Bienvenidos al nuevo episodio del podcast de Inik.
Esta semana, Jordi y yo tenemos con nosotros a Mark Asens, de
HappyScribe.
HappyScribe es una plataforma que facilita la transcripción y el
subtitulado de contenidos audiovisuales.
Combinando algoritmos del mercado de speech-to-text,
junto con su propio algoritmo, que según dicen,
es mejor que el de Google, consiguen reproducir la voz en
texto de una forma absolutamente fiel, según dice Mark.
Y además, para aquellos clientes que quieran perfección,
tienen también un marketplace de lingüistas que acaban de ser
el retoque final para que las transcripciones sean perfectas.
Lo más interesante de HappyScribe es cómo han llegado a 3,5
millones de euros de ARR con un equipo de menos de 20 personas y
sin levantar financiación.
Mark nos va a contar cómo empezaron de forma muy lean con su
socio, André, en un piso de 20 metros cuadrados compartido como
oficina y cómo han escalado con solo un equipo de 3 ingenieros a
más de 200,000 usuarios en la plataforma de producción.
Y a pesar de que han conseguido llegar aquí de forma tan
eficiente, ahora mismo se plantean incorporar un socio y
levantar capital, supuestamente.
¿Y por qué razones vamos a discutirlo en el podcast?
Así que no os lo podéis perder.
Y este podcast es posible gracias a nuestro sponsor,
que es The Nest, The Web Help.
The Nest ayuda a startups y empresas tecnológicas a
externalizar la experiencia del cliente, lo que ya está inventado
y que ya saben hacer de forma mejor que nadie.
Todo lo que son operaciones, customer engagement, customer
support, community management, gestión del crédito,
moderación de contenidos, etcétera.
Al final, toda startup tiene que encontrar donde está su core
business y centrarse en él.
Web Help tiene call centers por todo el mundo y puede ofrecer
este servicio en múltiples lenguas, en múltiples países.
Y gracias también a nuestro otro sponsor, Factorial,
la plataforma de recursos humanos que permite centralizar
todos los datos en una sola plataforma,
generar automatismos, olvidarse de la burocracia,
permitir que los managers tengan información para tomar
decisiones, que no estén la información en dominios
específicos en finanzas y en recursos humanos y que nadie
pueda acceder a ella.
Abrámosla a los managers y a los empleados.
Recopilemos los datos directamente en el momento en que se
producen y evitemos redundancia.
Muchísimas gracias, Tenest.
Muchísimas gracias, Factorial.
Y gracias también a todos vosotros que seguís compartiendo
nuestro contenido en las redes con vuestros amigos,
que nos dais feedback, que os suscribís en el canal de YouTube
y que comentáis y hacéis todo tipo de aportaciones.
Muchísimas gracias a todos.
Gracias a vosotros.
Seguimos animados a hacer este contenido cada semana.
Y, sin más, os dejo con Mark Asens y la Historia de Happy
Scribe.
Bienvenidos a las historias de Startups de idnick,
un podcast donde hablamos de startups, negocio y tecnología.
Bienvenidos a un episodio del podcast de idnick.
Hoy estoy con Jordi Romero, que tal Jordi.
Y con Mark de Happy Scribe.
Es que no hemos vuelto a hacer, ya no,
no me salía la palabra Happy Scribe.
Explíganos, ¿qué es Happy Scribe?
Happy Scribe es una plataforma online para automatizar la
transcripción y los subtítulos.
Entonces, y los subtítulos.
Entonces, si tú tienes un vídeo de este podcast,
por ejemplo, y quieres la transcripción o quieres
subtítulos para colgarlos en YouTube, vas a Happy Scribe,
subes el archivo, automáticamente generamos una
transcripción.
Y luego tenemos un editor donde tú puedes ver la
transcripción, hacerlo los cambios que pertinentes,
porque si es automática no va a ser perfecta.
Y luego tenemos algoritmos también que lo convierten en
subtítulos automáticamente.
Y todo esto, integramos la transcripción y los subtítulos
en tu flow de trabajo para que sea todo muy, muy fácil.
La transcripción automática es inhumanos.
Entonces, empezamos haciendo transcripción y subtítulos
automáticamente.
Esto fue el primer producto.
Y ahora lo que estamos haciendo es con humanos también.
O sea, la segunda fase de Happy Scribe,
quizá no que estamos ahora, estamos montando un
marketplace donde hay un pull de lingüistas profesionales
repartidos por todo el mundo, donde ellos corrigen
transcripciones, subtítulos o traducción de los subtítulos.
Vale.
Y quién es el cliente y dónde y cómo se sirve esas
transcripciones.
Pues imagínate, por ejemplo, el Departamento de Marketing de
Factorial, nosotros sí.
Esto es una venta, ¿no?
No, no, no, eso es una.
Nos ha acabado.
Nos ha acabado de hablar.
Vale.
Pero en este caso, sí que hacéis bastante contenido, ¿no?
Entonces, si hacéis vídeos que colgáis en YouTube,
podcasts o vídeos para marketing, entonces,
muchas veces es muy importante tener la transcripción para
recolgarla, para hacerlo más accesible o para SEO para que
la gente pueda encontrar vuestro contenido.
Entonces, sin Happy Scribe, este proceso normalmente como
funciones que habría un grupo de personas que ellos escuchan el
audio y se pasan unas cuantas horas escribiendo la transcripción
y luego con un programa de subtitulación cortando la
transcripción en trocitos para que sean subtítulos que sean
de calidad.
Y, de hecho, antes, os estaba hablando con un chico de vuestro
equipo y él me está comentando que esto es lo que él hace
muchas, muchas veces, ¿no?
Y esto es súper...
Painful.
Es súper painful.
Es mucho trabajo.
El ratio de trabajo es para una hora de audio.
Normalmente la gente se está 10 horas haciendo solo la
transcripción y luego se quieren hacer los subtítulos.
Tienes otro multiplicador y si quieres traducir los subtítulos
es todavía otro.
Otra tarea es súper painful, ¿no?
Entonces, lo que pasa en algunas de estas empresas es que
acaban habiendo equipos de becarios o de lingüistas que
hacen todo ese trabajo.
Con Happy Scribe.
De becarios o de lingüistas.
Depende un poco de calidad que se busque.
Esto es lo que nos vemos.
Puede ser de lingüistas becarios.
Se puede usar la combinación.
Vale.
Con Happy Scribe todo esto lo automatizamos.
Entonces, con el producto automático, tú subes el
archivo y con tres clicks y cinco minutos tienes tu hora de
audio, tienes las transcripciones, los subtítulos y
traducción de los subtítulos a 10 idiomas diferentes.
Y si quieres pagar un poco más por la versión premium,
entonces lo enviamos a los transcriptores, a los
lingüistas profesionales, ellos lo corrigen.
Y entonces tú haces tres clicks y ya tienes tu trabajo hecho.
Y tienes todos los documentos.
Ya los puedes subir a tu página web.
¿Y la versión automática sin lingüistas?
Sí.
¿Es gratis?
No.
Tenemos un premium.
Damos unos cuantos minutos gratis.
No es mucha gente lo puede empezar a usar.
Y luego...
Existe el equipo de venta.
Todavía hemos cambiado de sala.
Entonces, estamos en el sales floor de Factorial.
Y bueno, como veis, no paramos de vender como...
Hace 10 minutos estaba escuchando un ring de estos de...
Sí, bueno, estos son los gongs, ¿no?
Sí.
Tocamos cuando hay nuevos clientes.
Pero bueno, continuo, perdón.
Sí.
¿Qué estás haciendo?
Que tenés un premium.
Exacto.
Para las transcripciones.
Sí, tenemos el premium este.
Entonces, si tú quieres transcribir más calidad de minutos
de lo que damos en el premium,
entonces pagas a más o menos unos 10 euros,
10, 12 euros la hora de audio.
Esto con la versión automática.
Es transaccional.
Y es transaccional, sí.
Tú no puedes pagar un tanto al mes
y tener kits número de traducciones incluidas.
Esto no lo ofrecéis.
Ahora mismo, no.
Ahora mismo lo damos transaccional
porque vemos que muchos clientes,
su necesidad es un poco más transaccional.
Sí, son proyectos que tienen,
que tienen picos de proyectos que tienen que transcribir.
¿Cuál es el ticket medio?
Un cliente de promedio que te paga.
¿Te paga un euro, 10 euros o 1.000 euros?
Hay una varianza un poco grande.
El ticket promedio es unos 60 euros.
¿Y esto qué duración es o qué paquete es?
Con 60 euros tienes unas 5 horas de audio.
Pero no es un vídeo de 5 horas.
Quizás un vídeo de media hora con varios idiomas y cosas así.
¿Cómo va?
En la mayor parte de los casos es más transcripción.
La traducción la damos gratuita ahora mismo
y los subtítulos vienen incluidos.
Vale, es un paquete de varios vídeos hasta llegar a 5 horas.
Sí, exacto.
¿La traducción es gratuita, es dicho?
Sí, o sea, con función ahora es que tú subes un archivo de 10 horas
y por el precio de las 10 horas puedes transcribir,
subtitular y traducir.
Y eso es todo incluido.
Y todo esto es machine learning, tecnología propia.
Tanto la transcripción como la traducción,
todo lo habéis hecho vosotros desde cero.
Como empezamos, no.
Como empezamos fue encontrando los proveedores que tenían la
máxima calidad a nivel mundial.
Integrándonos.
Entonces, nosotros lo que apreciamos al principio es que la
tecnología ya estaba en un punto que era útil para las
personas, pero no había producto.
