ROBOTS en CASA, Burbuja de TRILLONES y el "Valor Ficticio" de la IA

Por fin es, por fin es cierto y por fin es oficial: OpenAI es una empresa normal. Otro veintiséis por cien, que esto es brutal para los empleados de OpenAI. Esto es rarísimo. De los cuales fuentes de The Information dicen que Sam Altman sigue sin tener acciones. En la noticia de que Oracle invierte en OpenAI, que es una empresa no cotizada, y OpenAI se gasta trescientos billion en Oracle y doscientos cincuenta billion en Azure, en Microsoft, sube la acción de Microsoft, con lo cual tiene dinero gratis para invertir en OpenAI.

Me da la sensación de que si esto se pudiera consolidar, dices: vale, ¿dónde está cada euro? Me da la sensación de, de que hay mucho valor ficticio ahora mismo.

Pero tú como inversor en bolsa, ¿qué prefieres, una proyección o un compromiso multinoal-- multianual jurídico y vinculante de compra? Yo prefiero lo segundo.

Y, y la realidad es que en la industria no hay un camino para esto. No lo hay. Los LLMs no tienen pinta de que lo sean. Son herramientas híper útiles, pero no parece que vayamos a llegar a un punto de, de AGI.

Hablando de trillions y de burbujas, en la noticia de The Information donde se hablaba de la nueva reestructuración de OpenAI, Sam Altman mencionaba casualmente que OpenAI tiene obligaciones financieras para ge-- hacer un data center de treinta gigavatios que ascienden a uno punto cuatro trillions.

Bienvenidos a la Tertulia de Itnig.

Bienvenidos una semana más a la Tertulia de Itnig. Hoy estamos aquí en Itnig, eh, donde normalmente hacemos los eventos en directo, pero hoy no es en directo. Estamos con César Migueláñez y Jordi Romero. ¿Cómo estáis?

Muy bien. Echábamos de menos a César, ¿eh?

Sí, sí, sí. Hace demasiado tiempo. Que no te preguntamos cómo va Latitude.

Hostia. Madre mía.

No, pero, pero antes de entrar. Quiero pedir disculpas por no estar el último jueves.

Había gente llorando.

Me imagino.

Había gritos histéricos. La mitad del auditorio se fue cuando empezamos, cuando vieron que no estabas.

Lo puedo imaginar.

Pero bueno, lo salvamos.

No, me gustó mucho, ¿eh? Me gustó mucho. La vi y, no, mola mucho.

Siempre nos lo pasamos muy bien en Madrid. Siempre. No sé por qué. Hay un... mucha comunidad ahí de Itnig y vamos poco. Y ahora que empecemos a, a ir más, pues siempre, siempre nos lo pasamos muy bien.

Y el caso Sitac, eh, joder, es interesante.

Sí, Jorge... estuvo muy bien.

Sí.

Empezó un poco frío.

Sí, luego ya-

Y luego se calentó y no había quien lo parara.

Sí, sí, sí, sí.

Ya al final estábamos ahí con las palomitas y él disparando.

Me, me hizo mucha gracia cuando se indignó por la pregunta de cómo se monta una subsidiaria en Estados Unidos. Dice: a ver, si es el menor de los problemas, ¿no?

Totalmente.

Es que yo siempre lo pienso.

Totalmente.

Es como cuando la gente dice: oye, que es muy difícil en España montar una sociedad.

Los tres euros de la SL, ¿no? Es lo, lo mismo que- Yo también lo pensaba cuando tenía quince años.

Qué difícil es, tienes que ir al notario y...

Sí. Y luego dices: coño, si es el último no problema que tendré en mi vida. Todo lo demás era un problema de verdad.

El problema es conseguir un cliente. Si no... Que nos repliques. ¿Cómo va Latitude?

Eh, bien, bien. Em, estamos-

Es que lo que, lo que estáis intentando hacer en Latitude es extremadamente complicado.

¿Sabes qué es lo más jodido de todo? Lo más jodido es que es una meta que se va moviendo en el tiempo.

No, claro.

Eh...

No es que cambie la meta, es que cambia todo.

Sí.

Yo, yo, excepto en Latitude, que invertimos porque conocíamos al founder un poco, eh, en general, cuando veo una startup ya, ya le... O sea, lo primero que pregunto es: a ver, ¿tú de qué, de qué espacio del mundo real sabes? ¿No? No, es que quiero hacer un sistema de, de booking de peluquerías. Entonces pregunto: ¿qué sabes de peluquerías?

¿Cuál es el conocimiento profundo de las peluquerías que te vas a llevar al mundo de los LLMs, no? Pero hostia, hacer una plataforma generalista para cualquier cosa y no ser OpenAI es, es realmente jodido.

Es jodido. Es jodido. Em, de hecho, o sea, una, una de las, de los aprendizajes que, que hemos tenido estos últimos meses, eh, seguramente es que tenemos que cerrar el foco, seguro. Em, o sea, hicimos un-

Cerrar el foco significa hacer algo más concreto.

Sí. Eh, no, no a nivel de producto, eh, a nivel de targeting y posicionamiento. Em, si os acordáis, en la última tertulia que comenté esto, estamos a punto de sacar un, un agente de agentes, ¿no? Que, que te ayudaba a construir agentes que reemplazaban, pues, o que te hacían workflows dentro de la empresa. Em, y claro, esto iba destinado, pues a todo tipo de equipos: operaciones, ventas, marketing, eh, producto, mmm, todos estos, todos los departamentos de una empresa, ¿no?

Em, porque veíamos que, que la plataforma lo permitía. Eh, pero claro, ese es un, eh, clásico error. También era un poco: estamos viendo sacar algo al mercado, eh, ver si con algunas tácticas que habíamos implementado conseguimos algo de viralidad y tirar por ese camino. Em, además-

Pero ¿hoy es fácil hacer un agente en Latitude? Una empresa que nos está escuchando puede entrar en Latitude y hacer un agente, por ejemplo, ¿para qué?

Pues mira, donde estoy estaba montando el, el agente que también prometí en una tertulia.

Hombre. Hace como tres años lo prometiste.

Pero es que estás volviendo a prometer.

Antes de ChatGPT lo prometiste.

Ahora, ahora existe. Eh...

El agente de Itnig.

Sí, que básicamente contesta preguntas-

¿Qué tipo de preguntas contesta?

Las que teníais en la web. Eh, la de, pues qué, qué es el Itnig Fund, qué startups hay en el portfolio, eh, quién hay detrás de Itnig.

Responde la pregunta más difícil que es: ¿qué hace Latitude?

Eh, sí.

Justo es la meta pregunta.

Sí, sí.

Con Latitude.

Em, sí. Y nada, me ha llevado veinte minutos, media hora, eh, hacerlo esta mañana.

Pero ¿puedes explicar tu proyecto y te da feedback? Como si fuera Jordi.

No, no, aún no. No, no, claro. O sea, yo he cogido el repo que tenéis. Tampoco he inventado nada. El repo que tenéis, que Masumi me pasó, eh, y lo he replicado en Latitude. Ya te digo, me ha llevado, pues eso, veinte minutos, media hora. Un agente absolutamente funcional, disponible una API a la que tú te puedes conectar y-

O sea, el ochenta por ciento lo hace rápido.

Sí.

¿Y el veinte por ciento restante?

El veinte por ciento restante es lo que estamos intentando solventar ahora. De hecho, eh, lo que hemos visto es que los equipos que ahora mismo están creando IA, que esto ya se sabía, ¿no? Em, son los equipos de producto y tecnología. Eh, nosotros creo que, como decía, estos últimos dos meses hemos inten-intentado llevarlo a otro tipo de equipos, eh, quizás son menos técnicos y creo que nos hemos pasado un poco de frenada.

Eh, creo que por un lado los modelos no están ahí y la gente tampoco está lista para, eh, saber qué tipo de agente crear o no tiene las skills necesarias para hacerlo. Eh, y la verdad que no, no hemos Consigue montar un producto que, que suavice la curva de aprendizaje al, al máximo, ¿no? Que, que al final es lo que hace falta para hacer algo así. Em, entonces, lo que hemos aprendido es que los equipos de producto y tecnología son los que están ahora mismo haciendo esto con éxito.

Y-

Pero, pero, pero yo no lo tengo claro eso que estás diciendo, ¿eh? O sea, yo no sé si, si la-- el que está haciendo agentes es un equipo de producto o es el equipo de ventas o de customer service.

No es el equipo de ventas.

O de finanzas.

Te a-- te aseguro yo que no es ninguno de estos equipos. Agentes-

Yo no estoy de acuerdo con lo que estás diciendo, eh, César.

Agentes, eh, no son workflows. Y esto, o sea, es la colina en la que moriré. Em, el producto de OpenAI-

No te mueras, César, no te mueras. Lo más importante es no morir.

Es un, es un muy buen ejemplo este. Eh, el producto que sacó OpenAI para hacer agentes es un producto de workflows, es un producto de nodos y flechas. Es un producto donde tú le dices exactamente de forma determinista cuáles son los pasos que quieres que siga. Esto no es un agente.

¿Quién, quién arranca el workflow?

Eh, o lo arrancas tú manualmente o con un trigger, generalmente. O sea, con un disparador.

O sea, esto es como Lindy o n8n.

Sí, exacto.

Todo esto son workflows.

Son workflows.

Que lo tiene que arrancar alguien o algo.

Sí. Sí, sí.

Y la-- tu definición de agente es que solo hay que arrancarlo una vez.

No.

Y está siempre arrancado.

No, no tiene tanto que ver con la forma de arrancarlo, tiene que, que ver con el proceso de decisión y, eh, las acciones que se toman dentro de ese workflow.

Que es desconocido en el caso de un agente.

Exacto, exacto. Entonces, eh, eso tiene beneficios y desventajas, obviamente. Si tú sabes exactamente el tipo de dato que te entra, eh, sabes exactamente el tipo de transformación que tienes que hacerle y sabes exactamente el tipo de output que necesitas, un workflow es fantástico. Fantástico. Ahora, si hay una serie de pasos indeterminados que normalmente una persona hace, eh, pues tipo: tengo que buscar en Google lo que significa esto, tengo que, eh, mirarme en la base de datos a ver si tenemos alguien con este email o por nombre intentar buscarlo.

Eh, donde tú no sabes exactamente cuántos pasos necesitas, no sabes exactamente el tipo de acciones que tienes que realizar, em, y tienes un workflow relativamente complejo, eh, no te vale con un workflow, porque co-- en un workflow te mueres intentando, mmm, gestionar todos los casos de uso distintos. O sea-

La diferencia para entenderlo es: en tu definición de workflow, cuando lo diseñas le dices: "Haz esto". Y en tu definición de agente, cuando lo diseñas le dices: "Haz lo que tengas que hacer".

Mhm, correcto. Y tú le das una, o sea-

Y tiene herramientas.

Le das instrucciones y le das unas herramientas. Vale.

Que están limitadas, pero que son muchas.

Sí.

Y sobre la marcha decide qué herramientas usa.

