La información es el motor del progreso.
Los medios son nuestra ventana al mundo
para analizar el presente y entender el futuro.
Los sectores más relevantes de la actualidad
en un espacio de debate y opinión.
Bienvenidos a la Tertulia de Izni.
Bienvenidos a todos a una nueva Tertulia, la primera del 2023.
Ya se nos olvida, hemos pasado dos semanas desconectados
y volvemos, como siempre, los jueves,
donde dedicamos un rato a hablar un poco de la actualidad,
como lo entendemos nosotros,
y también a contestar preguntas a gente
sobre las fases iniciales de los proyectos.
¿Está bien esto? ¿Está muy fuerte?
¿Cómo ir de cero a un millón de euros?
Es una etapa muy difícil, a veces lleva años,
a veces lleva meses.
Y nosotros hemos sufrido, hemos vivido,
entonces aprovechamos los jueves para hablar de este tema.
Bueno, novedades.
Tenemos una lista, hoy Dani no está,
pero tenemos una lista igualmente de temas.
La primera novedad es que es su cumpleaños de César, ¿no?
Un plazo.
Felicidades.
Me lo había dicho.
Me lo estaba guardando yo para la Tertulia.
Bueno, el cierre de la actitud 2022.
¿Cómo ha sido?
No lo sabemos.
No tenéis el cierre hecho.
Nosotros tampoco, ¿eh?
Me imagino que hay menos operaciones.
Las tres facturas ya se han procesado.
Es algo que tampoco estamos priorizando mucho ahora mismo.
El último que tenemos de hecho es de noviembre,
obviamente, y nos costó dos semanas.
Es algo que queremos mirar este año
para tener métricas más actualizadas,
pero es un absoluto drama, realmente.
Otro absoluto drama es el proceso de planificación del siguiente año.
No sé, en vuestro caso, nos dos llevamos casi dos meses
planificando el 2023 en Factorio,
y esta semana ya es la última.
De hecho, mañana vamos a hacer un orhanz
y vamos a presentar a toda la compañía el plan.
Pero es un proceso painful,
y más cuando eres tanta gente.
¿Cómo ha sido el proceso de planificación?
Del año.
El mes que viene no sé ni lo que vamos a hacer.
Es imposible que hagamos una planificación anual ahora mismo.
En el estado en el que estamos, son todo incógnitas.
No tenemos ni una certeza.
Decirte sí, en Q3 vamos a trabajar en estos items.
Es imposible.
¿Tenéis dinero para todo el año?
Sí, sí, sí.
¿Primer paso?
Sí, claro.
Depende de las decisiones que toméis.
A ver, podemos comprar...
¿Cuántas gente sores?
Sí.
¿Qué cuesta una Mourguini?
Depende.
Segunda mano.
Me preocupa que lo sepas, la verdad.
Como inversor en látitos me preocupa que lo sepas.
Tranqui, tranqui.
¿Cómo son los ferrares?
¿Pero hacéis el ejercicio de hacer un plan o no?
Anual, no.
Estamos muy lejos.
Ahora, se trata de ir probando cosas.
Nos sentamos cada mes más o menos
y decimos, ¿vale qué tenemos en ciudad de la mesa,
qué señales hemos escuchado?
Lo que queremos es separar la señal del ruido.
Tenemos, por ejemplo, el producto,
que es lo que llamamos el Entwem,
que lo que permitimos ahora en la actitud,
que de hecho no lo hemos anunciado,
pero está en producción,
es conectarte directamente a tus fuentes de datos
y hacer cruces de esos datos directamente en la plataforma
y preocuparte de todas las tuberías
que hay por debajo.
¿Esto es lo de modern data stack a service?
Sí, correcto.
Una empresa que no tiene modern data stack,
no tiene data leico, data warehouse,
pero tiene fuentes de datos,
no tiene ETLs, no tiene transformadores,
no tiene definición de catálogo de datos,
no tiene nada básicamente, tiene datos.
Solo tiene datos, correcto.
Y vosotros le dais una cosa más o menos plug and play,
que dices, enseñáme dónde están los datos
y yo te doy herramientas básicas un poquito de todo.
Sí, o sea, al final nosotros lo que hemos hecho ha sido...
¿Esto está funcionando ya?
Sí, lo que hemos hecho ha sido decir,
mira, te vamos a montar el stack nosotros,
pero tú no vas a ver nada de esto,
esto va a ser muy opinionado y va a funcionar.
¿Pero lo montáis a mano o está montado hasta service?
No, hasta service.
Vale.
¿Y alguien lo usa esto ya?
Sí.
Y este producto precisamente es donde estamos
escuchando bastante señal.
Entonces, el plan nos hemos sentado literalmente
esta semana y hemos dicho, vale, ¿qué hacemos?
Pues por un lado vamos a hacer el double down
en este producto, vamos a añadir más adaptadores,
vamos a pulir la interfaz,
el onboarding, etcétera, etcétera.
¿Me hace cobrar?
¿Por esto?
No, no.
Pero bueno, sí que vamos a invertir más
en este producto porque hemos visto buena
recepción y a la vez guardamos
una parte del roadmap
para experimentos.
Por ejemplo, ahora vamos a empezar a experimentar
bastante con la API de OpenAI.