Y cuando empezamos con André que éramos dos estudiantes en
Dublin, esta es la institución que nos encontramos y lo primero
que dices que montamos fue el producto.
Solucionar el problema para gente de a pie que no son ingenieros y
no pueden usar APIs o una de esto.
¿Y es más youtubers o equipos de marketing?
Ahora mismo, la mejor parte de la transcripción es un
problema bastante básico que mucha gente tiene.
Al final lo que está haciendo es pasar audio a texto.
Es muy básico.
Entonces, en nuestro rango de casos de uso tenemos varios y
estamos sobre todo centrados en empresas audiovisuales,
como puede ser YouTubers, la BBC, por ejemplo.
Empresas que hacen contenido de más preparado y que usen
transcripción en diferentes pasos del proceso.
Porque la BBC, por ejemplo, usa la transcripción al final para
crear los subtítulos finales de un documental.
Pero para crear un documental, también tiene que transcribir
todas las entrevistas, si es un documental con entrevistas,
lo transcribe todo para poder buscar y hacer el edit del
vídeo o el documental o lo que sea.
Esto se parece un poco sin la parte de la transcripción a
Descript.
Descript es un producto relativamente nuevo que coge la
edición de vídeo y audio y añade la transcripción como
timeline.
Tú puedes editar, como se hace de toda la vida,
seleccionando un trocito de segundo uno al segundo cuatro o
seleccionando una frase y borrarla o reordenarla y tal.
Es que permite editar vídeo y transcribe.
Una de las grandes gracias de Descript es que generar la
transcripción bastante bien.
Sí, Descript se enfoca en sueto en la edición de vídeo,
usando transcripción y esto te permite usar la transcripción
para editar de una forma así bastante fácil.
¿Y vosotros es más que el output sea la transcripción?
Nosotros nos centramos en transcripción de mucha
calidad, de mucha calidad y en muchos idiomas diferentes.
De mucha calidad, pero hasta ahora era automática.
Hasta hace muy poco.
¿Y con tecnología externa?
Con tecnología externa, externo.
Y ahora, desde hace un año, hemos empezado el Marketplace,
donde ya puedes pedir transcripción profesional y es
una especie de Uber o de Globo de la transcripción.
Y por otra banda, hemos empezado a montarnos nuestros
propios algoritmos y hace una semana que los hemos puesto en
producción, estamos pasando una parte del tráfico de inglés
ya a nuestros algoritmos y ahora esta es parte de la
estrategia, empezar a usar nuestros algoritmos para todo esto.
¿Y cómo llegáis a esta conclusión?
Porque o sea, vosotros decías que el mercado había tecnología
base para poder hacer transcripción,
pero no había producto.
Entonces, creáis el producto y de alguna forma llegáis a la
conclusión de que no hay tecnología base y que lo tenéis
que construir también.
No, o sea, un poco lo que pasa es que inicialmente nos dimos
cuenta de que no había producto porque nosotros queríamos
ser los usuarios.
¿Estábamos en YouTube?
No, pero André, mi cofunder, estaba en la universidad y
tenía que transcribir 10 horas para un proyecto de la
universidad.
Entonces, lo que pasó es que él estaba un día en el
sofá, se estaba quejando de que se pasaría una semana
entera transcribiendo para el trabajo de la universidad.
Yo estaba estudiando Machine Learning en ese momento y
sabía que el estado del arte de Spechotex hacía unos meses
que había empezado a ser, que ya debería ser útil.
Entonces, nos sentamos y hicimos unos hacks,
montamos algoritmos que ya existían,
que eran de bastante calidad.
Los probamos y entonces hicimos un script y nos dimos cuenta
que era útil.
Era útil para André.
Que llevó más de una semana haciendo el script,
normalmente.
El script nos llevó un día.
Ah, vale, vale, vale.
Sí.
Que fue útil para André, para sus amigos y luego se empezaron
a regular el script por la universidad,
hasta que había doctorandos que nos llamaban.
Oye, hemos escuchado eso, el script este que lo pudimos
usarnos, esto se llama muy útil para nosotros.
¿Sabes si es un product market fit?
Ahí de casualidad.
Sí, muy rápido.
Sí, sí.
Y era gente, pero exactamente el caso de uso,
cuál era?
¿Por qué tenía que hacer esta transcripción?
André, él era estudiante.
¿De qué?
Sí, de comercio electrónico, de un máster de comercio
electrónico en la DCU, que es una universidad de Dublín.
Entonces, estaba haciendo un proyecto de investigación sobre
emprendedores sociales, creo.
Y entonces, tenía que entrevistar a varios emprendedores,
hacer transcripciones y luego montar un trabajo,
a partir de eso.
Vale.
¿Y vosotros de qué os conocíais?
Vivíamos en la misma casa.
Yo fui a hacer mi Erasmus.
Pero vos os conocí 6 antes de vivir juntos o?
No.
Ah, fuera.
¿Erais compañero de piso por casualidad?
Exacto.
Yo fui a hacer mi Erasmus de final de carrera ahí a Dublín.
Andrés Teleco.
Yo soy Telecos.
Sí.
De la UPC, de hecho.
Son los archenemigos de los ingenieros informáticos de la UPC.
Yo debería haber hecho ingenieros informáticos,
probablemente, pero bueno.
No pasa nada.
Esta era la rica del problema, que todos acababan dedicándose
lo mismo.
Entonces, es que antes... Bueno, eso es otra venta.
Seguramente es muy importante.
Eustadio es un favorito.
Esto no tiene un sentido, ¿eh?
No, hemos empezado antes de empezar a grabar.
Jordi Romero ha buscado tu nombre en...
Es que me sonaba.
Me sonaba HappySky.
En Gmail.
Y ha salido un mail, un call email que le enviabas a Jordi,
que lo invitabas a no sé qué.
Y en esta frase, legué la frase.
El párrafo primero.
Es un buen ejemplo, yo creo, con tu permiso.
Sí, por favor.
Es un buen ejemplo de call email.
Mucha gente le da miedo a hacer call outreach.
Y el objetivo era, tú estabas haciendo networking,
organizabais una cena y me invitabas a eso.
Una fiesta.
Una fiesta, vale.
Haciendo lo más formal.
Tienes que hacer traducción en tiempo real.
Perfecto.
A ver, 20 centimos al minuto.
Y decía, un mark le escribe a un Jordi, un mail en inglés.
Entonces, ¿qué es el mail?
Hey, Jordi.
Dice, soy Mark Asens, cofundador y CTO de HappyScribe,
con un link a la web.
Dice, después de dropping out, no sé, de dejar la carrera,
con un link a un artículo de The Irish Times,
que habla de cómo tu cofundador montaste un negocio de
transcripción dejando a carrera.
Deconstruí uno de los mayores sets de datos de transcripción
de audio a texto.
Mucho más grande que el de Mozilla y el de Facebook.
Ya hay un link, por si quiero investigarlo.
Construimos un producto usado por 2 millones de personas,
generando un número de ARR, que lo voy a mantener privado,
sin inversión de visis, con un equipo de menos de 10 personas.
Estamos solucionando el problema de la transcripción.
Entonces, nos decía, se ha visto un par de podcast de
idnick y tal, tal, tal.
Pero es un email con mucha información destacando
vuestros wins, lo que os hace especiales.
Y que la verdad es que me sorprendí de que te contesté.
En plan, gracias por tu email, súper conciso y muy bien
escrita, tal, y luego, por desgracia, no puede venir a la
fiesta, pero...
Era una fiesta.
Joder, me invitaste a la fiesta.
Es que tu correo no me encontré.
No encontraste mi correo.
Yo hubiera ido.
No, no, no, no, no sé.
Yo le he dicho el que responde los emails aquí.
De hecho, nosotros nos cruza directly, ¿no?
Sí, nosotros sí.
Nos hemos acabado encontrando.
Pasamos unos meses, pero nos hemos acabado encontrando.
Entonces, el link era de dropping out de la universidad.
O sea, entonces, volviendo a la historia, después de
descubrir este Product Market Fit en la universidad, haciendo
esta transcripción, acabó por dejar la universidad.
Sí, lo que pasó un poco no es que encontramos este Product
Market Fit, hicimos el script y luego, un mes o unas
cuantas semanas después, montamos una página web, que
entonces era como una interficia a este script, porque
cualquier persona pudiera usar la transcripción.
Entonces, lanzamos...
Pero cuando dices, montabas, montasteis, montasteis,
porque tú eres el técnico.
André tiene una parte técnica, aunque él no ha estudiado...
Telecomunicaciones.
Telecomunicaciones, ingeniería, él tiene una parte técnica.
Él, cuando era pequeño, por ejemplo, montó un servidor de
email en su casa, donde dó esto a toda la gente de su casa,
su familia, tenía un correo y había montado el servidor de
correo.
Y eso siempre acaba bien.
Y el color no podía seguir de su casa, pero bueno.
Entonces, con André, realmente tenemos competencias
supercomplementarias.
Yo soy más técnico.
Él es un poco más de business y de diseño,
pero nos complementamos mucho.
Perdón.
Nos complementamos mucho y los dos entendemos lo que el otro es
haciendo.
Entonces, al principio, sobre todo,
cuando había mucho trabajo de una área,
los dos nos podíamos volcar y colaborar mucho.
Fue ese diseño, fuese ingeniería, fuese marketing,
fuese lo que fuera.
Entonces, montamos la página web esta y enviamos unos
cuantos cold emails a periodistas que hablaban de
herramientas de transcripción para otros periodistas y de las
nuevas herramientas.
Y uno de ellos lo probó, le funcionó súper bien.
