Skip to content
TheChatArchiveThe Chat Archive
gpt-4o-2024-08-06· OpenAIAi2 WildChat-4.8M (AI2)

Evalúa críticamente la capacidad y experiencia del equipo de trabajo que aparece en la…

  1. User

    Evalúa críticamente la capacidad y experiencia del equipo de trabajo que aparece en la memoria del proyecto siguiente. La memoria es la siguiente: “

    Vidext dispone de un equipo técnico con experiencia demostrable en materia de Inteligencia Artificial generativa. En el presente proyecto, participarán Miguel Castillo, ejerciendo como CTO, y liderando, por tanto, el seguimiento y cumplimiento de los objetivos técnicos propuestos, así como proponiendo soluciones a los problemas que surjan durante el transcurso del proyecto, David Páramo, ejerciendo como AI Engineer, Antón Alberdi, ejerciendo como Back-End Developer, y Andoni Enriquez, ejerciendo como Front-End Developer. Asimismo, tenemos previsto la contratación de un Data Analyst y un Web Developer. En el siguiente apartado, se demostrará la capacidad técnica y experiencia profesional del personal mencionado, estando plenamente capacitados para abordar los objetivos propuestos. Cumplimente la siguiente tabla indicando la titulación, capacidad técnica y experiencia profesional del personal propio participante en el proyecto. Añadir tantos grupos de casillas como sean necesarios para incluir todos los participantes. Nombre persona participante 1 David Páramo Titulación Ingeniería Informática por la Universidad Politécnica de Valencia (UPV). Máster en Realidad Virtual por Editeca. Máster en IA, Reconocimiento de Formas e Imagen Digital por la Universidad Politécnica de Valencia Experiencia profesional En 2020 tuvo su propio proyecto como Artista 3D y, desde 2021, ejerce como Ingeniero en IA en Vidext. Plan de I+D+i Empresarial PIDI-CV. Proyectos de I+D de PYME – 2024 37 / 64 Experiencia en proyectos I+D Dispone de experiencia en desarrollar modelos de IA para generación de modelos 3D, vídeos y síntesis de voz Departamento en que trabaja I+D Nombre persona participante 2 Miguel Ángel Castillo Titulación Ingeniería Informática por la Universidad Complutense de Madrid (UCM). Máster en Inteligencia Artificial de la Universidad Politécnica de Madrid (UPM). Experiencia profesional En 2019, al comienzo de su carrera profesional, ejerce como Ingeniero Software en Codeeta hasta 2020, empezando como Ingeniero de Datos en Di-Dy. Gracias a la experiencia obtenida, en 2021, comienza a formar parte de Vidext como Cofundador y CTO. Experiencia en proyectos I+D Dispone de experiencia en desarrollar la estrategia tecnológica de la empresa y en asegurar el cumplimiento de los objetivos Departamento en que trabaja I+D Nombre persona participante 3 Antón Alberdi Titulación Ingeniería Informática por la Universidad de Mondragón. Experiencia profesional Respecto a su trayectoria profesional, ejerce durante dos años como Especialista TI en COEL Audio Solutions, adquiriendo una experiencia en Dart, permitiéndole esta experiencia comenzar, en 2022, como Desarrollador Back-End en Vidext. Experiencia en proyectos I+D Dispone de experiencia en desarrollar y mantener la plataforma de creación de videos, asegurándose de que el sistema sea escalable, fácil de mantener y esté integrado con otras plataformas y servicios digitales, así como de desarrollar algoritmos de procesamiento de lenguaje natural para la IA generativa Departamento en que trabaja I+D Nombre persona participante 4 Andoni Enriquez Titulación Ciencias de la Informática por la Universidad de Mondragón Experiencia profesional Tiene conocimientos en NextJS, tRPC, TIdraw, Prisma, TailwindCSS, Javasript, C/C++, Java, Python, Go y Typescript. En relación a su experiencia profesional, ha ejercido como Ingeniero Software en ISEA S.COOP (2016-2019). Desde 2022, ejerce como Desarrollador Full Stack en Vidext. Experiencia en proyectos I+D Dispone de experiencia en desarrollar la plataforma, la estructura Back-End y el Diseño UX/UI, y en desarrollar y mantener API REST utilizando tRPC. Departamento en que trabaja I+D Nombre persona participante 5 Nueva contratación 1 (Data Analyst) Titulación Ingeniería Informática Experiencia profesional Experiencia de al menos 2 años como Data Analyst. Experiencia en proyectos I+D Experiencia en proyectos de I+D como Data Analyst y dominio de herramientas de análisis de datos como SQL, Pyhton y R. Departamento en que trabaja I+D Nombre persona participante 3 Nueva contratación 2 (Web Developer) Titulación Ingeniería Informática Plan de I+D+i Empresarial PIDI-CV. Proyectos de I+D de PYME – 2024 38 / 64 Experiencia profesional Experiencia de al menos 2-3 años como Web Developer Experiencia en proyectos I+D Experiencia en proyectos de I+D como Web Developer y dominio de HTML, CSS, JavaScript, React o Angular, Node.js y APIs RESTful Departamento en que trabaja I+D