Tenemos bastantes ideas
que queremos ver cómo implementar
y esto es lo que hacemos.
No sabemos lo que vamos a hacer
en febrero.
O sea, la gente que nos escuche que tenga datos
y no sepa qué hacer con ellos,
que pruebe lo nuevo que acabáis de lanzar
y que juegue con ellos, que es gratis ahora.
Sí, correcto.
Aunque no te caes una base de datos,
si tenéis un Google Sheet, por ejemplo,
ahora tenemos el adaptador ya construido
y nosotros hacemos toda la ingesta de los datos,
lo ponemos en un warehouse,
pero el usuario no se te preocupa nada de esto,
simplemente de hacer las queries y visualizar los datos.
¿Cuántos sois ahora?
Somos seis.
¿Habéis doblado el equipo en poco tiempo?
No, realmente no.
La última incorporación ha sido este lunes, de hecho,
Ferran, como growth manager.
Ferran que es ex-Kipu.
Todo que en casa.
Pero antes de eso,
la última contratación fue septiembre de octubre.
Si no hubiese salido el edificio para contratar,
una persona, ¿no?
¿Has salido el edificio para contratar una persona?
Correcto, sí, sí.
Bueno, Jordi, ¿quieres hacer un quick update
del cierre y plan 2023 de Factoria?
Pre-compañía y pre-board.
Hombre, no, sin detalles, obviamente.
Sin detalles.
Pero bueno, o sea, hemos
cerrado el año bien.
Diciembre fue un pelín más flojo
de lo que esperábamos, que era muy, muy, muy agresivo.
Ha acabado siendo OK,
pero el año ha ido muy bien.
Hemos hecho
a grandes rasgos,
hemos hecho todo lo que habíamos dicho que haríamos,
que me sorprende
porque, si no me sorprende,
es un cambio respecto al pasado, porque
en los años anteriores todavía
nos equivocábamos de mucho, ¿no?
Y ahora, la verdad es que nos equivocamos de poco.
El equipo está más maduro,
el producto, el negocio...
¿Esto es por mejores predicciones o mejor ejecución?
Las dos cosas.
Sí, sí, sí. Y bueno, la buena señal
es que estamos
exactamente un pelín mejor
de donde creíamos que estaríamos
hacia un año.
Y el año que viene, pues, seguimos siendo muy optimistas.
La verdad es que oímos mucho ruido
de mucho miedo, ¿no?
Mucho conservadurismo
de a crecer poquito,
a mantener en perfil bajo,
a no tocar la caja,
pero lo que nosotros tenemos en mente
es seguir creciendo mucho,
crecer más eficientemente. Este año vamos a crecer,
el plan dice, y luego ya veremos,
era que un año me lo vuelves a preguntar,
pero el plan es crecer al mismo ritmo,
que es triplicar, básicamente,
pero con bastante
más eficiencia.
Vamos a seguir quemando caja,
con lo cual vamos a seguir usando
el capital que tenemos para crecer,
pero porcentualmente de manera muy eficiente.
Y la verdad es que tiene muy buena pinta.
Ya lo sabía, pero es que el SAS es la hostia.
Cuando realmente empiezas a tener
una maquinita de crecimiento
y de retención, de recurrencia de clientes,
buenos márgenes y tal,
es un negocio que permite escalar muy bien
y tenemos un equipo brutal
que consigue hacer las cosas que nosotros hablamos
pasan, ¿no?
El plan de este año es muy agresivo,
pero bastante más eficiente
y será divertido.
Y más o menos tenemos ya casi todo lo que necesitamos.
No vamos a triplicar el equipo.
Así como el año pasado fuimos de 300
a casi 900 personas,
este año porcentualmente
vamos a crecer muchísimo menos.
Vamos a incorporar bastante gente
en número absoluto, pero en porcentual
no seremos 3.000, ni de lejos.
¿Qué áreas vais a crecer del equipo?
Áreas.
Pues todas
Gotu Market escala bastante
con el tamaño de negocio, ¿no?
Nosotros no con el tamaño de negocio, sino
con el tamaño de negocio nuevo.
El número de millones que añadimos en un año
correciona bastante uno a uno
con el número de personas.
Con lo cual, si queremos añadir 10 o 50
o 100 millones de euros en un año,
pues el número de gente es bastante proporcional
a esto, con más overheads, pero más o menos así.
Y luego en Producto y Ingeniería crecemos bastante
y luego en Consumer Experience
escala con el negocio, con la cartera
recuente de clientes. Overheads intentamos
crecer poco, aunque crecen
y se afinan un poquito en todas partes.
Sí, los overheads
cuando vas creciendo van apareciendo
debajo de las piedras. Invertimos mucho
en Producto. Este año
vamos a hacer una apuesta especialmente fuerte
de inversión en Producto. Vamos
muy horizontal, como hemos ido contando,
vamos a sacar nuevas líneas de Producto
y los países
nos vamos a quedar en los que estamos. 9 países
en mercados, la mitad de la economía mundial.
O sea, mucha gente viene hoy, ¿por qué no abrí?
Singapur. Estamos en la mitad de la economía mundial.
O sea, no nos movemos de geografía
y sí que experimentamos
con nuevos canales, nuevas formas de crecimiento,
esto siempre.
Pero bueno, básicamente es esto.
