Bienvenidos a la nueva Tertulia de IDNIC. Hoy tenemos un invitado especial que es
Hilario Tome. ¿Qué tal? Y como siempre Jordi Romero, de siempre. Y yo soy Bernat
Ferreiro, para los que no me conozcan. Bueno, estamos un jueves más en las
tertules. Hoy hemos pillado a Hilario, nos hemos avisado con mucha antelación.
30 segundos. Como podéis ver, no tenemos ni micros para todos.
Hilario, de hecho, estudió con nosotros. Eso es, eso es. Deberíamos conocernos, deberíamos
conocernos. Estábamos en aulas diferentes, tú en la de los robots, yo en la de las
birras. Y creo que tampoco frecuentábamos mucho las clases nosotros, entonces. Por
eso, por eso. Pero bueno, vi una planta donde está el futbolín, que ahí estábamos. Yo te vi ahí
alguna vez. Yo estaba sobre todo en el casal de asociaciones, que había delante de,
sabéis que había un sitio que se llamaba Omega, que era un edificio donde había asociaciones, o sea, ahí
montábamos una pequeña asociación de robótica. De ahí, entonces, con la robótica. Sí, me acuerdo.
¿Había una competición de robots que luchaban a sumo? Eso es lo que hacíamos nosotros. Guapísima.
Vale. Bueno, yo me lo pasaba bien. Nosotros también. Se destrofaban, pero iban ahí como en el
futuro. Honestamente, está muy chulo. Está muy chulo, porque era una forma de incentivar un
poco la robótica. Sí, sí. Y era un caso de uso, pues no que como incentivara la robótica, pues ponemos
un caso práctico, divertido, que tenga engagement, lo montamos y pa'lante. En otras universidades se
hacen raves, hacen fiestas locuras. Aquí eran robots cuchillándose en una plaza. También, también.
Literalmente. Y hubo una buena pasta que te llevabas y ganabas. ¿Sí? Sí, sí. Yo solo miraba desde el lado.
No, no, no, no. La universidad, la facultad nos daba un presupuesto para una escala de premios y
incentivar un poquito. ¿Cuánto ganaba el premio número uno? En aquel momento, a lo mejor, eran
3.000 euros, algo así. O sea, era... Después de lo que ganaste tú en DARPA. Sí, es verdad. Como
universitario, 3.000 euros no sobran, eh. Eso es, eh. Bueno, nunca sobran. Cierto, cierto. ¿Y tú ganaste
alguna? Yo los organizaba. Pues no participaba. Ogo feo. Vale, vale, vale. Juez y parte. Juez, no, sí, no.
Solo juez. Evitando cualquier tipo de polémica, pues no participaba y ya está. Muy bien. Oye, damos
un poco de contexto. Hilario realmente no lo conocimos en la universidad. Jordi, yo lo conocimos
hace una semana en el pitch, ¿no? Y pitchaste un proyecto que era, era un robot, ¿no? Eso es, eso es.
Un robot perro. Es un robot perro. En forma de perro. Eso es. Pero el mensaje no es que sea un perro.
El mensaje es que estamos haciendo un robot con la capacidad de ir en cualquier entorno donde tú
podrías ir. Nuestra proposición para solventar este problema es ponerle cuatro patas al robot.
Si entonces hay unas escaleras, el robot son unas escaleras. Imagínate que tendría que hacer una rumba
para que subiera de un piso a otro. Y dando botes, ¿no? No lo se puede. Entonces, con cuatro patas,
un robot puede ir básicamente a todos los sitios donde una persona pueda ir. Si algo está construido
para una persona, para que trabaje una persona en ello, un robot también puede trabajar en ello con
nuestra solución. Menos un matiz que te he hecho antes que es abrir puertas. Vale. Esto está más
jodido para un perro. Obviamente, habréis oído hablar de nuestra competencia, que es impresionante
lo que hacen, lo que hacen. Ellos más son los pioneros. Boston Dynamics. Boston Dynamics. Que tiene
vídeos donde abren puertas. Puertas. Y acojona. No, ¿por qué acojona? Ese es el problema. Hay que poner el pestillo
más arriba. Pero hay una, o sea, hay un gran problema. Y luego, si queréis, tocamos este tema, ¿no?
De la cojona, de la imagen que hace este tipo de robots. Que es una lástima. Pero ese es el error. ¿Por qué
dices miedo? ¿Sabes justificarme la palabra? ¿Por qué te da miedo? ¿Qué es lo que te preocupa? Porque
no se asesinan a todos. Vale. Que se pongan de acuerdo y no se exterminen. Vale. Básicamente. Y se materializan.
Te giro la tortilla. Te giro la tortilla. Tienes una persona que tiene una cierta movilidad. Y cada vez
que tiene que bajar a casa, de casa al supermercado, las pasa canutas. Imagínate que pudiera haber un
trasto de estos que le trajeron a la compra. Está fuera el miedo. Todo lo contrario. O sea, se cambia
instantáneamente. Entonces, lo del miedo es porque de sensacionalismo de YouTube y todo esto, pues
a la gente le gusta crear este pánico, clickbait, todas estas cosas. He visto Terminator. He visto Terminator y el capítulo
de, ¿cómo se llama?, Black Mirror. Donde sale el robot que sale con el cuchillo. Es como un perro, ¿no?
Totalmente. Sí, sí. Ese tiene mala hostia. A mí Black Mirror me encanta. Honestamente, es brutal ese episodio.
Pero es jugar con esta frivolidad, digamos. Pero bueno, nos despidemos. Entonces, el robot
tiene cuatro patas. Para dar un poco más de contexto. O sea, nosotros a veces en el pitch decimos que
ostras, nos interesaría saber más y entrar un poco más en profundidad. Y esto pues pasaba hoy a las 5,
¿no? Que de hecho estaban Jordi y Albert hablando contigo. Y hoy llegaba tarde ahora para la
tertulia y digo, oye, ¿por qué no te sumas? Yo encantado. Y aquí estamos. Aquí estamos. Ninguna objeción
he puesto. Venía automáticamente. Has pensado. Has pensado. Las excusas no te han salido y has acabado aquí. Literalmente. Pero está
muy bien. Y de hecho, tiene que ver, se junta con el hecho de que en el pitch, en las últimas semanas,
cada vez vienen más proyectos de hardware. Donde nosotros realmente no sé qué hacemos para traer
esos proyectos, porque realmente nuestra expertise es más en el software. En el mundo más startup.
Sí, sí. Pero por alguna razón venís a vernos y nosotros encantados. Pues venimos a ver, mira,
te puedo explicar por qué yo vine. Por ejemplo, yo estoy intentando montar una empresa con mis socios.
El valor que tiene este podcast para nosotros es brutal. Nosotros no pertenecemos al mundo de
startups. Mi socia viene del mundo comercial. Yo vengo del mundo de la robótica. No somos
emprendedores per se. Entonces, el feedback que nos da, el podcast, las experiencias, las historias,
las cosas que han sido bien, las cosas que han sido mal, cómo se han hecho. Estás escuchando el otro día
al The Silence, el de las motos, que me parecía impresionante. Impresionante. Hay una cosa que yo
estoy totalmente en contra, que es la externalización. Totalmente en contra. Creo que si tienes
un producto tecnológico, el valor tiene que dar en la empresa, que es tu valor. En cambio,
ellos consiguieron hacerlo todo con externalización. Eso me dio que pensar. Te juro que hasta el día
me proponías una externalización en mi empresa, se acabó la discusión. Desde aquel día dije,
al menos estoy dispuesto a hablarlo. Solo porque escuché esa historia, porque lo han reventado a
todos los niveles. Al final, externalizar. Tú externalizas muchas cosas. Hay cosas que no
gestionas directamente. La logística, la electricidad, cosas muy tangenciales a tu
negocio. Tangenciales, exactamente. Pero no cuás core de tu producto. Y eso es lo difícil. Encontrar
qué es el core. Cuando demasiadas cosas son core, ojo. Claro. Pero es una línea que hay que
trazar. Ese es un ejemplo de externalizarlo prácticamente todo. Jeff Bezos es el que define
lo que hace que tu cerveza tenga buen sabor. Es lo que tienes que hacer tú. La electricidad que
usas para la planta cervecera la externalizas. Pero la fórmula no la puedes externalizar.