Exacto. Eh, sabemos lo que hace un LLM, lo que hace bien, lo que hace mal. No estamos pensando en AGI, honestamente. Eh, no hay-

No, ¿no estáis pensando en AGI?

No, no hay un camino claro a, a llegar a AGI, en mi opinión. Eh-

Bueno, Carpazzi.

Y lo que queremos es...

Carpazzi, tu amigo Carpazzi dice- Ahora es italiano.

Carpazzi.

Era, era, era checoslovaco la semana pasada y ahora se ha vuelto italiano.

Dice Carpazzi.

Dice que en diez años estamos ahí. Diez años. Siempre van saliendo números.

No, pero, pero el tono, el tono-

Diez años y un día.

El tono con el que lo dice es importante, ¿eh? Porque, o sea, el tono es: "Este es el año de los agentes". Y dice: "Bueno, más que el año es la década de los agentes". O sea, m-más que decir: "En diez años estamos ahí", yo lo que escucho es: "Este año no estamos ahí", ¿sabes? Porque en diez años también estará la sala de máquinas.

Pero es que hace falta que te lo diga Carpazzi.

Carpazzi.

Un timeline de diez años es como decir: "No tengo ni puta idea de cuándo va a pasar".

Que es la verdad. Como todos los-

Y la realidad es que en la industria no hay un camino para esto. No lo hay. Los LLMs no tienen pinta de que lo sean. Son herramientas hiperútiles, pero no parece que vayamos a llegar a un punto de, de AGI. Eh, yo creo que la definición de AGI cambiará, y esto también es otro debate filosófico. Yo creo que OpenAI cada vez está más cerca de, eh, automatizar el research científico.

Ayer salió-

Que está, está fantástico

...Sam Altman y el chief science officer de OpenAI, eh, el nuevo, que precisamente hablaban que en medio año, a principios de 2026, tendrán ya un becario AI researcher 100 % agéntico, hecho con sus modelos y tal. Dice que ya lo ven, que, que el junior-

Pero esto es lo que Car-Carpazzi dice que diez años.

Bueno, pues eso es lo que-

Para tener un becario.

El nuevo, el nuevo Carpazzi, el de ahora, y Sam Altman dicen que esto, eh, el becario es el año que viene y el senior...

Me encanta este tipo de afirmaciones.

Y el senior es marzo de 2028, creo que ha dicho. Muy concreto.

Pero yo he visto el co-- bueno, no he visto el contrato, pero he visto el resumen del contrato, que alguien se habrá inventado, no sé si es verdad o no, de Microsoft con OpenAI.

Vale.

Eh, y hablan de l-lo que pasa pre y post AGI. Es muy importante la cláusula AGI, que ahora, bueno, ha cambiado, ¿eh? La cláusula antes era más poderosa que ahora. Pero espera, para acabar esto.

Pero dicen 2030.

Para acabar esto.

Vaya cara.

El, el, el tema-- sí, porque estamos hablando de Latitude, ¿eh? Pero el tema, eh, que me lo preguntaba ayer alguien por la calle, que es-

Por la calle, ¿eh?, de lo que-

Que, que-- no, de hecho, ahora me acuerdo, hoy un periodista-

En el supermercado: "Oye, cuéntame qué tal la AGI".

No, era un periodista.

"Jordi, ¿cómo va la AGI?"

No, y me decía, eh-- oye, era un periodista esta mañana, que decía: "Pero la AI, eh, se entrena a sí misma". Y le digo: "No", digo: "Esto no es verdad". De momento, la AI no se, no se entrena a sí misma, no se mejora a sí misma. No se mejora a sí misma. Los pesos de un modelo, eh, no son dinámicos y, y autónomos, sino que hay, hay parámetros y obviamente se usa AI para, para hacer este entrenamiento.

Mhm.

Pero no se está constantemente automejorando sola. Y yo creo que este es el breakthrough que nos lleva a la AGI, porque esto es un poco el espiral infinito que hace que la mejora, pues no pare nunca, ¿no? Ahora mismo la mejora está limitada por ideas.

O sea, al final, y sin, y sin entrar en, en el pozo que es definir lo que es AGI, eh, la definición aceptada generalmente, vamos a decir, eh, es que es una AI que es capaz de hacer, eh, cualquier tipo de trabajo, em, con retorno económico que pueden hacer u-- que puede hacer un humano ahora mismo.

Es que ya hace muchos, ¿eh?

Con retorno económico.

Hace muchos ya.

Hace muchos. O sea, con un valor económico, básicamente.

Escribe, hace modelos de Excel, hace predicciones del huracán este que ha habido ahora. Eh, todos estos son trabajos. Hay robots que, que doblan la ropa.

Es la definición no de un trabajador digital, sino un supertrabajador digital.

Sí.

Porque hay muchos humanos que no generan retorno económico.

La cosa, la-

Y aun así son, son más que AGI.

La cosa es que yo no creo que esto vaya a ser un día que de repente descubran un modelo que se automejora y esto va a pasar al día siguiente.

Bueno.

Yo creo que lo jodido de esto realmente es traer, eh, la, la industria, el conocimiento de la industria y modelarlo bien ¿Vale? Para mí esto es lo jodido. O sea, es irte a-

Ah, pero eso es lo que decía yo de las peluquerías. Ahora no sé si lo he dicho en directo o en-

Sí, lo has dicho en directo.

Lo he dicho antes de grabar.

También, las dos cosas.

Es que esto es lo jodido. Y esto es algo que por mucha IA que tengas, por mucho research científico que te pueda hacer el modelo, es incapaz de hacer, porque la, la verdad no está modelada en Internet, ¿sabes?

Bueno, bueno, hay bastante conocimiento.

Primero, no digo en Internet, pero-

Pero en, en, digamos, en ordenadores del mundo

... o sea, la verdad la puedes cortar, por ejemplo, eh, a nivel de empresa.

No, la verdad es muy difícil saber qué es la verdad de una empresa.

La verdad de una empresa no es la misma que la verdad de otra empresa.

Los datos de una empresa.

Correcto.

Bueno, hay muchos datos.

Los workflows, las, las formas de hacer las cosas, las cosas que priorizan, los valores. O sea, son mundos absolutamente distintos. Entonces, para mí lo jodido de, de-

Ya, pero bueno

... desplegar IA en, en el mundo es esto, es modelar todas estas cosas.

Pero, pero lo que estás diciendo es un clásico problema del SaaS, ¿eh? O sea, em, que la empresa quiere modelar la cosa de una manera no significa que sea la mejor manera para ella de hacerlo.

Mhm.

Es más, es probable que sea más conveniente hacerlo como lo hace la mayoría.

Mhm.

Aunque muchas empresas se emperran a hacer su manera, ¿sabes? Y aquí gran parte del, de los SaaSes-

Como, como

... nos hemos dedicado-

Sí

... a explicarle a las empresas que lo mejor es que abandonen su sistema de, su forma de hacer las cosas y pasen a implementar la nuestra, que por cierto, tenemos validado con más de quince mil clientes, que, que, que, que tenemos benchmarks de performance, que va a ser mucho más eficiente, ¿sabes? Y, y, y yo me dedico la vida, eh, a explicarle a empresas, decir: "No, no, este workflow, este proceso, esto y tal, realmente replantéatelo.

Puede ser más simple y puede funcionar mejor".

Sí, pero ¿cuál es el CRM que más vale en el mundo?

Salesforce.

¿Y por qué?

Porque estandariza.

Porque estandariza.

El proceso de ventas. Y luego te deja personalizarlos al infinito.

Claro.

Pero empiezas a tener, o sea, la gente-

Fantástico.

Hay un Salesforce way, ¿eh?

Sí, sí.

Hay un Salesforce way.

Fantástico.

Pasas por el tubo.

Pero

Luego personalizas.

Claro. ¿Co-cómo de grande es el mercado de consultores de Salesforce que te hacen cosas custom?

Grande. No tan grande como el de Salesforce, pero grande.

Vale.

Pero el éxito, tú di-- porque hay muchos softwares que son flexibles al infinito, ¿no? ¿Tú crees que el éxito de Sales-de Salesforce es precisamente el hecho de que sea personalizable o de que tenga-- o que sea prescriptivo? O sea, ¿cuál es el éxito, no? Porque evidentemente todo es gris, hay blanco y negro. Eh, yo, yo estoy de acuerdo con Jordi, creo que el éxito es, es, es su, su way.

Yo creo que no es una dicotomía.

¿Eh?

No es una dicotomía. Y te, te pongo un ejemplo. Eh, OpenAI está yendo a consumer, y lo que OpenAI va a hacer en los próximos años en consumer es hacer agentes personalizados por persona. Y por eso están invirtiendo en memoria, por eso están invirtiendo en adaptarlo a ti, porque no quieren ser pres-- o sea, hay una parte que es prescriptiva, ¿no?

Eh, que son lo, las reglas generales de cómo debe comportarse ChatGPT, pero hay una parte que es per-- que es, que tiene que ser personalizable, y en el mundo real es que te encuentras esto.

Pero que, que, o sea, softwares no hay. Salesforce, Salesforce no vale t-- o sea, no vende treinta y cinco mil billion por ser una herramienta flexible donde puedes programar lo que tú quieras, porque eso ya existe, se llama .NET o Java, ¿vale? Ya existía antes.

Mhm.

Si realmente vende treinta y cinco billion es porque ellos tienen un conocimiento de cómo montar un go to market sales led que no tiene nadie más.

Mhm.

¿Vale? Entonces, lo que, lo que les hace valiosos, lo que hace valioso el software en general no es, a no ser que seas el líder de una categoría de gen-- de generalistas como Excel, em, y aun así Excel tiene menos valor que Salesforce, ¿vale?

Mhm.

Eh, porque no tiene ese conocimiento.

Aunque se utilice mucho más.

¿Eh?

Aunque se utilice mucho más.

Aunque se utilice mucho más, está en todos lados.

Sí.

Tiene menos valor que Salesforce. Lo que realmente le da valor a un software es su conocimiento de una metodología de un proceso.

Mhm.

Y el software es un medio, no es el fin. Es que la gente de producto a veces, muchas veces nos, eh, nos olvidamos de que realmente lo que más valor aportamos es el conocimiento de un espacio, de un problema, no tanto unos pipes, unas tecnologías. Esto ya lo hablamos en otras ocasiones.

Astuberías. Y otra cosa que estás diciendo antes de el conocimiento que hay en Internet. Yo creo que sí que hay, eh, por culpa de, de las videollamadas y ahora de los note takers, que están online y offline, y que luego hay los gadgets como el de Jony Ive y los, y los Friend, ¿no? Todos estos dispositivos, estos colgantes que te escuchan todo el rato y tal, la cantidad de datos que se están empezando a captar ahora, desorganizados, que antes eran inútiles-

Mhm

... pero ahora se los das a un LLM y le dices: "Oye, ¿qué ha hecho César esta semana?" Solo con el colgante o con tus transcripciones de, del companion este que te sigue en las reuniones, em, es útil ahora.

Mhm.

Y hace dos años no era útil.