O sea, tenemos ahora
30 equipos de Producto.
30. 30 equipos de Producto.
36 equipos de Producto.
Cada uno
con su manager, sus ingenieros,
sus designers.
¿Pues eran unas 300 personas en total?
No, pero por equipo. Bueno, pero a división.
A división.
Entre 8 y 10. Depende del equipo.
Ok, joder.
Sí que hay peña, ¿eh?
Bueno, nos acabamos de mudar. Otro cambio
justo antes de navidad.
No sé si vamos a hacer podcast antes o después
de la modanza, pero acabamos de mudar
todo el equipo de ventas al otro lado de la calle,
ahí detrás de donde estamos ahora.
Que tenemos un espacio de más de 2.000 metros cuadrados.
Y nos hemos repartido el resto.
Que teníamos un equipo en un co-working
a tres calles de aquí, han vuelto.
Y ahora estamos todos otra vez en esta esquina,
la esquina dorada.
Tenemos ya tres esquinas, nos falta la cuarta
donde está el bar.
Y el controlado marroquí ese no lo podemos tocar.
Pero las otras tres ya las tenemos medio. Con queridas.
Conquistadas.
Una cosa que ha dicho Jorge, que es interesante,
es cómo
es de agradecido el SAS de cuando
estamos consiguiendo volumen, mejoras en eficiencia
tienen un impacto brutal.
Y nunca nos habíamos preocupado tanto
por la eficiencia como en este plan
donde empezamos a ver grandes
impactos. Y sobre todo tampoco nos habíamos preocupado
por la base de clientes,
para invertir más en la base de clientes
hasta que ahora tenemos ya muchos clientes
y tiene mucho impacto
en invertir en la base de clientes.
Convertir una parte importante de nuestro foco.
Cuando habláis de mejoras de eficiencia
que
tres iniciativas top son
para mejorar la eficiencia.
Porque me imagino, por ejemplo,
aumentar pricing. Es una buena forma
de mejorar la eficiencia.
Pero no en ese sentido.
¿Cómo hacemos el go-to-market?
¿Cómo hacemos el go-to-market?
O sea, a medida que vamos mejorando nuestro playbook
y vamos entendiendo cómo mejorar la eficiencia
en captación, en canales,
en ratios de SLR, con executive,
en mix por país.
A medida que vamos aprendiendo esto
vamos tomando decisiones importantes
de hacer double down en lo que funciona.
Y eso significa hacer mucho más
con mucha menos gente.
Resumiendo.
Por otro lado, estamos haciendo mucho esfuerzo
y de paso aprovecho para llamar
a posibles partners que quieren
revender Factorian.
Estamos haciendo mucho esfuerzo en abrir
todo un ecosistema de partners
que quieren revender Factorian.
Entonces, esto es básicamente nuestro aprendizaje
de venta y de atención al cliente.
Lo encapsulamos y lo vendemos a terceras empresas
para que ellos puedan ofrecer este servicio
generando muy buen margen para ellos
y nosotros poder seguir creciendo
con menos margen, pero sin incrementar
nuestro headcount.
Entonces, como éste te puede contar
muchos más beneficiosos.
Y la automatización, por ejemplo, en la parte del service
y precios. O sea, realmente si subes el arco
con las mismas personas, eres más eficiente.
Nosotros payback period,
que lo hemos hablado varias veces, ya es una de las métricas
más importantes en Factorial, que son los meses
que tardamos en recuperar la inversión
en captar clientes, pues crecer lo máximo
que podamos mejorando el payback period.
Porque este es el límite donde no queremos
que se empiece a romper. Una cosa interesante
que hemos hecho hoy es que hemos hecho un ejercicio
con el equipo de finanzas de escenarios.
Tenemos un business plan, que es el
que vamos a hacer, que queremos hacer.
Y luego a partir de ahí hemos empezado
a meter como un Godzilla
que llega al negocio. Y de repente
esta línea de negocio fracasa
estrepitosamente. De repente estos clientes
empiezan a ir. De repente
esto tarda más de lo que pensábamos.
Empezamos a meter como caos
dentro del business plan
y ver qué pasa. Y obviamente tiene consecuencias
pero vuelvo a lo de El Sases Maravilloso
Tela, lo resiliente
que es el modelo de negocio. O sea, incluso
metiendo mucha destrucción
en nuestros planes
no sale
ningún escenario que fuera malo. Serían menos buenos
pero no salían ninguno
que dijera que esto es malo. Obviamente tampoco
el tema de Cisne Negro.
No sé qué pasa.
Pero no hemos llegado a este nivel de Black Swan
pero sí que hemos sido
muy pesimistas en cada una de las cosas
y luego todas sumadas. Y aguanta
el negocio tiene cierta resiliencia
que ya veremos. Espero no gafarlo
pero muchos planes
para este año. Vamos a
novedades. Has hablado de Open AI
Dices que estáis investigando mucho Open AI
¿No? Sí. Últimamente se está hablando
de Open AI porque
parece ser que Microsoft
quiere invertir 10 billion
y se ha filtrado
unas condiciones que no sé
si es verdad.