Puede ser. El agua no la puedes externalizar. Oye, Hilario, has dicho una cosa que es que dices,
yo no soy emprendedor perfe. ¿Qué es un emprendedor perfe? Me gustaría saberlo. A ver. Yo no me
considero. ¿Qué es emprendedor perfe? Digamos que hay muchas... Vamos a clasificarlo. Es una
realidad de que hay mucha gente que quiere emprender independientemente de la idea. Se pone a
cazar, a buscar la idea de quiero hacer algo. Quiero emprender. Quiero ser una persona que crea valor
y todas las consecuencias que conlleva ello. Pues montar un equipo, montar una estructura,
todo esto. Yo hago robots. Y para hacer, continuar haciendo los robots que son mi vida y mi pasión,
tengo que pasar por el aro ahora, porque en el mundo en el que vivimos hoy en día, para hacer robots
se necesita capital. Eso es terrible como pitch, por cierto, para un inversor. F.Y.I. Bueno, F.Y.I.
que les gustará. Y yo soy brutalmente honesto. O sea, tu fin es hacer robots. No. En verdad,
mi fin es más profundo que eso. Mi fin es que los robots aporten un valor en la sociedad en la que
vivimos, ¿vale? Sí, es más difícil. No, sí que no es difícil porque estamos justamente en la
desitura en el tiempo donde, creo yo, que sí que puede convertirse en una realidad esto. Entonces,
para que los robots aporten valor, significa que tiene que haber muchos de ellos. Para hacer
lo que haya muchos de ellos significa que tiene que haber una demanda. Para que una demanda tienen
que venderse. Entonces, la estructura natural es montar una empresa donde te generas un producto
robótico, donde la gente tiene interés por él y te lo muestra comprandotelo. Es más completa la
respuesta. O sea, tu visión sería que los robots formen parte de la sociedad. Totalmente. Pero no
mi visión mía, sino de cualquier persona dedicada a robótica. Al final, si no, ¿para qué lo haces?
Parece un poco Famous Last Words, ¿eh? Volviendo al que volvimos. No me conocía eso. Repítelo.
Famosas últimas palabras. ¿Por qué? Bueno, no sé. ¿Por qué significa eso? O sea, ¿qué significa
Famous Last Words? Matrix. Ah, está. Volviendo al Terminator. Que los robots formen parte de la
sociedad, ¿eh? Una parte... ¿Pones en duda que en un milenio esto es una realidad? No, en un milenio
el software son robots y muchas veces defino lo que es el software. Explicó que es un robot,
pasa es que no se ve. Muchos cálculos, muchas operaciones, muchas transacciones que se hacen.
Un auto... O sea, la automatización de un proceso. Exacto. Antes hacías y querías mandar dinero de
una persona a la otra y vas a un banco, dabas dinero, una persona movía el dinero de un sitio a
otra. Ahora haces una transferencia y el software es un robot que se ha virtualizado. Estoy de acuerdo
con eso, sí. Ya no son... La automatización que yo hago lleva un componente de interacción con el
mundo físico, pero la automatización ya está. Sí, sí. Es evidente para los que nos dedicamos al
software. Sí, sí, sí. Totalmente. Todos... Cual vez que tú automatizas una tarea ardua, que no
quiere hacer nadie, automáticamente estás creando un valor. Yo creo que hay un salto brutal, un
salto brutal entre hablar de automatizar una tarea, una función específica a lo que le llamamos
inteligencia de propósito general. Pero eso es ciencia ficción. Eso es ciencia ficción. Claro. Tú
crees que no estamos cerca para nada del propósito general. AGI, artificial general intelligence. Sí.
Claro. O sea... O sea, parecía la humana. Aprendizaje, tomar decisiones de cualquier tipo. Pero dónde
está el estado del arte hoy en día? O sea, para asaltar de lo que es el estado del arte actual
a la AGI es una locura lo que falta. Nosotros... Pero una cosa es ciencia ficción y la otra cosa es
faltan 20 años. Hay un camino, claro, para llegar ahí. La ciencia ficción al final siempre se
convertirá en ciencia, ¿vale? Menos algunas locuras. Pero es un tema de tiempo y yo no tengo
ninguna duda de que existerá, pero no existe a día de hoy. Habréis oído la palabra deep learning,
vosotros, redes neuronales, todo esto. En 2012... Desde hace tiempo. De hecho estudiamos en la
universidad. En la universidad no llegamos a estudiar tanto en la FIP. Redes neuronales, sí.
Las oísteis hablar de ellas, pero no las utilizasteis. Yo creo que sí, ¿eh? Redes neuronales. De la
quinta que somos nosotros no deberíamos haberlo hecho, en principio. A mí me suena. Yo no hice.
Claro. Tú no fuiste. Pues yo hice las asignaturas, ¿eh? Es muy fácil. En 2012 hubo una revolución
en este campo tecnológico que fue impresionante. La inteligencia artificial, hasta 2012, se habían
hecho muchas promesas en los 80, en los 90. Y había ido... Una cosa se conocía como el AI winter,
que había habido una especie de sobreexpectativa de lo que podía hacer la inteligencia artificial.
Cada año se estaba esperando un poquito a ver qué está pasando, qué es lo que va a llegar, y no
llegaba. La gente se quedó un poco asqueada sobre ello. Muchos científicos e investigadores
dedicaron a otros campos porque, realmente, ya no se creía en ello. En 2012, de repente, el campo que
engloba todo esto es el machine learning, que es el aprendizaje automático. Descubrió una herramienta
que fue brutal, que se está impactando en todos los niveles que conocemos ahora mismo. Pero ya está,
ahí se queda. Tenemos una herramienta más para hacer automatismos, pero no es nada de artificios
de inteligencia ni nada. Tenemos una cosa que nos permite hacer parametriciaciones. ¿Dónde se aplica
ahora? Todo lo que ves detrás, tenías un chico que hacía transcripciones, él tira todo esto,
automáticamente. Cualquier cosa que implique... Desde hace una semana antes era la API de Google.
Google por dentro tiene esto. Aprendizaje, o sea, reconocimiento de imágenes. Toda la gente que
se dedicaba antes de 2012 a reconocimiento de imágenes quedó deprecada en menos de una década.
Todo ha quedado deprecado porque no hay nada que se acerque ni de broma al rendimiento y la calidad
que tiene la misma tarea ejecutada con una técnica clásica o una técnica de aprendizaje. ¿Y esto qué
es? ¿Es un paper que cambia el mundo? ¿Es un lenguaje de programación? En absoluto. ¿Qué es? Es
absoluto. Mira, tú piensa en una renal normal no son más que tuerquecitas, tuerquecitas. Tú puedes
tener 100, 1000 tuerquecitas, 2000 tuerquecitas, que según cómo las gires de esas tuerquecitas,
puedes hacer una cosa, puedes hacer otra. Resulta que para... No me queda muy clara la analogía, ¿eh?
Vale. Tú tienes... Todos son tuerquecitas. No, tú tienes una tabla de mezclas, ¿no? Y tienes como
esa de sonido. Y tú para conseguir un efecto, pues tienes que ir moviendo un poco las... Ajustas.
Tienes que ir ajustando esas tuerquecitas. De diferentes variables. Tal cual. Variables. En las redes
donales, resulta de que no llegaban a cumplir las expectativas de lo que se quería hacer con ellas,
porque no había suficientes variables. Eran redes donales, como que tenían 10.000, 100.000 variables,
como mucho. Y eso se hacía porque para configurar todas estas variables, tú necesitas ordenadores
cómputo, ¿no? Perdona, para entenderlo, porque me cuesta un poco. Volvamos al caso de reconocer
tu imagen, ¿no? Los iPhones y los Androids, si subes una foto, te dices, esto es un perro. Voy
para allá, voy para allá. Vale, vale. Ahora voy para allá. Entonces, vamos esplicitamente a ese ejemplo. Una imagen. Las variables y las tuerquecitas. Una imagen. Son
píxeles. Sí. Tú tienes una cámara de 1024 x 1024. Sí. Vale. Entonces, lo que hay es... Es un megapíxel, ¿no?
