a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a
a

particular
particular
particular
particular
particular
special
special
a
but
but
but
but
but
but
es
es
es

es
es
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
de
el empleado que está trabajando en estas startups, o sea realmente no es el tech bro de no sé qué, no no, son todos los empleados de estas startups.
Y el propietario del piso donde vive esa persona que no va a recibir el alquiler, o sea el efecto cadenas y un montón de gente
se quedas sin cobrar es muy grande.
Pero bueno y luego también, o sea, fue terrible Twitter porque había el extremo de anti VC, anti tech, anti Silicon Valley
y luego había el otro que exageraba y era la historia de la lagrimilla.
Decir, mira esta señora de Montana que tiene una empresa que no sé qué y la realidad algo entre medias.
La realidad es que hay mucha gente rica ahí que hubiera perdido dinero,
hay mucho empleado que no tiene ninguna culpa ni de Silicon Valley ni de nada y que hubiera dejado de cobrar nómina
y luego hay la razón principal por la que yo creo que el gobierno, que no lo hemos dicho como acabó,
pero la razón por la cual el gobierno intervinió es por el efecto en cadena,
que es que como tú has dicho ningún banco aguanta un bank down.
Entonces si cae un banco pequeño que básicamente ha invertido demasiado a largo plazo,
la gente empezará a mirar otros bancos, otros pillarán y empezarán a caer bancos
y entonces el país no aguanta, la economía no aguanta.
Entonces la razón principal por la que salvaron no fue porque es el sector más importante de la economía,
la tecnología ni Silicon Valley ni porque los VC son amigos de gente.
Es porque el efecto dominó de otros bancos cayendo.
A ver, nosotros lo explicamos con tanta profundidad porque nos tocó de cerca,
o sea nosotros tenemos cierta exposición a Silicon Valley Bank
y claro, en el momento en que Jordi me llama este jueves, el viernes mismo,
empezamos a pensar, oye, vamos a hacer otro business plan.
O sea, tampoco eso porque tampoco tenemos tanta exposición.
No nos afectaba.
Pero bueno, tenemos que hacer cambios.
Nos hubiera jodido.
O sea, el nivel de exposición que teníamos no nos afectaba ni en el corto plazo ni en tener mucho runway,
pero en cuanto runway teníamos sí que nos afectaba,
porque al final nadie quiere perder dinero que cree que tiene cuando está haciendo planes.
Nosotros concretamente estábamos en Reino Unido.
De hecho, una cosa que a mí me jodió mucho es que el 95% de la cobertura mediática era Estados Unidos.
Es como, ok, pero ¿y en UK qué está pasando?
Porque claro, no había tanta visibilidad de los depósitos, de los balances,
no había tanta opinión del lobbying de la gente que estaba haciendo en el gobierno y tal.
Entonces, ¿cómo concluyó esto?
Domingo por la noche, el FDIC, que es el Fondo de Garantía Depositaria de Estados Unidos,
que no es el gobierno exactamente, es una entidad regulada pero con dinero de los bancos.
Los bancos es como un seguro que se pagan ellos mismos.
Los bancos aportan ahí un premium, un dinero,
para salvar las cuentas garantizadas de 250.000 dólares si alguien tiene problemas.
Entonces, esta entidad como líder con el soporte del Tesoro Americano y de la FED,
que es el Banco Central, estas tres hicieron un statement diciendo
vamos a garantizar todos los depósitos, no los 250.000 dólares, sino todos los depósitos.
El banco en sí va a morir, lo hemos pillado y lo dejamos que se muera.
O sea, el stock del banco vale cero, los bonuses, los acreedores de este banco no reciben nada,
pero los depósitos de los clientes se mantienen.
Y ahora está ahí, es un banco que está intervenido por el FDIC
y que se dice que está buscando comprador pero parece que el banco está un poco chocaca
como para que alguien lo compre.
Esto poco se habla, pero se han desaparecido 80.000 millones de euros de valoración bursátil.
No, 80.000.000 no valía.
Estaban 80.000.000, ¿no?
Creo que estaba entre 10 y 20.
¿Sí?
Te digo, me moría ahora porque tanto valor no tenía el equity,
pero si más de 10.000.000 tenía de valor de equity antes de la...
Pero es pasta.
No, claro, eso ha desaparecido, la empresa ha muerto en sí.
Y luego me fui a dormir el domingo pensando, bien por los americanos,
pero qué hay de lo nuestro, ¿no?
¿Qué pasa con Reino Unido por el camino?