Y entonces escribió un artículo en un estudio que se llama
Pointer Institute, que de hecho es una revista para periodistas
de Estados Unidos.
Entonces, iba a periodistas, hace muchas entrevistas,
necesiten la revista de transcripción.
Entonces, era un artículo en un sitio conocido súper
enfocado a una parte de nuestros usuarios.
Y en el primer mes tuvimos un shark fin de estos pasantes
heavies, que fue el 4 de mayo.
Y esto ya lo tenías todos el service.
La gente llegaba a vuestra web, subía el vídeo.
Subía el vídeo y recibió un correo con la transcripción del
correo.
Pero sin fichar el subtítulo, al principio era solo
transcripción.
Era solo transcripción.
Muy bien.
Y pagaban.
Entonces, aquí no pagaban, empezamos a tener muchos.
Este shark fin era para nada.
Este shark fin era en Google Credits.
Para nada.
Google Credits.
Exacto.
Entonces, se nos acabaron los Google Credits bastante
rápidamente de la capacidad de proceso.
Claro, porque vosotros costaba dinero, la transcripción.
Claro.
Utilizabais servicios de existentes que os cobraban por
ellos.
Exacto.
Entonces, empezamos en Google Credits.
Nos fuimos.
O sea, ¿el servicio era Google?
Bueno, el producto no.
No, pero la primera API que usabais era Google.
La primera API que usamos de todas fue la de Google, sí.
¿Y la gente por qué no utilizaba Google para hacer eso?
Porque no había producto.
O sea, te tienes que subir un vídeo.
Te tienes que subir un ingeniero y ir a la terminal y hacer
HTTP request a esta API para obtener la transcripción.
Y luego te vuelves la transcripción en JSON.
Entonces, eso tienes que montar para...
No había un uploader.
Porque hoy lo hay, creo.
Sí, hoy hay mil.
Tú puedes en Google mismo te ofrece un uploader y que te
genera la transcripción.
El producto de transcripción en ese momento que resolvía el
problema no existía.
Y nosotros...
Eso es muy Google, ¿eh?
Empezan por la API o por Amazon.
Esa API, sí.
Y luego, pues, tú encuentras cómo usarla, ¿no?
No nos va mal, ¿eh?
No nos va mal.
No sé con la API, ¿esto?
Google.
En general, sí.
Había APIs desde hacía tiempo, lo que pasa es que no
eran útiles.
Por eso, los productos que...
Sí, bueno, no había un producto todavía.
Porque no había pasado el umbral de utilidad donde la
gente empecería a usarlo.
El producto tuyo era un uploader.
Y una llamada a la API.
Y un e-mailer.
El...
La primera semana.
Correcto.
Eso, eso, eso.
Hoy se podría hacer casi todo con NoCode, además.
Hoy 2022, ¿no?
Cuando empezasteis.
No, no, no, no, no, no, no, no es un producto.
Es, es, es, es esa, es esa cosa exactamente.
Quizá, quizá sí.
Podría ser.
Pero es género el producto.
¿Con esto validasteis?
Con esto validamos la necesidad.
Exacto.
Había una necesidad de producto.
De transcribir vídeos.
De mucha, mucha gente que, que tiene, que quería transcribir
y quería una, quería una herramienta automática y no
existía esta, esta herramienta automática.
Entonces, los primeros.
¿Pero automática?
No, porque es un uploader.
Tú tenés que subir el vídeo ¿no?
¿Automática en qué sentido?
De que la transcripción
se genera automáticamente por un algoritmo,
lo que genera una persona humana.
Es al momento, es barato.
Es al momento, es muy rápido,
es muy barato, es, de hecho, un orden de magnitud más barato.
Que tener a personas haciéndolo.
Y es tan rápido, me parece sorprendente,
que decís que tarda la mitad de la duración del audio ¿no?
Ahora es más rápido.
Si mandas un vídeo de media hora, en 15 minutos ya lo habéis transcrito.
Obviamente, el software puede ir muy rápido,
pero parece chocante que puedas transcribirlo más rápido
de lo que dura el audio.
Ahora, de hecho, es más un 10%, que el 50%.
Si, al final, puedes paralizar todo este proceso y ya está, sí.
Entonces, cuando tuvimos el shark fin este de uso,
estamos usando créditos de Google,
nos dimos de alta en...
Si estamos usando la cuenta de André,
creamos mi cuenta y, entonces, quemamos mis créditos.
Cuando se quemaron mis créditos,
creamos la cuenta de la madre de André.
Y quemamos...
¡Cetra, cetra!
Hasta que recibimos un correo de Google que nos decía esto...
¡Os hemos pillado!
Está pasando algo aquí, sí.
Entonces...
Eso es bueno, significa que tenéis volumen.
Sí, que está empezando a hacer tracción, sí, sí.
Cerramos la app y la abrimos una semana después con Stripe integrado.
Hicimos los exámenes finales, porque los tenemos en ese momento.
Y luego de los exámenes finales, integramos Stripe...
¿Lo hiciste en Trapout?
¡Pumpling después!
Vale, vale, vale.
¡No van eso!
Entramos Stripe y nos dimos cuenta que una hora después de integrar Stripe,
la gente empezó a pagar.
Empezó a...
Y cobrabais ya por minuto, ¿eh?
Exacto, sí.
¿Y pagabais por minuto también?
Sí.
¿Y qué cobrabais y qué pagabais ya por minuto?
Sí, creo que cobramos 5 dólares, quizá, por minuto
y pagamos 1,40.
¿5 dólares por minuto?
Sí, algo así.
Claro, ¿eh?
Ahora estáis en 20 céntimos.
¿No?
Perdón, 5 dólares la hora.
Ah, vale.
Vale, vale, vale.
Bien.
Sí, sí.
Sí, y entonces lo del Drapout lo, o sea, no, no fue de la carrera,
sino que después de acabar la carrera, yo empecé a un Master,
que es lo que yo tenía pensado hacer,
y entonces he pasado unos un par de meses del Master,
Javishev está empezando a funcionar,
y entonces, bueno, era la situación esta de que Javishev
iba a pasar ahora, no iba a pasar en ningún otro momento, ¿no?
En cambio, el Master de Intergenterdiputial
que estaba haciendo en ese momento,
lo podía hacer varias en el tiempo y el outcome no cambiaría, ¿no?
Bueno, y podéis hacer el Master de Inteligenterdiputial
en Javishev.
Básicamente, sí.
Y cobrando en lugar de palabras.
Exacto.
Sí, sí, sí.
Que sea lo que mucha gente no entiende, pero bueno.
Sí, exacto.
Y así fue como así.
Y así empezó.
Y el buco fundador, André, ¿no?
Sí, André.
André, ¿es Drapout o dejó a el Master al final o no?
André, acabó el Master.
Acabó el Master.
Sí.
Acabó tanto Drapout.
Bueno, el tuyo.
El mío del Master.
Vale.
Sí, sí.
Vale, es que parece que suma, ¿no? Porque lo resaltaste
en el e-mail, en la e-mail a Jordi.
Sí.
El hecho de ser Drapout parece que suma en el mundo de emprendedor.
Sí.
Es como un plaz.
Sí, bueno, sí.
Es una cosa que a veces cuando cuentas a la gente, ¿no?
De dropada a Drapout, nos entendemos mejor.
Dice, esto es como Marx a Kerber.
Este les va a ir bien.
Sí.
Es curioso que hay cosas importantes.
Hay cosas importantes que no coge la atención de la gente.
Hay otras cosas que no son tan importantes,
porque sí que, bueno, hace que desperta más interés.
Eso de hacer tanta transcripción, lo vais notando, ¿no?
¿Cómo evoluciona el producto, a partir de entonces?
Sí.
Empecéis a cobrar, ¿no?
Metéis una pasada de Stripe.
Sí, metemos la pasada de Stripe,
y entonces empezamos a descubrir los diferentes casos de usos
y ya entender el producto en qué direcciones tenía que ir,
con qué programas se tenía que integrar,
para poder hacer el workflow de transcripción
más fácil para la gente.
Y luego empezamos a entender que no es transcripción solo,
pero que los subtítulos son un problema
que está muy, muy cerca, que son muy importantes,
y la traducción de los subtítulos también.
Estos son tres problemas que están muy juntos,
que la gente muchas veces necesita las tres.
¿Cómo descubreis estos casos de uso?
Hablando con los usuarios.
Primero, metéis el Stripe y ¿quién es el primer cliente?
¿Empecé a pagar la gente? Sí.
¿La gente empieza a pagar? Sí.
¿Es meter el Stripe y la gente empieza a pagar?
Una hora más tarde, tenemos el...
De golpe, escuchamos la notificación de Stripe en el móvil,
que suena como unas monedas cayendo en metálicas.
¿Qué es esto? Y ya había empezado a...
Ya había empezado a pagar muy poco, al principio, pero...
¿Y el primer mes, por ejemplo, cuánta gente pago?
Unas decenas, quizás...
El primer mes quizás hicimos mil euros o algo así.
¿Y de dónde salía esta gente?
¿Cómo llegaban a la web?
Del artículo ese de los periodistas.
El artículo fue unas primeras cosas que hicimos,
y luego otro hack que hicimos es que cuando tú buscas en Google
la Keyword Transcribe Interviews,
transcribir entrevistas en inglés, que son unas Keywords más grandes,
el primer resultado es un foro de ResearchGate,
un foro, el contenido, tú a veces lo puedes editar.
Entonces, subimos una respuesta al foro
de cómo transcribir entrevistas,
haciendo un link a HappyScribe diciendo que éramos dos estudiantes,
acabamos de montar esto y que la gente lo podía probar.