Exactamente. Entonces, tú lo que tienes es, por cada punto, por cada punto, tienes varias de
estas tuerquecitas. Ajum. Que se van entre, con una trenza, entrezando entre ellas. Y se van sumando,
entre ellas se van sumando, algunas se van restando, algunas se van haciendo máximos. Ajum. Para
llegar al final a una serie de cosas que quieres clasificar. Tú tienes una tuerca que es perro,
otra que es gato, otra que es persona, otra que es cara. Y según el lindar donde llegue, va de 0 a 1,
a esta última te irá. Vale. De coger todos los píxeles y pasarlos por todas estas tuerquecitas,
te voy a decir que esto es el objeto que tú me has hecho aprender. Ajum. Una persona, una tuerca,
o sea, un gato. Una tuerca. No es tan complicado. Bueno, total. ¿Qué es lo que pasó en 2012?
Había un tío que dijo, aquí lo que se necesita de verdad son variables. Son más tuercas. Son
muchas variables. Pero una locura, ¿vale? O sea, ni cien ni mil. Cien ni mil. Las tarjetas de
gráficos, ¿de acuerdo? Las tarjetas de gráficos utilizamos para viciarnos, para jugar. Yo no me
bicio, pero bueno, para jugar vosotros. Nosotros tampoco. Bueno, bueno. Lo que tienen es cuando tú
renderizas, cuando tú creas una imagen en la pantalla del ordenador, tú puedes hacer toda esa
imagen de golpe muchas veces, ¿no? Lo que estás haciendo es tirar un rayo de luz viendo dónde rebota
y luego dibujándola en la pantalla. Tú no tienes por qué ir 1 a 1. Tú puedes dibujar de golpe esos
cien rayos. Y eso es porque las tarjetas gráficas tienen muchas procesadores dentro. Entonces alguien
se le ocurrió la idea y dijo, ¿y si cojo esta GPU en vez de un ordenador que tiene uno o dos
procesadores, que tiene noventa pequeños procesadores y lo utilizo para entrenar estas
redes de unorales? Por uno o dos órdenes de magnitud, o sea, por cien o por mil, multiplicó
el número de parámetros, entrenó las clásicas tareas que hay de aprendizaje para para matrizar,
entrenar un editor de objetos, gato, perro, lo que sea, y lo reventó. O sea, lo que pasó en
los ingresos es computación. Es envidia. Computación. Es envidia y cuda. Es envidia y cuda.
Concretamente se me ha olvidado el nombre. O sea, todo esto viene de un grupo, de un
hombre muy famoso, se llama Geoffrey Hilton, que es un profesor canadiense, que iba proponiendo
de que esto iba a funcionar algún día desde la década de los 80. Lo único que hasta día de hoy,
como no sabía cómo entrenar algo tan grande, no pude mostrarlo. Esta historia la oí hace poco,
de un, el fundador de Nvidia lo explicaba, que un académico le escribió un email, no sé cómo fue,
y le dijo, oye, por cierto, muchas gracias porque llevo años intentando entrenar un modelo
con CPUs y el budget es horroroso y tardo meses en sacar una conclusión y tal. A mi hija que usaba
el ordenador para videojuegos se le ocurrió decirme, oye, esto hace muchas cosas a la vez,
prueba de usar la GPU, lo uso, y eso le dio la idea a Nvidia de productizar el cuda y el toolkit,
las herramientas para hacer redes neuronales sobre las GPUs. Exactamente. Y luego lo que se ha
conseguido, entonces es una cajita negra donde tú le pones unos datos de entrada. La caja negra
que es el algoritmo. Es la red neuronal. La red neuronal, vale. Una cajita donde tú le pones. ¿Qué es una red neuronal?
Una red neuronal son parámetros. Es una configuración. Es una configuración, literalmente,
son mil valores o un millón de valores escritos en un documento y se implementan como neuronas.
Nosotros en la sinapsis, la sinapsis se enciende, nos apagan y se enciende, nos apagan según llegamos
a un lindar. ¿Dónde está configurado este lindar? De 0 a 1 es una neurona. Y ese parámetro,
esa tuerquecita, es el parámetro donde nosotros decidimos dónde se activa esa neurona. Y de ahí
viene el red neuronal. Sólo es esto, nada más. Se llama una sigmoide. Es una rayita, simplemente
una línea donde tú decides dónde se activa la neuronal y no. Y lo que aprendes es este millón
de neuronas, en qué momento se van a activar o se van a desactivar. Y lo que se ha demostrado,
donde revienta completamente esto, es en convoluciones. Convoluciones. Neuronas hay
muchos tipos. Nuestros ojos, nuestro sistema visual, tienen un tipo de neurona que lo que
hace es mirar varios píxeles a la vez en un entorno y hacer un pequeño resumen de lo que ve.
Si esto lo vas haciendo por capas, llegas hasta esta última capa que es clasificar que es lo que
estás viendo. O sea, básicamente, las neuronas son buenísimas detectando patrones. Es lo que se
descubrió, detectando patrones en 2012. Luego esto se ha extrapolado a todo. ¿Cómo se extrapola para
convertir de voz a palabra, por ejemplo? ¿Habéis visto alguna vez en la minicadena cuando escuchas
una canción que sale unas barritas, no? Hay una cosa que es un espectrograma, donde se ven las
frecuencias de la voz. Coges, lo conviertes en una imagen, ese espectrograma. Trabajas con lo mismo
que se hacía para imágenes, sobre esa imagen sintética que te has inventado tú con un
espectrograma y lo traduces a palabras. Y así con mil cosas más. A finales, una evolución tecnológica
en un ámbito del hardware que enablea, permite, facilita una revolución en otros ámbitos. En
cualquier otro ámbito, ¿no? Totalmente. ¿Cómo está todo conectado? Sí. ¿Y cómo cuando planteamos
la innovación a veces tenemos que mirar lejos de lo que inmediatamente estamos haciendo? Porque
igual una innovación en el procesador, lo puedo aplicar en mi estudio de análisis de sonido y
utilizar estas redes neuronales como herramienta para identificar lo que antes hacía de otra
manera, con otra estrategia, ¿no? Totalmente. Pero son ciclos largos, ¿eh? Son ciclos largos.
O sea, el gran hombre este, pobre hombre, al revés, Geoffrey Hilton, estuvo tres décadas para
conseguir que esto funcionara. Lo único que se ha popularizado tanto ahora, que esos ciclos han
reducido bastante más, pero lo que funciona ahora siempre en temas de Machine Learning es, hay muchas
disciplinas que se han machacado ya y que se ha demostrado su aplicabilidad, entonces lo que tú
coges es una de esas cosas que se ha demostrado que funciona perfectamente y te eras un poquito encima,
haces algo incremental, no empiezas algo de cero. Y ahí sí que se permite tener en tiempo
relativamente cortos, meses, medio año, un año, pues en un producto nuevo, más algo que te requiere
inteligencia artificial, entre comillas, o aprender Machine Learning, que prefiero decirlo yo, crear
algo nuevo o una cosa nueva de Machine Learning porque tienes una idea feliz, eso es otra vez
volver a meterse en el riesgo, esperar a ver qué sale. Esto pasa mucho, nosotros vemos muchos
proyectos que quieren hacer no sé qué y dicen, ostras, voy a aplicar Machine Learning. Y esto es
casi el titular del deck que nos mandan, ¿no? Pero todavía ni hay volumen, ni hay conocimiento exacto
del problema, no he probado ninguna estrategia, al final con volumen acaban llegando a la conclusión de que
en dos multiplicaciones son equivalentes al... Con 100 ifs. Una pregunta que se ha explicado en mi opinión
muy bien lo que es una red neuronal, la diferencia o la relación entre red neuronal, Machine Learning y
inteligencia artificial en 30 segundos nos la puedes explicar. Claro. ¿Machine Learning lo engloba todo?