    Principales proyectos ejecutados en el ámbito de la I+D en los últimos años. Desde nuestra creación, hemos participado en el programa de aceleración Open Future de Telefónica, el cual apuesta por el desarrollo de nuevas tecnologías (BigData, IoT, AI, Ciberseguridad e Innovación Digital) como núcleo transformador, por lo que se podría considerar un programa de I+D. Asimismo, en enero de 2023 nos hemos presentado a la convocatoria “Proyectos de apoyo a aceleradoras culturales con cargo al Plan de Recuperación, Transformación y Resiliencia, Componente C24.I1.P1.2” Apoyo a Aceleradoras Culturales”. El expediente se encuentra pendiente de resolución. Asimismo, gracias a nuestro estrecho contacto con la Universidad Politécnica de Valencia (UPV), la de Mondragón y BIC Gipuzkoa, hemos adquirido las competencias necesarias para participar en programas de apoyo a la I+D. Además, en 2023 hemos recibido la ayuda NEOTEC de CDTI, obteniendo la segunda nota de todas las empresas presentadas a la convocatoria (más de 400). En el presente proyecto presentado a IVACE, se incluyen gastos y desarrollos diferentes a los planteados en Neotec, de forma que no se compromete una posible incompatibilidad entre ayudas."

  2. Assistant

    Para evaluar críticamente la capacidad y experiencia del equipo de trabajo descrito en la memoria del proyecto, debemos considerar tanto las credenciales académicas como la experiencia laboral de cada uno de los miembros mencionados, así como el contexto general del proyecto y las actividades de investigación y desarrollo (I+D) de la empresa. A continuación, se presenta un análisis específico:

    Análisis de los Miembros del Equipo:

    1. Miguel Ángel Castillo (CTO):

      • Titulación: Cuenta con una sólida formación académica en ingeniería informática y un máster en inteligencia artificial, lo que proporciona una buena base teórica.
      • Experiencia Profesional: Aunque su experiencia profesional comienza relativamente reciente, rápidamente asumió un rol de liderazgo como CTO. Sin embargo, la poca experiencia podría representar un desafío en la gestión de proyectos complejos.
      • Experiencia en I+D: Se ha centrado en el desarrollo de la estrategia tecnológica, lo que es crucial para el éxito de proyectos de I+D, aunque la memoria no detalla proyectos específicos en los que haya trabajado.
    2. David Páramo (AI Engineer):

      • Titulación: Su formación especializada en IA y realidad virtual es directamente relevante para el proyecto.
      • Experiencia Profesional: Su experiencia desde 2021 en Vidext abarca desarrollo de modelos de IA para aplicaciones específicas, lo que resulta ventajoso.
      • Experiencia en I+D: Parece tener experiencia práctica en áreas clave como la generación de modelos 3D, lo cual es importante para proyectos de inteligencia artificial generativa.
    3. Antón Alberdi (Back-End Developer):

      • Titulación y Experiencia Profesional: Tiene una experiencia técnica relevante pero limitada en el tiempo. Su paso por COEL Audio Solutions y Vidext le ha proporcionado habilidades importantes con tecnologías y lenguajes específicos.
      • Experiencia en I+D: Involucrado en el desarrollo de plataformas y procesamiento de lenguaje natural, lo cual está alineado con su rol pero sugiere una experiencia limitada en enfoque más holístico hacia proyectos de I+D.
    4. Andoni Enriquez (Front-End Developer):

      • Titulación: Formación en informática y conocimientos técnicos en diversas plataformas y lenguajes.
      • Experiencia Profesional: Aunque cuenta con una base técnica fuerte, su experiencia en el contexto de I+D no es profundamente detallada en la memoria.
      • Experiencia en I+D: La experiencia en plataformas y API REST es valiosa, aunque su contribución específica en proyectos de I+D no es clara.
    5. Nuevas Contrataciones (Data Analyst y Web Developer):

      • Titulación y Experiencia Profesional: Ambos perfiles pueden aportar habilidades complementarias indispensables para el éxito del proyecto. Sin embargo, al ser contrataciones nuevas, existe cierta incertidumbre sobre cómo se integrarán al equipo.