Pedimos a nuestros amigos que hicieran a vote...
Al salir arriba de todo.
Entonces, en cuestión de un día, de golpe,
en el primer resultado de una Keyword Grande,
el primer link que salía, el de HappyScribe,
empezó a ver un stream de usuarios.
Gross hacking de toda la vida.
No, pero es importantísimo estos detalles.
No hay negocio que no empiece con esto.
Unos cuantos trucos de entender a la gente
cómo va a encontrar tu producto y...
Esto es un poco sentido común,
porque ni tu socio erais expertos en SEO.
No, el...
Pero queríais gente...
Esto no es SEO todavía.
No, bueno, ni gross hacking ni nada.
Queríais gente y os buscáis la vida, ¿no?
Sí, con Andrei y todo el equipo,
nuestra filosofía es bastante de aprender las cosas sobre la marcha.
Y tener una mentalidad de estar aprendiendo todo el rato
y estar en curvas de aprendizaje muy...
Como vosotros.
Muy vértigas.
Y ya está.
Es el perfil...
Sí, exacto.
Esto sí, al final no importa tanto el conocimiento
sino la velocidad de aprendizaje,
que puedes llegar muy lejos.
Claro.
Sí, sí.
Entonces, el primer mes, mil euros.
Sí.
Más o menos.
No me acuerdo, pero...
Pero decir, bueno, aquí hay algo.
Sí, exacto.
Aquí hay algo, tal.
¿Y hacéis Dropout ya o ya lo habías hecho?
Pasan...
¿Qué mania con el Dropout?
Es tan importante.
Bueno, es igual.
Me genera curiosidad.
Esto era al final de...
Era justo donde eran las vacaciones.
Entonces, en esas vacaciones nos fuimos con Andrei a casa de su padre,
una casa perdida en la montaña.
Nos pasamos todas las vacaciones programando
y mejorando el producto, el producto va creciendo.
Yo empecé el máster,
hice un par de meses del máster, un semestre,
y entonces ya nos fuimos a vivir los dos juntos a Barcelona
en un piso en el cótico.
Y cuando nos dimos cuenta que ya no podíamos pagar el piso,
aunque era un piso 20 metros cuadrados, dos personas.
Y lo pagabais con la facturación del margen de Happy Scribe.
Sí, lo pagabamos todo con el margen de Happy Scribe.
Y cuando ya empezamos, decimos ya 5.000 al mes, 10.000 al mes...
¿Y sabías constituido como empresa o era en plan personal?
Nos constituimos como empresa unas semanas después de empezar a cobrar.
Vale.
Y de hecho, en Irlanda es guay porque esto lo haces con 300 euros
y unos cuantos cliques en internet.
Es como comprar una, pides una empresa, como si fuera Amazon,
añadir empresa al carrito, pagas 300 euros,
te llevan los papeles a casa, firmas, lo envías y ya está.
Igual que aquí.
Igual que aquí, exacto.
Sí.
Hay muchas facilidades, esto se puede ver bien.
O sea, la empresa es irlandesa.
La estructura, como está montando ahora,
la empresa Matriz es irlandesa y ahora tenemos una SL española
para tener todo el equipo.
Sí.
O sea, es trastasís a Barcelona.
Acabamos montando el equipo en Barcelona, sí.
Al principio...
Y la matriz que lo hubierais podido mover también, ¿no?
Lo hubiésemos podido mover,
pero...
Me teníais cariño.
Sí.
También hay impuestos bajos en Irlanda.
No, porque si tienes todo el equipo en Barcelona,
el impuesto de sociedades, o tienes que pagar en Barcelona.
Tenemos un esquema de transfer pricing
para realmente pagar los impuestos en Barcelona.
No tiene ventajas fiscales.
Bueno.
Es un lío de mover todas las operaciones
que hemos estado en cosas más importantes hasta ahora.
¿Cómo es un lío de mover todas las operaciones?
De mover la empresa Holding.
Si mueves la Holding a Barcelona,
todas las herramientas, el Stripe, todo esto,
lo tienes que cambiar todo, ¿no?
Porque funciona con una empresa de frente.
Pero el NIF.
El número de cuenta.
Sí, sí, el NIF.
Tampoco.
O sea, habéis hecho un algoritmo de inteligencia, ¿no?
Sí, parece esto lo más...
Sí, pero uno de nuestras filosofías es
centrarnos en lo más importante.
Foco a tope.
Sí, esto está autofocus, tiene cero atención.
Las nómines las pagáis, ¿no?
El pagar nómina, hacer cosas impuestos.
Sí, por supuesto.
No, no, pregunto.
Entonces, ¿cómo evoluciona el negocio, no?
¿Qué año era?
Empezamos en 2017.
Entonces, esto 17 acabando para 18.
¿Y el 18 qué pasa?
¿Hacéis más producto? ¿Facturáis más?
Hacemos más producto. Empezamos a facturar más.
Hacemos... Contratamos las primeras personas.
Y una de las cosas que nos damos cuenta es que...
Empezamos a descubrir un poco la estrategia
que hemos estado ejecutando desde entonces, ¿no?
Donde la primera fase era crear el producto automático
y etcétera.
La segunda fase era crear el producto perfecto
con el marketplace de personas y todo esto.
Usar los recursos de hecho que hemos acumulado
en la primera fase para pasar a la segunda fase.
Y la tercera fase es usar el dataset
y todos los datos de transcripción muy precisos
que se generan a partir del producto de transcripción
para crear nuestros poes algoritmos.
Y, de hecho, nuestro objetivo es crear algoritmos
que superen la precisión de una persona
o incluso de varias personas a la vez escuchando.
O sea, el objetivo técnico de HappyScribe
es solucionar el speech-to-text
y que un ordenador puede escuchar mejor que una persona.
Sobre un objetivo muy cerca del mercado
y muy de producto, de usabilidad,
a un objetivo muy hard, muy tecnológico y muy ingeniería, ¿no?
Por el camino.
HappyScribe tiene dos ramas.
Tiene una rama de producto y la rama técnica,
las dos avanzan conjuntamente y van de la mano.
Es un seteje conjunta.
Porque a nivel técnico hay un hipótesis
que, si queréis, podemos hablar.
No sé, ¿vosotros sabéis un poco de machine learning o...?
Sí, pero habla para la audiencia.
Nosotros no entenderíamos todo.
Pero la audiencia quizás no lo va a seguir.
No.
Somos ingenieros en informática,
pero no somos especialistas en machine learning.
Y la audiencia, seguramente, no tiene ni por qué ser ingeniera.
Sí, totalmente sí.
En los algoritmos que ahora se usan para speech-to-text
y que están revolucionando un poco el espacio,
es machine learning, redes neuronales y ese tipo de tecnología.
Una de las...
Si queréis solucionar una de las cosas que se sabe
de tu algoritmo, es que si tú coces un algoritmo
y empiezas a dar datos, al principio aprende muy rápido
cuando ve de datos y luego va aprendiendo más lento.
Entonces, si tú le das órdenes de magnitud más datos,
va aprendiendo logarítmicamente con la cantidad de datos
que tú le das.
Si tú le puedes dar exponencialmente más datos,
puedes continuar mejorando.
Entonces, si tú tienes un dataset
que crece exponencialmente con el tiempo,
tú puedes mejorar tu algoritmo linealmente con el tiempo.
Esto quiere decir que si mañana podemos tener 10 veces más datos,
podemos mejorar algo un poco más
y si al día pasado tenemos 10 veces más datos, un poco más.
En machine learning, de hecho, la siguiente hipótesis es que
hay tres pilares básicos.
La capacidad de computación
y la capacidad de computación está creciendo exponencialmente
con el tiempo en los últimos años.
Esto es como un pilar que ya está funcionando.
El segundo pilar es los algoritmos.
Cómo de grandes son los algoritmos
y aquí hay métricas como número de parámetros de los algoritmos
o número de capas y profundidad,
que lo que vemos es que aumenta exponencialmente
en los últimos años también.
Entonces, tenemos dos pilares que,
en el mundo de la investigación,
ya los está haciendo avanzar exponencialmente con el tiempo.
El tercer pilar son los datos.
Y nosotros creemos que el cuello de botella
para solucionar algunos de los problemas más importantes
son, de hecho, los datos y...
Mire, que Google tiene unos cuantos.
Entonces, una métrica, por ejemplo, que nos da intuición,
es que en el mundo de la visión por computador,
o sea, lo que hace Tesla,
que puede mirar una imagen y reconocer lo que hay,
la revolución...
Bueno, hay un dataset muy grande que se llama ImageNet,
que viene de Stanford,
que en los últimos años se creó en el 2010...
Bueno, se creó hace unos cuantos años
y ha seguido siendo el más grande
y no ha aumentado de tamaño, ¿no?
Entonces, no sé, el cuello de botella están los datos.
Estar en tener una fuente de datos que crece exponencialmente,
que es enorme,
que son datos que representan la distribución real.
Entonces, no solo tener muchos datos,
es tener datos de todos los ejemplos.
De conversaciones. De conversaciones.
De gente hablando. Exacto, en nuestro caso, sí.
Y luego, datos reales.
El dato real es el audio, es el audio de la transcripción.
El audio y la transcripción, perfecta.
Entonces...
Que hace un humano o que la valide un humano.
Exacto, necesitas datos anotados.
Que es lo que Google no tiene. Exacto.
Sí, Google tiene mucho input.
Exacto. Pero no tiene...
No tiene todo YouTube. No tiene una transcripción.
Pero este es input.