Mhm.

Entonces, o sea, la capacidad de generar documentación y materiales sobre una empresa o una organización es, mmm, casi infinita, es casi completa.

Sí.

Porque es que puedes escuchar literalmente todo lo que pasa en una organización.

Sí, y volviendo un poco a, al tema de la...

De cómo va la actitud.

No, de, de, de si hace falta personalización o no. Em, si tú te imaginas un agente de inteligencia artificial por empresa e intentas ser prescriptivo, te darás cuenta de que no tiene mucho sentido porque la variabilidad es tan alta.

Sí. No puede ser un agente por empresa, pero hay un agente por función. Por ejemplo-

Claro

... puede haber un agente de, mmm, gestión de gastos.

Sí, pero si todos los agentes estamos de acuerdo-

Puede haber un agente de proceso de ventas.

O sea, imagínate-

Agente por problema.

Exacto.

O sea, intentamos acotar el problema.

Por el job to be done, ¿no?

Exacto.

Por los problemas...

Y, y por ejemplo, gestión de gastos, eh, ha dicho Jordi, ¿no? Pues oye, todo nuestro conocimiento de ver muchas empresas haciendo, eh, gestión de gastos es parte de la preconfiguración de un agente-

Mhm

... que te ayuda a gestionar tus gastos.

Que luego puedes configurar muchísimo gracias a la interfaz agéntica superpersonalizable. Pero empieza con una prescripción. Empieza con una prescripción.

No, pero es que lo que no entiendo es la dicotomía. Entonces, si empieza con una prescripción, pero luego es personalizable, ¿por qué, por qué lo, lo, lo planteas como una dicotomía?

Es que yo no sé cuál es la dicotomía. Yo me he perdido.

Sí, personalizable o prescriptivo.

O sea, hay un punto de, de personalizable y hay un punto de, de prescriptivo.

Vale.

Pero te digo, lo que te va a hacer ganar es la parte prescriptiva, no personalizable, porque personalizable es potencialmente todo el mundo.

No, pero, pero yo no estoy hablando de lo que te hace ganar.

Todo el software.

O sea, yo estoy hablando de, de cómo se despliega ahí en la industria. Y para mí no es un producto puramente prescriptivo, al contrario.

Hombre, pues pregúntaselo a Intercom, por ejemplo, que ha hecho un producto muy, muy, muy concreto, eh, que te-- que se viene con, con gente a tu empresa.

Mhm.

Eh, se estudia exactamente-

Forward deployed engineers.

Exacto. Se estudia exactamente lo que estás haciendo.

Mhm.

Eh, y te cobra por resolución de problema hecho.

Mhm.

Imagínate si te prescribe y te personaliza la solución, ¿no? O Sierra, que está haciendo algo parecido, ¿no? Que es donde, por cierto, hay más aplicaciones reales en producción a día de hoy.

Mhm.

Modelos de chatbot, ehm, muy, muy, muy targetizados a gran empresa.

Ah, Javi, pero si tú piensas en todos los productos de AI que se están desplegando en, en enter-- en enterprise, por lo menos, es que todos tienen forward deployed engineers. Y esto es por algo, ¿sabes? No, no tienen un modelo prescriptivo. Se están adaptando a cómo la empresa funciona.

Bueno, pero esto es, esto es ser prescriptivo.

No, para nada.

Bueno, hay, hay un proceso de, de adaptación a-- de verticalización al problema. Yo le, yo le llamo, le llamo a esto prescriptivo. Lo que pasa es que a día de hoy, eh, no te lo puedes-- no puedes hacerlo por-- tienes que hacerlo con una empresa muy grande.

No.

Te vale la pena hacerlo prescriptivo para una empresa.

Mhm.

Eh, y esto imaginamos todos que esto luego al final se podrá ir haciendo soluciones ad hoc para una industria, para un-

Pero yo creo que no son soluciones distintas de prescriptivo, porque para mí prescriptivo es un producto que funciona igual para todo el mundo.

En el caso de, de, de enterprise, tienes, mmm, forward deployed engineers que están haciendo software para un universo, que en este caso es una empresa.

Claro.

Pero es una empresa con multi-- con muchos casos de uso, pero una empresa muy grande.

Esto es literalmente lo que-- o sea, para mí esto es la forma de, de llegar a un AI verticalizado que es a nivel de empresa, ¿sabes? O a nivel de vertical dentro de la empresa. Pero no, no un AI mágico que de repente resuelve los problemas de todas las empresas del mundo. ¿Sabes lo que quiero decir?

Sí, yo esto tampoco me lo creo. El AI mágico que lo resuelve todo para todo el mundo. Yo entiendo que hay conocimiento de problemas. Y, y yo estaba pensando sobre el forward deployed engineer y a la práctica cómo esto funciona. Lo que yo he visto, Palantir, creo que siendo el que se lo inventa o el que lo ha hecho más famoso, es ellos empiezan casi haciendo software a medida y te envían el software de-- el forward deployed engineer, eh, y luego te cobran una licencia, pero en realidad le estás pagando casi por un software a medida, que al principio es prescriptivo para ti, porque hace-

Claro.

Hace lo que tú le pides.

Es que-

Luego, el valor de Palantir es ir productizando esta prescripción que ha ido haciendo con cinco, 10, 20 clientes para los próximos veinte clientes.

Mhm.

Y cada vez hace falta menos forward deployed engineer, porque empiezan a tener el producto prescriptivo ya hecho.

Mhm.

Y yo entiendo que ahora en el AI estamos en un momento tan verde donde cambia todo tan rápido, que, que hay que hacer esa parte de so-- desarrollo a medida de software.

Totalmente.

Pero que la gente que no se quiere dedicar a hacer desarrollo a medida de software dice: "Yo lo voy a ir productizando, mmm, por el camino y lo voy a ir separando del software a medida". Pero eso hay que hacerlo. De momento la gente lo dice, no lo está haciendo todavía. De hecho, Fin, de Intercom, es uno de los pocos que está cogiendo escala con un producto, mmm, B2B SaaS, eh, puramente AI que funciona.

Además, nosotros lo usamos.

Todo el mundo lo plantea como un caso de éxito...

Nosotros lo usamos en Factorial.

Sí, sí.

Y estamos contentos.

Mhm.

Y en tiempo también.

En producción y tal. Lo que pasa es que, bueno, al final es un chatbot, ¿eh?

Es de los más simples que hay. Es un chatbot pregunta-respuesta, hay una base de datos de conocimiento de la empresa y hay un histórico de tickets resueltos.

Mhm.

Con lo cual hay un cuerpo de datos bastante acotado y la AI lo tiene más fácil que con otras preguntas donde hay un cuerpo de datos muy pequeño o un cuerpo de datos que es todo Internet y na-- y nadie se fía de lo que te puede decir esto.

Fíjate, una de las limitaciones-- he estado hablando de, o sea, perdón, hablando con, con algunos clientes nuestros. Algunas de las limitaciones que han encontrado en sistemas como Fin es que ellos quieren que estos agentes, aparte de contestar preguntas de un knowledge base, eh, o sea, de una base de conocimiento, emm, puedan hacer acciones que haría un humano, ¿sabes?

Por ejemplo, si tienes que hacer un refam, que te lo puede hacer el, el Fin. Eh, si tienes que, yo qué sé, activarle una feature flag en el backoffice, que te lo puede hacer Fin. Y ahí es donde-

Bueno, son las tools estas que decíamos antes.

Correcto, correcto.

Es fácil decirlo, es más difícil hacerlas de verdad y que se puedan usar, y también con un poco la seguridad de que no te la van a liar y van a hacer un refam a toda tu cartera de clientes y te arruinan un día.

Total, total.

Es que eso, desde un punto de vista de seguridad, solo de seguridad, es un agujero de la hostia.

O sea, ahora mismo la principal limitación que hay, aparte de, eh, la gestión, o sea, el, el modelado y conseguir los datos necesarios para poder entrenar a tu agente, el problema es la fiabilidad. Y esto, contestando a tu pregunta de cómo nos va en Latitude.

Hombre.

Este es el problema que estamos resolviendo.

La fiabilidad.

La fiabilidad. Sí, sí. Hemos encontrado el workflow correcto para que tu agent performee.

¿Pero no era que no hacíais workflows? ¿O que un agente no era workflows?

Pues, pues si no... O sea, nosotros hacemos un workflow, no hacemos un agente. Tenemos un agente, pero no es el que te hace el workflow. Nosotros hacemos un workflow prescriptivo.

Lo veo, lo veo. O sea, hacéis workf-- un workflow para hacer agentes que no hacen workflows.

Correcto. Correcto. Sí, sí.

Vale.

Clarísimo.

Agentes o cualquier caso de uso que tengas con el LLM, eh, puede ser reclasificación, generación de contenido, o sea, cosas que, que ya sabemos que los LLMs hacen bien. Em, o sea, lo que estamos desarrollando ahora es este workflow donde tú puedes meter a un domain expert, o sea, a una persona que sabe de lo que el agente está haciendo. Por ejemplo, trabajamos con, eh, una de las empresas más grandes de, de-- un, un de los despachos más grandes de abogados de España, eh, que tienen un producto, em, que es como una especie de Copilot, eh, que te ayuda con temas legales.

Vale.

Entonces, claro, el ingeniero que está programando este agente no sabe cuándo se equivoca y cuándo no. Entonces, necesitan invitar, eh, a, a domain experts, que en este caso son, pues abogados, a que anoten las respuestas. Y para mí esto es lo...

Eso es Mercoro.

Sí, exacto.

Es el caso de uso exacto de Mercor.

Sí. Eh, Mercor trabaja con AI Labs. Mmm, con algunos enterprises también, si está, si tienen equipo de mail, si están desarrollando-

Y labeling en general y validación.

Total. Pero esto ahora mismo está pasando en una capa del estrato que está demasiado lejos de la, las empresas que todos conocemos. Eh, o sea, es muy difícil hacer este proceso.

O sea, esto es, eh, Wordsmith.

Ya, ya, ya. Y la última parte que ha dicho es la que es Mercor, la de invitar a un experto a que valide lo que nadie sabe si está bien o no está bien. Mercor lo que hace-

Wordsmith, eh, que es la startup de Ross, que es uno de los, eh... era el CPO de TravelPerk, eh, ¿no? Que está aquí muy, muy, muy cerca nuestro. Eh, ellos lo que hacen es precisamente esto. O sea, ayudan a empresas, a firmas legales a resolver, eh, pues preguntas o, o no, eh, pues dudas jurídicas.

Y lo que hacen es cuando la respuesta, cuando no sabes la respuesta, le preguntan a un abogado.

Mhm.

Y entonces esta-

Bueno, pero te lo hace todo. O sea, te hace-

Te hace el

...te hace el AI.

Claro. Entonces-

Y luego tiene el backup de lo humano.

Te va construyendo un, un cuerpo de conocimiento basado, efectivamente, en un, en un primer momento en humanos que responden, pero que ya lo están haciendo hoy, y lo que te promete es eficiencia futura-

Mhm

...em, con las respuestas. Pero, pero no, nunca deja de ser determinista, en el sentido de que, eh, solo responde a las preguntas que han sido respondidas antes.