    Consideraciones Adicionales:

    • Participación en Programas y Ayudas: La participación en programas de aceleración y la obtención de ayudas como NEOTEC refleja un cierto reconocimiento y potencial en el ámbito de la I+D, aunque no se especifican resultados concretos de estos esfuerzos.
    • Colaboraciones Académicas y Asesoría: La conexión con universidades podría ofrecer un apoyo adicional en términos de conocimiento y recursos humanos, aunque el papel específico de estas colaboraciones no está claramente descrito.

    Conclusión:

    El equipo, en conjunto, tiene una combinación de formación académica sólida y experiencia relevante, aunque en algunos casos es limitada o reciente. El hecho de que Vidext haya sido distinguida en convocatorias competitivas es un indicador positivo del potencial del equipo, aunque aún queda por ver cómo se materializan estos talentos en resultados concretos del proyecto de I+D. La integración efectiva de nuevas contrataciones y el aprovechamiento de colaboraciones externas serán cruciales para mitigar posibles deficiencias en experiencia y asegurar el éxito del proyecto.

  3. User

    Evalúa de forma crítica la escala de madurez de la tecnología (en inglés Technology Readiness Levels o TRL) de la memoria del siguiente proyecto. La memoria es la siguiente: "scala de madurez de la tecnología (en inglés Technology Readiness Levels o TRL). La memoria es la siguiente: "P En este sentido:

    • El proyecto empezará en un TRL4, ya que comenzaremos a integrar los diferentes componentes de nuestra tecnología para demostrar que pueden funcionar correctamente de manera conjunta.
    • El proyecto finalizará en un TRL6, ya que comenzaríamos a realizar implementaciones completas en entornos reales acotando la tecnología propuesta a distintos casos de de uso de los sectores de formación y e-learning, marketing y ventas, soporte o recursos humanos, entre otros."
  4. Assistant

    Para evaluar de manera crítica la escala de madurez de la tecnología (Technology Readiness Levels o TRL) indicada en la memoria del proyecto, es importante entender el contexto de cómo se sitúa el proyecto dentro de esta escala. El TRL es una metodología utilizada para evaluar el nivel de madurez de una tecnología en un proceso de desarrollo. En el documento se indica que el proyecto comenzará en un TRL4 y finalizará en un TRL6. Analicemos estos niveles:

    TRL 4: Validación en Laboratorio

    • Definición de TRL 4: Este nivel implica la validación de componentes o subsistemas tecnológicos en un entorno de laboratorio o en una configuración "cuasi-real". Se espera que las partes individuales de una tecnología hayan sido probadas, aunque no necesariamente la tecnología completa.

    • Evaluación Crítica: Comenzar en un TRL4 sugiere que ya se han desarrollado los componentes individuales y estos han sido probados en condiciones de laboratorio de alguna manera. La afirmación de que se centrará en integrar diversos componentes para demostrar su funcionamiento conjunto parece consistente con este nivel, siempre y cuando se hayan realizado experimentos previos que validen cada componente por separado.

    TRL 6: Demostración en un Entorno Relevantemente Realista

    • Definición de TRL 6: En TRL6, la tecnología debe ser demostrada en un entorno relevante o realista. Generalmente implica una implementación más amplia donde la tecnología funciona como un sistema en pleno funcionamiento. Es un paso significativo más allá de la evaluación de laboratorio.

    • Evaluación Crítica: El objetivo de llegar a un TRL6 significa que el equipo proyecta tener una tecnología suficientemente madura como para ser implementada en entornos operacionales realistas, aunque aún bajo condiciones controladas. La aplicación en sectores específicos como formación y e-learning, marketing, ventas, soporte o recursos humanos sugiere un grado de adaptación a casos de uso concretos y un nivel de confianza en la operatividad de la tecnología.