Porque la máquina aprende a hacer algo, ¿sí? O sea, red neuronal es Machine Learning. Internet
artificial es Machine Learning, red neuronal es una técnica de inteligencia artificial de Machine
Learning, ¿vale? Y a debate filosófico podrías intercambiar inteligencia artificial por Machine
Learning si quieres o no, por red neuronal es una de las cientos de técnicas que hay de Machine
Learning barra IAQ. ¿Y cuáles son las otras top, el top 3? Las que han quedado deprecadas, las que han
quedado deprecadas, algoritmos de búsqueda, algoritmos de búsqueda, ¿no? Sí, algoritmos de búsqueda, había una cosa
antes justo antes de esto. Esto sí que lo estudiamos en la universidad. Y ahí estudiamos red neuronales,
pero yo era el único que estaba atento. Ya veo. Os voy a contar una cosa divertida. A mí me gustó la
carrera, ¿vale? A mí me gustó la carrera. ¿Esto es todo divertido? Esto va a ser una afirmación polémica
porque hay mucha gente que no le gustó la carrera y a mí me gustó. Nosotros los informáticos esperábamos
llegar a la asignatura de inteligencia artificial. Eso es lo que más quería yo. Que llegara a la inteligencia artificial, que se estudiaba en quinto, ¿no?
Y llegabas y decías, Dios mío, me lo he engañado. Todos estos cinco años para llegar y hacer esto, que
estabas cuatro cosas de búsquedas y de simulatial y elink. Esto sí que me acuerdo. Claro. Quiero decir,
de las cosas con reglas, que es domain knowledge, que es donde básicamente un experto pone un
sistema de reglas y entonces un ordenador hace una pequeña búsqueda recursiva en un árbol de
decisión. ¿Dónde está la película? ¿Dónde está la película? Y fue una bajona tremenda. No es ciencia ficción.
No es ciencia ficción. Es ordenar números más rápido. Me ha creado muchas expectativas. Pero bueno, luego las exploraste, ¿no?
Por tu cuenta. Y en el contexto también de la universidad, en las asociaciones de robótica, pues ahí vas haciendo tus pinitos, ¿no?
Sí. Pero las asociaciones es más bien, yo creo que es una cosa crítica y básica para la vida universitaria,
que es la sociabilización. Ese es el gran valor que tiene. De socializar y encontrar cosas en común con seres humanos
y de gente con más seniority que explica cosas fuera de lo que te explican exclusivamente en la carrera a otras personas y todo esto.
Bueno, yo me acuerdo en primera carrera que me decía, yo ahora me decía, este tío no tiene ni idea. El primer día, ¿eh?
Primer día en programación 1. Un saludo a nuestro profesor de... A ver, una pregunta. ¿Qué tiene que ver, se me ha olvidado la palabra ya,
las redes neuronales con la robótica? Vale. Porque tú has dicho que lo tuyo son los robots. Los míos son los robots.
Nos hemos ido... Muy buena pregunta. La robótica, para uno y para el otro, toca todo.
La robótica tienes mecánica, tienes electrónica, dentro de la robótica tienes matemáticas, tienes física, tienes percepción que es entender lo que hace el robot
a través de las cámaras. Para que un robot trabaja en un entorno, tiene que entender un poquito lo que hay alrededor suyo.
Había un campo entero que se llamaba visión por computador y que aún existe. Esto lo que hace es detectar, por ejemplo, que tenemos una persona delante nuestro, vosotros,
a lo que es una silla y tomar decisiones. Igual que para tener un sistema de vigilancia que mira a personas a través de una cámara con un
emprendizaje profundo, este mismo sistema sirve para que el robot también detecte personas y tome una decisión acorde.
Por lo tanto, todo lo que es percepción y entendimiento semántico del entorno, es todo un aprendizaje en el robot.
O sea, estás diciendo que la inteligencia del robot viene a través de redes neuronales. No.
El entendimiento del entorno para que el robot pueda... Estaba intentando simplificar, pero no me dejas.
No, claro, porque hay que ser preciso, pero el entendimiento del robot de lo que tiene el entorno se hace a través de redes neuronales.
Vale. Eso es. Y lo que hace el robot continúa siendo definido por una persona como tú y yo.
El que le dice qué tiene que hacer. Exactamente. No en tiempo real. Entendemos que estamos hablando de un robot que es autónomo.
Porque si no simplemente son... No, no, claro, hay muchas formas de... Es radio control, ¿no? Hay robots que simplemente en tiempo real tú los controlas.
Estamos hablando ahora de robots autónomos. ¿Qué puede ser una definición?
Entra en este espacio y explóramelo todo lo que hay alrededor, hazme un report y devuélvemelo.
Como... Eso es relacionado con el premio que yo gané del DARPA. Había una cueva de unos 12...
Cuéntanos. Un plaque ahí, ¿eh? Aquí vendía ahora de mi libro, ¿no?
¿Quién decía eso? Yo tengo dilemas y debates para plantearos, pero venga.
No, bueno, era muy fácil. Era una cueva de subterráneas, túneles subterráneos, donde los fers responden en Estados Unidos.
Tienen que entrar y ayudar a una situación de auxilio.
Cuando tú entras a una persona en un sitio comprometido, estás jugándote a la persona de un segundo actor.
Que no solo está abajo pasando las canutas, sino a la segunda persona que tienes que meter.
En esos sitios no hay GPS, no hay wifi, no hay nada. Por tanto, el robot tiene que entrar y hacerlo todo solo.
El comando, en este caso, para el robot sería entrar y mapearme todo lo que hay en torno, igual que dímelo.
Eso es una cosa que tú le indicas al robot lo que tiene que hacer, pero se lo indica a ser un nivel muy alto de comunicación.
Y tiene que tomar decisiones y espabilarse autónomamente.
Y esas decisiones se toman, no con redes neuronales, sino a través de algoritmos de optimización muy parecidos a los que estudiamos nosotros en la carrera.
Antes de los dilemas, ya que nos has soltado lo del premio. ¿Qué es este premio que has ganado? Cuéntanos.
El DARPA es el tercer concurso que hace. El primer concurso que hizo fue el de los coches autónomos.
El DARPA es el departamento de Defensa e Investigación del gobierno americano.
Se dio cuenta que la mayor parte de las bajas y problemas que tenían en el extranjero eran con rutas de logística.
Entonces dijo, si tengo un coche que se conduce solo, ¿me evito todas las bajas que estoy teniendo? ¿Por qué no lo hago?
Los metió casi 100 millones de dólares en el premio y un robot tenía que cruzar de punto a punto en el desierto.
Fue un éxito y el año siguiente lo hicieron dentro de una ciudad. Ahí empezó los coches autónomos, hace 10-12 años.
Luego vino Fukushima. En Fukushima la gente decía, bueno, ha pasado el accidente, vamos a mandar robots. Los robots eran todo, nada, cero absolutamente.
Gente entrando a cuestas de su salud y muchos pérdices en una vida con el simple hecho de cerrar una pálvula.
El DARPA dijo, wow, ¿qué está pasando aquí? Segundo concurso. Montamos robótica de rescate pero teleoperada.
Pero bueno, al menos no es una persona que está ahí. Y el tercero es, tenemos la robótica de rescate, etc.
Pero queremos evitar el componente humano que en la propia prueba, la segunda prueba, hemos visto que la mayor parte de liadas
era la persona teleoperándola porque había dormido muy poco, estaba muy nervioso por el concurso y le hacía hacer algo equivocado al robot.
Y de ahí vino el concurso donde yo participé.
La tercera era... Autonomía. Autonomía. Que tome decisiones dentro del propósito concreto que tiene.
Muy bien definida.
El mío era muy sencillo, era reconocimiento. Tomo una foto, mapea en el torno en tres dimensiones y encima el espacio son 12 kilómetros.
Por lo tanto, coordínate con los otros cinco robots que hay en la cueva para repartiros el trabajo, hablará entre vosotros y repartiros la faena.
Oye, DARPA es una organización militar. Totalmente.
De hecho, de ahí salen muchas innovaciones, entre ellas internet.
ARPANET. ARPANET.
Y ahí está uno de los dilemas. Estos mismos robots se podrían aplicar a la guerra.