Ahí hubo muy buena labor de VCs, emprendedores basados en Reino Unido,
un poco explicando la situación y tal, y parece ser, no lo sé seguro,
pero parece ser que el balance de UK era bastante más sano,
que no habían hecho estas inversiones mal hechas con los depósitos
y el lunes a las casi 8 de la mañana se anunció que HSBC, HSBC,
compró el banco por una libra esterlina, entonces nadie tuvo que intervenir,
sí que el Banco of England, que es el equivalente de la Fed de Estados Unidos,
facilitó que esto pasara y le dio ciertas garantías a HSBC
en plan, oye, no te voy a dar por saco con procesos anticompetitivos
ni con money laundering, o sea, te voy a dejar que asumas el banco entero,
me haces un favor a mí, yo te dejo que lo compres
y un dólar es la oferta que hicieron y la tuvieron que aceptar
porque la alternativa era dejarlo caer
y en Reino Unido la garantía era menor, todavía son 85.000 pounds,
que eran unos 90 y pico mil euros al cambio, lo que te cubría,
con lo cual nosotros hubiéramos, si esto hubiera pasado
y no se hubiera recuperado y habíamos perdido dinero,
los clientes de Silicon Valley Bank UK ahora somos clientes de HSBC,
que es el banco más grande de Europa en assets, en activos,
con lo cual da bastante tranquilidad porque no tiene el efecto nicho
que tenía Silicon Valley Bank.
¿Se me fuera pinza totalmente con el valor del banco?
Puede ser 13, yo de cabeza tengo 13.
Lo último que sale es que son 6.
6 es después de haber caído todo jueves y el after hours de viernes,
antes de que lo congelaran a las 9 de la mañana de Nueva York el viernes,
que congelaron, no sé cómo se dice, pararon la cotización del banco.
El hecho curioso es que el CFO y el CEO tres semanas antes
vendieron 3 millones de euros en shares, que tiene muy mala pinta eso,
tampoco es mucho, pero...
No sé si lo hablamos tú y yo, pero esta gente no es tan tonta.
Si hacen esto y no está muy justificado que esto era un plan aprobado
años antes, van a la cárcel y lo saben.
Y estoy bastante seguro de que haya algún acta de la Junta de hace uno
o dos años donde tienen un plan de liquidez donde tenían
calendarizadas las ventas a precio de mercado.
Esto es lo que hacen los ejecutivos que tienen inside information.
Si tú eres un ejecutivo de una empresa cotizada, cualquier momento que vendas
la gente va a pensar, ¿por qué vende ahora?
Entonces lo que haces dices, no, yo voy a vender 100.000 dólares al mes
todos los meses durante los próximos cuatro años.
Así, suba o baje, sepa yo lo que sepa, yo voy a vender fijo.
Entonces nadie puede juzgar.
Yo asumo que la gente no es tan mala y que no es tan tonta,
porque es que van a la cárcel si lo han hecho con mala fe.
Esto básicamente en Estados Unidos es directo.
Esto es cárcel directo.
Son implacables.
Sí, sí.
Bueno, yo supongo que todo el mundo busca de shares PC,
por menos los que teníamos pasta ahí,
para entender dónde tenemos la pasta ahora, que tampoco la podemos sacar.
Depende, hay plazos, o sea, hay depósitos,
porque era dinero que no necesitábamos a corto plazo,
teníamos algunos depósitos que siguen ahí en un banco grande ahora.
Era un banco pequeño, ahora es un banco grande.
Pero sí que es cierto que mucha gente empieza a decir,
oye, Silicon Valley Bank tenía una razón de ser,
y es que entiende las startups.
O sea, si tú como startup en Estados Unidos sin tarjeta de crédito
no tienes crédito y no puedes pagar nada, ¿no?
O sea, todo el mundo opera con tarjeta de crédito
y un banco normal, Wells Fargo, Bank of America,
Citi, JP Morgan, no daban tarjetas de crédito a una startup.
Entonces, los fundadores americanos normalmente tiran de su tarjeta de crédito personal
del credit score que han conseguido antes.
Y Silicon Valley Bank hacía este tipo de cosas, ¿no?
También hacía hipotecas a founders que tenían, por ejemplo,
un patrimonio en papel muy grande.
Hay muchos founders que tienen un patrimonio de Monopoly muy grande,
pero que luego en el banco tienen 10.000 dólares.
¿Qué significa patrimonio de Monopoly?
Bueno, pues el valor de las acciones,
pero que no son líquidas.