Mhm, mhm.

Y lo que hace es clasificar la nueva pregunta en una de las preguntas respondidas antes o identificar como una pregunta nueva.

Y lo que hace Mercor es la segunda parte, que es el outsourcing del humano. Es el outsourcing del humano.

Sí, pero-

Que se utiliza típicamente para training, igual que Scale AI y la otra, que nunca me acuerdo cómo se llama, que también factura un montón de billions, eh, que es un talent marketplace de gente muy cualificada.

Ya, pero entiendo que tu cliente, que es la firma más grande de España-

Tiene abogados ya. Tiene abogados ya.

Claro. El experto es ellos mismos.

Claro.

Claro.

O sea, nosotros lo que vemos es que la forma que tienen los equipos de desarrollar este tipo de agentes o de herramientas de IA, eh, es un proceso colaborativo entre el ingeniero que está montando, eh, la arquitectura del agente, eh-

Y el humano que está siendo reemplazado.

El-

Que tiene que ayudar a la IA a ser imparable.

No necesariamente, no necesariamente. Eso lo vemos mucho con product managers. Los product managers están muy involucrados en el proceso de, eh, anotar, ¿sabes? Anotar las respuestas de, de los LLMs. Están muy involucrados en el proceso de crear evaluaciones. Lo que pasa es que hay muy poquitos que ahora mismo sepan hacer esto. Entonces, nosotros lo que hemos llegado es a un punto donde hemos visto: vale, es que el workflow es literal. Tú puedes conectar, eh, tus logs de producción a Latitude, puedes ver todo lo que tu agente ha ido generando, puedes anotarlo, y nosotros te vamos a construir el sistema de evaluaciones por encima de lo que tus humanos han anotado.

Y vamos a automatizar todo este proceso de anotación para que no tengas que hacerlo a mano. Y no solo esto-

Es muy meta, ¿eh? Es muy meta.

Es muy meta, mierda, lo tengo que bajar más.

¿Por qué, por qué no, no vienes aquí, eh, implementas unos agentes de puta madre en Factorial que se entenderá con un caso de uso concreto y lo explicamos así?

Sí, vale.

¿No? Yo creo que se entenderá mucho mejor con un caso de uso de una aplicación-

Total, total

...concreta.

No, pero el de Itnig, el que estaba diciendo, ¿no?

O el agente de Itnig.

Porque, bueno, en Factorial tenemos un montón de gente trabajando en agentes.

Claro, el agente de Factorial la gente lo pagará. O sea, será más, eh, aportará valor económico, como decías tú antes, ¿no? Porque al final habrá clientes a los que les aportará valor, espero.

Mhm.

Claro, pero entonces, si, si quieres poner este ejemplo, eh, Factorial está creando su herramienta generalista, ¿no? Para, para hacer esto. O sea, generalista no, que sirve a los casos de uso de Factorial.

Exacto.

¿No? Y, y Factorial lo considera core.

Que es prescriptiva.

¿Eh?

Que es prescriptiva.

Es prescriptiva para Factorial.

Factorial One.

Hostia, lo de prescriptiva y flexible, de verdad que-

Y determinista, otra palabra.

Podemos-- todas las palabras las podemos estirar, ¿no? En, en este espacio. Eh, pero lo que te quiero decir es que el ca-- lo que ha optado Factorial en este caso es no incorporar más allá de una, un-- tiene una plataforma que se llama Mastra.

Mhm.

Que utiliza para algo muy simple, para orquestación, ¿no? Para, para cuatro cosas. Em, y, y todo lo demás es, es desarrollado internamente, ¿no?

Mhm.

Porque lo consideramos, eh, core, ¿no? Por, por ejemplo, la observabilidad, eh, es algo que nosotros le ofrecemos como valor al cliente. Queremos que el cliente pueda tener todo el control de todas las preguntas, todas las interacciones y pueda interactuar con esto.

O sea, al final hay un estándar de observabilidad para estas cosas, que es OpenTelemetry.

Estándar, 2025...

Es OpenTelemetry. O sea, todo el mundo hace o es compatible con OpenTelemetry, nosotros mismos lo somos. Y esos datos te los puedes llevar a plataformas compatibles como Datadog o cualquiera de estas.

Yo te hablo de otra capa de observabilidad, de producto, donde los eventos o lo que pasa tiene la semántica propia de Factorial, donde tú puedes filtrar, puedes ver-

Si quieres lo, lo podemos entrar en detalle con ordenador, ¿eh?

Luego me haces una demo y tal, ¿no?

Eh, en diez, en diez segundos. Tu agente hace cosas, tú valoras esas cosas, le enseñas dónde se ha equivocado. Nosotros automatizamos, eh, en, para que esto pase en miles de logs, ¿vale? Nosotros detectamos dónde se ha equivocado en cada uno de ellos y te vamos optimizando el prompt, ¿sabes? Haciendo pruebas, pruebas, pruebas, pruebas con distintos prompts, cambiando cosas, hasta que encontramos el prompt que se equivoca menos.

Así de simple.

Pero se sigue equivocando.

Sí. Eh, siempre habrá un margen de error, como en todo.

Por eso, o sea, yo esto, de entrada, todos los casos de uso de Factorial están out.

Pero no se puede equivocar.

Pero no se puede equivocar.

Bueno...

Eh, o sea, o la mayoría, o la mayoría. Hay algunos que no.

Es que en el momento que trabajas con un LLM, tienes que lidiar con este margen de error, ¿eh? No hay un LLM que sea al 100 %.

Ya. Bueno, entonces quieres lidiar a priori. Podríamos entrar aquí en qué, qué significa eso y cómo, y cómo lo planteamos en Factorial. Pero realmente no, tú no vas a m-meter un sistema que tiene que ver con la compensación de tus empleados, eh, que puede hacer cosas que no controlas.

Total, total. Sí, sí. Sí, sí.

Puedes decir customer service.

Es que si quieres que un LLM te haga esto, tienes que lidiar con ello, porque nunca vas a hacer que el LLM sea al 100 %. Nunca. No pasa.

Bueno, ¿y un coche, eh, con self-driving?

Tampoco vas a llegar al 100 %. Vas a llegar al 99,49. Sí, 5 nueves. Fantástico. Al 100 % nunca.

Nunca Por cierto que están saliendo, eh, vídeos bastante heavys. No sé si visteis un vídeo de un Tesla con Full Safe Se-Self Driving, eh, software activado que, em, evita un avión que está aterrizando, un, un avión que choca contra una carretera- Esto no estaba en el dataset, ¿no?

Esto no estaba en el dataset. Y lo, le... Bueno, no sé, lo, se, se salva el tío. Guau. Mmm. Eh... Que hacía un avión ahí de emergencia, entiendo. Pasa a veces. O sea, una- Un, un avión que hace un aterrizaje de emergencia- De emergencia, vale, vale, vale ...o que se, o que- No, yo me fío mucho más de un coche dirigido solo que por un humano, incluso que por mí.

Pero en cambio, no tendrías un robot en tu casa, ¿eh? Es un poco contradictorio, ¿eh? No, lo del robot es un poco cachondeo. Ahora tengo ganas ya de tener un robot porque hay que limpiar muchas cosas. Pero, pero quizá no el primero. Quizá no sería el primero, como tampoco sería el primero- Normalmente eres el primero. Sí, pero mira, cuando es tu pellejo, ¿no? Hay ciertos riesgos. Yo siempre observo ver lo que te pase a ti- Sí.

...antes de comprarlo yo. Sí. Bueno, pues el, el robot, eh, cada vez está más cerca, que de hecho ha salido uno nuevo, el 1X o One X, que es otro, ¿no? O sea, se parece mucho al de Figure AI. Me parece que está al mismo nivel. O al Optimus tal. Bueno, están los dos al mismo nivel, que todavía no existen. De hecho, el de One X, eh, por lo que han dicho, no hay, no hay casi nada todavía y esperan tener un, un prototipo funcional el año que viene.

Mhm. Y dicen que va a valer veinte mil pavos, que me gusta que ya saben el precio y todavía no lo tienen. Entonces es como: bueno, ya veremos, ¿no? Costará lo que te haya costado hacer que funcione. Cuando lo hagas funcionar, ya veremos qué te ha costado y qué margen necesitas. Nvidia decía ayer que en la, en el evento de Nvidia, ¿no? Que el consumer, la primera categoría de consumer electronics, con mucha diferencia, va a ser robots humanoides.

Y hay muchos ya, ¿eh? Yo lo veo, ¿eh? O sea, se está acercando mucho. O sea, la IA, vale que no será AGI, pero toma decisiones suficientemente buenas como para hacer la colada, eh, para ordenar los juguetes de los niños en casa- Tener un gato en casa ...para cortar el césped, para cocinar, limpiar los platos. O sea, hay muchas tareas que no hace falta tampoco ser un researcher de AI para hacerlas.

Y tareas que no necesitas el cien por cien de, de efectividad. No, ni de movilidad y tal. O sea, que hay, hay cosas relativamente sencillas- Total ...que, que, que está cerca. Yo lo veo y, y yo me imagino tener un bicho de estos en casa en los próximos dos, tres, cuatro años. Y Nvidia va a tener el control de todos estos fichas, ¿no?

Porque esto tiene chips locales, ¿no? Dentro del robot. El control no. O sea, vende los chips. Ya, ya. Gana pasta vendiendo chips. Ya, ya, bueno. ¿Qué significa el control? Que hay un backdoor, quieres decir. Que hay una conectividad. Esto ya es muy conspiranoico, ¿eh? Es que está detrás de todo, ¿eh? ¿Tú crees que Bill Gates nos ponía un microchip en la vacuna del COVID?

Bill Gates no, pero Jensen. ¿Jensen Huang? ¿Te fías más de Bill Gates que de Jensen Huang? No sé, si ves algunos mensajes internos que se filtran. Sí, por ejemplo. De cómo entrenan los modelos. No, no. No, pues que van a saco. Pinches robando datos y tal. ¿Eh? Robando datos y tal, ¿o qué? De todo. Ah, bueno, eso, eso sí que lo veo. Eso sí, eso sí.

Ah, pero esto es el elefante en la habitación, ¿no? Esto se sabe ya que, que ha pasado y ya está. El meme de Mira Murati- Furious y bueno... Preguntándole si había entrenado el modelo con YouTube y se ponía todo roja y cambiaba de cara y tal. Sí, sí, se sabe, se sabe. Bueno, ¿podemos hablar ya de OpenAI o no? Venga. Que, que ya por fin- Que nunca hablamos de OpenAI.

Nombre ya, pero, o sea, eh, por fin es, por fin es cierto y por fin es oficial. OpenAI es una empresa normal. Por primera vez en su historia, desde 2016, ¿no? Creo que tiene casi diez años. Em, una empresa que se anunció ayer que pasa a ser un public benefit corporation, que es una empresa normal, que dice que tiene una, una intención de ayudar a la humanidad, pero a, a nivel corporativo es una empresa- ¿Y cómo lo han hecho?