Porque se ve que es alguien que no revela
su nombre, que habla
de detalles del deal
en el que dice que
de estos 10 billion que Microsoft
supuestamente tiene que invertir
a 29 billion de valoración
hay un acuerdo en el cual
el 75% del beneficio
futuro
se va a repartir
a Microsoft
hasta recuperar el 10 billion
a partir del momento
pasará a ser el 49%
del cap table
FALTA
Asterisco con un cap
a 100 veces
con un límite a 100 veces
su retorno. No lo sabemos
porque nadie le ha ido a contrato
pero lo que se ha filtrado y luego se ha corregido
y se tal
es que parece ser que 10 billion
valoración es imposible decirla
porque con estos términos no es valoración
es una compleja la forma.
Bueno es 29 billion
lo que han publicado es 29 billion
pero no tiene sentido una valoración
si hay unos royalties de por medio
y esto es capstat
pero bueno 10 billion a cambio de
quedarse el 75% del royalties
hasta recuperar los 10 billion
luego capitalizar
su retorno máximo a 100 veces
con lo cual son números muy grandes
empezamos que es un billion
pero el cálculo que yo he leído es que
después de haber generado OpenAI
que casi no ingresa nada hoy
esta empresa después de generar 190 billion
de beneficios
lo que llama Microsoft ya se va echando
para atrás y va recuperando
OpenAI la fundación
que es la entidad sinanimo de lucro
que empezó siendo OpenAI
está pagando pero claro antes por el camino
tiene que generar 190 billion
de beneficio
que muy pocas empresas generan 190 billion
de beneficio. Me pregunto cómo funciona
porque Microsoft también
será seguramente como el principal
cliente de OpenAI entonces es como
y proveedor
y proveedor
hay un tema que dices oye esto es principalmente
computación
y el cost of good
sold en este caso es Microsoft
con lo cual Microsoft aparte de este beneficio
le está facturando por el Azure
bueno es que estos 10 billion
se entiende
que no son cash, que muchos de ellos son créditos
de computación
eso no será una transferencia de 10 billion
muchos de estos es derecho a
3 millones solo por el chat gpt
son la velcura
es verdad que chat gpt es probablemente
el mejor ejemplo de product marketing
que hemos visto en la ultima década
bueno no lo se, ya veremos
bueno lo que ha pasado las últimas dos semanas
marketing sin price
me falta algo
pero price hay, lo que tienen es la API
que es cara de cojones
pero esto no monetiza todavía
pero son cacahuetes de momento
pero porque los casos de uso no están ahí aún
la gente aún no ha experimentado
suficiente con esto
cacahuetes que seguramente serán millones de euros en nada
pero claro comparado con los
cientos o casi miles de millones que llevan
invertidos de momento cientos
son cacahuetes y ya están facturando millones
con sumidos de API
de hecho hay varias aplicaciones
de avatares
y de sumarización de emails
de traducción
que ya se están proyectizando hoy encima
de los diferentes APIs de OpenAI
y paga en OpenAI
muchas de estas que van a entrar en sus propios modelos
se van a OpenSource, o se van a Meet Journey
o a stable diffusion
es que es muy muy caro ahora mismo la API de OpenAI
tiene sentido para el MVP
que es lo que nosotros vamos a hacer
y lo calculos de servilleta
limitaciones puramente por el pricing
¿Qué habéis hecho?
¿Qué hemos hecho?
Hemos hecho varios experimentos
tampoco sé si quiero entrar mucho
en detalles técnicos
porque son aburridos
no por otra cosa
empezamos experimentando
al final
nuestros clientes
enchufan todos sus datos a la actitud
pero nosotros no sabemos esos datos
cómo se relacionan entre sí
entonces se puede utilizar
GPT-3
para hacer inferencias de relaciones entre tablas
por ejemplo
esto es lo que estuve probando
y funciona relativamente bien
lo puede hacer al nivel de un humano
básicamente
si ve que una tabla de users tiene el campo ID
puede entender que otra tabla
que tiene el campo user ID
se relaciona con la tabla de users
un poco más complejos
también funciona bien
al final puede hacer la misma inferencia
que puede hacer un humano mirando las tablas
pero esto no lo vamos a implementar
esto es el primer experimento que hicimos
luego estoy experimentando bastante
que esto no lo sigo haciendo
hacer generación de código SQL
directamente con GPT-3
esto funciona relativamente bien
y hay algunos productos que lo quiterran
y sólo para SQL
¿Copilot está hecho con GPT-3?
con el modelo de Codex
que a su vez tiene un montón de limitaciones
que ahora si queréis entramos en las limitaciones
que tiene estos sistemas
¿Copilot que también es de Microsoft?