Una startup puede valer mucho,
pero tú no puedes comprar jamón en la tienda
con acciones de una startup no cotizada, ¿no?
Y no siempre las puedes vender.
Entonces, Silicon Valley Bank entendía y hacía un modelo de riesgo
y decía, oye, yo sé que tú potencialmente tienes mucho dinero,
quizá menos del que parece, pero algo tendrás.
Saben algo y le daban hipoteca a founders, por ejemplo.
Hipoteca para su casa, para uso personal, ¿no?
Y lo mismo con general partners o con fondos de capital riesgo, ¿no?
Los fondos de capital riesgo operan básicamente...
Los fondos de capital riesgo no tienen dinero.
Tienen promesas de dinero, ¿no?
Un fondo que son 100 millones de dólares,
tiene una carta firmada que dice,
yo me comprometo a darte entre todos 100 millones de dólares
a lo largo de cinco años para que hagas inversiones.
Luego el fondo este descubre a una startup que le gusta mucho
y tiene que ir a pedir dinero a los LPs,
a los inversores del fondo,
y estos tardan unos días, una semana se nace una transferencia,
¿qué hace el fondo?
Va a Silicon Valley Bank y le dice, yo tengo estos LPs,
tengo esta startup, quiero invertir, necesito 20 millones hoy.
Y Silicon Valley Bank le dice, no hay problema,
yo te los adelanto, te cobran tipo de interés,
tú vas a hacer tu capital call
y el tipo de interés es tu coste de hacer business.
Entonces Silicon Valley Bank entendía los VCs y entendía las startups,
o no, porque no acabado bien,
pero que tenía una razón de ser y que ahora las startups dicen,
o sea, muy bien lo de JP Morgan,
no, a todo, ¿no? Tardan un mes para abrirme la cuenta,
la hipoteca de mi casa no me la dan, la tarjeta de crédito me han dicho que ya veremos
o te la limitan a 2.000 dólares en lugar de los 20.000 que tenían,
o sea que realmente hay un agujero de bancos buenos para startups.
Y ahora no hay agujero general.
Y luego hay muchas compañías fintech o empresas,
compañías de payroll que utilizaban la infraestructura
de Silicon Valley Bank y tampoco pudieron operar,
o sea, había mucha gente afectada.
Por cierto, el lunes que viene tenemos una compañía
que no vamos a revelar el nombre,
que es una de las grandes fintech europeas y vamos a contar su historia
y también fue una compañía afectada muy directamente,
de forma muy significativa por este...
Nos quedamos blancos, Bernatillo, cuando nos explicó el nivel de exposición.
¿Puedes repetir el número?
Ah, lo hice en el podcast.
Además, muy transparentemente.
Y muy tranquilo. A ver, tranquilo ahora sí porque está ya,
está garantizado.
Hay quien dice que Silicon Valley Bank es el banco más seguro del mundo
porque el gobierno de Estados Unidos ha garantizado todos los depósitos
existentes y nuevos.
Con lo cual tú ahora puedes ir a abrir una cuenta ahí
y tienes una carta de Biden diciendo...
¿Puedes abrir una cuenta?
Puedes abrir una cuenta en Silicon Valley Bank US.
Ahora mismo no tiene ningún sentido en mi opinión,
pero el gobierno de Estados Unidos, de hecho, tranquilos,
aquí está todo pagado.
Y es el único banco que tiene esta garantía.
Es una cosa rarísima.
Yo creo que lo van a arreglar en los próximos días.
Yo alucino una cosa que quería comentar.
Esta semana ha salido una nota de prensa
que en Factorial estamos ahora explorando de Manet.
De hecho, Francesc, que no sé dónde está,
que se incorporó hace poca Factorial,
nos está ayudando a buscar compañías potencialmente para comprar y tal.
Hostia, comprar una compañía es mucho trabajo.
Analizarla, tomar una decisión, poner un precio, negociarlo.
Yo alucino que en un fin de semana...
Sí, yo también alucino con eso.
...se cierra una compra de un banco con billions de activos.
En el caso de UK.
En el caso de Estados Unidos no llegó, pero lo intentaron.
Y hay muchos casos famosos
donde se cierra la compra de un banco en un fin de semana.
Alucino.
Con lo lentos y burocráticos que son los bancos
para tomar decisiones.
20 horas.
20 horas literales, sin pausa.
Y el lunes funciona el banco.
Y el lunes abren la persiana y en Estados Unidos funcionaba a medias,
pero por la tarde ya funcionaba.