...normalísima. Bueno, pues lo han hecho negociando. Jurídicamente. Jurídicamente lo han hecho con el attorney general, que es el fiscal general, supongo, de Delaware y de California, los dos, con Satya Nadella y Sam Altman. ¿Vale? Estos cuatro se han estado peleando durante más de un año y Masayoshi Son, que también es importante porque tenía veintidós billion pendiente de transferir, hasta que-- no sé si os acordáis que, que, em, eh, SoftBank invirtió treinta mil millones de dólares, eh, hace casi un año, a principios de este año, en OpenAI, condicionado a que se convirtiera en una empresa normal, que no hubiera un capped profit ni ninguna cosa de estas.

Entonces, eh, estaban todos ahí reunidos durante un año negociando eso y por fin se han puesto de acuerdo y los attorneys generals de Neva-- de Delaware, perdón, y de California le han dado el visto bueno a una empresa que es 27 % de Microsoft, ¿vale? Microsoft ya deja de tener-- antes, no sé si os acordáis, tenía el 49 % de los primeros beneficios hasta tantos billion, luego el tal, luego el tal, luego el tal.

Está complicado. Nada de esto. ¿Vale? Ahora es un socio normal y corriente, que bueno, luego hablaremos, que tiene 27 %, socio principal. Bueno, normal y corriente no, porque tiene ciertos derechos de IP. Exacto. Eh, luego está la fundación, eh, la nonprofit ahora se ha cambiado de nombre y se llama OpenAI Foundation- Mhm ...que es una nonprofit, que tiene un board, que es el que gobierna el board de la, de la filial, ¿vale?

Esto sigue igual, que tiene el 26 %- Pero esto puede cambiar, ¿no? Esto ahora es así. O sea, en los papeles ha quedado así. Luego para cambiarlo, eh, necesitarán que el, que dé permiso la fundación, porque es la que gobierna la corporación. Ya, pero, o sea, si es una empresa privada normal que tiene accionistas de alguna forma- En sus estatutos, en sus estatutos pone que el board lo, lo define el board de la foundation.

Vale. Esto es lo que ha publicado OpenAI y Microsoft. Vale. Otro 26 %, que esto es brutal para los empleados de OpenAI. Mhm. Esto es rarísimo. Un 26 % para los empleados es muchísimo. De los cuales fuentes de, de Information dicen que Sam Altman sigue sin tener acciones. ¿En serio? Sí. Eso lo he leído en- O sea, tienen 26 % de los empleados y Sam Altman cero.

Mmm, yo no me lo creo. Yo no me lo creo, pero están negociando un 8 o un 10. Se había hablado de un 6 %, un 7 %. Se había hablado de esto. Un 9 o un 12. Según hoy, el artículo, perdón, que salió esta mañana en The Information, dicen que fuentes cercanas a la operación dicen que Sam Altman no tiene acciones en todo esto, pero que sí que tiene acciones en empresas colaboradoras con OpenAI.

Entonces, que, que tiene mil tejemanejes, esto ya lo sabíamos. Eh, 15 % del cap table son a los inversores que hicieron esta ronda, principalmente SoftBank, que por fin ha soltado los veintidós billion y medio que le faltaban por soltar. O sea, hoy ha habido una transferencia de Japón a Estados Unidos de veintidós mil quinientos millones de dólares. Eh, un 4 %-

Que les da para dos meses, ¿eh?

Eh, no, no, da para más, da para más. Luego te lo cuento si quieres.

Bueno, solo en, solo en-

No, que ingresan-

En Azure

...que también ingresan

...en Azure tienen comprometidos trescientos billion.

Doscientos cincuenta

Doscientos cincuenta billion.

Sí, que es parte del, del no sé cuántas manos que se abrazan entre ellas, ¿no? Bueno, 4 % por los inversores de la ronda anterior, 2 % para Joni Ive y amigos.

Mhm.

No está mal. Valorados en diez mil millones de dólares y un 1 %, eh, para los inversores de la ronda Seed. Y este es un tema que he leído varias opiniones que en realidad, eh, es una putada. O sea, gente que invirtió doscientos millones de dólares, eh, cuando OpenAI todavía no era casi nada.

Invirtieron doscientos kilos ahí con muchísimo riesgo. Han conseguido invertir en la empresa más, eh, importante del siglo, ¿no? OpenAI, con una valoración de medio trillion en, en muy pocos años y solo van a hacer un veinticinco equis.

Bueno, pero porque ha sido muy ineficiente en capital.

Pero, o sea-

Es que la eficiencia del capital lo es todo, ¿eh?

Pero está muy roto. O sea, solo hacer un veinticinco equis, habiendo invertido en la Seed de una compañía que llega a valer medio trillion-

De una compañía que quema pasta por un tubo y que necesita diluirse todo el rato, pues, pues sí.

Pues estos-

¿Pero estos son los que, los que donaron?

No.

Ah, no.

Esto, esto se fue con el viento. Los que donaron no se fue con el viento, ¿eh? Los que donaron, donaron para que existiera la fundación, que sigue existiendo-

Vale, que se ha quedado un porcentaje

...y por cierto, le va bastante bien porque tiene un activo valorado en ciento treinta mil millones de dólares para hacer, eh, AGI Research y el bien de la humanidad y tal.

¿Pero cómo que tiene un activo?

Porque tiene acciones.

Tiene acciones. ¿Cuánto tiene de acciones?

26 %, 26 % de la empresa, que ahora vale ciento treinta billion.

Ah, la fundación tiene un 26 %

Sí. Todo entero-

Con lo cual, El-elon Musk...

Bueno, su dinero ha servido. Es que claro, la fundación no está para ganar dinero, por definición.

Ah, está cierto.

O sea, ha-- está para mejorar la humanidad. Entonces, la fundación que tiene como misión mejorar la humanidad, le va bastante bien a esta fundación, ¿no?

No lo sé.

Tiene un balance de ciento treinta mil millones de dólares. Solo a nivel financiero, tiene recursos para hacer I+D a tope. O sea, los cuarenta millones-

Entonces, tu, tu crítica aquí es que Reid Hoffman, por ejemplo, que puso en la Seed, eh-

Solo han hecho un veinticinco equis

...no sé cuánto, bastante pasta-

Sí

...solo ha hecho un veinticinco equis.

Sí, sí. Y mi otra crítica es, eh-

Pero es que un momento, esto fue hace poco, ¿eh? Esta Seed-

Es que todo es muy rápido

...es una Seed muy curiosa, ¿eh? Porque es una Seed muy tarde.

Pero es antes que ChatGPT.

¿Sí? ¿Sí?

Sí, sí, sí, sí.

¿Seguro?

Los kilos fueron... Sí, sí, sí, sí. Antes que ChatGPT.

Ah, vale.

Y que es mu-- hace muy poco, porque hace tres años, justo ahora, bueno, uno de estos días, hará tres años de ChatGPT.

Sí.

O sea, realmente todo ha pasado muy rápido en general. Eh, pero, pero a mí esto-- a ver, a mí me molesta un poco estas ruedas, ¿eh? De yo te invierto a ti y tú te gastas en mí.

¿Pero por qué te molesta?

Porque me, o sea, porque-

Es-- ma-

...me, me da la sensación de que si se, si se consolidara todo esto, ¿sabes? O sea, me da la sensación de que se están sumando los euros más de una vez.

Pero mira, esto nos lo explicó aquí Carla Reina, que es el, el-

El celebrity

...la persona que lleva Go to Market de ElevenLabs. Y nos decía que él había productizado este concepto, porque él en vez de levantar pasta con, o sea, ElevenLabs, en vez de levantar pasta con business tradicionales, se va a corporate business y les prevende, eh, su servicio, aparte de coger su dinero.

Entonces, está jugando este juego de decir: "Oye, ¿te interesa esto, verdad? ¿Que tal?" Pues se asegura que va a tener un cliente con el cual va a incrementar la RR, con el cual le va a vender luego al siguiente corporate venture capital.

Y, y no solo esto. O sea, piensa que Microsoft y Oracle son empresas cotizadas. Entonces, en la noticia de que Oracle invierte en OpenAI, que es una empresa no cotizada, y OpenAI se gasta trescientos billion en Oracle y doscientos cincuenta billion en Azure, en Microsoft, sube la acción de Microsoft-

Eso es lo que te digo

...con lo cual tiene dinero gratis para invertir en OpenAI.

Eso es lo que te digo.

Pues eso quiere decir que a mí eso me molesta, porque me da la sensación de que si esto se pudiera consolidar, ¿sabes? O sea, que hay como un bucle infinito. Imagínate que se, que se intenta consolidar los bucles infinitos, ¿vale? Lo, lo ejecutas hasta el final y dices: "Vale, ¿dónde está cada euro?" Me da la sensación de que se, se, se haría todo más pequeñito, de que hay mucho valor ficticio ahora mismo-

Pero-

...de un bucle infinito de valor que se cre-- y envidia por ahí también. Envidia y crecimiento.

Pero, ¿por qué? Pero, ¿por qué se tiene que consolidar? O sea, al final, si exis-

Porque no es real. Hay un, hay una parte infinita.

Hace falta que exista un valor originario.

Pero esto es como-

Un valor intrínseco.

Esto es como imagínate que ahora tú y yo, y César, los tres, ¿vale? No, más sencillo, tú y yo, cada uno montamos una startup, ¿vale?

Vale.

Yo monto una startup y, eh, tú montas una startup. Los dos tenemos cero facturación, cero valoración, cero euros. Y yo te digo: "Te voy a pagar diez millones de dólares al año en el servicio de tu startup". Y tú me dices: "Hostia, qué casualidad, yo a ti también te voy a pagar diez millones de dólares al año del servicio de tu startup". Los dos vamos con este contrato a levantar una ronda a veinte veces valoración.

Yo levanto una ronda de veinte millones a doscientos millones de valoración, tú levantas una ronda de veinte millones a doscientos millones de valoración. Hemos creado cuatrocientos millones de valoración de la nada y hemos creado veinte millones de facturación G-

Perfecto, genial

...GTP, ¿vale?

Vale, te digo, te digo algo mucho peor que eso.

Es todo falso.

No, no es falso.

Sí que es falso.

No, no es falso.

Porque no existe.

Es un compromiso contractual de compra de servicios. Pero ¿sabes qué es mucho peor? Ahora imagínate-

Sabes que es falso. En esencia, en mi ejemplo es falso.

Jordi, te voy a contar algo mucho más falso, que es que alguien con un puto PowerPoint, pero con perdón, te diga que va a, a hacer la Sagrada Familia o que va a hacer algo de tal y que tú le metas cincuenta millones de euros o que alguien meta cincuenta millones de euros con el PowerPoint.

Es diferente. Es diferente

O más bestia aún Mil millones de euros. O sea, y, y Subscriber, por ejemplo, ¿no? O Mira Murati o esta gente que ya tiene un track record de no sé qué. No ha hecho todavía nada, no saben ni qué van a hacer, pero van a hacer una ronda y ya tienen valoración de mil millones de euros.