¿Es de GitHub?
todo queda en casa
es increíble
no sé si la gente conoce lo que es Copilot
¿Quieres explicarlo?
muy fácil es un plugin al final
que conectas con tu editor de código
y en lugar de tener que programar todo el código
escribes lo que quieres hacer
y te hace el código
y te lo hace bastante bien
de hecho en Factorial muchos desarrolladores
lo usan
¿Por qué crecemos tanto el headcanon de programadores?
y cuesta como
15 dólares al mes o algo así
¿Más Copilot y menos programadores?
nosotros lo ofrecemos a todos los developers
porque es una mejor ampliaridad
a todos
me voy a arreglar cuántos
son menos de 6
total
pruebas de generación de código
más o menos bien
cosas más complejas
qué le dices
quiero ver el revenu promedio
por cliente por talla de camiseta
te puedo decir por ejemplo uno
es el ejemplo más sencillo
y vamos a ir construyendo complejidad
interesante
básicamente le puedes pasar
el nombre de una tabla
le dices todo esto en inglés
le pasas el listado de campos
y luego le dices
générame una query en SQL
para conseguir el número total de eventos agregados por workspace
con la fecha
del evento más reciente
y esto de generar una query que funciona
y está bien
eso te ahorra a mí me ahorraría media ahorita
mínimo
si estás un poco exhidado
de SQL
eso sí que te ayuda
¿Pregunta César esto no te ahorra la atitud?
no
para nada
no porque realmente
no son modelos inteligentes
tal y como entenderíamos
la inteligencia humana
y esto es el principal
la principal limitación que tienen
estas aplicaciones
son muy buenos predictores
de texto
en el teclado de iphone
cuando estás escribiendo una frase
es capaz de predecirte a las siguientes palabras
pues gpt3 es esto
llevado al extremo
y con todo el texto
disponible en internet prácticamente
entonces es muy bueno
cuando tú le haces un prompt de este tipo
donde le dices vale pues en esta tabla
estas columnas no sé qué
es capaz de predecir
y de hecho puedes activar en el playground
en la probabilidad de la siguiente palabra
lo hace por tokens
y te dice vale pues lo probable es que
la primera palabra que quieras ver es un select
y lo que quieras ver es workspace id
y va componiendo de esa forma
pero no es capaz de entender cosas complejas
como
le pasas el módulo de datos tal cual
y le pides que te diga los active users
¿por qué no te puede decir los active users?
porque la definición de active users
es algo que solamente puede hacer un humano
¿sabes?
los active users son para tu empresa
y tú eres el que sabe el business case
yo me gustaría que los humanos
nos hacemos los active users
pues entonces
es importante entender
este software como
que es útil
para ciertos casos de uso
pero no para otros
la otra dice la prueba calcula
50 más 10 dividido por 4
y me dice el número que no tiene sentido
hacemos una aproximación rara de cosas
que ha visto por internet pero no razona
pero dice que esta es la respuesta
pero no la ha calculado
entonces para muchos casos de uso
la gente se confunde bastante
no tiene lógica, curiosamente
es una cosa muy computacional pero no tiene lógica
dispara ahí desde la cintura
aproxima y dice eso quizá te vale
funciona muy bien en muchos casos
si quieres hacer
pero dice barbaridades
y aquí está la habilidad
del que escribe el prompt
para llevarle por donde tú quieres
te sirve mucho para hacer generación
de texto pues le das un outline
y te escribes un mail entero
te puede hacer un resumen de un texto largo
te puede
pues yo qué sé
ahora estamos haciendo pruebas por ejemplo
para pasarle
grandes cantidades de datos
porque otra limitación que tiene
es que el número de caracteres
tokens que puedes tú escribirle
y que te da una respuesta está muy limitado
son 4.000 tokens si no me equivoco
¿tóquenes palabra o carácter?
no es como un grupo
de 4 caracteres aproximadamente de media
es una historia
tiene una librería para calcular cuántos tokens tiene tu texto
pero básicamente son
4.000 tokens
que son unos 16.000 caracteres
más o menos
¿qué pasa? si tú le quieres enchufar todo tu ase de datos
es imposible
eso es como un blog post
16.000 caracteres más o menos como un blog post
entonces ahora lo que estamos haciendo
es una forma
porque nosotros ya tenemos los datos de toda la empresa
entonces estamos haciendo una forma para que ellos puedan
lanzárselos programáticamente
a la API de OpenAI
y poder hacer completions
en grandes volúmenes de datos
por ejemplo yo tengo una tabla
con todos los votos del MPS
de todos mis usuarios
y yo quiero hacer
un clustering por categoría
yo quiero saber cuánta de esta gente me está hablando de bugs
¿vale? y bugs pueden ser
cosas en varios idiomas, pueden ser
palabras como errores, problemas, no sé qué
es muy bueno entendiendo el intent
del texto, es decir entendiendo
el significado semántico de ese texto
entonces tú puedes hacer ese clustering
tú puedes decir
dentro de estas categorías
asigna una de ellas
a este texto y lo puedes hacer
por tantas rows como tengas
con esto lo que puedes hacer es alimentar
ese dataset que le has pasado
con algo que podría hacer un humano
pero te lo hace la API en cuestión
de minutos o horas, dependiendo de lo que le pases
¿qué te cuesta?
muchísimo, es carísimo
pero en euros
el calculo que hicimos con un prompt
que funciona bien
o sea que con este caso de uso concreto
de predecir el intent
o el sentimiento del MPS
son unos 300 tokens
si no me equivoco y podrías hacer
mil
mil predicciones por unos 10 euros
más o menos, es el calculo que hicimos
mil predicciones
si, por ejemplo tú tienes una row
por cada cliente tuyo
con todos sus votos del MPS
y puedes hacer
mil de esas con la predicción
mil clientes 10 euros
si tienes 10.000 clientes y quieres ver
que pinta tienen los mil clientes
no, mil clientes, no, mil predicciones
ya, pues lo que estoy intentando traducir a mundo real
pero no son mil predicciones
un cliente puede ser mil predicciones
si tienes una row por cliente
son mil clientes
en el ejemplo que decías tú, en EPS
y otros datos
esos mil clientes con su dato
serían unos 100 euros
10 euros mil clientes
10 euros mil clientes, es pasta
es caro
haciendo que la gente va a usar
para hacer prueba de concepto
y luego va a entrar en un modelo
eso es lo que estamos explorando
al final, nosotros
nos es muy rápido construir esto
con la API de OpenAI
y las ventajas que tiene
entrenar tu propio modelo
es que lo puedes hacer con muy pocos datos
es decir, yo tengo 100 votos
¿tú no necesitas todo el conocimiento de OpenAI
de internet?