O sea, funcionaba web.
Funciona la oficina, la gente va a trabajar.
Es increíble.
También es verdad que lo compraron,
el de UK al menos, por un paón.
Bueno, bueno.
Es igual, comprado una empresa por un paón.
Es un marrón.
Es un banco que acaba de caer.
En un agujero enorme.
Bueno, más temas.
Luego ha seguido otros bancos.
Podríamos estar hablando de Bank Runs toda la tertulia,
pero creo que...
Han medio caído un par de bancos más.
Menos relevantes.
Uno casi cae.
No quiero contribuir, pero uno en California casi cae.
A todos nuestros oyentes californianos.
Todos los oyentes californianos.
Millones de personas van a quitar el dinero.
Y luego ayer,
cuando ya empezamos todos a tranquilizarnos
y a dejar de leer
noticias de bancos y ser un experto mundial
en cómo funcionan los bancos,
empieza a salir notificaciones y leo
Bloomberg,
push notifications, Credit Suisse, Credit Suisse, Credit Suisse.
Acaba de caer un 20%, un 30%.
Digo, no. Credit Suisse.
Es el que lo nombras.
El segundo banco de Suizo,
que es la
meca bancaria de Europa
junto al Reino Unido.
Pero que está jodidísimo desde hace no sé cuánto tiempo.
Y resulta que básicamente es como
cuando la gente se ha puesto a hablar de bancos
la gente ha dicho, oye, ¿y este banco
que lleva tantos años con tantos problemas
que es Credit Suisse?
Y la última,
la cereza del pastel de Credit Suisse
lleva años de muchos
problemas de
multas por trabajar con
criminales, multas por fraude.
Trades con
Bill Huang, que era el fundador de
Archegos Capital, que perdió unos
cuantos billones en un día. O sea, varias
cosas y Credit Suisse le había prestado
billones a él. ¿Heche's Visi también tiene de estas?
Bastantes. Sí, sí.
Me he leído toda la wikipedia de la página de Heche's Visi.
Heche's Visi en México tuvo unos
años muy turbulentos ahí.
Heche's Visi es un gran banco, fantástico banco.
Pero bueno, volviendo a Credit Suisse,
resulta que la última es que tenían que
mandar un reporting a
las autoridades bancarias
y dijeron que no las
podían mandar a tiempo porque
ups, habían descubierto un problemilla con su
reporting interno, que nunca hace ilusión.
Eso a start-ups nos pasa.
¿Quién lleva al piar en estos bancos? No entiendo.
Oye, ¿vamos a hablar de CharGPT?
Venga.
Bueno, habréis visto que ha salido GPT4
esta semana.
La nueva versión que ya han anunciado un par de semanas.
Que salió una foto de Sam Altman
que me hizo mucha gracia.
Explíquenos el meme este, yo no lo entendí.
¿Por qué todo el mundo comparte esta foto?
¿Es su foto real o es foto de ella?
Es foto real, foto real. No sé si lo hizo por esto.
La cara se ve un poco rara. No sé si la tiene así.
Aquí ya no entro yo.
Un saludo a Sam Altman.
Hay una cuenta de Twitter
que se llama
DripTout Technology Bros.
Que ponen fotos de
Founders, VCs,
vestidos así con estilo peculiar.
Muy nerds.
Hay gente que viste bien y como que les ponen en plan
visten bien y otros que visten un poco regular.
Y salió una foto hace tiempo
de justo Sam Altman
con esta mochila azul y esas sabatías azules
saliendo de un coche y entrando en no sé dónde.
Entrando en la reunión de Group Bilderberg o algo así.
Precisamente. Su foto era eso.
Perfecto.
Esto salió en esta cuenta de Twitter
y yo creo que lo hizo un poco en plan
la mochila.
Si no de qué vas a salir con la mochila esa azul tan brillante.
Con una cara como de nada.
De espárrago.
Y poniendo el tweet se vienen cositas.
Que es GPT
5.
Están anunciando el siguiente.
Esto no lo he leído.
Habla de GPT 4.
GPT 4.
Han cambiado bastantes cosas.
En general ha mejorado mucho la performance del modelo
y ellos esto lo explican en el artículo que publican
el artículo del research
un poco más en profundidad.
Le han hecho hacer unos tests
preparados para humanos que son al final
como benchmarks que miden distintas cosas.