Pero no tiene una transcripción valida.
Bueno, sí que la tiene en el fondo.
Porque toda la gente que suba las transcripciones
los acaba subiendo en YouTube.
O en una web que está indexada por Google.
Claro, entonces podría tranquilamente analizar estos vídeos
con transcripciones perfectas.
Tendría que saber que son perfectas, perdón.
Entonces, hay diferentes fuentes para poder crear un dataset
y YouTube podría ser una de ellas.
YouTube es un tipo de datos
que no es la distribución total de la transcripción.
Es un tipo de datos particulares,
porque muchas veces tienen...
Bueno, son de más calidad
o son unos casos de uso específicos, ¿no?
En entrevistas o...
De todo en YouTube.
Creo que se suben más de un billón de vídeos cada día.
Sí.
Hay de todo.
Sí, sí, sí, sí, sí.
Contenido de datos. Esa cantidad de datos.
Nos estás diciendo que falta cantidad de datos.
Exacto.
Estás dicho parámetros, datos...
¿Y qué me has dicho? ¿Y el algoritmo?
En parámetros,
estaba aumentando exponencialmente con el tiempo, solucionado.
En campanada de computación,
estaba aumentando con el tiempo, solucionado.
Faltan datos.
Bueno.
Entonces, en el mundo de la investigación,
en Speech-to-Text,
las bases de datos más grandes que hay,
una de ellas es de Mozilla,
que es lo que había ahí.
Y el otro link del e-mail.
Sí, exacto.
Para resumir, lo que nos dimos cuenta
es que estamos en una posición donde...
Haciendo nuestro trabajo muy bien
y generando transcripción de mucha calidad
y dando valor a nuestros usuarios,
por la otra banda, estamos creando un dataset
que escala exponencialmente
y cuando miramos los tamaños,
era varios órdenes de magnitud más grande
que los dataset más grandes que hay en la investigación
de Speech-to-Text.
Y tenemos unos cuantos datos que nos apuntan
que probablemente es la misma medida o más grande
que los dataset internos que el equipo de Google
usa para entrenar a sus algoritmos internos.
Y eso es porque nuestra aplicación es muy particular.
Tiene una mecánica que es de transcripción, ¿no?
Y un poco la analogía que hacemos a veces es que
en conducción automática
parece que la empresa que va a ganar
y que va a hacer la conducción automática mejor es Tesla,
la cual tiene un equipo de técnico muy bueno,
pero tiene los coches.
Está subiendo el problema de verdad y ve los datos reales.
Si miramos a Waymo y a otras empresas,
son laboratorios muy potentes,
pero no tienen acceso a esos datos.
Y nuestra estrategia es un poco análoga
a la de Tesla por en transcripción y en su duración.
¿Te queréis ganar por tener el mayor número de datos
y de transcripciones correctas?
Mejorará la calidad de la transcripción.
Eventualmente el objetivo de todo esto es que transcriba mejor.
Sí.
En el fondo, lo que estáis haciendo es generar un marketplace
de lingüistas que os ayuden a reemplazar.
A destruirlos.
A ellos mismos.
Parte de su trabajo, probablemente,
estáis automatizando, correcto.
Pero, si van creando datos correctos, al final no harán falta.
Si es muy buena la automática,
no vas a pagar diez veces más por una persona.
Sí, sí, sí.
A eso juegan, ¿no? Los lingüistas entran bien...
Un saludo a los lingüistas que no se estén escuchando.
Les queda poco tiempo de vida, ¿vale?
Esto es un debate para cuántos años
este progreso, cuántos años va a madurar, ¿no?
Y luego, una de las otras cosas que pasa es que,
a medida que la Secretaría de Ud. X es más preciso,
los lingüistas no hacen todo el trabajo en un archivo,
hacen menos trabajo,
entonces el precio de todo el producto es diferente
y hay más casos de uso.
Porque retoquen la traducción automática.
Mejoren la traducción automática.
El mercado de transcripción, de hecho, se hace más grande
y no está claro si...
¿Desaparecen sus puestos de trabajo?
Si esto durante los próximos años va a ser...
Si el tamaño total va a incrementar o va a decrementar.
Esto se va viendo.
Pero, en general, no es perfecto, no es mejor que el humano.
Te has dicho que queréis hacer transcripción mejor que la humana,
pero es una visión.
Es visión, pero es donde estamos enfocados.
Pero es imposible, ¿o no? No, no, no.
No es imposible.
Una pregunta. Ahora mismo, en habiscrype.com,
de las transcripciones y de las traducciones automáticas que hay,
¿qué lo hace el API de Google y qué lo hace vuestro Machine Learning?
Nuestro Machine Learning, ahora, o sea, lo hemos montado hace una semana.
Una semana. Una semana.
Estamos haciendo pruebas, ahora mismo.
¿A vuestro Machine Learning tiene una semana de vida?
En producción, sí.
Vale, en producción.
Si ahora mismo voy a Habiscrype y subo un vídeo,
y si me traduce automáticamente, es vuestro código.
Ahora mismo, si lo pides automáticamente, no.
Estamos... Es Google.
No es Google, es otro proveedor que...
Más barato que Google.
No, mucho más preciso que Google.
Y más barato.
Y más barato, también.
Es de falla. Pero más preciso.
Ahora mismo, lo que estamos haciendo es que toda la transcripción
en inglés que va a nuestro marketplace de transcripción
la está haciendo nuestro algoritmo y la están corrigiendo
los lingües profesionales.
Esto es el tráfico que estamos moviendo ahora.
O sea, ¿tú dices o no lo has dicho antes de empezar a grabar?
Sí.
Que tu algoritmo es mejor que el de Google.
Llevo una semana.
Todo el mismo que llevo una semana es mejor que el de Google.
No es lo único que llevo una semana en producción.
En el mundo del Speech-to-Text, hay un poco como dos divisiones.
Y, de hecho, Google, Amazon y IBM,
el Speech-to-Text de estos proveedores no es de hecho el mejor.
O sea, hay otro grupo de empresas que tienen una calidad
que es bastante mejor, de hecho.
¿Quién?
Súbremente mejor.
Y son empresas como Speechmatics, Assemble.i o Rep.
Los también están Apple, Facebook, todas estas también tienen,
con los Home Assistants y estas historias también tienen.
Sí, aunque es una aplicación diferente.
Porque no es texto largo, es un comando.
Exacto. Sí.
O sea, en una semana habéis hecho algo mejor
que toda esta gente en años y con centenares de millones de dólares de research.
No, no. Lo hemos puesto en producción en la última semana.
Lo hemos estado desarrollando en los últimos meses.
Pero, ¿es mejor o no es mejor?
Entonces, ahora mismo, la precisión que tiene nuestro algoritmo
está en el baremo de los mejores.
Que son estos otros que has dicho, que son especializados.
No me atreves a decir ahora mismo que...
Pero he dicho, ¿eh?
No estábamos grabando todavía.
Mejor que Google.
Bueno, sí, eso... Está bien, está bien.
¿Es mejor, por ejemplo, que una funcionalidad gratis y automática
que son los subtítulos de YouTube? Sí, sí, mucho mejor.
Porque ahora mismo, si tú subes un vídeo a YouTube,
como es de que estáis viendo,
puedes poner subtítulos automáticamente que hace Google.
Los de HappyScribe son mucho mejores que estos.
Sí, sí.
Hay motivos técnicos también, pero...
Porque YouTube hace transcripción para todos los vídeos que les suben.
Entonces, ellos...
Una de las... Aparte de tener que hacerlo preciso,
lo tienen que hacer a mucha, mucha escala.
Entonces, la capacidad de computación que pueden dirigir...
Porque cuesta, lo que hacéis vosotros cuesta electricidad.
Exacto. Nosotros nos especializamos en mucha, mucha calidad.
Para los vídeos, queríamos.
Entonces, vosotros tenéis muchos casos de uso,
por el que, como has dicho, es una tecnología base,
pero os habéis enfocado más a empresas audiovisuales.
Pero potencialmente, podríais abrir divisiones en muchas áreas
y empezar a llamar a gente.
¿Cómo habéis hecho el go-to-market para llegar a clientes?
El go-to-market lo hemos hecho hablando con clientes
y creando un nivel de empatía muy grande con ellos.
Entonces, bueno, y inicialmente nos centramos mucho
en las empresas audiovisuales
y ahora estamos expandiendo un poco en los casos de uso
que están cerca y que son parecidos.
¿Y cuántos clientes tenéis de día hoy?
Clientes... Recurrentes o...
O, bueno, son transaccionales, sobre todo.
Es transaccional, entonces, nosotros, en un mes,
el número de clientes activos son unos 12.000.
El número de clientes total que han pagado en HappyScribe
son 100.000.
¿Y los 12.000 que son, entonces, que tienen recurrentes?
En un mes.
Ah, en toda la historia de HappyScribe.
¿Y cuánto ha pagado un cliente activo, al mes?
Sí, unos 60... unos 60 euros más o menos.
O sea, ¿estáis facturando al mes 720.000 euros?
No, esto no aguadra con lo que me has dicho antes.
No, no, no.
12.000.
Ahora mismo, no.
Ahora mismo, el MRR es unos 300.000 al mes.
Que no es MRR, pero, bueno, es la facturación en un mes.
Exacto.
O que es el recurrente.
Tienen que volver a venir y subir otro vídeo el mes que viene.
Exacto, sí.
Entonces, no es MRR.
Sí, sí, correcto, correcto.
El consumo del último mes son unos 300.000 euros.
Revenido, ¿no?