    Consideraciones y Desafíos:

    • Desafíos de la Integración: Pasar de TRL4 a TRL6 significa abordar desafíos significativos de integración y adaptación. La habilidad para llevar a cabo implementaciones completas en entornos reales requiere no solo de la tecnología per se, sino también de la comprensión de las necesidades del usuario final y de la robustez del sistema.

    • Evidencia de Validación: La descripción en la memoria no da detalles sobre las pruebas o validaciones específicas que se planean implementar para pasar de un TRL a otro. Esto es crucial porque sin un plan claro y estructuras de prueba definidas, el salto a TRL6 podría ser visto como demasiado optimista.

    • Escalabilidad y Flexibilidad: Tener sectores y casos de uso específicos en mente podría ayudar a dar foco y dirección al desarrollo, pero también se debe tener en cuenta si la tecnología es lo suficientemente flexible y escalable para abordar situaciones imprevistas que puedan surgir durante las implementaciones en entornos reales.

    En conclusión, mientras el avance de TRL4 a TRL6 es un objetivo ambicioso, su viabilidad dependerá de la planificación detallada del proceso de integración y pruebas, así como de la capacidad para adaptarse a los desafíos del entorno operativo real. Se beneficiaría de detalles adicionales que demuestren cómo se planean abordar estos desafíos.

  5. User

    Analiza la respuesta anterior con los siguientes nuevos elementos: "Los resultados del proyecto no contemplan el desarrollo de prototipos que puedan clasificarse como TRL 5, TRL 6 o TRL 7 o no se aporta información suficiente. "Los resultados del proyecto no contemplan el desarrollo de prototipos que puedan clasificarse como TRL 5, TRL 6 o TRL 7 o no se aporta información suficiente. OBJETIVO 3: Desarrollo de modelos generativos basados en Inteligencia Artificial para la creación de imágenes, vídeos y audios FASE 3. Desarrollo de modelos generativos basados en IA 3.1. Desarrollo de modelos generativos para la creación de imágenes, vídeos y audios. Desarrollaremos modelos de IA generativa para crear imágenes, vídeos y audios a partir de textos. Estos textos serán previamente limpiados y preprocesados utilizando la librería NLTK, la cual nos permitirá analizarlos mediante tokenización, etiquetado y análisis de sentimientos. Para la generación de imágenes, desarrollaremos modelos generativos utilizando técnicas de Stability Fine-Tuning, mientras que para la generación de audios, desarrollaremos modelos generativos utilizando PyTorch y Scikit-Learn y técnicas de aprendizaje profundo y automático. 3.2. Entrenamiento de los modelos. Una vez desarrollados los modelos, lo entrenaremos para ir consiguiendo cada vez resultados más precisos. Recursos: Las tareas de desarrollo de modelos generativos para la creación de imágenes, vídeos y audios, serán realizadas por Miguel Ángel Castillo, Andoni Enríquez, graduado en Ingeniería Informática y experto en desarrollo front-end; junto con la Nueva Contratación 1 y la Nueva Contratación 2. En cuanto a la tarea de entrenamiento del modelo, será realizada por la Nueva Contratación 2 y Antón Alberdi. FASE 4: Pruebas y validaciones del sistema. Realizaremos pruebas del sistema (funcionales, de rendimiento, de volumen, de disponibilidad de datos, de seguridad, etc.) para comprobar el correcto funcionamiento del mismo."

  6. Assistant

    Considerando los nuevos elementos proporcionados, es necesario reevaluar el análisis anterior de la escala de madurez de la tecnología (TRL) para el proyecto en cuestión. A continuación se presenta un análisis crítico teniendo en cuenta la información adicional:

    Evaluación Revisada del TRL:

    1. Comienzo en TRL 4:

      • Definición de TRL 4: En este nivel, los componentes básicos de tecnología deben estar integrados y probados en un entorno de laboratorio.
      • Análisis Crítico: La descripción inicial del proyecto como iniciando en TRL 4 parece ambiciosa, particularmente si los modelos generativos y sus integraciones aún están en la fase de desarrollo y no en un contexto integrado más amplio. Esto sugiere que el punto de partida real podría ser más cercano a TRL 3, donde los principios analíticos han sido observados y validados conceptualmente.
    2. Finalización en TRL 6:

      • Definición de TRL 6: La tecnología debe ser demostrada en un entorno realista y funcional, lo que implica prototipos o sistemas precomerciales.
      • Análisis Crítico con Elementos Nuevos:
        • La falta de desarrollo de prototipos específicos que puedan clasificarse como TRL 5 o 6 indica una discrepancia importante en la maduración esperada del proyecto.
        • El desarrollo de modelos generativos y su entrenamiento son pasos cruciales, pero sin el paso intermedio de prototipado en TRL 5 (integración de tecnología en un contexto más cercano al operacional), el avance a TRL 6 parece prematuro.
        • Las pruebas y validaciones mencionadas suenan robustas, pero no alinean necesariamente con la integración y demostración a mayor escala requerida para TRL 6.