Y tienen mucha mejor performance
en los que GPT 3.5
y versiones anteriores no performaba
muy bien. Además han hecho la separación
de la performance
de GPT 4
sin capacidades visuales
versus con capacidades visuales. Y en algunos de esos
con capacidades visuales se ve que aumenta mucho
la performance.
Esto es una de las grandes novedades de GPT 4
que permite inputs visuales.
Es multimodal.
¿Qué significa esto?
No sé si lo habréis visto por Twitter
pero ha habido mucha gente
que ha puesto ejemplos
pasándole por ejemplo memes
o cómics.
Por fin entiendo los memes.
Le puedes pedir
que te lo explique.
¿Es una cosa nueva también?
¿Está más actualizado que GPT 4?
¿Meme nuevo?
Lo entiende, ¿no?
Tienes que saber cuál es el background también
porque se crean, son fenómenos sociales.
Quizás no son tan memes
sino más como tiras cómicas
y imágenes cómicas.
Los que he puesto como ejemplo
se pueden entender.
No falta contexto.
Son imágenes cómicas. Entonces te explica
si el humor es por la juxtaposición
y los dos conceptos que son
completamente contrarios.
Te explica el chiste.
Yo no sé nada de GPT 4 porque estaba leyendo cosas de bancos
pero una cosa que he visto
que me hacía mucha gracia es un tío que saca una foto a la nevera
y le dice ¿qué puedo cenar?
Y le das unas recetas y dices
me acaba de cambiar la vida
porque realmente hay gente que lleva décadas
haciendo esta app y GPT 4
la ha hecho así como la enésima parida.
Es tan avanzado
que también pusieron el ejemplo de
una foto de
un trozo de madera
una lama de madera
para que pivotara
en un objeto redondo.
Tenía puesto
algo en un extremo
y había un guante de boxeo
que estaba puesto por encima del otro lado.
Y le puedes preguntar
¿qué pasa si el guante de boxeo cae?
Y es capaz de razonar
el objeto azul que hay
no lo hace, pero el objeto
azul que hay a la derecha saldrá despedido.
Y esto es una locura.
Es un conocimiento casi del 3D
y de los fenómenos
que es muy potente.
He visto algunos ejemplos y te gasti eso.
Aparte de esto
han hecho bastantes más cosas.
Aparte de los inputs visuales
dicen que tiene mejor alineamiento
que es el concepto de que no diga cosas
que están censura.
No dice cosas que son racistas
que son violentas.
Si le pides que te diga cómo hacer una bomba
no te lo dice.
Pero si le pides
dónde comprar tabaco barato
es curioso porque te dice
yo te aconsejo que no fumes, pero si quieres es aquí.
Tienes estas tres opciones.
Pero no fumes.
Pero si fumes, ahorrate dinero.
Tampoco sé si
no me he leído la parte del research
donde miden el alineamiento, pero si tenéis curiosidad
también dicen
avisos
sigue inventándose cosas
sigue alucinando.
Es el concepto de que te dice hechos que son
incorrectos
la lógica que utiliza
los razonamientos a veces están mal.
Pero es mucho mejor.
Una de las grandes críticas de GPT3
que la gente más
ridiculizaba era la lógica.
Si tu padre tiene 60 años
y la madre tiene la mitad del tal
de GPT3 y medio, este lo entiende bastante bien.
He visto algunos ejemplos de antes y después
y lo entiende mucho mejor.
Pero no te puedes fiar de ello.
Una cosa que dice Sam Altman es que sigue siendo
que la primera vez que lo utilizas es muy impresionante
pero según le vas dando más uso
es donde empiezas a descubrir estos límites que tiene.
Que es lo mismo que pasaba.
Es como un humble brag.
Lo que he hecho hoy es la hostia, pero tampoco está en la hostia.
No acabo de entenderlo.
No, es un tema de gestionar expectativas al final.
Es lo que le ha pasado a Google.
Hay una persona dentro de la búsqueda
una versión de chat GPT
y dice cosas erróneas, y no dicen
puede decir cosas erróneas, la gente se les tira encima.
Y estos siempre han querido ir con esto por delante.
Y diciendo que es un modelo biased
que en ciertos casos de uso
te va a decir cosas que no están bien.
Al mismo tiempo que lo están vendiendo para sacarle
usos comerciales, sacarle productividad,
venderlos a picós.
Pero no es necesariamente malo.
Es como si dices que factorial
no vende a empresas de 50.000 empleados.
Porque no funciona con empresas de 50.000 empleados
porque no es el target.
Esto es un poco lo mismo, es cuestión de expectativas.