Sí, pero te explico cómo lo hice yo. Por ejemplo, cómo lo hicieron con los DARPA Challenges.
Son premios totalmente científicos. O sea, DARPA por un lado tiene sus programas militares, financiados y todo esto.
Y luego tiene lo que él considera la estimulación de la ciencia.
Lo que nosotros hicimos con los DARPA Challenges son puros recursos para estimular la ciencia.
Ellos no reciben nada a cambio. Todo la propia intelectual es mía.
Ellos simplemente lo que quieren hacer es estimular.
Para aplicarlo luego a lo suyo.
No, porque luego ellos decidirán qué programas abren internos para hacer lo que quieran.
Pero el único objetivo de estas pruebas es fomentar la competitividad.
Financian a equipos suyos americanos y lo abran al resto del mundo para decirles
chavales, os tenéis que mover las pilas porque no sólo estáis compitiendo entre vosotros,
estáis compitiendo contra el resto del mundo.
Correcto. Pero Estados Unidos al final tiene un presupuesto de un trillón en defensa. Mucha pasta, ¿no?
Y si algo de esto funciona, pues lo puede hacer funcionar relativamente rápido.
¿Realmente funcionaría? ¿Podrías instituir, por ejemplo, ahora estamos en guerra, ¿no?
¿Podemos imaginar un futuro donde las guerras sean robots?
Porque esto todavía no es General Purpose.
Te pongo una cosa más específica aún.
Uno de los competidores puso sobre uno de los robots cuadrúpedos,
es una empresa americana, un rifle automático.
Y eso se creó un pollo tremendo.
Eso ya no es abrir puertas.
No, claro, eso ya no es abrir puertas.
Y fue muy condenado.
Fue muy condenado. ¿Por qué?
Eso sí que da miedo.
Yo me encuentro aquí un araño o un perro con una escopeta encima.
Porque ¿quién decide apretar el gatillo ahí?
Exacto. Eso es el segundo dilema que te iba a proponer.
Y entonces la presa decía, no, no, no.
Es una herramienta de apoyo. Siempre hay una persona detrás.
Hasta que no la haya.
Y había un académico de la universidad, porque estos son espinos de universidades,
de España, que era el mentor de todo este equipo de gente,
dijo, me disvinculáis automáticamente.
¿Por qué? Porque nunca sabes, y esto va a pasar,
que un lumbreras coja y ponga cuatro líneas de código
para hacer esto automático.
Y la tecnología no está ahí.
Ni el objetivo es moral, ni es el propósito de estas máquinas,
que el objetivo es aportar valor y ayudar a la sociedad,
no cargarse a gente.
Por lo tanto, disvinculadme a toda costa de vosotros.
Y ese es el problema. Que, una, la tecnología no está ahí,
aunque lo estuviera, sería inmoral,
y puede dar pie a que lumbreras puedan cometer errores de este tipo.
La moralidad es un debate amplio, pero muchas veces la ciencia,
sin ir más lejos de la energía nuclear,
se ha aplicado para destruir la vida humana.
Y eso es aplicable a cualquier tecnología o cualquier avance científico.
No volvamos a la energía infinita, que ya nos atascamos hace dos semanas.
Por ejemplo, el otro día decís fisión nuclear.
Sí, un error, un error.
Porque decimos muchas cosas, nos equivocamos más que hablamos.
La intención es buena.
Un tema, el robot, o sea, el robot es autónomo,
pero el coche autodirigido no tiene un rifle,
pero sí que toma decisiones sobre vidas humanas.
El gran paradigma de qué hago,
si tengo una persona mayor que va a atropellar o hay un bebé,
¿cuál escojo de los dos?
Yo creo que sería aleatorio ahora, honestamente.
¿Cómo?
Sería aleatorio.
¿Aleatorio?
La tecnología no está a este punto para tomar esa diferenciación,
pero tomará versus otras métricas.
¿Cuál es la probabilidad menor de que choque con uno?
¿Cuál es el volumen más grande?
¿Cuál es el volumen más pequeño?
No hay diferenciar entre un bebé y una persona mayor.
Bueno, de momento, pero es un tema de redes neuronales y de computación, hemos dicho.
Y alguien escribe el código, ¿no?
El mecanismo sea así.
¿Alguien toma la decisión para los millones de Teslas que tienen que tomar esta decisión?
Concretamente, en ese caso específico, ellos están haciendo una cosa que va un poquito más allá.
Ellos, en verdad, lo que quieren hacer es entrenar un policy,
o sea, un policy es un set de reglas basadas en imitación de los conductores.
Por lo tanto, lo que ellos quieren hacer o la técnica que están siguiendo
es, con todos los datos que recogen, imitar el comportamiento de un conductor.
Por tanto, el coche hará lo que el resto de conductores hacen.
Ya, pero no hay dos conductores iguales, ¿eh?
No hay dos seres humanos iguales.
Cada uno tiene su criterio y su moralidad, volviendo la moralidad.
Pero no se puede afinarse, o sea, no llega a afinarse tan fino.
Y hay muchas empresas de coches autónomos, Tesla está tomando esa ruta.
Ellas están tomando otra ruta.
¿Y si un juez decide que eso es incorrecto, el ingeniero va a la cárcel?
O sea, al final, cuando tú atropellas a alguien por tu propia decisión,
el juez decide lo que te pasa a ti, ¿no?
Si un Tesla decide tomar un camino y luego el juez dice que esto es un crimen,
¿quién va a la cárcel?
El ingeniero va a ir de la agencia reguladora que le ha dado el visto bueno a eso.
No va a ir nadie.
No va a ir nadie, obviamente, pero lo que tendría la responsabilidad, creo yo,
sería la persona, o sea, la persona no, la empresa certificadora que...
Las empresas no van a la cárcel.
No.
Van personas.
No, pero las personas tampoco en este caso.
Hay una liability todas las empresas.
Si no, nadie se dedicaría a la certificación.
Pero es el que ha legislado sobre esto, la herramienta reguladora.
Es una de las razones por las que va tan lento todo esto.
Es precisamente esto. ¿Dónde está la liability?
No es una cosa que te plantees, ¿eh?
La moralidad de vuestros robots no está todavía encima de la mesa.
Es que está tan lejos todo esto.
Está muy lejos.
Está tan lejos que no hay que...
No hay que invertir tiempo en ello.
Es Black Mirror, de momento, todo es Black Mirror.
Claro.
Vamos que el robot funcione.
Ese es el objetivo número uno.
De momento, que entre, que mire y que vuelva.
Que mire, que entre, que vuelva y que evita...
Y con eso ya tenemos trabajo para...
Y que evite que una persona tenga que jugársela.
Sólo con eso el valor añadido ya está demostrado.
Vamos a evitar que la gente haga tareas donde se está jugando y no aportan ningún valor que esté en ellas.
Hablando de esto, antes has soltado el concepto de estado del arte.
¿Cuál es el estado del arte de la robótica ahora?
¿Qué puede hacer un robot realísticamente hoy?
¿Cuántos robots conoces en...
O sea, ¿cuántos robots ves tú en tu día a día?
Depende de la definición.
Claro. No, no, pero robots físicos.
Hablamos de los robots que hago yo.
Robots físicos.
Cacharros electromecánicos.
¿Un Tesla?
Es lo más parecido que se me ocurre.
La rumba.
Una rumba también, pero has dicho aparte de la rumba.
Ha dicho aparte de la rumba, perdón.
La rumba es un éxito tremendo.
La rumba es una pasada.
O sea, se ha normalizado tanto la rumba que se le quita un poco el mérito tecnológico que es.
Para mí es una pasada.
O sea, tenemos un robot en casa, pero ya lo hemos normalizado tanto que ese rollo se nos olvida.
Que no, que no. Que eso es una pieza tecnológica increíble.
Yo no puedo porque tengo escalones.
Sí, yo tampoco tengo por eso.
Estoy esperando que salgas de Barcelona.
Una para cada nivel.
Claro.
Tú que vienes robot te interesa esto.
O uno de los tuyos.
No, porque yo subo escaleras.
Exacto.