    Elementos Adicionales y Desafíos:

    • Ausencia de Prototipos Intermedios: La falta de desarrollos significativos que califiquen como prototipos para TRL 5 y TRL 6 sugiere que el camino a una implementación completa en entornos reales no está claramente definido.

    • Detalles de Validación Insuficientes: Aunque se mencionan pruebas y validaciones del sistema, no se especifica cómo estas contribuciones abordarían la demostración completa en un entorno relevante, algo esencial para TRL 6.

    • Recursos Humanos y Capacidad Técnica: La asignación de miembros del equipo y nuevas contrataciones para tareas específicas es positiva, pero dado que se asume un salto madurativo considerable, hacen falta más detalles sobre cómo esto permitirá superar los retos de integración y validación necesarios para avanzar robustamente en los TRLs.

    Conclusión Revisada:

    La expectativa de avanzar de TRL 4 a TRL 6 parece sobreestimada sin el desarrollo y la validación de prototipos intermedios (TRL 5) en contextos significativos. La inclusión de fases de pruebas y validaciones es un paso en la dirección correcta, sin embargo, se necesita un plan de implementación más detallado que aborde prototipos y pruebas en entornos operacionales para sostener el avance hacia TRL 6. Para establecer un camino más realista y asegurarse de que los resultados sean consistentes con el incremento de nivel TRL, una planificación estructurada que incluya hitos de prototipado y validación más detallada es esencial.

  7. User

    Analizar críticamente la Explotación de los resultados de la memoria de proyecto Se indicará como se materializarán a nivel industrial los resultados de la explotación del proyecto, así como su impacto económico en el mercado. La memoria es la siguiente: “ Desde nuestro nacimiento, hemos articulado un equipo capaz de llevar nuestra tecnología a clientes y extendernos en el mercado. Nuestra organización comercial se articula en:

    • Beñat Arrizabalaga, CSO y Cofundador, lidera el establecimiento de la estrategia comercial, teniendo experiencia en ventas internacionales
    • Jon Enríquez, CEO y Cofundador, debido a su posición de CEO, participa en acciones comerciales más orientadas a la difusión, como eventos, notas de prensa y colaboración con partners / inversores para llegar a más clientes.
    • Marcos Luengo, COO y Cofundador, se encarga de gestionar los presupuestos de los proyectos para asegurar la una adecuada gestión de los recursos de la empresa.
    • Maialen Carrasco, Manager de Operaciones de Ingresos, y Daniel Gil, Manager de Operaciones de Ventas, se encargan de impulsar y alinear todas la funciones relacionadas con las ventas y el crecimiento de Vidext.
    • Daniel Sánchez, Jefe de Ventas, es responsable de definir la estrategia de ventas de la empresa.
    • Christian Sarrión, Jefe de Representantes de Ventas, junto con Pau Antoni, Belén Cañamás, Representantes de Ventas, se encargan de vender el producto / servicio a nuestros clientes actuales y potenciales y de mantener relaciones comerciales para garantizar futuras ventas.
    • Rubén Parrilla, Sergio Tomás Juan y Esteban Carlos Pieres, Managers en Desarrollo de Negocios, son responsables de definir la estrategia de negocios de la empresa.
    • Cristian de Mares, Manager en Desarrollo de Cuentas, junto con Rafael Peña, Jose Ramón Saiz, Alejandro Izquierdo y Alejandro Crespo, Ejecutivos de Cuentas, se encargan de realizar las cuentas de la empresa (balance de situación y cuentas de pérdidas y ganancias)
    • Gastón Iván Roldán y Patricia Bel, Managers en Investigación de Mercado, son responsables de realizar estudios de mercado para poder definir una estrategia de ventas y marketing consistente.
    • Aitana Gil, Manager de Marketing, es responsable de definir la estrategia de marketing de la empresa.
    • Cristina Ríos y Mercedes Roca, Managers de Éxito del Cliente, se encargan de desarrollar una estrategia de retención de clientes, además de brindar soporte técnico ante posibles incidencias. En efecto, el éxito de nuestro negocio radica en nuestra organización comercial, concretamente, en los perfiles comerciales seleccionados, los objetivos definidos y la estructura del departamento de ventas, que nos permiten vender y generar ingresos desde nuestro primer año. • Estrategia de ventas Con el objetivo de posicionar Vidext y nuestra tecnología, hemos establecido la siguiente estrategia de ventas:
    • A quien nos dirigimos: Nuestro modelo de negocio está dirigido a empresas. La tecnología será transversal en cuanto a sector y tamaño de empresa objetivo, siendo un aspecto diferencial la asequibilidad económica del modelo SaaS. Asimismo, en cuanto a la segmentación geográfica, la tecnología está destinada a clientes de distintos hablas, ampliando enormemente el perímetro de actuación. Tal como hemos visto anteriormente, contamos con clientes de distintos sectores.
    • Cómo accedemos: Para acceder a las empresas, nos dirigimos a los responsables de toma de decisiones (CEO, CMO, CTO…) mediante el contacto directo a través de LinkedIn, obteniendo así información de forma directa y bidireccional.
    • Cómo hacemos la venta: A través de nuestra página web, la empresa puede contratar una demo del SaaS. Nuestra oferta SaaS, unido a una estructura de costes más ligera, nos permite acercar la tecnología a clientes más pequeños sin dejar de competir con otros más grandes. Plan de I+D+i Empresarial PIDI-CV. Proyectos de I+D de PYME – 2024 27 / 64 En referencia a la estrategia de captación de clientes hasta ahora, desde nuestros inicios hemos invertido en marketing, siendo nuestro propio equipo el encargado de desarrollar las estrategias. En este sentido, la inversión principal ha sido en marketing digital, a partir de estrategias inbound, invirtiendo en redes sociales, Google Ads, y también captando clientes de forma orgánica. Nuestro foco principal reside en la captación de leads y la conversión de estos a clientes, con el fin de maximizar el número de clientes presentes en Vidext. Asimismo, la mayoría de nuestros clientes actuales han sido captados tanto de forma orgánica con empresas presentes en Lanzadera, como a partir de estrategias outbound, buscando empresas interesadas en nuestro servicio con venta directa. Asimismo, algunos de nuestros clientes han sido obtenidos referenciados por otras empresas. De cara a los próximos pasos a nivel de captación, continuaremos siguiendo estrategias outbound, inbound y con partners como Lanzadera. Asimismo, para completar la estrategia de ventas, hemos establecido métricas como el Coste de Adquisición (CAC) y el Lifetime Value con el objetivo de poder establecer medidas encaminadas a: 1) Ajuste de precio en función de los márgenes del negocio; 2) Medidas, no solo de captación, sino de retención de clientes, y 3) Calibrado de los argumentos de venta en cada sector hacia los decision maker. Completa nuestra estrategia de ventas nuestro plan de precios, que se puede ver en la figura inferior y presenta 3 modalidades. Esencial, profesional y corporativo, según las funcionalidades reflejadas, con los precios indicados de 300€, 450€ y 1.000€ mensuales. Para facilitar la conversión, ofrecemos una demo gratuita con una de nuestras personas de ventas, que se puede contratar aquí: https://meetings.hubspot.com/benat/solicitud-de-demo Ilustración 13. Estrategia de precios • Estrategia de marketing Nuestra estrategia de marketing se basa en los siguientes canales (en cada caso, se proporciona la referencia con la noticia concreta de nuestra participación):