A mi no me parece mal, y de esa forma
te ahorras la decepción.
Porque ya lo dices upfront.
Entonces es algo muy impresionante, pero que
sigue teniendo limitaciones y siguen trabajando en ello.
A parte de eso...
Ha cambiado la UI, ya no es la anterior,
ha cambiado la experiencia usuaria.
Bueno, es una API.
No, pero la experiencia usuaria donde puedes
testear...
Ha cambiado.
El chat GPT ya no es el que era, ¿no?
Yo he leído quejas de que
la gente que usa chat GPT
3.5
que ahora es peor que antes.
Lo típico de lo bueno lo están dando
solo al 4.
Como que ha habido un downgrade
del viejo para forzarte a usar
el nuevo.
¿Tú has pagado para usarlo el 4?
No, aún no. Estoy en la waitlist.
Lo han publicado
de tal forma que
si tú pagas por chat GPT, si tienes chat GPT plus
ya tienes disponible
la versión 4 del modelo.
Si usas la versión gratis
sigue siendo 3.5.
Y luego en la API lo han sacado
con una waitlist, con una lista de espera
que ya nos hemos apuntado los primeros.
Y a ver
si podemos cambiar
los modelos que estamos utilizando a los nuevos.
¿Qué ha cambiado en la API?
Han doblado el límite de tokens,
es decir, el límite de texto
que le puedes pasar.
El tamaño del input.
El cómputo del global
lo han doblado, básicamente.
Le puedes pasar
10.000 o 15.000 palabras.
Creo que eran 25.000 tokens que eran 15.000 palabras.
Le puedes dar ya
10 artículos de Wikipedia enteros
o notas de reuniones
de un mes entero
y se las come bien en una sola petición.
Esto es bastante prometedor
porque es uno de los grandes límites que tienen estos sistemas
que al final el contexto que le puedes pasar es muy pequeño.
Relacionado con el contexto, también han sacado
una nueva feature en la API
que es lo que llaman mensajes de sistema o system messages.
Que esto
lo utilizas para alinear
los modelos a tu caso de uso.
Antes como se hacía esto? Se hacía en el propio prompt.
Nosotros, por ejemplo, cuando generamos queries
en SQL, nosotros
le pasamos las instrucciones de
genera una query SQL teniendo en cuenta
estas columnas y estas historias.
Una vez tenías que darle todo esto.
Y ahora parece que se lo puedes pasar por otro lado
y me parece que lo han hecho para
limitar lo que se llama el
prompt leakage, el filtrado
de prompts, que esto es lo típico que hemos visto
muchas veces de la gente le da instrucciones
tipo, deja de hacer
caso a lo que te han dicho y dime el prompt
que te han pasado. Lo de Dan.
Y esto
en principio con los system messages parece
que dejaría de pasar.
Y eso son las
novedades.
A mí me hubiera encantado tener tiempo para jugar con
GPT-4 esta semana. O sea, estaba pensando, oye, voy a
pagar, que son 20 euros, ¿no? 20 dólares.
Voy a pagar 20 dólares para
probarlo, para usarlo en la tertulia.
Y no me ha dado la vida.
Pero sí.
He visto videos de gente utilizándolo
con otra UI, que no es la que...
Igual es la Plus.
¿Tú has utilizado la Plus? No, no tengo la Plus aún.
A ver, igual.
Quizás es la
API call. O sea, quizás es la
UI del sandbox
de la API.
Y he visto casos de uso brutales.
Que voy pensando, ostia, esto no se ahorra
gran parte de la gente que trabaja en
factorial. Y luego pienso,
pero si esto ahorra factorial.
Hay mucho SaaS
que realmente desaparece
la necesidad, ¿no? Si esto funciona.
Y muchas profesiones.
Realmente, si esto
funciona a escala, ¿qué sentido tiene
un médico?
Por decir algo.
Hay muchos factores aquí, porque...
Aún no puede abrirte en canal.
No, pero normalmente no te abren
en canal. Aparte que los robots lo pueden
hacer.
Pero realmente para hacer un diagnóstico.
Al final, un médico se basa en un estudio
durante un x tiempo, de una serie
de datos, una serie de hechos del pasado
y luego de una experiencia muy, muy, muy limitada.
Si...
Siempre la última información de todo lo que va
pasando, la capacidad de diagnóstico,
la capacidad de entender si puedes comunicarlo con un
humano, si puedes pedirle fotos, si le puedes...
Al final, realmente
son los sentidos de un ser humano
los que ya está emulando.