Sí, pero ahí hay otra party, hay otra... hay, hay, hay un tercero, eh, inocente. Esa es la diferencia.

¿Quién es el inocente?

El que invierte. El BC que invierte en Mira Murati no gana nada por invertir en Mira Murati. Se la juega.

¿Cómo que no gana nada?

No, no, no. Si es un bluf, es un bluf y pierde dinero.

El mundo, el mundo del BC siempre ha sido venderle a-

Pero espérate.

Al siguiente el paquete.

No, pero, pero la transacción, la transacción es uno a uno. Mi, mi comentario es cuando la transacción es doble. Cuando yo te doy con una mano y tú con la otra, así a la vez, ¿sabes? Porque-

Pero hay un tercero, que es que, el que compra el valor-

Porque no sabe

...el nuevo RR. Claro que lo sabe.

Bueno, pues eso-

Claro que lo sabe, todo el mundo lo sabe

...es un vídeo de consolidar.

O sea, lo sabes, pero, pero si tú estás mirando marcadores agregados donde no sale el específico de cada uno de estos deals, no lo sabes realmente. El BC que te va a invertir sí que sabe exactamente-

Pero quién te dice a mí que cada vez agrega

...o sea, este, este contrato que tienes aquí, que este otro tiene el mismo que tú, eh, aquí estás haciendo algo chungo. Pero el, o sea, el inversor privado, ¿sabes? El inversor, eh, de, de empresa que está en bolsa, em...

Pero tú como inversor en bolsa, ¿qué prefieres? ¿Una proyección o un compromiso multinual-- multianual jurídico y vinculante de compra? Yo prefiero lo segundo, que una proyección-

Pero pagas con tu propio dinero ese compromiso.

Bueno, o lo pago o no lo pago. Y yo soy libre como inversor, pero en cualquier caso-

No, no, no, no eres libre porque va junto, porque es lo que insisto yo. Las dos cosas pasan a la vez. O sea, la empresa que recibe el compromiso de compra, a su vez está dándole dinero al otro para que le compre sus servicios.

Vale, pero esto es a efectos de vender, pero a efectos de comprar, tú le estás dando valor a la acción por el hecho de que tienes unos compromisos de compra.

Sí, y a su vez estás perdiendo valor porque le estás dando dinero a la empresa que te da valor por haber pedido

Vale, y el balance me compensa, me compensa y sigo invirtiendo.

Te compensa un poco como un Ponzi compensa.

O sea, el problema sería que todo esto fuera, eh, no fuera transparente-

Porque hay un primo que viene después y compra

...pero es extremamente transparente.

Bueno, pues esto es la que-- es-esta es la consolidación que digo yo. Esa transparencia-

O sea, aquí, ¿qué puede pasar con eso? Puede pasar-

¿Qué puede pasar? Que no haya nada.

No, pues-

Que todos son los mismos veinte pagándoselos unos a los otros.

No, puede pasar, puede pasar que esta progreso, esta ley de Moore de la AI, que va progresando cada... Que no es ley de Moore, pero bueno, es igual, la ley que sea, que va mejorando los algoritmos, eh, cada, cada año, cada mes o cada semana.

La ley de Carpacci.

Ahí, la de Carpacci.

Esa la acabas de inventar.

Eh, puede ser que haya un día que pare, que se, que, que llegue a un plató, ¿no? Y que deje de ser relevante, que nunca llegue a tener casos de uso, eh, en producción en realidad, ¿no? Y que de golpe-

Oh, no, qué gafe, tío.

¿Eh?

Nada, perdón.

No, pero que podía ser, ¿no? Podía ser que-

Entonces, ¿ahí qué ha pasado?

Que es lo peor.

Ahí qué pasa. Que todas estas proyecciones se desinflan.

Que se quedan ahí, pues.

¿Y quién es el primo? El que ha comprado acciones de Nvidia y de no sé qué y de no sé cuántos con estas proyecciones que se han hecho entre ellos un poco de pajas mentales.

Pero el que paga cinco trillion por Nvidia, o sea, ¿qué es? ¿Una persona que, que piensa que esto se hace con descuento de flujos de caja de los siguientes tres años? No. Ya sabe que es un wor-- un growth stock.

Sabe que es un bluf. Sabe que es un bluf.

Bueno, pues, pues, pues sabe lo que está comprando.

Porque sabes quién paga cinco trillion por Nvidia.

Tú.

Por ejemplo. Y tú, seguramente. Y tú, si tienes un fondo indexado. Si tienes una S&P 500 o tienes un-

Yo no tengo nada indexado.

Quien tenga fondos indexados, que es, mmm, la mayoría de gente que invierte en el-- en capital, eh, está entrando en Nvidia a cinco trillion, porque así funcionan los fondos indexados.

Yo nunca he recomendado a nadie invertir en fondos indexados.

Yo tampoco recomiendo a nadie invertir en nada, ¿vale? Porque es ilegal, además, y no nos dedicamos a esto. Pero quien ha invertido, que es mucha gente, eh, pues, pues depende de que estos compromisos de inversión, pues sean reales y no sea todo una, bueno, burbuja o una espiral que, que-

Nosotros el problema que tenemos-

Da miedo, ¿eh? Da miedo

...el problema que tenemos es que no vamos a enterprise. Porque si, si-

Ah, espérate, ahora me he perdido.

No, ahora estoy pen-- vuel-- voy a factoría.

Ah, vale, vale.

O sea, si yo le vendiera al Fortune 500, estaría co-- tomando notas-

En la cárcel. Estaría en la cárcel.

No, no, estaría tomando notas y pensando cómo aprender de eso, como hizo Carles Reina. O sea, yo en el fondo pienso: Hostia, mmm, pues no está mal-

Sí, sí, sí

...como modo de entender cómo funciona esto, ¿no?

Sí, porque le va a vender, eh, cloud, ¿no? O sea, llega uno y dice: "Oye, te voy a vender cloud, pero tranquilo, que te voy a hacer subir la valoración." Dices: "Coño, lo primero no me interesa, pero lo segundo sí." ¿No? Claro, esto para mí es lo que digo yo que me huele a Ponzi un poco.

No, pero no es cierto. Hombre, no.

Lo pongo al extremo. Lo pongo al extremo.

Ya.

Lo pongo al extremo. Pero-

Pero bueno, eh, o sea, los cloud son un poco así. O sea, los cloud lo que te vienen a ver y te hacen, te hacen firmar compromisos multianuales de gasto, ¿no?

Pero no te suben la valoración.

Bueno, depende.

O sea, yo, me, me insisto, ¿eh? Para mí el compromiso, no tengo ningún problema con el compromiso. Es cuando es ese: yo te doy por aquí y tú me das por aquí.

Es como si te viene AWS y te dice: "Mira, te invierto tres millones y te comprometes a un contrato conmigo-

Sí

...de este año para darme tres millones."

Que esto es lo que se criticaba mucho antes-

Siempre ha sido así

...de las aceleradoras, las aceleradoras de startup. Se criticaba mucho el round tripping, que era este. Es decir: "Yo te voy a invertir cien mil euros, pero tienes que gastarte en mis abogados, que cuestan veinte mil euros, mis oficinas, que cuestan treinta mil euros y mis programas, que cuestan cincuenta mil euros."

Pero es que los corporate venture capitals de Amazon, de Microsoft, ¿qué piensas que hacen? O de Salesforce. O sea, Salesforce, Salesforce, ¿qué hace? Pues, eh, te vende-

Sí, pero no sé si las cantidades que estamos hablando son las mismas, ¿eh? O sea, aquí estamos hablando de contratos de trescientos billo-billones.

Bueno, trescientos billion con B. Ese es el extremo. Ese es todo el extremo.

Bueno, pero es que estamos hablando de cientos de billions y de trillions.

Claro. Que todo esto ha ido muy rápido y todo está muy correlacionado. Que esto es un poco una cosa que no se habla quizá suficiente. Parte de la esencia de Silicon Valley, ¿eh? O sea, mucha de la ventaja de Silicon Valley es, es Silicon Valley. O sea, quiere decir que estás en un, en un club de compras-

Mhm

...donde yo te compro lo mío, tú me compras lo mío, yo te invierto en lo tuyo, tú me inviertes en lo mío.

Algunos podrían decir que la mitad del valor de las empresas de Y Combinator viene de aquí, ¿no? De que se compran entre ellas.

Correcto, ¿no? Correcto. Y eso ayuda, porque es un poco el, el depósito de gasolina que te saca a la atmósfera, ¿no? Ese primer push de, de tener un poquito de economía es ficticia

Pero eso te permite un poquito arrancar la máquina, conseguir inversión, contratar empleados y, y aprender un poco de los-- del mercado ficticio en el que vives. Pero también hay quien dice que, que es una burbuja, porque hay mucha economía-

Hablando de burbuja, mira, ¿cuándo, cuándo, cuándo sabes que estás en una burbuja? Cuando pasan cosas como esta. Mira, eh, David, puedes poner el, eh, Bain & Company, eh, explica un caso que, que tienen ellos, que han hecho una due diligence de una, una procese M&A, una compra b-billonaria, no sé, billonaria o, o millonaria, no sé exactamente la cantidad, pero ellos-

Cuando contratas a Bain, eh, es que ya...

Probablemente será mucha pasta. Una empresa de healthcare AI, ¿no? AI native healthcare.

No es obvia.

Ahora es todo-

No es obvia. Desmentimos que sea obvia.

Eh, AI native healthcare. Entonces, va un player a comprar esta, esta, esta empresa, hace la due diligence, contrata Bain, y Bain dice: "Ostra, eh, creo que esta tecnología, esta IP, realmente no es tan diferencial". Pone un equipo a hacer un producto parecido y consigue hacer lo mismo con mejor performance en dos semanas.

Cuestionable también.

Dos semanas.

Cuestionable. Bueno...

¿Eh?

Cuestionable.

Eso es un poco el calentón del momento. Esto te lo hago yo con cursor en-

Pero lo hago en dos semanas, en una tarde.

Sería cuestionable, pero el deal se cayó.

Ya, ya. Sí, sí.

Pero quiero decir, ¿cómo pasas de billions o-- a, eh, hacer algo en dos semanas? ¿Esto es una señal, puede ser una señal de que esto sea una burbuja o que, o que, o que realmente la gente no sepa del valor, el val-- no sepa medir el valor del que estamos hablando? Eh, hay cosas muy raras-

Mhm

...en ese, en este tipo de, en este m-- tipo de épocas o de momentos de inversión, donde se mete tanta pasta en algo que mucha gente desconoce.

Mhm. No sé, estoy pensando en algunos casos que nos hemos encontrado nosotros de clientes que necesitan demostrar a inversores o a otros clientes lo buena que es su AI. Esto cada vez lo estamos viendo más. O sea que mediante evaluaciones, eh, te dicen: "Mira, en estos 10.000 casos, eh, que le he enseñado a mi AI, me ha hecho el no sé cuánto por ciento bien.

