido, han venido aquí.

De hecho, han venido.

Y vosotros estáis abiertos a meter inversores de todo el mundo.

Sí.

Sí, no. Sí, es que lo has dicho muy... Pero sé por qué lo has dicho así, sí.

Sí, el, el, el, el tema es si, por ejemplo, ahora la siguiente ronda no puede ser- ¿Hay otra ronda ya? Sí. O sea, no, si no. Pero si hace seis meses de la última. No, pero- ¿Os habéis gastado la pasta ya? No. Pero la siguiente ronda tienes que prepararla. O sea, cuando estás en notario, ya estamos preparando la siguiente ronda. Porque la siguiente ronda tiene que ser muy relacional y generando mucha confianza, porque es levantando mucho capital.

O sea, cómo habéis cambiado, ¿eh?

¿Por qué?

En un, en un telediario.

En seis meses.

Vosotros cuando os conocimos nunca habíais hablado, nunca habíais oído hablar de la palabra ronda.

Sí, sí.

Literalmente.

No tenía ni idea.

Ni idea, ni idea.

Por eso que, o sea, habéis co-- habéis aprendido un montón en muy poco tiempo.

A hostias, a hostias. O sea, hemos hecho todos los errores, pero muy rápido y una vez. Eso es verdad, vais muy rápido. Que es importante. O sea, hemos hecho, o sea, tenemos una norma y es: te puedes equivocar mil veces, pero solo una vez.

¿Qué hacéis con el capital?

En el banco.

¿Dónde va el capital? En máquinas, máquinas caras. ¿Qué más?

Bueno, en el-

Poca gente, porque no tenéis mucha gente.

No, no. ¿Cuánta gente sois ahora? Estamos duplicando ahora. ¿Pero cuántos sois? Somos treinta. Treinta. Y vais a ser sesenta. Sí. En, en febrero serán sesenta. En febrero. Ostras.

Tenéis otra persona que contrata, ¿no?

¿Cómo?

El recruiter lo habéis fichado.

Sí, sí lo tenemos. Muy bueno, muy bueno.

Muy bueno.

Ah, ¿sí?

Espectacular de bueno.

Sí.

Martín.

¿Por qué es tan bueno?

No, no, no, no digo el nombre, que si no... Bueno, un recruiter es bastante público en general. Martín, Martín. Es un crack.

Sí, estamos muy contentos con él. Lo hace muy rápido.

Es secretivo hasta el nombre del recruiter.

No, pero se tira 12 entrevistas al día.

O sea, lo hace muy bien, lo ha-- le gusta mucho, lo disfruta realmente y está contratando. O sea, tiene muy buen gran, un gran pipeline.

Se ha transmitido los valores. Bueno, pero me costó, ¿eh? Encontrar.

Sí, porque al final-

Encontrar, ¿no? Encontrar gente buena es, es muy difícil.

Sí, porque iba a ser chief of staff, o sea, un poco de todo, pero como que Juanjo nos dijo eso y dijimos: "Vale, eh, hiring".

Está muy foco-- bueno, hace, hace muchas cosas.

Sí, sí, es general.

Pero tiene un gran foco en hiring y muy buena la elección que esté ahí. O sea, lo está haciendo muy bien.

Oye, vuestros lead-- vuestras referencias de nivel intelectual, gente que hace AI, eh, que seguís. O sea, Yann LeCun.

Ya no, ya no.

Karpazi.

Karpazi. Se le quedará siempre ya.

Siempre lo voy a pronunciar en italiano. Eh...

Fei-Fei Li y Andrew Karpathy.

¿Quiénes son vuestros top?

Estos dos.

Sí, estos dos.

¿Y quiénes son? Explícalo por si alguien no los conoce. Fei-Fei Li inventó, creó ImageNet con su equipo de research, que es el origen- ¿Dónde? Del Stanford. En Stanford. Que es el origen del, del AI. Es el primer dataset superestructurado.

A ver, la AI es muy antigua, ¿eh? Es la, el AI de que se habla hoy.

Es deep learning, deep learning.

Vale.

O sea, donde habilitó a nuevos modelos como AlexNet entrenarse con una, con un dataset estructurado y bien labeleado, no como lo que había antes, que era un, un terror. Y...

¿Por qué era un terror? O sea, brevemente.

No, porque, porque hacían un paper y hacían un dataset a lo mejor con mil imágenes y supermal labeleadas. Entonces, tú lo que tenías que hacer era juntar, eh, veinte datasets De mil imágenes supermal labeleadas para hacer un dataset más grande. Entonces, claro, ¿cuál es el problema? Que, que eso sacan otro paper con el dataset este de los veinte anteriores mal labeleados, pero corrigiendo algunos errores.