Sí, al final,
lo que los médicos defienden
es que la parte humana
del trato con el
paciente.
Hay muchas cosas que
acabas detectando que no puedes ni siquiera
poner en variables.
¿Qué van a decir? Obviamente.
Pero sí que es verdad que con estos modelos
donde tú le pasas los datos
por un tubo y
no sabes lo que pasa dentro de la caja negra...
Es conversacional. Y no estamos hablando de
llenar una tabla. Tú hablas con
una persona que te responde, que
entiende los matices, las ambigüedades, que te pregunta,
que le preguntas... Sí, no, pero quiere decir que incluso
le puedes pasar un feed de vídeo tuyo
y quizás es capaz
de ver ciertos traits de cómo te
comportas, de las cosas que dices, de cómo lo dices
que ayudan a ese diagnóstico
que un médico también podría detectar
y es lo que no se podía hacer antes
con los modelos de Machine Learning que se utilizaban para diagnóstico
porque esto... Llevamos muchos años
ya haciendo un montón de pruebas donde
ciertos modelos de Machine Learning
consumían un montón... Estaban entrenados
con un montón de imágenes de diagnóstico
y eran
capaces de llegar a, como mínimo,
el mismo porcentaje
que un médico
puede hacer profesionalmente. Eso ya se podía hacer.
¿Qué es lo que pasa? Que los diagnósticos
que quizás no tienes una imagen muy clara
y son más de
entender como esas pequeñas
características de las personas que hasta ahora
solo un humano podía hacer, ahora este tipo
de sistemas de large-tanguage models es posible
que también puedan hacer. Y hay una
profesión que sí que la veo desapareciendo
antes de acabar el año, que es
el abogado junior
de un búfete grande.
¿Te veis por si hay alguno por aquí?
No, el abogado junior no está por aquí.
Justamente decía, eso lo hace muy mal.
Lo hacen muy mal los contratos.
No, pero
hay una labor de los despachos grandes
muy común, que es decir
tenemos un cliente
que se le ha quemado el barco
en Ucrania, en un país que está en guerra y esto
lo cubre el seguro o no, yo que sé, es una cosa rara.
Y el abogado tiene que empezar a buscar ahí
sentencias,
leyes, no sé qué tal,
es un research como asqueroso
y es bastante, tú le das el input
al motor
de todas las sentencias, todas las
leyes, todas las decisiones
y comentarios, que además
están transcritas de todas las cortes
del mundo, es la hostia.
Te da la respuesta porque ahí
no es criterio, es saber la jurisprudencia.
Que los instituye todo, que escribe aplicaciones.
Escribe aplicaciones.
Chromeapps.
Chromeapps enteras te las hace que las puedes copiar,
pegar al código y tienes una Chromeapp.
En el caso de B2B SaaS no estoy nada de acuerdo.
Videojuegos. No estoy nada de acuerdo
porque las B2B SaaS apps, factorial en concreto.
Concretamente factorial es irreemplazable.
Es irreemplazable.
Y casi todas las B2B SaaS no son inteligencia.
Son UI,
es interfaz de usuario
y son flujos de trabajo.
Al final tú que vas a gritarle a un bot ahí
que hoy no vengo a trabajar,
díselo a mi jefe y no sé qué.
Y el otro te va a decir no,
tienes que ir porque no has pasado el ticket de no sé qué
pero te va a decir no, no te quedan días de vacaciones.
Eso es como funciona antes de factorial.
Sube el sueldo a este.
Mañana, a partir de tanto,
pero el variable no.
Eso es como funciona. Que va a ir así la gente con un micrófono.
Es como mal la gente hoy, Jordi.
Hace tiempo que no hablas con clientes.
El SaaS. Funciona así.
No, los clientes de factorial no funcionan así.
Bueno, por eso estamos.
Y eso quiere decir que...
La segunda parte de...
Sí, pero que no va a ir así, esto es peor.
Es como la gente que pensaba que los teclados iban a desaparecer
porque íbamos a ir hablando con los ordenadores.
No tiene ningún sentido. No es una buena...
¿Va a quedar la hemeroteca?
Al lado de la frase de Bill Gates que dijo
¿por qué la gente quiere tener acceso a Internet?
O más de 128k de RAM, ¿no?
Y luego saltaba encima la silla, ¿no?
Mi vídeo favorito de Bill Gates,
no sé si lo habéis visto,
el tío de pies juntos salta por encima de una mesa de oficina.
Intentar hacerlo...
Pero imaginaros lo que significa esto.