Y aquí tienes los datos y te paso el dataset y puedes comprobar tú, puedes hacer el, el, la auditoría de mi AI. Mi AI lo está haciendo bien." Y creo que esto me está pasando ahora mismo con deals como este, donde te viene-

Benchmarks, o sea, un tipo de benchmark.

Pero benchmarks específicos verticalizados.

Hay benchmarks de programación, hay benchmarks de medicina.

Pero es que no hay datasets, eh, estandarizados para hacer este tipo de pruebas, ¿no? Depende del caso.

No, no tienen que ser estandarizados.

Hay algunos.

Ni evals estandarizados. O sea, no, no. Es un problema es ad hoc, ¿no?

Sí, pero no tienen que ser estandarizados.

Vete a saber qué hace este health tech, eh, company, ¿no? Cómo-

Claro, pero la cosa sería, o sea, tú para hacer la auditoría de esto harías un dataset. O sea, la empresa tendría un dataset que ha ido generando con el tiempo de: "Mira, con estos casos te he resuelto tantos bien." Y ahora viene Bain y le das los mismos casos, ¿sabes? Y dices: "Venga."

Chaval, en dos semanas te lo revienta.

Ponte a hacerlo. Y en dos semanas te lo revienta.

Que es lo que dicen.

No creo que sea lo que ha pasado. Me, me sorprendería bastante.

No tenemos más información.

La gente va muy loca, básicamente.

Hablando de trillions, eh, y de burbujas, en la noticia de The Information, donde se hablaba de la nueva reestructuración de OpenAI, Sam Altman mencionaba casualmente que OpenAI tiene financial obligations, o sea, obligaciones financieras, eh, de compromisos para ge-- hacer un data center de treinta gigavatios que ascienden a uno punto cuatro trillions.

Obligaciones financieras. Yo no sé exa-- o sea, entiendo que es contratos y ob-- o sea, eh, trescientos para Oracle, doscientos cincuenta para Azure y en total, que no sé si luz se incluye o no, pero da igual, un uno coma cuatro trillions de obligaciones financieras en compromisos para construir un data center de treinta gigavatios.

Eh...

¿De dónde sale esta pasta?

Bueno, es lo que, que, que, que quizá no sale esta pasta, quizás es todo ficticio.

Pero-

Quizás es todo una espiral de Monopoly.

Da miedo.

El caso de Oracle es aún... A ti que te molestan estos deals, pues el caso de Oracle súmale que su balance está superapalancado.

Sí, sí.

Todo deuda, que el mayor accionista de Oracle está superapalancado otra vez con la misma deuda, que está basado en una serie de compromisos, que están basados en una serie de... ¿No? O sea...

Y en el valor de la inversión que tienen las empresas que...

Sí, sí.

Sí. Sí, sí. No, no. Puede petar en algún momento. Eh...

Esperemos que no.

Esperemos que no. Esperemos que no.

Y por cierto, a todo esto, lo único que no cambia es la demanda de Elon Musk, que lo-- el fiscal general, el, el attorney general de, de Delaware, ha dicho: "Por cierto, hemos hecho todo esto, pero señor Musk, usted tranquilo, que su demanda sigue en pie." Y en marzo tiene juicio.

O sea, se puede revertir. Se puede revertir todo al-antes de ChatGPT. ¿Te imaginas que vuelven todas las transacciones para atrás? Porque esto puede ser, ¿eh?

Y el de SoftBank también, recuperando veintidós mil quinientos millones de dólares. Sam Altman sigue sin tener equity. Deshace el seguir sin tener equity.

Parece que el mundo tech, eh, está habiendo muchos despidos últimamente, ¿no? Esta semana se publicaba-

De repente, ¿no?

¿Eh?

Ha sido como muy de repente.

Ha habido un pico grande ahora, sí.

¿Sabéis, eh, tenéis más información?

Bueno, Amazon creo que es el más grande. Creo que eran 15.000 personas en, en corporate jobs. Que, que, o sea, que especifican el corporate jobs, eh, que significa que no es almacenes y tal. Em, y el mensaje es automatización, IA, eficiencia y, y van de bajada. Sí, sí.

Al mismo tiempo que esa empresa invierte en billions en IA, ¿eh?

Bueno, es que, o sea, es-son los mismos billions. O sea, el, el, el movimiento de la empresa es eficientizar puestos de trabajo con inteligencia artificial, dicen.

Sí, pero, o sea, el neto es inviertes billions, reduces pocos millions. Billions muy inciertos.

Catorce mil empresas. Pocos millions.

Empresas o empleados.

Empleados, sí. Sí, no, no son billions, claramente no son billions.

Y, y los billions en los que inviertes s-s-son muy inciertos, son muy-

Ya

...muy iniciales. No lo sé, eh.

A ver, es muy probable que estas empresas tan grandes les sobre mucha gente, ¿eh? Y esto me lo creo.

¿Cuántos empleados tiene Amazon?

Amazon en general tiene un millón de empleados-

Un millón y medio o así

...y pico, pero no sé cuántos en headquarter. La gran mayoría, obviamente, no están en headquarter.

Mhm.

Pero ponle que sean ciento, doscientos mil. O sea, es un porcentaje bastante grande.

Relevante, sí. Sí, sí.

Es un porcentaje bastante grande.

Yo creo que-

Me estoy inventando, ¿eh? Por cierto, que corregidme en los comentarios

...me sorprendería mucho que hayan reemplazado a estas personas con agentes, ¿eh?

Es lo más probable es que no hiciera falta o que no estuvieran rindiendo-

Exacto

...o que la empresa tuviera un popurrí de prioridades y de proyectos que no iban a ninguna parte-

Mhm

...y hayan... No es que esta gente no estuviera haciendo bien su trabajo, sino que quizá los proyectos en los que estaban trabajando no tenían ningún sentido.

Sí.

Y Amazon ha decidido enfocar y, y hacer las cosas que tenían sentido. A ver, Amazon tiene bastante presión, ¿eh? Porque tienes, por una parte, a Microsoft, que-- hostia, Amazon Cloud, ahora hablo, ¿eh?

Mhm.

Eh, AWS. Eh, Microsoft, que está haciendo todo lo que está haciendo, que no le está yendo nada mal. Ac-acaba de recibir compromiso de ciento cincuenta mil millones de dólares de, de OpenAI. Tienes a Google, que un poquito las mata callando con sus TPUs, que lo hablamos la semana pasada en la tertulia de Madrid, que tiene, eh, el mismo orden de magnitud de TPUs en producción que Nvidia vende en un año-

Mhm

...con lo cual, o sea, es un orden de magnitud bastante, bastante serio. Y, y además tiene su propio modelo y tiene su propia distribución a consumidor y su propio modelo de negocio con los anuncios.

Mhm.

Y Amazon, que un poquito se inventó el cloud como lo entendemos hoy, que sigue siendo el número uno, pero que no tiene ninguna de estas bazas.

Ya. Sí, sí. Es, es como que la ola de la IA, eh, les ha pasado por encima.

No parece ser que sean los que más la están explotando.

Mmm.

Aunque sigue siendo el líder, ¿eh? En cloud, en, en tamaño de negocio, pero, pero no parece que tenga las apuestas más agresivas o que estén teniendo más éxito de momento.

Mmm.

Hay muchos reports. Eh, voy a compartir un report de, que comparte Aaron Levy sobre el ROAI de las empresas más grandes del mundo en IA. Eh, y parece ser el report es de la-

Ese es el Quatu, ¿no?

De Wharton.

Ah, no, este no sé cuál es, porque justo antes de que vinieras estaba leyendo esto.

Eeeh, donde, bueno, este estudio dice que el 65 % de las empresas más grandes, eh, están viendo ya su payoff este año en las inversiones hechas en IA.

Yo antes veía otro report, que lo podemos linkar por si alguien es muy friki, que soy muy friki, de, de Coatue, que es un crossover investor de estos enormes que ha, eh, invierte en compañías privadas y, y cotizadas, que también llegaba por primera vez, por primer año, a la conclusión de que todo el CapEx que está habiendo en IA puede tener sentido.

O sea, llevamos tres años donde estos inversores expertos dicen: "No tiene ningún sentido, no tiene ningún sentido". Y ahora de repente dicen: "Espera, que estamos empezando a ver..." De hecho, usan a Amazon como ejemplo. Estamos empezando a ver si haces la correlación de la mejora de eficiencia de Amazon a todo el Fortune 500, bla, bla, bla, puede amortizarse todo este CapEx que, que está habiendo.

Claro, pero cuando dicen IA es-

El CapEx, el CapEx. O sea, al final, las inversiones que se están haciendo en data centers, en entrenar modelos, en...

Ya.

IA ahora son muchas cosas.

Ya.

Sí, pero me sorprendería-

Todo esto son inputs para ver si es una burbuja o no es una burbuja, ¿no?

Correcto.

Claro, pero la burbuja muy atada a IA generativa. Me sorprendería que muchas de estas mejoras de eficiencia, eh, a día de hoy estén implementadas así. O sea, realmente, si tanta gente está invirtiendo en eso, hay un momento donde dices: "No hay-- la gente no es tan idiota", ¿no? Eh, o sí.

Nunca lo sabes.

En el año 99, ¿no? Podías decir lo mismo de Inter-- de .com y resulta que sí, que eran idiotas la gran mayoría.

No, no eran idiotas.

La gran mayoría.

No eran idiotas en el sentido que está todo en el .com aún.

Hubiera invertido en Amazon.

No.

Que le hubiera ido muy bien.

No, pero, pero-

Pero muchas han desaparecido.

Es lo que decía Andreessen Horowitz de pets.com, ¿no?

Sí, sí.

Eh, la gente decía que había s-- que había explotado la burbuja y no tenía ningún sentido. Y hoy es una categoría, un líder de categoría enorme, ¿no?

Pero Pets-- pero esa empresa desapareció. O sea, la categoría es enorme, pero esa empresa desapareció.

Vale, pero-

Seguro es un tema de timing, no de equivocarse.

Bueno, pero para mí el timing, o sea, la burbuja es el timing. O sea, para mí la burbuja es invertir antes de que sea una realidad.

Mhm.

O sea, eventualmente, las empresas valdrán muchos trillions, sí, pero decir que ya lo vale ahora es cuando te la juegas.

Ya.

Porque si luego hay un reset, claro, bajar-- a ver, imagínate que hay una hecatombe y Nvidia pasa de valer cinco trillion a medio trillion. No sería una abs-- o sea, podría llegar a pasar.

Total.

Claro, volver a llegar a cinco ese cuesta mucho, ¿eh? Hacer un 10 X de ese tamaño.

Mhm.

Entonces, si hay una burbuja, es que una, que, que en general estas compañías bajan muy, muy bruscamente y tardamos muchísimo en recuperarlo. De hecho, este mismo informe de Coatue, que lo compartiremos en, en los comentarios, eh, también hablaba de que los múltiplos de las top 10 empresas son más altos que nunca, múltiplos sobre earnings, el price on earnings-

Mhm

...y que el porcentaje acumulado de toda la bolsa americana o de todos los S&P 500, de las top 10 empresas, es como más del doble que el anterior récord. O sea, eh, creo que era 40 % del S&P 500 era el top 10 empresas, cuando el último all-time high era el veintipoco por cien.