no, pero te es muy útil el análisis
de sentimiento que puede hacer
perdón, el análisis de intención que puede hacer
¿sabes?
a final OpenAI que tiene
como Google ¿no?
Google que tiene, que ha indexado todo internet
lo largo de Google aparte del algoritmo es el índice
OpenAI ha indexado todo internet
y eso es un valor brutal que tiene
que cuesta cientos de millones de euros
y tú no puedes hacer
en muchos casos no lo necesitas
te pongo un ejemplo para que se entienda
tú puedes utilizar una plataforma
de entrenamiento de modelos de machine learning
para tu caso de uso, que puede ser exactamente este
yo quiero agrupar
las respuestas de una encuesta
de feedback
que hice a mis clientes ¿no? las quiero agrupar
en distintas categorías
si tienes cierto número de datos
y alguien que los haya
como se dice
el labeled
etiquetado manualmente
tú puedes entrenar un modelo tuyo
donde entiende
que
este voto de empiez
corresponde a esta categoría, este a otra
etcétera
y pasarle nuevos feedbacks
y que te los vaya categorizando y funciona bien
el problema necesitas un montón
y necesitan estar tagueados para poder entrenar
el modelo
que te permite gpt3
que esto es una de las mejores ventajas
que tiene
es lo que se llama el few shot training
o zero shot training
tú le puedes
pedir que haga algo sobre un texto
le das instrucciones concretas en inglés
y es capaz de hacerlo
sin calentamiento
es decir, yo le puedo pasar una única row
con un feedback
le puedo categorizarlo en una de estas cinco categorías
y lo hace
porque tiene todo el conocimiento de chat gpt
que con poco
porque hasta ahora el ai es vale
si soy amazon, tengo años
y años de transacciones o soy netflix
y te recomiendo una peli
y no es muy buena recomendación
pero claro lo brutal de chat gpt
es que no sabe nada de ti, le preguntas una cosa
y te da una cosa bastante flipante
una cosa usable
que esto es un breakthrough
nosotros le hemos asimidio un broma
con cosas mucho más aburridas que lo que dices tú
pero hemos sustituido
el trabajo que a veces estaría un becario
si lo tuviéramos
tipo, tengo unos datos medio mal hechos
y un compañero de mí el otro día
dice, oye, tengo aquí como cuatro datos
con información a medias y tal
y quiero hacer un report, guay
digo, vale, tengo esto, quiero esto
se ha inventado así, así, así
y te lo ordena, te lo autocompleta, te lo sumariza
te va a quitar el trabajo, un segundo
nosotros queremos hacer esto
queremos hacer esto, pero con más volumen
porque el...
dedicase los datos
al final el playground está bien
para casos de uso personales o pequeños
pero si tienes 100
votos que quieres categorizar que no te acaban en un prompt
tienes que copiarlos y pegarlos a mano
entonces nosotros lo que automatizamos
es las llamadas a la API
con esos prompts
y la divulgación de las predictions
para salir un poco de la parte técnica
si, perdón
y ir un poco al deal
si, a mí una de las cosas que me sorprende
es todo el mundo está hablando del deal del año
2023 OpenAI
hoy va al 29 billion
si esta transacción pasa
y se estima que igual acaba el año
en 100 billion, que será la empresa del 2023
y yo me pregunto
cómo esto empezó siendo una nonprofit
una fundación para salvar
la humanidad del AI
y acabado en manos de la compañía
más... bueno, a ver
en 1990 eran los malvados
han lavado la cara bien
pero en 1990 Microsoft, cuando nosotros
éramos jovencitos programadores
bueno, tú estabas en la punta de tu madre
pero eran los malvados
Microsoft
y ahora son los dueños
y ahora son los dueños
alguien sabe que pasó
en el año 2018-19
que esto pasó de ser una nonprofit
que estaban en lo más
y otras personalidades
que les preocupan
la conquista del mundo
por parte de la inteligencia artificial
y de golpe ahora
es una empresa en manos de Microsoft
¿Qué pasó ahí? Y con capitalismo extremo
muchos billion
es curioso
de hecho nosotros en el chat interno
que tenemos
y dije what the fuck, me acabo de enterar
que OpenAI ya no es una nonprofit
muy tarde
pero claro, me acuerdo mucho del discurso
de principio
el AI es muy peligroso
tenemos que investigarlo
sin nataduras
por la ciencia
por el conocimiento, no debemos nada a nadie
lo hacemos por nuestro intelecto
queremos proteger la humanidad con lo cual no debemos nada a nadie
si tenemos patronos que nos hacen donaciones
hacemos research
pasan un par de años y dicen coño, esto del AI es muy caro
hay que comprar mucha GPUs
hay que procesar muchos datos
cuesta mucha electricidad, hay que contratar ingenieros buenos
los ingenieros se los podían permitir, pero las GPUs no
entonces necesitamos pasta
y claro, ¿qué pasa? que la gente no le gusta
tirar billions a cambio de nada
entonces, vieron que tenían que
que capitalizar
me estuve leyendo la semana pasada
o principio de esta semana, todos los blog posts