¿Y, claro, si estáis usando vuestro algoritmo,
¿tienes una pasta? Claro, mayormente es margen.
Empezaremos a ahorrar una parte importante.
Porque, hasta hace poco, tenías un margen bruto.
Los números que has dicho antes tenéis un margen bruto bajísimo, ¿no?
Has dicho que cobrabais dos euros
y costaba un euro... 60.
O algo así.
O sea, que quedaba muy poquito margen, ¿no? 70% de margen.
Todo al principio.
Eso fue al principio.
Luego, a medida que hay que ver,
que me framos el producto y fuimos subiendo precios un poco...
Y el coste se ha mantenido más o menos estable o bajado.
El coste ha bajado.
Sí, exacto.
Porque con más volumen, entonces hemos optimizado un poco más.
¿En qué margen habéis llegado con plataformas de otros?
Un 90%.
Ah, vale.
Es un commonsage.
Sí, sí, sí.
Ahora lo...
Sí que es verdad, ¿no?
Que las cosas que estamos montando ahora,
como el marketplace con personas trabajando
y luego la parte de Machine Learning,
que es una parte de la que se va a poner,
que está trabajando y luego la parte de Machine Learning,
son intensivas de capital al principio, sobre todo.
Entonces, estamos financiando...
¿Por qué intensivas de capital?
Porque en el marketplace de personas,
como tienes a lingüistas corrigiendo,
hay gran parte del margen que lo das al lingüista.
Ah, vale. Y esto lo consideráis inversión en...
O sea, CAPEX.
O sea, ¿lo consideráis una inversión de...?
Bueno, porque en el futuro,
a medida que avance la tecnología,
entonces, hay más trabajo de la transcripción
que se hace automáticamente
y la persona corrige una parte.
Entonces, del 100% del precio, ¿no?
Hay una parte que se está haciendo más automático.
O sea, en este 90%
¿está también la gente que pide traducción validada?
No.
No.
El 90% de margen es el producto automático.
Vale.
Pero estos 300.000 euros no son el producto automático.
Es todo.
Es todo. También las traducciones validadas por personas.
Pero la gran mayoría debe ser el automático, ¿no?
Ahora todavía es la mayoría.
¿Y no puedes utilizar las traducciones pagadas
para entrenar al algoritmo?
Sí.
Sí.
Vale. Entonces, no es CAPEX.
Entonces, no es inversión.
Porque es... Bueno, es también, pero...
Pero es un producto de un servicio que habéis vendido.
Sí. Sí, sí.
Entonces, es muy interesante.
Es un negocio potente, ¿no?
Y... ¿y qué equipo tenéis?
Entonces,
ahora mismo somos 16 personas, creo, en el equipo total.
En la parte técnica, somos tres ingenieros de producto.
Y luego tenemos un equipo de operaciones
que este año hemos montado para llevar
toda la parte de transcripción profesional.
Con lingüistas. ¿Son lingüistas?
Algunos de ellos son lingüistas, sí.
Otros son becarios, como decías antes, ¿no?
No.
Pero coordinan lingüistas externas, imagino, ¿no?
¿Este equipo?
Gran parte de la coordinación se hace en la plataforma,
está automatizada, pero cuando hay problemas y...
Sobre todo.
Entonces, con los lingüistas,
queremos hacer una plataforma que sea...
Que sea muy bien para los lingüistas.
Pero, al final, es un trabajo que ellos hacen
estando en casa
y que puede ser un poco deshumanizante, ¿no?
Si están con una plataforma haciendo correcciones,
cogiendo tareas...
No es lo que nosotros estamos montando,
lo que queremos montar.
Estamos montando una comunidad
donde esta gente también tiene la comunidad
y tiene varios...
Es mucho más interesante.
Gran parte del trabajo que hacen la gente de operaciones
es estar en esta comunidad,
moderar la comunidad, entender qué está pasando
y tener un contacto muy, muy cercano con los lingüistas.
O sea, en total 16 personas.
¿Vuestra vida mensual, o sea, estos 300.000 euros,
generáis margen cada mes?
No habéis levantado dinero, ¿no?
Hasta ahora, se habéis autofinanciado.
¿Y generáis margen?
Sí.
¿Qué vida generáis?
Va cambiando un poco, ¿no?
Porque ahora mismo un 30% por ahí hace un tiempo
era bastante más,
porque cuando sólo hacíamos automático,
había mucho más margen en todas partes.
O sea, ¿vuestras repartís dividendos o no?
Lo re-invertimos todo.
Lo re-invertís todo en la compañía.
Y lo re-invertís en entrenar algoritmo,
por lo que has dicho.
Sí, sí.
Porque en ingenieros, ¿no?
Sí, sí.
En tres ingenieros.
Tenéis, ¿has dicho cuántos usuarios activos al mes?
250.000.
¿250.000 usuarios?
Usuarios, estos son los usuarios freemium y los clientes.
Que los clientes son unos 12.000 al mes.
¿Y este producto lo mantienen tres ingenieros?
Y la parte del producto correcto.
No, no, mantienen, ¿no?
Están haciendo el algoritmo mejor que Google.
Desarrollando el algoritmo.
Hay un equipo de Machine Learning,
que es diferente, que no es el equipo de producto,
donde lo estamos montando ahora mismo, de hecho.
Y ahora mismo, parte de mi tiempo lo estoy poniendo ahí.
Y luego está UlaGay, que es un Machine Learning Engineer,
y estamos colaborando con varias personas,
que son expertos en Speech-to-Text,
que, de hecho, están en Ucraine,
y ahora, los últimos meses,
nos están poniendo a trabajar por la situación que hay ahí.
¿Ustra?
Sí.
¿Y si es consciente de que este producto
lo podéis estar vendiendo por 10% y por 1.000,
con un equipo de vendedores,
potenciando mucho más, invirtiendo en el auto market?
¿O crees que no?
Podría ser. Somos que tienes la oportunidad más B2B.
Parece que existe, que probablemente es muy grande.
Y estamos empezando a montar el equipo de ventas, ahora.
Entonces, si lo que queremos montar es un Product-led B2B,
y eso es lo que estamos ahora viendo, y montando.
Bueno, he dicho que vendéis con mucha empatía, he dicho antes.
Esta frase me ha quedado...
De hecho, ¿cómo hacéis el auto market? Me ha dicho con mucha empatía.
Y eso será el closing. Y luego os he dicho, ¡hacemos SEO!
Claro, pero ¿cómo escaláis? O sea...
¿Habéis captado, has dicho, 100.000 clientes hasta ahora?
Sí.
Sí, la...
¿Cómo hemos crecido hasta ahora?
Ha sido, básicamente, por el boca-oreja y por SEO.
Entonces, sí, el SEO lo empezó a hacer a André,
a entender un poco cómo iba a hacer páginas que hacían target
a las diferentes cosas.
Si buscáis keywords, por ejemplo, mp3 a texto,
probablemente os aparecerá HappyScribe.
Sí, en el footer tenéis varias frases de estas, ¿no?
SRT Generator, Audio2Text Converter, Voice2Text,
Caption Generator, ¿no? Tenéis como las más buscadas
en el que son el footer de la joven.
Por SEO y por PPC.
No, si también hacéis PPC.
Hacemos algunos experimentos de PPC en los últimos meses.
¿Tenéis algún competidor gordo?
Hay unos cuantos.
En el espacio de transcripción hay como tres espacios.
El espacio de las APIs, el espacio de los productos automáticos
y luego el espacio de la transcripción profesional.
Entonces, en el espacio de transcripción automática,
que es donde cuando empezamos
tenemos competidores como Sonics o Trint o Descript.
Y esos son los competidores más grandes.
Y luego, ahora que nos hemos metido en la parte de transcripción profesional,
tenemos competidores como Rep en Estados Unidos
o Verbit, que están en Israel.
Sí, sí, sí.
¿Cómo se gana este espacio?
Sí, parte de lo que es súper importante
es haciendo la tecnología y el producto a la vez.
Porque entonces, una vez generas un flywheel,
donde con más datos tenéis mejor tecnología,
con mejor tecnología tenéis mejor producto.
Y esto, al final, creemos que acabará una situación
de un Winner Takes All.
Entonces, la estrategia es muy importante.
Y luego, nosotros partimos de esta estrategia,
es hacerlo multilingüe desde el principio.
Y tener muchos idiomas a la vez
y empezar a generar los datos sets de dos idiomas a la vez.
Peligroso, en mi opinión.
Si tú crees que es un mercado Winner Takes All,
ser el bootstrapper en ese mercado.
Porque el capital riesgo atonta y tiene muchos defectos,
pero también ahoga mercados.
Si realmente es Winner Takes All, el capital riesgo
es una fuerza muy bestia que tú no tienes
y que algunos de esos competidores que has dicho tienen.
Bueno, pero es verdad que el flywheel...
Yo estoy de acuerdo en una cosa,
el capital riesgo tiene mucha fuerza.
Pero de todos es un Winner Takes All,
sobre todo en este tipo de mercados.
Lo que realmente tiene fuerza es un buen flywheel
que es capaz de generar el propio dinero para crecer.
Pero puedes comprarlo.
No. No.
Se agota. Puedes comprar datos, volumen, ingenieros.
Ya, pero si eres capaz de generar un mecanismo de crecimiento.
Correcto, y mientras tanto.
El bootstrapping es más lento, es indiscutible.
No es necesariamente indiscutible.
En general, sí.
En general, es así, pero no tiene por qué.
Sí, ahora...
Supongo que esto es la conversación que tenéis vosotros en casa.
¿Tabéis ahí en el rótico?
No, no, ya no, ya no.