O sea que se está acumulando mucho en muy pocas y cada vez-

Concentrando.

Concentrando.

Price sobre earnings, no sé si es cierto eso, ¿eh? Eh, porque estuve leyendo justo hace poco que en la burbuja de los 2000-

Sí, sí

...eh, hubo empresas como Cisco que llegaron a 343, como una, una locura.

Ese mismo informe tiene esas slide. Es que lo pasaremos y os lo leéis. Pero sí, está muy bien.

Okey.

Está muy bien.

Nvidia me parece que está en 53.

Tienes razón. En, en, en los-- pero no eran las más grandes.

Mhm.

Eran las que tenían el múltiplo más loco-

Mhm

...que no eran las más grandes. Esto comparado a las que tienen más market cap.

Okey.

Eeeh, valen más todavía que, que antes. Pero sí que es cierto que los outliers, como ahora Palantir, ¿no? Palantir tiene el múltiplo más grande de, de todo-

Son cuatrocientos o algo así

...y pues esta, eh, en, en el .com eran-- había muchas de estas, había muchos Palantirs.

Exacto. Sí, sí.

¿Quieres explicar las SPAC de Securitize?

Hombre, yo me gustaría que lo explicara Carlos Domingo.

Correcto.

Que desde aquí si alguien le conoce-

Ese tendría que haber venido ya hace un tiempo y al final, al último momento, no pudo. Eh, pero espero que nos esté escuchando y que la, la próxima vez que venga a Barcelona se pase a vernos.

Sí.

Nos explique la historia de, de Securitize.

Sí, muy bestia. O sea, un emprendedor español, eh, Carlos Domingo, que fue, bueno, ha sido emprendedor, ha montado varias cosas, eh, fue CEO de Telefónica Digital durante bastantes años también y, y fundó Securitize, creo que hace ocho o nueve años más o menos, que ha anunciado que hace una SPAC, que han vuelto las SPACs.

Es SPAC y, y blockchain, ¿eh? Que me viene un poco flashbacks de hace unos cuantos años.

TBT.

Pero es una, es una SPAC, eh... ¿Qué significa? Que se fusiona con una empresa vacía cotizada que tiene dinero con Securitize, que es una empresa llena, con negocio y con clientes y socios y tal, eh, para empezar a cotizar en el NASDAQ con una valoración premoney de uno punto veinticinco billion de dólares, o sea, un, un mil doscientos cincuenta millones de dólares y unos doscientos millones de dólares dentro de las SPAC, que pasaría a ser como el dinero que entra en, en esta transacción.

Eh, Carlos creo que vive en Miami y Securitize es una empresa americana, pero bueno, él es español y, y nos haría mucha ilusión que lo explicaran. Solo dos cosas de datos de, de Securitize que he leído. El último trimestre han facturado diecisiete millones y medio con cuatro coma dos de beneficios y en 2025 tiene una previsión de sesenta y nueve millones de dólares de facturación y 2026 una previsión, que esto hay que verlo, ¿eh?

De, de ciento diez, con lo cual es una valoración de veinte veces facturación de este año. O sea que para ser un... una empresa cotizada, pero bueno, está creciendo, eh, es rentable y, y parece que hay, hay, hay mucho interés de inversor institucional.

¿Puedes explicar qué hace?

Eh, César, a-ayúdame porque hemos estado intentando... Es que no somos de este mundo.

No, la verdad que-

En general.

Todo lo que es-

Pero qué mundo sales.

Exacto. No somos de este mundo aplica en cualquier contexto, ¿no? Eh, o sea, Securitize ayuda a los asset managers, los gestores de productos de inversión, a tokenizar los activos. Los activos financieros. ¿Qué es tokenizar? Pues hacer tokens para esa cosa.

Sí.

O sea, tener un mercado, un mercado líquido, ¿no? Transaccional. Líquido, líquido no lo sé, porque depende...

El mercado ya lo hay. En el ban-- o sea-

Líquido, líquido no, no es la palabra, porque, eh, o sea, eh, negociable, ¿no? Que puede negociar. Exacto, tradeable. Eh, no... Líquido implica que hay inversores que quieren-

Pero tradeable también es el NASDAQ o el... o la bolsa española también son tradeable.

Yo es que nunca he entendido esa obsesión con el, con muchos casos de uso de blockchain. Algunos sí, ¿eh? Pero-

Por ejemplo... Muchos, muchos.

No, algunos sí.

Al final es asociar un, un asset real-

Financiero

...financiero.

En este caso.

En este caso. Eh, a un ID, vamos a decir. Un token, eh, que tú puedes transaccionar y, eh, tiene una correlación con el asset del mundo real, ¿no?

Que dices: ¿Por qué no te compraba yo el asset del mundo real? ¿Por qué no iba yo a la web de Banco Santander y te decía: "Aquí tienes un millón de dólares, dame una acción de este fondo?"

Sí, pero es que depende, depende del asset, igual es muy jodido, ¿eh? Eh...

No, pero son a-assets financieros.

No, porque tú, por ejemplo-

Assets financieros.

Esto lo, lo estás hablando antes en la web.

Puede ser muchas cosas.

Pues es muy jodido. O sea, si son, yo qué sé, participaciones de una empresa, puede ser más fácil o más difícil. Eh, pero si tú tienes un token-

Registro mercantil.

Sí, pero es un proceso más largo, más costoso, donde tú igual-

Sí, eso es verdad.

Si tienes...

Los registros, los registros en el blockchain me gustan.

Ya, pero, pero, pero es, pero es que este es el problema. O sea, la mayoría de ca-- la mayor, eh, la mayor cantidad de activos o la me-la mayoría de activos en el mundo real están protegidos por una serie de leyes.

Mhm.

¿No? Si tienes una vivienda, pues tú cómo compras y vendes una vivienda, pues, o una empresa. Si tú eres un socio minoritario de una empresa, pues te afecta a leyes de sociedades de capital que te protegen una serie de supuestos, ¿no? Eh, claro, si tú eres propietario de un token que es equivalente a una participación, o sea, es muy difícil que esto luego tú ejerzas, eh, tus derechos.

Es un problema que ellos resuelven.

Exacto. Yo creo que precisamente lo que ha hecho, sin tener ni idea, como queda claro en este pódcast, de este mundo, lo que ha resuelto Securitize es que la SEC, que es la Security and Exchange Commission, que vendría a ser la CNMV americana, creo que más o menos, eh, la entidad que regula, eh, los mercados financieros, simplificando mucho, ha valora-- ha validado, eh, y certificado la tecnología de Securitize.

Con lo cual respalda-

Ya, pero ¿qué significa a efectos prácticos?

Bueno, que lo respalda, que si Securitize dice: "Este token es de Bernat", eh, pues la SEC dice: "Lo que diga Securitize."

Vale, ¿y este token, por ejemplo, es un trozo de un piso?

No.

Que tiene un derecho de usufructo, un derecho de no sé qué.

Son activos financieros, ¿eh? O sea, son, eh, money market funds y son fondos.

Vale.

Son, son productos virtuales financieros.

Vale. O sea, no son, no son activos del mundo real.

De momento no. Por lo que he visto yo en el deck suyo, que está publicado ahora con las SPAC-

Entonces, ¿cuál es la ventaja de tokenizarlo otra vez?

No lo sé. La verdad que no lo sé.

Porque el activo financiero, como es virtual, tú lo puedes dividir, ¿no? Lo puedes fragmentar, lo puedes vender a trozos.

Sí. A ver, el registro mercantil, por ejemplo, el registro de la propiedad, eh, son, eh, poco prácticos. Son poco prácticos. O sea, dependes de carpetas, archivadores, horarios de oficina, costes para, para sacar informes y tal. Entonces, a mí el concepto de que esto esté en una base de datos es-es descentralizada, eh, que, que, que no requiera, eh, confianza, esto sí que me encaja.

Pero esto es un-- pero esto lo tiene que hacer el Gobierno, ¿no? Porque al final yo quiero a la policía. O sea, a mí el registro-

Si te roban, quieres a la policía, ¿no?

Claro. El registro mercantil sirve para que si, si tú un día imagínate que tú vendes Factorial y a mí no me llega nada, ¿no? Y digo: "Eh, que yo tengo acciones de Factorial". Y tú dices: "No, no."

Yo diré: "¿Quién es este?"

Tú dices: "No, no sé quién es." Claro, yo voy al registro mercantil y digo: "Oye, aquí hay un papelito que dice que yo tengo acciones de Factorial"

Vale.

¿Sabes? Eh, policía. Policía, que aquí hay un papelito que dice que yo tengo acciones de Factorial. Claro, eso no puede desaparecer, pero me gustaría que-

O que si tienes una blockchain, que el registro mercantil está conectado con ella, ¿sabes?

Exacto. Eso. No, que es eso. Que el registro mercantil es un blockchain.

Estás salvado porque le vas a decir a la policía: "No, mira, que tengo un token en ese pendrive."

Y tú apareces por ahí, me pillas el pendrive y te vas corriendo y me quedo con una cara de tonto.

En fin.

Pues no lo sé. Tendremos que invitar a Carlos Domingo para que nos lo explique. Pero bueno, que enhorabuena, porque una empresa en el NASDAQ con un fundador y CEO español, eh, pues no pasa cada día. Con lo cual es una cosa de la que estar orgullosos. Y ven al pódcast, por favor, Carlos, si nos estás viendo.

Muy bien. Oye, lo dejamos aquí. ¿Quieres recomendar el pódcast de Holafly?

Ostras, esto es lo que iba a preguntar.

Nos está petando, ¿eh? Nos está petando.

¿Lo habéis visto?

Yo todavía no.

Ostras, pues es increíble. Es increíble, eh...

He leído muy buenos comentarios.

Eh, bueno, primera vez que en lugar de meterme caña me felicitan los comentarios. Yo no sé qué me tomé ese día, pero en, en mi vida me habían hablado bien en los comentarios y ese día se ve que salió bien.

Se ve que es el invitado.

Conecté mucho con el invitado. La verdad es que me cayó de puta madre, pero conecto casi siempre con los invitados y es un negocio brutal. O sea, eh, muy humildes los emprendedores, con una historia diferente, ¿no? Gen-- bastante frikis, bastante personajes y, y que lo están haciendo de puta madre. Se están hartando de facturar, de crecer.

Tienen un producto que toda la gente que me habla últimamente dice: "Hostia, Holafly, yo soy cliente, va de puta madre." O sea, que es un... Yo lo recomiendo, el pódcast yo me lo pasé teta haciendo el pódcast. Eh, y además, ya te digo, a nivel de personalidad y, y de carisma, eh, especial. Muy, muy especial. No hablamos de la Biblia en este caso, pero hablamos de otras cosas.

Muy bien. Pues nada, gracias a los dos. Nos vemos la semana que viene.