donde hablaban de estos cambios de OpenAI
el primero, uuu, somos OpenSource
Nonprofit, primero no somos OpenSource
porque es peligroso luego, no somos OpenSource
porque lo peligroso es que solo lo tengamos nosotros
luego somos Nonprofit porque lo peligroso es
no nos sentimos económicos, luego no
necesitamos profit porque necesitamos capital
y de repente dicen, necesitamos capital, necesitamos ofrecer algo
pero tranquilos, que pasamos de
una Nonprofit a una CapProfit
claro, Cap de 100x de un Billion
yo también puedo ser CapProfit
o sea, Cap de
20 Trillion, lo que sobre lo repartimos
pero hasta 20 Trillion me lo quedo yo
pues hicieron un poco el papelito de CapProfit
que básicamente es privatizarse
y Microsoft acudió
yo creo que Microsoft fue brillante
porque a Microsoft le consumen
infraestructura
con lo cual no tiene coste 1 euro
tiene un coste por debajo
potencialmente
Microsoft Word
recupera Clippy
y se gana la batalla
Clippy 2022, 2023
y gana la batalla a Google Docs
y compañía
Bing indexa mejor
y responde mejor que Google
y Bing Ads
y YouTube etc
o sea, que potencian a Microsoft, revoluciona
todo su negocio
con poco dinero comparado con su capitalización
de trillions
tiene sentido lo que ha pasado
es raro, pero tiene sentido lo que ha pasado
y también me pregunto, ¿cómo se protege esta propia intelectual?
porque una de las cosas que siempre decimos
es que el software es muy difícil
de proteger la propia intelectual
no tiene sentido
¿cómo se protege? ¿por qué no lo copian otra gente?
porque está ahí metido
y nadie más lo hace
pero sí que hay mucha gente haciéndolo
pero no a este nivel
no a este nivel, pero yo creo porque no tiene el capital
para pagar la infraestructura, está pagando PNJ
o sea, tú crees que es un tema de infraestructura y punto
totalmente
mira mi journey, o sea, Dali concretamente
mira mi journey stable diffusion
es muy poco tiempo
el wow lo hicieron
el wow que te hacía Dali lo hacían gratis
o open source
pasa que es un poco contraintuitivo
hacer imágenes es más fácil
que hacer texto
y parece
ya veo contraintuitivo, pero realmente
las imágenes al final son
píxeles individuales
con unos valores numéricos
y predecir números es lo que mejor saben hacer estas
las frases son píxeles
con un valor alfa numérico
y son también
todos son bytes
imágenes y textos son bytes
o sea, esta frase que has dicho no sirve de nada
si, pero cuando tú entrenas
cuando tú entrenas un modelo
yo entiendo lo que quiere decir
la densidad de información que tiene una imagen es mucho mayor
que la densidad de información que puedes conseguir con texto
porque son píxeles
yo no creo que vaya por ahí
me parece haber leído que los modelos
perdón, el entrenamiento
de modelos de imágenes
son muchos menos gigas que
eso sí
yo creo que por donde va
el otro divide una imagen que era muy educativa
que te enseñaba
los steps que hacía
para llegar
a la respuesta de un prompt
y nunca se me hubiera ocurrido que era así
era una imagen llena de ruido
cosas arbitrarias
le das a un mono un pincel y te hace eso
y a partir de ahí dice
¿esto es un perro mirando por la ventana? no
hace otra pasada
iba intentando cambiar cosas un poquito a lo loco
hasta dice se parece un poco más que un perro
entonces va haciendo iteraciones con el texto no puedes hacer esto
yo creo que
la aleatoriedad en una imagen
es más útil que la
aleatoriedad en un texto
donde las cosas tienen que ser coherentes
una imagen no tiene porque ser coherente
un texto tiene que ser coherente
de hecho en stable diffusión
te salen muchas imágenes con 6 dedos
con 3 ojos porque va un poco a lo loco
y dice se parece a un chico
sí, palante, tiene 3 ojos
de igual
voy a investigarlo y la semana que viene os cuento
pero la verdad que en modelos de imagen
no está investigando mucho, está mirando más
gpt3
bueno hemos dedicado mucho tiempo a hablar de openai
otras novedades de esta semana
layoff siguen habiendo
de hecho cada vez más bestias
que se está produciendo ahora es 7000 personas
en salesforce
que por cierto una de las cosas que se ha
publicado es en un orhance slack
unas diferencias brutales
entre las culturas y los equipos
de salesforce y slack
pero aparte
va a ser presa también por la performance
de slack porque desde hace tiempo se sabe
que no está dando
vaya buena venta
vaya buena venta
no lo sabían obviamente
justamente el mes pasado salió el founder
va a terfil
29 billon
es un número clave
y bueno lo que está pasando ahora
es que nos da la altura
y que microsoft otra vez
estaba andleando
metiendo en el office
el teams
y que es difícil competir con eso
es un poco lo que siempre ha pasado con microsoft
microsoft parece que
es punta de hacer la empresa a la década en tecnología
no paran
están metiendo hostias a todo gisqui