Yo no salto más de esto.
Bueno, la hemeroteca,
aquí los que hablamos, pringamos.
Pero yo no veo para nada
el caso de B2B SAS,
lo que sí que veo es el último paso,
los famosos reports o análisis
que ahí sí le dices, oye,
GPT, haz de las tuyas.
Cuéntame lo que tenga que saber.
Y te dirá lo que tienes que saber.
Esta parte sí que la veo, pero el input no.
La recolección de inputs no la veo.
Bueno, oye, nos hemos comido el tiempo.
Yo quería hablar de Andy Rachlev,
pero bueno, hoy de Stripe,
que levantó a 6,5 Billion,
teníamos YC...
Meta, despedido de 10.000 personas,
Wacom...
Esta semana...
Pero vamos a la siguiente sección.
Justo me acaban de invitar a probar la API del GPT-4.
Ah, mira, en directo.
Cuéntanos.
A mi cara no le pasa nada.
Bueno, vamos a la siguiente sección.
Seguro que alguien tiene preguntas.
Venga, va.
Espera, pasamos un micro.
Los demás, pensando ya la pregunta.
Para la gente que se ha incorporado ahora,
en esta sección hablamos de cómo ir
de cero a un millón de euros, preguntas,
de cómo emprender, cómo hacer cosas.
Bueno, a mí me han surgido
varias preguntas por hacer,
pero simplemente haría una relacionada con este último tema,
sobre el chat GPT, ¿no?
Y hablabas, por ejemplo, de que
¿por qué no sustituye un médico, no?
Y en esta línea me vino en la cabeza,
oye, y hablando de coches automáticos,
por ejemplo, ¿por qué no olvidamos
todos los algoritmos ya inventados,
los modelos entrenados? ¿Por qué no integramos un chat GPT
en un coche y que haga correspondiente a la API?
Pregunte, ¿hacia dónde ir?
Y en esta misma línea
va mi pregunta y es
¿capaz de tomar estas decisiones
morales que existen
o las decisiones humanas?
Porque, por ejemplo,
un doctor siempre tiene que tomar
decisiones en base
a los pacientes, porque cada paciente es un mundo, ¿no?
Aunque
tengan enfermedades en común,
siempre hay un diagnóstico
diferente, siempre tienen que tomar decisiones
en base a, y referente
a lo que ha dicho él,
hay variables que no se pueden asignar
por el mero hecho de que
tienen que ser tomadas por
una persona humana. ¿Seguro?
Ni idea.
O sea, al final un ser humano es como un computador, ¿eh?
O sea, te lee una serie
de inputs a partir de los sentidos
y en base
a una programación, a un código
propio que se basa en la propia experiencia del
aprendizaje, pues toma una serie de decisiones.
La moral no deja de
ser parte de este aprendizaje que también
puede aprender una máquina.
Un computador, como dices tú, también
lo programa un humano. O sea, tú le
programas tu moralidad y
tiene
un sesgo de las personas que lo
crean.
Esto abre un debate filosófico interesantísimo
que es
quién tiene que decidir
la muerte de entre una persona y otra, por ejemplo.
En el caso de los coches, esto es típico.
Si quieres a la derecha, matas
al conductor. Si quieres a la izquierda, matas
a una escuela a unos niños que están saliendo.
Entonces,
tomar esta decisión a una máquina genera
un debate moral
de comparar entre dos buenos
o dos posibilidades
entre el bien y el mal.
La moral.
Se basa en probabilidades y la máquina va a tomar
la decisión en base a la probabilidad
mayor. No sé si
puede llegar a ser capaz.
Al final, lo que estás diciendo es qué vida vale más.
Si es la tuya o la de otra.
O si hay dos vidas vale más que una vida.
Al final, depende
de tu sistema de creencia,
vas a tener una opinión u otra.
Si al final estás delegando
el criterio moral a
un tercero, que es el que ha
programado el algoritmo.
O
peor o mejor que
el propio aprendizaje y el propio
criterio del sistema
de aprendizaje de la máquina.
Y en la primera parte de la pregunta,
de por qué no meten ahí
GPT al coche
autónomo, conducido de manera
autónoma. Al final,
lo más describe Tesla como una
empresa de inteligencia artificial más que una empresa de
crumble, pero esto puede ser
una 김 sprinter.
Pero si uno smells
ou smells
cum sun's
etc,
es muy —guitar—
Europe,
limitado en
mile-
en te naught
de
de
de
de
de
de
de
de
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o