Ahora no os voy a decir.
Sí.
Nosotros no hemos levantado nada,
porque hasta ahora no nos sentíamos retrasados.
O sea, tenemos cash en el...
Tenemos cash en el...
O sea, no sentíamos que nos estuviera...
Que nos estuviésemos yendo lo más rápido.
Estuvía frenando la falta de dinero.
Frenando, es cierto, sí, sí.
Tenemos cash en el banco y lo que es el factor limitante
era normalmente encontrar a la gente adecuada para...
Bueno, porque si veis la composición de nuestro equipo,
nosotros lo que nos apasiona es montar un equipo de pocas personas
que tengan mucho impacto y mucha capacidad cada una de ellas.
Personas que son bastante generalistas,
que pueden tocar muchas partes, ¿no?
Y un ejemplo es el ingeniero de producto,
que esto quizá vosotros os es familiar,
que es un...
Nuestro tipo de ingeniero entiende el producto,
habla con usuarios,
entiende el roadmap, qué features son importantes,
cuáles no, puede crear features secundarias el solo,
las primarias, las crea con un diseñador, ¿no?
Y luego, además, es full stack.
Puede tocar cualquier parte del stack,
y si es una parte del stack que no conoce,
la puede aprender muy rápidamente.
Es clave, es clave,
sobre todo para los primeros ingenieros que puedes tener
en la startup, tener la gente lo más generalista posible,
¿por qué? Exacto, sí.
Si consigues encontrar estos perfiles con muy poca gente,
puedes tener mucho...
No, mucho impacto, ¿no?
¿Y qué están haciendo tus competidores
que tienen más capital,
que no estáis podiendo hacer vosotros, por ejemplo?
Contrar mucha más gente, ¿no?
O sea, no hay impacto, cosas así.
¿Cuánto venden los competidores?
Vosotros 6,5 millones de euros, que está de puta madre,
sin financiación y un crecimiento espectacular,
¿pero cuánto venden los competidores que tenéis?
Sí, en los competidores automáticos no estamos seguros.
No tenemos muchos datos sobre esto.
Los competidores profesionales,
bastante más que nosotros,
pero también es verdad que hemos entrado hace poco aquí.
Entonces, tenemos que ver ahora a qué velocidad
podemos escalar y esto.
¿Pero ahora es plantéis ir a buscar financiamiento, ¿no?
Yo creo que ahora que estamos empezando a hacer cosas
que son un poco más intensivas de capital al principio,
quizá podría empezar a tener sentido.
Sí, pero esto ha sido en los últimos meses.
Hasta ahora no, para que no se estuviera frenando.
¿Y si vais a buscar financiación, lo vais a destinar a qué?
Hablas de la parte intensiva en capital que es entrenar modelo.
Sí, luego...
Y más ingenieros, de imagino, ¿no?
Sí, más ingenieros,
luego hacer crecer el equipo de Machine Learning
bastante más rápido y luego el equipo de ventas,
quizá escalarlo más rápido de lo que se escalaría orgánicamente.
Esto probablemente sería donde dirigiríamos...
...los recursos.
¿Y ahí es donde se joda la cosa?
Es difícil, entonces, seguir teniendo generalistas.
Cuando empiezo a tener toda la gente,
todo el mundo quiere opinar de todo,
quiere tocar toda la primera, la segunda,
lo has dicho antes, lo has dicho.
Cuando todo el mundo es generalista y escala el equipo,
es cuando empieza a implosionar, ¿no?
Es cuando te ves forzado a empezar a buscar especialistas.
Vamos a dividir el dominio.
Unos que se encargan de esto, otros que se encargan de esto.
Porque es más fácil de gestionar la organización.
Pero es una pena,
porque precisamente esto que tenéis hoy es brutal.
Esta capacidad de gestionar 200.000 usuarios
con tres ingenieros es brutal.
Bueno, hay una decisión filosófica.
Bueno, hay una decisión filosófica
que es, me quedo un millón, dos millones de bit al año
y menos dolores de cabeza,
pero quizá en unos años.
No es necesariamente Jordi, en Melchim, ¿no?
Un billón, cero de los levantados.
Fiqueis interesados.
No tenía un montón de competidores con mucho capital.
Melchim ha estado solo durante muchos años.
Siempre ha habido competidores.
Melchim ha estado en medio solo en muchísimos años.
Aquí no estáis solos.
Hay empresas como...
Hay mucha competencia.
Hay empresas como Basecamp, como Instagram.
Correcto.
Whatsapp con equipos de 50 personas.
Es diferente los caminos que tuvieron, pero bueno, sí.
Basecamp es un buen ejemplo de que han seguido creciendo
sin capital externo con un negocio que a ellos les encanta.
Pero mientras tanto han venido Monday.com,
ha venido Asana, ha venido Smartsheets,
ha venido Workforce, ha venido un montón de empresas
que han hecho IPO y que les han comido un trozo de pastel.
No pasa nada. Ellos siguen siendo felices.
Los trozos son importantes.
No claro, facturan más de 20 veces o 100 veces más que ellos,
pero son felices los fundadores de Basecamp.
Es un camino diferente porque Basecamp es un bicho raro,
donde están B2B, donde normalmente son más sales led,
¿no?, en las empresas B2B.
Instagram o Whatsapp son B2C,
donde ahí sí que un equipo pequeño haciendo las cosas adecuadas,
y no las cosas bien, o las cosas escalas,
sino las cosas adecuadas puede llegar a un mercado enorme, ¿no?
Sí. O sea, ponía Whatsapp en Instagram con ejemplos de equipos pequeños
que consiguen dar mucho impacto, y nosotros creemos que,
o sea, el equipo de... Sí, el equipo con 50 personas
deberíamos ser capaces de alcanzar prácticamente toda nuestra visión.
Quizá si montamos un equipo de ventas, es diferente,
porque el equipo de ventas escala con personas, ¿no?
Pero sacando el equipo de ventas, ya veremos, ¿no?,
pero creemos que ese es el tamaño.
Pero Whatsapp y Instagram levantaron bastante pasta, ¿eh?
Sí, sí.
Sí, cuya, las dos. Sí.
Sí, es verdad.
O sea, no sé... Véscame es un buen ejemplo.
Un ejemplo de equipos pequeños. Sí, sí, sí.
Es muy potente, porque os da una agilidad increíble.
Véscam, si no recuerdo mal, invertí a Jeff Bezos.
Bueno, pero eso fue otro duro. Sí, sí, bueno.
100.000 dólares, creo que invertí hace mucho tiempo.
¿Sí? 100.000 dólares? Sí.
Vale.
Era más para tener el teléfono de Jeff Bezos que otra cosa, creo.
Que no está mal. Sí, sí, sí.
Y además, 100.000 dólares.
Es un buen deal, yo los cogería.
¿Cuál es la oportunidad más grande?
¿Qué es lo que más se preocupa ahora mismo?
Que parece una pregunta de la otra.
Eh...
A ver...
Yo creo que, eh...
André y yo estamos siempre pensando si estamos yendo lo más rápido posible.
Y si no, porque cuáles son los motivos, ¿no?
Esa es la pregunta que estamos continuamente haciendo.
¿Y cuál era la respuesta?
Eh...
Jajaja.
Eh...
A ver, tiene muchos detalles, ¿no?
Yo creo que estamos yendo bastante rápidos,
quizá no lo más rápido posible
y estamos debugueando el sistema donde se puede mejorar.
André y tú, ¿seguís siendo los socios únicos de la empresa?
El...
En la empresa, estamos André y yo en el captable
y luego tenemos una pool de stock options para el equipo.
Y este es básicamente el captable.
Hay una aceleradora francesa, que se llama The Family,
que entramos bastante al principio,
entonces nos ayudaron un poco con Advice y temas de estos,
y ellos cogieron 5%, creo, en ese momento.
Vale. Y entre vosotros, ¿seguís 50-50?
Empezamos así.
Sí, sí.
¿Y seguís? Sí, sí.
Bueno, ahora son 40 y pico, 40 y pico.
Exacto.
Es decir, entre vosotros, ¿seguís siendo 50-50?
Sí.
Vale.
Vale.
Entonces, ahora es el momento en el que estáis planteando
si crecer, si acelerar o no acelerar, ¿no?
Estáis en este momento de...
Es una de las preguntas y, de hecho, creo que,
lo que quizá nos plantearíamos sería levantar con un top tier VC,
porque creo que nos parece bastante atractivo también
alguien que haya visto empresas que hayan funcionado muy bien,
muchas empresas,
bueno, aprender, sobre todo, sobre ellos.
No solo el cash, sino un poco el know-how.
Y que nos hagan... que nos pongan un poco más a un...
que nos hagan aprender más rápido, no es cierto?
¿Y vosotros estáis en... trabajáis en remoto,
estáis en Dublín, en Barcelona?
¿Probamos el remoto? No nos funcionó.
No.
Para nada. No.
Lo que vimos es cuando empezamos en Dublín,
estando los dos ahí en la casa, había una energía
y cuando pasamos a trabajar en Remoto, no estaba.
Y ese es el motivo por el cual montamos toda la empresa super on-site
en Barcelona.
Tenemos una oficina donde todo el mundo va allá
y Andrés se vino a vivir a Barcelona.
Y estamos todos ahí.
Perdón, Matiz, al primer del tema de antes.
Dejaste la universidad porque creías que aprendías mucho más
montando tu empresa y haciendo cosas que de los profesores de la universidad.
Pero en cambio, ahora te planteas meter a un socio
porque crees que aprenderás más de un venture capital
que tú mismo haciéndolo dentro de la empresa.