Entonces, claro, y, y se va acumulando. Entonces, Fei-Fei Li hizo un dataset muy bien hecho que se llama ImageNet. Y sin eso-

No tenemos a ChatGPT. Ahora mismo está haciendo World Labs.

Que ha levantado cientos de millones con Anderson.

Sí.

Que, que trabajó para ella en Stanford.

Sí.

Eh, es-

No, no.

Andrej empezó hace-- haciendo tutoriales de cubo de Rubik.

Que, que yo, yo seguí un tutorial de estos.

De pequeño. Sí, sí.

Sí, sí. O sea-

Bueno, bueno

Bueno, no, no tanto, pero, pero quizá tienen dieciocho años los vídeos de YouTube de-

Y tú lo seguías.

¿Tú eres bueno con el cubo de Rubik?

¿Y lo seguías ya?

Y lo seguías viendo.

Sí, siempre he dicho que era el mismo.

No, porque tenía un mote raro, tenía un nickname como Diablo no sé qué.

Que luego se ha descubierto que era Andrej Karpathy. Ya lo digo yo también por tu culpa.

No quería decirlo.

No, y Bernat y Jordi de Factorial y de Itnig. No, sí, sí, sí. Pero por ejemplo, Andrej hace poco hace tutoriales de, de cómo funciona ChatGPT. O sea, que son tutoriales de la hostia, ¿eh?

No está muy bien.

Son miles de horas de conocimiento comprimidas en, en dos, tres horas de tutorial y, y from scratch y en C. O sea, es la hostia.

O sea, si quieres aprender a hacer un LLM, es el mejor tutorial posible. De la nada, pero tienes que saber programar, porque, porque es-- porque va rápido.

Un LLM competitivo.

Sí.

No, imposible.

En LLMs, imposible. Tienes que buscar otra arquitectura y ser creativo.

Si, si el dataset solo lo tienes tú, sí. Pero si no, es imposible.

Si el dataset solo lo tienes tú, sí que puedes hacerlo. Por ejemplo, en Factorial tenéis mucha, mucha info. Entonces, podéis hacer in-context learning-

No, no, no, no. No, no. Yo recomiendo-

In-context learning ya está

No, no, no.

Si es muy bueno, sí.

Sí.

Si no, es imposible.

Es que es buscar un nicho, buscar cómo te puedes meter también a nivel mercado, eh, qué clientes te van a comprar. Si no, si vas a generalista, es complicado.

Si es como nosotros, ¿no? Que, que, que dos datasets privados muy grandes-

Sí

...de robot y que entrenamos cada día y, y-

Sí.

Sí.

Sí.

Sí, y que solo usamos para ese cliente.

Claro, cada cliente usamos lo de su cliente, o sea, lo de ellos mismos, digamos.

Sí.

Y ya está.

Hay, hay clientes que sí que te dejan, ¿eh?

Bueno, sí, los que nos dejan, pues los usamos.

Fifty-fifty, fifty-fifty.

Pero los que son muy herméticos, de: "No, lo mío es mío", pues no pasa nada.

Mhm.

Mhm.

Cliente top tres, ponían.

No han dicho el, el número de revenue, pero bueno, Anthropic estaba facturando, ahora no me acuerdo del número, si eran tres o tres mil millones de dólares, creo, en, en la parte enterprise, que es toda en su caso, ¿no? Eh, comparada con OpenAI, que tiene una parte-

Sí, eh, comparada con-

Sí, sí, es que cambian muy rápido los números. Y, y de hecho leía hoy de Menlo Ventures, que es un inversor en Anthropic, que decía que Anthropic tiene un 40 % del mercado de corporate AI y que OpenAI tenía un 23 o 27 %, me lo he apuntado antes, eh, de cuota de mercado.

Eso, insisto, lo ha dicho un inversor en Anthropic. Veintisiete. Dice 40 %, eh, Anthropic, veintisiete, Open-OpenAI. Eh, o sea que realmente dominando, sigue dominando de manera bastante bestia, si son ciertos estos números, en el, en el enterprise. Que bueno, vosotros antes decíais, ¿no? Que-

...que os, que os, os transmite mucha so-solidez.

Es, es cierto que tienen, eh...

Usamos varias cosas y va cambiando semana a semana. Esto hay que preguntárselo a Ilia en real time, porque va cambiando con modelos nuevos.