    • Participación en eventos sectoriales para difundir nuestra tecnología, por ejemplo: o HR Innovation Summit48 : Congreso orientado a startups relacionadas con el sector de recursos humanos, siendo finalistas en la categoría de Tendencia y Futuro. o Bind 4.049: Plataforma internacional de innovación donde participan empresas con soluciones disruptivas en la Industria 4.0, siendo finalistas en la categoría de IA. o Startup Olé 202250: Evento cuyo principal objetivo es el posicionamiento de la Universidad de Mondragón (donde se imparte el grado universitario LEINN) como entidad emprendedora en proyectos innovadores de base tecnológica. o CYL-HUB51: Ponencia enfocada al emprendimiento e innovación, siendo el principal objetivo establecer una conexiones entre las startups participantes con diferentes corporaciones e inversores. o SIMO Educación 202252: Fuimos seleccionados como uno de los productos Innova 2022 de SIMO Educación 2022, presentando nuestro producto en el Salón Internacional de Tecnología e Innovación Educativa organizado por IFEMA MADRID53 48 https://www.rrhhdigital.com/secciones/eventos-rrhhdigital/154578/El-aroma-startupero-de-la-HR-Innovation-Summit-asi-fue-la-primera-jornada-de-la-HR-Startup-Competition 49 https://bind40.com/2022/11/09/startup-finalists-7th-edition/ 50 https://www.tulankide.com/es/mondragon-centro-de-promocion-y-mondragon-unibertsitatea-participan-en-startup-ole-2022 51 https://cadenaser.com/castillayleon/2022/11/17/llega-a-burgos-el-mayor-evento-de-emprendimiento-e-inversion-de-castilla-y-leon-el-proyecto-cyl-hub-radio-castellon/ 52 https://www.ifema.es/simo-educacion 53 https://www.samoo.es/consigue-videos-increibles-con-vidext/ Plan de I+D+i Empresarial PIDI-CV. Proyectos de I+D de PYME – 2024 28 / 64 o E-Learning Experience 202254: En este evento dirigido por profesionales del ámbito de educación y formación para profundizar en soluciones e-learning, tuvimos la oportunidad de conocer las últimas novedades en tecnologías de la educación.
    • Branding y campañas a través de la Web55 y RRSS (LinkedIn56, Twitter57 y YouTube58)
    • Posicionamiento SEO/SEM a través de medios propios y de pago combinándolos según el canal. Concretamente, realizamos la estrategia en medios de pago en plataformas del sector como Google, LinkedIn y Google Search, mejorando así el reconocimiento de la marca, incluyendo publicidad a través de Google Ads.
    • Presencia en medios de comunicación, por ejemplo: o El Diario: Este diario, en su artículo “Vidext, la startup que crea puentes comunitarios a través de la IA y la producción de vídeos”59, reconoce el potencial de nuestra tecnología como herramienta de digitalización. o El Referente: Este diario, incluye Vidext como una de las 15 startups más prometedoras en 2023 en su artículo “Top 15 de las startups españolas más prometedoras de 2023 según los business angels”60. o Agencia Vasca de Desarrollo Empresarial: Este blog menciona nuestra actividad en su artículo “Vidext usa la IA para crear vídeos profesionales”61 o El Español: Este diario, en su artículo “Elige el avatar, el tono de voz y el texto: esta IA basada en los 'deepfakes' produce vídeos de calidad sin actores ni cámaras”, habla sobre el origen de Vidext y las principales ventajas de nuestra tecnología. o Emprendedores: Este diario, en su artículo “6 ideas de negocio innovadoras y rentables para emprender ahora”62, menciona nuestra tecnología destacando la contribución a la digitalización.
    • Webinars, por ejemplo: o “Virtual Coffe: Video Marketing Strategy On!”63. Maialen Carrasco, CRO, proporciona consejos para la creación de videos de marketing, difundiendo a su vez nuestra tecnología o “Como convertir textos en vídeos para RRHH con IA”64. Impartido por Javier Fernández, CMO de Vidext, o “User Emotions and Synthetic Humans”65. Jon Enriquez, CEO de Vidext, ofrece su opinión sobre la barreras del cerebro en relación a los nuevos avatares. o “Crea vídeos de gran impacto utilizando IA con Vidext”66. Junto con Saamo, presentamos una demo de la plataforma, así como nuevas y próximas funcionalidades, además de una ronda de preguntas y sugerencias.
    • Newsletter67: Por último, disponemos de una newsletter donde informamos de las últimas novedades de nuestra tecnología A partir de estos canales, buscamos difundir nuestra tecnología con el objetivo de establecer nuevos contactos y aumentar nuestra cartera de clientes. • Previsión de ventas A continuación, hemos realizado una previsión de ventas. Para ello, se han establecido los siguientes modelos de ingresos y gastos: 54 https://www.elearningexperience.es/ 55 https://www.vidext.io/ 56 https://www.linkedin.com/company/vidext/ 57 https://twitter.com/vidext_io 58 https://www.youtube.com/channel/UCRqbWdSMmrhITjBYxVVeXbw?app=desktop 59 https://www.eldiario.es/canariasahora/impulsa-startups/vidext-startup-inteligencia-artificial-impulsa-startups-impulsa-ventures_1_9830172.html 60 https://elreferente.es/ecosistema/top-15-de-las-startups-espanolas-mas-prometedoras-de-2023-segun-los-business-angels/ 61 https://www.spri.eus/es/emprendimiento/vidext-usa-la-inteligencia-artificial-para-crear-videos-profesionales/ 62 https://www.emprendedores.es/ideas-de-negocio/ideas-emprender-ahora/?utm_medium=Social&utm_source=LinkedIn#Echobox=1666076621 63 https://gretel.co/community/webinars/short-videos-webinar 64 https://www.linkedin.com/events/webinarvidext-c-moconvertirtext7046124612027310082/comments/ 65 https://www.linkedin.com/feed/update/urn:li:activity:6998331120861724672/?utm_source=share&utm_medium=member_desktop 66 https://www.linkedin.com/posts/vidext_elearning-elearningexperience22-universidades-activity-6932596623092940800-QkRQ/?utm_source=share&utm_medium=member_desktop 67 https://www.linkedin.com/newsletters/vidext-newsletter-6994238541362806784/ Plan de I+D+i Empresarial PIDI-CV. Proyectos de I+D de PYME – 2024 29 / 64 Ilustración 14. Previsión de ventas
    • Modelo de ingresos Nuestro modelo de ingresos, se basa en proporcionar a nuestros clientes un SaaS para facilitar la creación de contenido audiovisual evitando la necesidad de contratar actores o disponer de estudios y equipos de grabación. En este sentido, el cliente puede elegir entre el plan Esential (3600€/año), Profesional (5.400€/año) o Corporativo (12.000€/año). Estas serán nuestras principales vías de ingresos.
    • Modelo de gastos En relación al modelo de gastos, hemos tenido en cuenta los gastos de personal, equipamientos e infraestructuras, marketing, además de otros gastos (como servicios exteriores, aprovisionamientos, etc.) Para evaluar el modelo, hemos analizado los principales indicadores financieros de rentabilidad: Valor Actual Neto (VAN), a una tasa de interés anual del 12%, la Tasa Interna de Retorno (TIR), el Periodo de Retorno Interno (PRI) y el Break Even. Asimismo, hemos realizado un análisis de sensibilidad para evaluar el comportamiento del modelo frente a posibles tensiones, tanto a nivel de ingresos como de gastos. Para ello, planteamos un escenario donde se reducen los ingresos un 20%, un escenario donde se incrementan los gastos un 20%, y un escenario suponiendo la concesión de la ayuda IVACE. Ilustración 15. VAN, TIR, PRI y Break Even A través de estos indicadores, se observa que el modelo es capaz de soportar las tensiones planteadas en cada escenario, manteniéndose siempre dentro del umbral de rentabilidad, obteniéndose en todos los casos un VAN