¿Qué acelerará el...
Es decir, que quieres aprender. El inversor no acelerará.
Inverterá dinero y luego, pues, te puede ayudar a ti
a tomar decisiones, a Andrés a tomar decisiones,
los puede dar contactos y cosas así.
Pero has dicho que lo que te motiva es aprender
de los inversores de un top tier VC.
Pero en cambio, no aprendías en la universidad,
aprendías más haciéndolo tú mismo, ¿no?
Sí. Sí, sí.
Si yo no sé si en vuestro estadio es la motivación principal
en la prender del VC,
pues estáis en un estadio donde podéis pagar
la persona de quien aprender.
Con vuestro vida, hoy, podéis pagar a gente un top dólar.
Y el VC es un inversor, no es un profesor.
Sí, sí, sí, por supuesto.
Pero lo que te puede hacer en VC es presentarte a gente muy buena,
que luego les contratas y aprendes de ellos.
Eso sí que te puede ayudar muchísimo.
Igual que un recruiter que también se dedica a eso.
O tú haciendo call-d-mail, que lo haces muy bien.
Puedes escribir a una persona que sepa mucho
y la contratas y le pagas con el dinero del VC
o con el tuyo si lo tienes mejor, o sea, con el de la empresa
si lo tienes mejor para aprender de ellos.
O sea, yo también, bueno...
Y hablaremos de esto.
¿Tenés estructura de management?
Muy poca. Muy poca.
O sea, vosotros dos sois un poco los maestros de orquestra.
Bueno, un poco lo que cada área es una estructura muy horizontal.
Y luego tenemos una persona que hemos ayudado con la administración,
pero muy poca estructura en general.
¿Y los hiring? ¿Quién nos ha hecho las contrataciones
de estas personas clave generalistas que te tocan todos los palos?
Sí, André y yo, y luego hace ahora unos meses
contratamos a una chica que se llama Claudia,
que es especialista en diversidad,
pero una cosa que nos importa bastante es montar un equipo diverso
y esto si no lo haces bien al principio,
entonces tienes como... es un problema, ¿no?
Porque si no es diverso al principio, luego escala
y es muy difícil hacerlo diverso más tarde.
Entonces, conozcamos a Claudia, que además hace un recruiting
que es mucho de investigación,
de buscar perfiles muy concretos
y hacer mucha investigación de quiénes son los expertos
en cada campo, ¿no?
Y ahora somos... pues nos está ayudando Claudia.
Sí, y bueno, entonces el hiring lo hacemos mucho
por referencias personales.
O sea, hablamos con mucha gente, hacemos muchos cafés.
Cuando conocemos a alguien que nos parece que es una persona muy buena,
le preguntamos con quién le gustaría trabajar a esta persona,
o sea, de todo el mundo que conoce, qué personas concretas
él le gustaría o ella le gustaría cofundar o trabajar.
Entonces, luego vamos a hablar con estas personas.
Y eso lo hacemos recurrentemente.
Mm-hm.
Está muy bien. Es difícil escalar
cuando empiece a contratar mucha, mucha gente, pero...
Pero no queréis contratar a mucha, mucha gente.
Exacto. Exacto.
No, no, está claro. Bueno, que levantáis mucho dinero.
Imagino que parte del dinero irá en gente, ¿no?
Esto ya se verá, este sitio.
Y dices que ahora no habéis hecho marketing.
Bueno, esto no sé si lo has dicho y lo punta por aquí, no sé.
Que no habíamos gastado en marketing, ¿no?
Porque el... Es la frase...
Maldita. Bueno, sí.
Lo que me refería no es que el marketing que hicimos
fue SEO desde el principio.
Y cosas de... Básicamente SEO.
Diferentes herramientas.
Y que son cosas que no tienes que...
Hay que morir mucho capital para hacerlas.
Mm-hm.
¿Tú has tenido alguna referencia emprendedora en casa o en la familia?
O en el mundo.
Sí. En casa, mi padre, cuando él fue...
Cuando él era más joven, él emprendió, intentó hacer varias cosas.
Ninguna de ellas tuvo mucho éxito, pero sí que...
Bueno, probó de hacer varias cosas.
Y yo creo que esto, por lo menos cuando era pequeño,
me enseñó que era una de las opciones.
Que esto era una opción que podías escoger,
si querías hacer, no, podías no escoger, pero...
Sí, que era una de las opciones.
Y desde pequeño me parecía muy interesante.
Y, de hecho, antes de HappyScribe,
intenté montar otra startup que no funcionó.
¿De qué?
Era gestión de documentos en empresas grandes.
Estuve haciendo un internship en el Bully Lab del Fernadrián.
Y ahí, lo que les pasaba,
es que tenían un lío con muchísimos documentos
que tenían que organizar y la gente no los encontraba.
Y entonces, con un compañero, empezamos a mirar a ver si podemos encontrar...
Podemos montar un MVP, que fuese así interesante.
Y nos fuimos unos meses estando en Incubio,
que es una pequeña aceleradora que había aquí en Barcelona,
del hermano de Jack Lee.
Y estuvimos montando un poquito con Ferran,
dándonos un poco de feedback de vez en cuando.
Fue bastante divertido.
No acabo funcionando, no cogimos tracción, ¿no?
Y...
Era una especie de Dropbox o Vox.
Era una especie de Notion.
O sea, el problema lo acaba suficionando Notion.
Y, de hecho, en algunos de los casos...
El concepto es repositorio.
Sí, repositorio y de bases de datos
que tú puedes hacer varias vistas en las bases de datos.
Y linkadas y buscables.
Exacto.
Digo mientras busco en Notion cosas.
O sea, sí, seriamente.
Sí.
Y, entonces, eso lo dejé porque fui a hacer el Erasmus.
Y en el Erasmus es cuando empecé al final del Erasmus.
Empezamos happy, con André.
Con...
Con André.
Siempre os habéis llevado bien.
O sea, os habéis tenido algún momento de...
Es muy difícil cofundar una empresa 50-50 con alguien.
Sí.
De hecho, la mayoría es un caso típico de bloqueo
y que la gente se acaba peleando con los socios, ¿no?
Sí.
¿No es vuestro caso?
No.
Si llegasteis a vivir juntos.
Bueno, empezasteis viviendo juntos.
Empezamos viviendo juntos.
Nos fuimos a vivir juntos durante la temporada.
Ahora no vivimos juntos más.
Ya no.
No, yo creo que tuvimos mucha suerte, realmente, de...
De encontraros.
Hubo un factor de suerte importante porque funcionamos súper bien.
Juntos, somos súper complementarios.
Cuando hay problemas, la manera como los tratamos,
es... Sí, sí, es mucho de...
Bueno, lo hablamos simplemente y ya está, no tiene mucho misterio.
La verdad.
Pero funcionamos muy bien.
Hay una pregunta que hago a veces y que me deje de hacer
y que quiero volver a hacer, que es...
¿Hay algún contenido que tú absorbas habitualmente?
Libro, podcast.
¿Qué te...
¿Qué te impacte de alguna forma?
Sí.
El Startup Library del Y Combinator.
Hay muchos recursos y links a varias gente
y charlas y esto,
lo cual he mirado bastante.
Y luego yo creo que ha sido un...
Bueno, es un proceso de aprendizaje mucho en red.
Descubrir a alguien que es muy bueno en alguna cosa,
ver todo lo que ha escrito.
Y luego ver cuáles son sus referencias.
Y luego ir a ver todo lo que han hecho esas referencias.
Y así bastante.
¿Y alguien en particular?
Los clásicos del Y Combinator, ¿no?
Applegram, Sam Altman...
¿O algún libro?
Sí.
Es difícil hacer esta pregunta sin que te la plantea antes,
porque así en caliente...
Me nunca me salen.
No, no.
Me salen el último que me he leído,
que no es que me he impactado,
simplemente sé que tengo...
Me estoy leyendo ahora la historia de Silk Road.
Vale.
De cómo detuvieron al creador de Silk Road.
Muy bien.
Sí.
Interesante, ¿eh?
Montó un buen pollo este, tío.
Como emprendedor ilegal,
pero como emprendedor montó un buen pollo.
Necesita burro, ¿no?
Te lo he posado tiempo.
Uno que he leído últimamente, que me gustó muchísimo,
fue el Lift Off, que es la historia de SpaceX,
la cual la mire con bastante profundidad.
Y ves la historia de una empresa
que es realmente muy complicado de montar y de hacer que funcione.
Como todo lo que ves...
No parece una empresa normal.
Todo lo que pasa ahí es una cosa muy rara, ¿no?
Superinteresante ese libro, sí. Me gustó mucho.
Muy bien.
Pues lo buscaremos y lo pondremos en la show notes.
Pues nada, Marc, muchísimas gracias por contarnos tu historia.
La verdad es que es espectacular, ¿eh?
Venimos de una semana donde explicamos la historia PAC
con una inversión de 200 millones con Softbank.
En la siguiente semana, oye,
bootstrapping sin levantar un euro
y ahora 3,6 millones de euros de facturaciones.
Estaba espectacular.
Es una buena.
Muchas gracias.
Gracias, Jordi.
A vosotros.
Igualmente.
Y hasta la semana que viene.
Somos un ecosistema de Startups Tech de Barcelona,
creadores de Camalún, Kipu y Factorial, entre otras.
Ofrecemos más de 5.000 metros cuadrados de co-working
a Startups y organizamos eventos diarios
para discutir negocio y tecnología hasta la saciedad.
Desde idnickfund, invertimos en equipos con capacidad
de construir grandes productos y negocios.
Te esperamos.