No, por eso estoy esperando el tuyo.
Eso es.
Por el falso inspirador.
Entonces, el estado del arte es que para que tengamos robots trabajando en el día a día
alrededor nuestro, hay muchos retos tecnológicos que hay que solventar.
La prueba es que aún esto es DARPA CHALLENGE.
DARPA CHALLENGE aplica lo mejor de lo mejor del mundo.
Y viendo el resultado de cada uno, puedes ver dónde está el estado del arte.
Son las mayores razones por las que DARPA genera esos grandes challenges.
Para quitar toda la ciencia ficción y todo el hype que hay en las noticias.
La gente que sobrevende lo que está haciendo.
Y es muy fácil.
Mira, tengo un pool de 3,5 millones.
Benit y Benita por él.
Los mejores os llevaréis.
Y eso son unas grandes muestras de dónde está el estado del arte.
Pero un poco es tanto, ¿eh?
3,5 millones dentro de un trillón de budget.
3,5 en la final.
El budget fue 100 millones de todo el premio.
Entre pitos y flautas.
Pero viendo lo de los robots, yo no los veo en mi día a día.
Pero si vas a una fábrica de ordenadores como este, hay un montón de robots.
Si vas a un almacén de Amazon, hay un montón de robots.
Eso es una pasada.
Pero eso es robótica industrial que no lleva de ahora.
Lleva desde los 80 o los 70.
Entonces, el estado del arte ahora es la industrial.
No, porque hay cosas mejores.
O sea, el coche autónomo es, creo, el estado del arte.
El coche autónomo, yo creo que sería una de las muestras más bestias que hay de automatismo electromecánico.
O sea, he tenido inversión de trillones, de billones, perdona, billones americanos, miles de billones.
Que le han hecho hacer unos saltos en 8 o 10 años.
Muy ligado con la revolución del deep learning.
Que era uno de los grandes inconvenientes que había para evolucionar la tecnología de los autónomos.
Al estado donde está hoy.
Eso es una máquina increíble.
Es de las cosas inteligentes más potentes que hay hoy en día.
¿Y un mayordomo que nos limpie los cristales, nos haga la cama y nos cocine una tortilla de patatas?
Esto lo veremos en 10 años, 20 años.
Vale.
Es un conjunto de propósitos específicos.
Bueno, estoy pensando que me hace feliz, ¿no?
La cama bien hecha, los hospitales limpios y una tortilla de patatas.
Hombre, es un buen día.
Qué fácil eres de contentar, ¿no?
Imagínate, Jordi, que yo me estoy partiendo los cuernos y mucha otra gente,
para el simple hecho de que pueda trabajar en un edificio un robot subiendo bajando escaleras.
Imagínate lo que falta para el otro.
Claro, yo tengo pequeños escalones de estos como Bernal.
Qué pesimista, ¿eh?
Yo pensaba que no vendrías aquí a contar que...
No, no, no.
Hay que ser realista.
Yo creo que hay que ser realista y hay que explicar dónde está el tema.
Lo que no quita...
O sea, queda mucho, ¿eh?
Queda mucho para tortillas de patatas.
Tortillas de patatas, concretamente, hay robots que hacen pizzas, cosas así.
Sí, no han ido muy bien.
Pero no se amortizan.
No se amortizan porque la robótica es cara.
Lo humano puede no serlo, desafortunadamente.
Pero lo que sí que hay es mucho trabajo para que eso sea en el futuro no muy lejano, lo sea.
Pero lo que tú has definido es no un robot, un AGI,
porque no tiene por qué tenerlo para hacer esas tareas que tú dices,
pero sí es un robot de propósito general.
Eso sería un robot humanoide, unas cosas así.
Que Tesla, sin ir más lejos, lo ha anunciado que lo va a sacar en poco tiempo.
En dos años.
No sabes qué dice Elon Musk, es trolling.
De todas las cosas que ha dicho,
creo que los tres tenemos igual admiración por él,
de todas las cosas que ha dicho creo que esta es la más inverosímil.
Más que la de ir a Marte.
Y terraformar Marte.
No, terraformar Marte obviamente no, pero ir a Marte sí que lo veo como una realidad.
Hemos mandado sondas de ahí y han sido un éxito.
Mandar más cosas, más peso.
¿Ya pero con humanos?
Vale.
Otros dos que vuelvan, ¿no?
Otros dos que vuelvan, pero no lo veo tan lejano porque la tecnología está un poco ahí.
Ya se han hecho demostradores de meter cosas en Marte.
De lo que estamos hablando, no hay nada.
Parece mentira que podamos mandar a alguien a Marte y no podamos hacer una pizza
o hacer una tortilla de patatas.
La intuición a veces no funciona.
La podemos hacer pero es caro.
Y para ir a Marte no hay nadie haciendo business plan.
La gente paga y punto.
¿Sabes cuánto su uso va del programa Apollo del PIB americano?
O sea, llevó el 1,5%.
Claro.
Del PIB americano.
Imagínate gastar eso en una tortilla.
Le garantizo que si hacemos eso, la tortilla la tendrás.
Lo garantizo.
Lo hago yo y cobro la mitad.
1,5% del PIB americano que costó el programa Apollo fue muy polémico y muy controvertido.
¿Fue una buena inversión?
Por supuesto.
Pero supuestísimo porque de ahí salió también GPS y todo.
Ahí se desarrollaron los ordenadores de navegación del Apollo.
Hicieron unos algoritmos que llamaban Extended Cartman Filters.
¿Extended qué?
Cartman Filters.
Yo utilizo eso en mi robot.
Por eso sí, sí, todo.
¿Y eso es conocimiento público o está patentado?
Todo es público.
La NASA trabaja para el bien de la humanidad.
En principio no tiene intenciones de gridis.
Todo lo que hace lo publica.
Patenta alguna cosa, pero en principio el objetivo de la NASA es evolucionar la humanidad.
Oye, una cosa.
Hay mucha gente que quiere emprender y seguramente habrá gente que quiere emprender en hardware.
Y se plantea, oye, ¿cómo empiezo?
Hay mucha gente que en Europa está muy de moda innovar en centros de innovación.
En centros del gobierno o de que el gobierno mete pasta y trabaja muy lejos del mercado, podríamos decir.
Pero ¿cómo se empieza una startup de hardware en casa?
Vale, una notización primero.
Cuando se habla de startups de hardware, hay que matizar.
¿Estás vendiendo un producto que su valor es simplemente el dispositivo físico?
Por ejemplo, una bicicleta eléctrica o los patinetes o algo de este estilo, ¿no?
¿Es el mecanismo, es el producto físico lo que estás vendiendo o algo como lo mío?
Yo tengo que hacer un robot porque no tengo otra opción.
El valor del producto que estoy haciendo yo es software.
Es todo lo que hace que esos 30 kilos de metal hagan lo que tienen que hacer.
Como no hay cosas en el mercado, yo tengo que fabricarlo.
Si tuviera la opción de comprarlo ya hecho a un precio razonable, lo haría.
Pero no cambia.
Porque al final, si tú eres pelotón, también me puedes contar que no eres una empresa de hardware.
Pero tienes el problema de una empresa de hardware.
Aunque tú vendas fitness y bienestar, tienes que hacer hardware, fabricarlo, hacerlo a escala.
Y esos son problemas que son diferentes a la startup de e-commerce, de software as a service, de otro tipo de negocios.
100% de acuerdo y esa es la continuación de la respuesta.
¿Cómo lo haces?
Vale, yo estuve 10 años trabajando antes en una empresa, también con mucha financiación pública,
que hacía cosas que iban en estas líneas.
Investigación de robótica muy compleja, etcétera.
Humanoides.
Humanoides, concretamente robots humanoides.
¿Puedo decir que nosotros somos la única empresa en el mundo que ha vendido robots humanoides?
Literalmente, vendimos más de 12 de ellos.
¿En el mundo? Es una afirmación contundente.
Sí, sí. No, había otras. Hay tres.
¿Dónde tenían?
Nos vendían los Asimo.
¿Nadie vendía robots humanoides? Sólo vosotros.