y lo que no sabía yo es que
realmente bill gates no pincha
ni corta microsoft
pero tiene menos de 1%
bueno ha vendido mucho
ha vendido mucho y balmer un 4%
encontré
esto también lo hablamos en el chat privado
divorcio y filantropía
estoy aquí recuperando
todas nuestras comunicaciones
que salen de whatsapp
que más tenemos
están a punto de legalizar tiktok
no sé si tenéis opinión de eso
en serio? si bueno en estados unidos
está en debate
en el comité de foreign investment
y puede ser que lo cierre
que es una cosa que amenazaba tram
pero amenazaba y
biden todo lo que tram amenazaba
biden lo hace
lo criticaba antes pero ahora lo hace
no sé si habéis visto el nuevo substack
el nuevo substack de sam
bangman fritt
el fundador de ftx
vaya tío esta como una absoluta campana
hoy ha abierto un substack
hace 4 horas
5 horas ahora
se va explicando su versión de los hechos
no para de explicarse
es increíble lo loquísimo que está
o lo descontrolado que está
lo arrestaron
lo extraditaron de las bamas a estados unidos
es bf fundador de ftx
aparentemente los fraudes más grandes
desde enron
y liman brothers
muchos billions desaparecidos
entre 10 y 30 billions
que nos encuentran mucho dinero
sus padres
le pagaron como se llama la fianza
200 kilos
bueno pagaron
un depósito de una proporción de eso
y 5-10% o sea 25 millones de euros
y pusieron su casa
y inversiones
no su casa la de los padres
de los que están ahí
con las espadas
total
que entró en la cárcel y salió
y está en el resto de morcillerio
en casa de sus padres
de profesores de derecho de stanford
los dos en california
y está desde ahí como un loco
tuiteando y ha quedado un substack
es una newsletter donde explica
dice ftx premortem overview
con dos narices
empieza a explicar todos los datos
de no no es que ftx estados unidos
es totalmente rentable
el dinero está ahí
no se porque no lo devuelven a la gente
es que la verdad es que esta gente no lo entiendo
dice esta otra
dice bueno yo creo que le faltan ahí un par de billions
pero si vendemos este activo los encontramos
y está todo bien
y bueno es bastante gracioso
la verdad que se había parado un poco por navidad
nos habíamos puesto todos a hablar de openaiite
pero ahora está volviendo Samama Freed
y la verdad es que es divertida la saga
si no has perdido millones de euros
cual creéis que es el incentivo que tiene
yo creo que está loquísimo
no tiene ningún sentido
nada tiene ningún sentido
necesitamos un nuevo drama
vamos acumulando el drama ftx
twitter
bueno un nuevo drama más pequeñito
que he leído hoy
que es JP Morgan
uno de los grandes bancos norteamericanos
que había comprado
si no me equivoco el año pasado
una startup
que se llamaba Frank
como el perro de César
por 175 millones de dólares
y de repente
han visto que no había nada
hablamos de billions aquí
como si los regalaran
pero el 175 millones de dólares es mucho dinero
de repente JP Morgan dice que la han comprado
que hicieron la due diligence un poquito rápido
y que han empezado a
mirar bien los datos
han cerrado la web eso sí que está confirmado
y han denunciado a la founder
que era una chica que no recuerdo cómo se llamaba Charlie Javis
que es la fundadora que
según su acusación
había mandado excel
con 4 millones
de clientes
inventados
fue a OpenEye y le dijo hace una lista de 4 millones
de clientes que parezcan reales
y eso lo mandó como due diligence y JP Morgan dijo
todo bien aquí tienes tu dinero
¿cuántos clientes totales decían que tenían?
según JP Morgan
según JP Morgan sólo tenía
decenas o centenares de miles
o sea menos del 10%
menos del 10%
no era un redondeo
se me ha colado
o sea
allegedly todo según
CNBC pero otro drama
otro fraude
due diligence un poco se están saliendo
todas las más prácticas
¿la fecha en la que compraron la empresa?
junio 2021
septiembre de 2021
perfecto
justo antes de caer todo
bueno justo medio año antes
ahí estaba la gente así
por eso sí era el peak
una de las cosas que yo preveo
para este 2023
es publicación de muchos deals
que han salido en 2022
que nunca fueron
porque
muchos fondos que compran private equity
hedge funds
caerse en 1% de sus activos
no tienen capacidad de pago
y están en procesos de litigación
y eventualmente irán saliendo
como cuando íbamos tú y yo
a cenar con un VC
cuando acabamos de cenar
buscando la cartera
a ver si nos invitan
está en private equity
y está haciendo lo mismo
ahora pido el cheque
somos un ecosistema de startups tech de Barcelona
creadores de camalun, kipu y factorial entre otras
ofrecemos más de 5000 metros cuadrados
de co-working a startups
y organizamos eventos diarios para discutir negocio
y tecnología hasta la saciedad
desde idnick fund invertimos en equipos
con capacidad de construir grandes productos
y negocios, te esperamos