Vale.

La infraestructura es, es Azure en, en, en la nube de Microsoft.

Pero los modelos-

...van cambiando.

Mmm.

Porque... Sí.

Puedes poner muchas cosas en Azure. Sí, correcto. O sea, Microsoft está jugando a múltiples. Ya no es tan, tan preferencial con OpenAI como era hace un año o dos.

Mmm.

Claramente han cambiado de estrategia.

¿Qué quieres decir?

Va cambiando esto.

O sea, no es una marca, es un modelo. Y hay muchos modelos-

Sí

Y ahora, ahora se habla mmm, de Google otra vez mucho

Para algunas es-- tareas específicas siempre hemos usado Google, por ejemplo, OCR

Sí

Mmm

Pero Google hace muchas cosas, es lo que tú decías

Pero en lo personal seguimos usando todos ChatGPT

Yo también

Sí

Uso el site ChatGPT

Sí

O para programar Cursor

Cursor

¿Con qué modelo?

Sí, con Claude. Bueno, es que también va cambiando

No, si todo, todo el mundo Cursor

Muy bien

Es el que va mejor

¿Me habéis respondido a la pregunta qué hacéis con el capital?

No

No

¿Y, y qué vais a hacer con el capital futuro, si vais a levantar otra ronda?

¿Esta ronda que estáis levantando ya ahora?

Esta ronda que no levantáis.

No, no, no estás levantando. No

No, no estamos levantando

Que, que, que, que dónde va el capital?

O sea, nosotros, todo el mundo que está trabajando en Itker es consciente de que está cambiando el mundo de un-- de manera muy drástica. Entonces, estamos invirtiendo mucho en verticalizar la empresa. Por ejemplo, en, en la cafetería de Itnig os pondremos ahí máquinas enormes. Después-

Fantástico

Estamos preparando doblar el equipo en muy pocos meses. Tenemos un equipo de research interno que no hace research para hacer papers, eh... orientado académico, sino estamos haciendo research orientado a cliente, que esto es lo que no-

¿Esto cuesta dinero, todo esto?

Cuesta mucho dinero

Los robots los paga el cliente

Sí

Los researchers, bueno, costarán dinero, pero no millones de euros. No tantos millones de euros

Sí, pero tienes GPUs, tienes, ah, tienes a mucha gente trabajando muchas horas. Des-después tienes-

No, no

No, es que-

No, sí, sí, pero no. O sea, sí que tenemos muchas, pero ya tenemos un histórico que nos permite dar seguridad a-

...a nuestro proveedor. No, sí, sí, es, es, es importante el histórico.

Mmm

Porque quieren mantener un cliente sólido para siempre. Porque hay muchos clientes que-

...que le dan, sí, que le dan a una startup. O sea, le dan esa ronda, te gastas el millón y adiós.

Tiene GPUs

Tiene muchas GPUs

Al portfolio

Sí, sí

No, no hace falta

No, no

Nosotros

Nosotros

Me parece increíble esto

Sí, sí, el mundo-

Comprar dominios. O sea, es, es especulación pura, pero del más sentido oportunista sin generar valor. Dices: "Hostia, va a haber menos Envidias, las voy a sacar del mercado y me las voy a quedar yo para luego vendérselas a otros". No sé

No, pero es para dar acceso a tu portfolio cuando en un momento-

Bueno, vale, si ese es el objetivo, si ese es el objetivo, vale

No había

Vale, vale. Si ese es el objetivo, vale

Son buena gente, son buena gente

No, no, no, no

No, no estás levantando ronda

Os estamos, os estamos llamando mucho por las noches o no?

Tienes razón. Tienes razón.

Bueno, yo no tengo más preguntas, Jordi. Creo que hemos hablado un poco de todos los temas, eh, de actualidad. No, pero muy interesante. Haremos-- yo creo que podemos repetir esta tertulia cada X tiempo.

Hostia

Sí, hombre, sí. Aparte de contarnos las novedades, ya que no nos mandáis reports.

Sí.

No, no

Venimos a hacer una tertulia aquí y hablamos de, de la-

Sí

Bueno

Vale, vale.

Sí, sí, sí

Bueno, pues nada. Oye, muchas gracias.

No, a vosotros

A vosotros

No, y podéis venir cuando queráis

En cuanto esté la oficina acabada del todo, hacemos-

Perfecto. Hacemos otra tertulia

Completo. Perfecto. Muy bien. Pues nada, con los demás. Hasta la semana que viene.

Adiós. Gracias.