Kawada, a través de un programa gubernamental, vendía HRP2, que es otro robot humanoide,
que hicieron dentro de un marco de investigación en el Japón.
Robots humanoides que tú puedas coger y comprar en el basket y que te llegue a tu laboratorio, muy poquitos.
¿Y qué hace ese robot?
Investigación. Nosotros ofrecíamos plataformas.
Investigación. ¿Anda?
No, caminaba, cogía objetos. Una plataforma para validar tu investigación.
Entonces, tienes que haber pasado por uno de estos, porque nadie filantrópicamente te va a dar dinero
para que tú aprendas a hacer todas esas cosas necesarias para montar algo así.
O lo haces a través de la universidad, o lo haces a través de una empresa como la que yo trabajaba,
que recibía financiamiento público, pero aquí hay un gran, gran bagaje que tienes que aprender.
Y una vez te consideras un experto en la materia y tienes una idea que crees que puedes explotar,
entonces puedes decir, os ayudo a la universidad, montar tu propia empresa o hacer algo parecido.
Pero empezar de cero es muy complicado. Requiere muchísimos años y muchísimo trabajo.
Pero por la barrera de conocimiento.
Barrera de conocimiento. Exactamente.
Pero luego, para pasar a tener un prototipo, ¿cuánto tiempo lleváis en eso?
Haciendo el robot que estamos haciendo ahora, llevamos diseñando físicamente el robot.
Haremos casi un año ahora.
Ah, bueno, nada.
Casi un año.
Pues nada es un año.
¿Y lo fabricáis todo desde cero?
Lo fabricamos todo.
¿O compráis piezas y las juntáis?
Los ordenadores, por ejemplo, los compramos.
¿Sí?
No, en el robótico.
¿Eso?
Los ordenadores del robot.
Tiene el chip del...
Tiene tres ordenadores del robot. Tres ordenadores como los que compramos vosotros mismos.
Es como una Raspberry Pi. Ya sé, para tontos.
Pero como una especie de Raspberry Pi pequeñita.
En esteroides, compramos tres de éstas.
El robot está compuesto de piezas de aluminio.
Mandamos a un taller a fabricar las piezas de aluminio.
O sea, las diseñáis y se fabrican.
Exactamente. Llegan a nuestro taller.
Las placas electrónicas del robot las diseñamos.
Hay infinitos proveedores que te fabrican tu placa electrónica y te las soldan.
Llega al taller y nosotros hacemos un lego.
Lo ensamblamos todo.
Y cruzamos los dedos para que funcione.
Pero no compráis...
En el momento funciona una pierna.
Funciona una pierna que no se ha enseñado en el vídeo aún.
Que no se ha enseñado después.
Exactamente. Ahora se ha enseñado.
Es incremental todo esto.
Cada robot de éstos,
a hacer un prototipo se pueden ir fácilmente cincuenta o sesenta mil euros.
Tú no puedes coger de golpe y hacerlo todo.
Tú lo haces incrementado. Nosotros diseñamos primero el actuador.
El actuador es un elemento que tiene un motor,
una caja de cambios,
una placa electrónica. Lo validas.
Luego fabricas una pierna.
La revientas. Lo validas completamente.
Luego fabricas el cuervo.
Metes todo. Miras que todo funciona.
Que eléctricamente todo no explota, digamos.
Luego mandas a fabricar
todos los componentes de golpe y ensamblas el primer robot.
Es money intensive.
De ahí que
me metí en el DARPA
para sacar el premio
y financiar este proyecto.
Con el DARPA no sólo conseguimos el dinero
para financiar el proyecto.
¿Cuánto dinero da para el ganador, has dicho?
Dólares en el premio final
y 150.000 en un premio intermedio que gane.
Pero estuviste un buen tiempo ahí.
Dos años.
A toda Castaña, sin parar.
No está mal.
Como remuneración de dos años.
Es una forma
muy arriesgada de financiar una startup.
No la recomendamos.
Es la confianza muy buena en ti mismo
de saber que puedes ganar.
¿Y tú tenías la confianza en ti mismo?
Cero.
Aún día debilidad tuve.
Pero pocos.
Y la gracia del DARPA
es que este software de autonomía que nosotros queremos
y necesitábamos para montar
el robot que queríamos montar
era exactamente lo que necesitábamos para nosotros.
El DARPA era
desarrollar el software que teníamos que hacer sí o sí.
El reconocimiento y el premio.
No había ninguna opción a no participar.
Y tan pronto me di cuenta de que el trabajo
me apunta a esto.
Durante un tiempo te aguantaste
solo.
Mi socia fue la que financió
y ella es la primera inversora.
Es la que financió básicamente la que
pagó las cenas y todo.
Tu coste de vida durante
este periodo.
Literalmente.
Y algún día de esos
de duda de si iba a ganar o no.
Raros días el apoyo
psicológico.
Brutal este apoyo.
Vamos a las preguntas que
realmente normalmente en los últimos
15 minutos.
¿Qué te parece la de Cristian García?
Creo que quería ponerlo en otro sitio.
Dice, queso fresco, una celaducia,
galleta.
Igual tiene que ver con la tortilla de la que hablaba.
No porque ha sido antes.
La primera pregunta de Cristian Camelli
es, ¿cómo es la transición
de montar un equipo de marketing
de generalista a especialista?
Esta creo que
es para vosotros.
¿Cuáles son los mayores retos en buscar
atraer y retener talento en
esta área según cada etapa?
Esto es para ti.
El tema del generalista y
especialista es un tema interesante.
Es un tema que nos planteamos muchas veces
en las compañías
cuando crecemos.
Creo que cualquier compañía tiene que empezar con generalista.
Si tú no es capaz
de entender el ciclo entero de lo que estás haciendo,
de que estás construyendo un producto,
pero quién lo va a consumir, para qué lo utiliza.
Si tú te pierdes algún matiz de esta
cadena, probablemente
se va a quedar a medias este proceso.
Necesitas tener visibilidad y perspectiva.
Pero a medida que creces va
siendo difícil tener muchos generalistas
con mucha perspectiva y con lo cual con mucha opinión
que trabajan conjuntamente.
Entonces
te ves forzado a especializar.
A mí no me gusta nada especializar.
Es una cosa que para mí es un mal necesario,
pero desde luego no es
mi objetivo.
Y menos en marketing te diría.
En ventas
te ves obligado a
especializar. Industrializas un poco más
en ventas. Necesitas volumen.
Necesitas volumen. No tienes tiempo.
En corto
plazo de tiempo necesitas llamar a mucha gente
y convencer a mucha gente. A unos
tienes que enseñar una cosa, a otros tienes que enseñar otra.
No hay, no sé cómo se dice en español,
pero no hay leverage.
En ventas si tu vendes con una persona
con diez personas, para vender mil veces
más necesitas diez mil personas.
Muchas veces. Hay poca optimización. En cambio
en marketing tú puedes hacer una campaña,
puedes hacer cosas que puedes apalancar.
Y realmente con diez personas puedes
conseguir mil veces más resultado
que con nueve personas. Si esa
persona tiene una idea creativa que puedes
escalar. Ventas no escala
de la misma manera que marketing sí que puedes escalar
en el sentido de necesitar más
igual que producto de ingeniería y tal.
Con lo cual pocos generalistas llegan mucho más lejos
que un ejército de
especialistas. Eventualmente tienes que
especializar en marketing. No puedes, probablemente
el perfil de una persona que hace performance,
un perfil analítico, existiendo un perfil
creativo, que hace contenido, que hace
creatividad. Pero
cuanto menos tengas que hacerlo
mejor. Yo prefiero una persona que sea peor
especialista en performance, peor
creativo, especialista
creativo, pero que tenga visión general,
que no una persona que tiene
superbuena en performance, pero luego no entiende
que hacemos aquí. Yo entiendo que el
especialista mantiene lo que
has encontrado, la idea que has conseguido que te
funcione y la optimiza. Y el generalista
crea. Es más creativo prueba cosas
diferentes en todas direcciones y va
de cero a diez, de cero a mil. Y el otro
pues va optimizando, va escalando, va haciendo
que funcione cada vez más. A mí hay una cosa
que al principio oía mucho y
pensaba que tenía sentido y luego un día pensé en ello
y me gustó, que es el concepto en inglés de
Jack of all trades,
master of none. Y yo pensaba que esto
era equivalente a generalista y luego
un día decidí que como emprendedor no puede
ser Jack of all trades, master of none.
Eres Jack of all trades, master of a few.
Eres generalista
pero hay que saber bastante de algunas
cosas que son claves para tu empresa. Por ejemplo,
si haces una empresa de software
no puedes no tener ni puta idea de cómo funciona
el software. Tienes que tener un conocimiento,
no hace falta que sea... Pero primero eres master,
ojo, que la frase aplica.
Master of none, no eres master de nada.
Hostia,
medio master,
medio master.
No es que no tenga ni puta idea.
En porcentaje
es ok que no es el master del universo.
Pero es un percentil alto. Si tu hubieras que hacer
algo, alguna de las funciones
especializadas que hoy hace factorial, seguramente
no sabrías. Esto es muy difícil. Si lo hicieras a full.
Eso es muy difícil.
Por la complejidad que tenemos hoy.
Pero en su momento...
Pero al principio sabes hacer
suficientemente código, suficientemente marketing,
suficientemente ventas, suficientemente
finanzas como para arrancar el negocio.
No puedes no tener ni puta idea.
Porque si no, no hay nada. Hay una frase en inglés
que resume este dilema que es
¿qué es más importante?
Doing the things right
or doing the right things?
¿Qué es más importante? Elegir las cosas
buenas de hacer
o hacer las cosas bien.
Hacer las cosas bien.
Las grandes empresas en general, el mundo, el mercado
todo está centrado en hacer las cosas
bien. Experiencia, conocimiento.
Eso tiene que ver con hacer las cosas bien.
Pero hacer las cosas adecuadas, igual
no hace falta tanto conocimiento. Igual hay que elegir...
Hay que tomar una convicción.
Una convicción fuerte
con sentido crítico.
A veces individual, sin
muchas capacidades, sin muchos equipos.
Pero que te hacen elegir un camino
concreto. Y que al final
este camino puede tener éxito o no.
Normalmente no. Esto lo habréis vivido vosotros
también muchísimo. Pero
aunque tengáis un especialista, a mi
opinión, lo importante es que aún así esté dispuesto
a mojarse, barrarse
y hacer lo que haga falta para
sacar un proyecto hacia adelante. Entonces
puede ser un generalista, pero la actitud
también es muy importante de hacer
lo que se tenga que hacer.
Como un señor de robots haciendo fundraising
por ejemplo, ¿no?
Yo no lo estoy haciendo. No estás solo.
Yo estoy aquí
a título de fan del podcast. No
fundraising.
Creo que Cristian está contestado.
Vamos al siguiente.
¿Quieres leer tú?
José
Balandin
Dice, ¿qué motiva un emprendedor
a diluirse en su empresa?
Dicho así, nada.
Por ejemplo, en Factorial el objetivo es la futura
venta por un importe mayor del que podrías
hacerlo sin inversión. Mil gracias.
Hay dos preguntas. Una es, ¿cuál es el objetivo
de la empresa? ¿Cuál es el
objetivo a largo plazo? Y la otra es
¿cuándo compensa diluirse?
Una afecta muchísimo a la
otra. Yo creo que un emprendedor tiene que tener
muy claro, antes de decidir levantar
pasta o meter socios en general,
qué quiere hacer con esta empresa. Incluso
en un equipo de fundadores, todos los fundadores
tienen que compartir esta decisión, porque si no, luego
llegarán en un camino en el que
no podrán deshacer.
En nuestro caso, no es la venta
la compañía. Yo creo que es una cosa que hemos hablado
muchas veces. De hecho, hoy o ayer
lo hablábamos hablando con otros emprendedores que habían
vendido su empresa y nosotros decíamos
ostras, ¿qué haríamos si vendiéramos
la empresa? Y es como, uy, quita, quita, quita. No, no, vamos
a vender la empresa porque es que queremos hacer esto, con
lo cual no hay ningún incentivo para vender
la empresa. Entonces,
es muy importante saber si quieres vender la empresa,
qué precio es razonable y ver
qué valoraciones das a tu empresa. Si tú levantas
el capital que, por ejemplo, hemos levantado en
Factorial, te complicas mucho la vida si quieres
vender la empresa porque hay muy pocas
empresas con suficiente dinero para
comprar una empresa que has valorado de manera
tan alta, ¿no? La segunda
es, ¿qué motiva un emprendedor de diluirse?
Pues el costo de oportunidad. ¿Qué puedes hacer sin diluirte
versus qué puedes hacer con diluirte?
Y mi opinión es que
tiene que ser muchísimo más grande
lo que puedes hacer con dilución que sin dilución.
Si es parecido
o peor, obviamente,
ni de coña, ¿no? Pero si tienes
claro que puedes hacer un por cien o un por mil
con esa dilución, yo creo que
merece la pena. ¿A ti, Hilario, qué te aporta
diluirte?
Yo quiero empezar primero con la reflexión.
Es una posición que vosotros habéis
evolucionado con el tiempo, ¿verdad? Lo que
opinabais sobre la dilución no es lo mismo que opináis ahora,
¿correcto? Puede ser.
Lo que sabíamos sobre la dilución
era nulo hasta que nos hemos diluido
y hemos visto muchas compañías y vamos
aprendiendo. Hablando de diluirnos,
se está diluviando.
A lo mejor
el micrófono. Y
lo importante es sacar el proyecto hacia adelante.
El greediness
puede hacer que acabes sin nada. Entonces,
¿de qué sirve ser codicioso
si luego acabas sin nada?
Si tú crees que tienes que diluirte para
sacar tu proyecto hacia adelante, lo que hay que hacer es con
cabeza, analizar los riesgos y las ventajas
y tirar para adelante. La codicia no te va a
dar ningún lado. ¿Sabes qué ha evolucionado?
O sea, lo que ha
cambiado bastante en este
sentido es el miedo
a la pérdida de control.
Cuando empezamos
nos daba mucho miedo
el compartir el control y poco a poco
hemos visto que el control en realidad tiene
más que ver con tu capacidad de liderar.
No son los inversores
los primeros que confían
en vosotros y en vuestra opinión
y en vuestro talaná, que quieren que vosotros
controleis la empresa, que sois los creadores,
aunque estéis en una posición minoritaria. Bueno, pero hay de todo.
Puede haber malos inversores. Claro,
por eso hay que escoger bien. Por eso todo va ligado.
Yo creo que hay una cosa
que no es muy
comúnmente aceptado,
pero que estoy 100% convencido.
Yo no conozco ningún fundador de una empresa
startup, tecnológica,
digamos, mediana o grande
que haya empezado o seguido en ese negocio
por el dinero.
Con lo cual, el miedo a la dilución
no es el miedo
o la versión
a la dilución no es voy a ganar un poquito menos
de dinero en el futuro. Es más,
si voy a tener un mal socio, me va a joder la empresa.
Yo creo que este es un miedo válido.
Debo de tener un mal socio,
pero tener otro socio muchas veces suma.
Entonces, la dilución
más que es paso de un 100 a un 80,
de un 80 a un 30, es decir,
ahora somos tú y yo que sé que nos vamos a entender
y ahora seremos nosotros tres que quizá
tú eres mala persona o no te conocemos y quizá
jodemos la empresa. Esto es peligroso
y esto hay que... La codicia te puede llegar a tomar esa mala decisión
también. No solo puedes
tener problemas de codicia y no diluirte y no tener
un proyecto o el hecho de levantar capital
puede hacer cojas el socio equivocado.
Por un tema de codicia, al inversa.
Oye, creo que tenemos que dejarlo aquí.
Por ahora
y por lluvia.
Se nos va a llevar la tormenta.
Oye, Hilario, muchas gracias por
contarnos cosas muy interesantes.
Gracias a vosotros y fan total.
Fan total.
Igualmente. Gracias, Jordi.
Hasta la semana que viene.
¡Gracias!
¡Gracias!
¡Gracias!
¡Gracias!