    0 y una TIR >12%. En este contexto, la concesión de la presente ayuda solicitada, nos permitiría adelantar los flujos positivos y, por tanto, el PRI y el break even, repercutiendo en el alcance del proyecto, así como en los plazos planteados. “

  8. Assistant

    La memoria de proyecto presentada describe una estrategia de explotación de resultados que abarca varios elementos clave, incluyendo la estructura organizativa, la estrategia de ventas y marketing, y previsiones financieras. A continuación se presenta un análisis crítico de los componentes principales de la explotación de este proyecto y su impacto económico en el mercado:

    Estrategia Organizativa y Comercial:

    1. Estructura del Equipo Comercial:

      • La empresa cuenta con una estructura organizativa bien definida en roles y responsabilidades, desde liderazgo estratégico hasta operaciones de ingresos y ventas. La presencia de un CSO, CEO, COO y otros roles críticos sugiere un enfoque claro y dirigido hacia la comercialización efectiva.
      • Crítica: Aunque la estructura parece robusta, el éxito dependerá de la coordinación efectiva entre las distintas áreas y la capacidad de adaptación a cambios en el mercado que pueden no estar contemplados en esta fase inicial.
    2. Segmentación del Mercado y Estrategia de Ventas:

      • El enfoque en un modelo SaaS asequible que puede adaptarse transversalmente a diferentes sectores y tamaños de empresas es un atributo fuerte que debe explotarse para maximizar el alcance y la penetración de mercado.
      • Crítica: Sin embargo, el éxito de esta estrategia dependerá significativamente de la calidad y la diferenciación del producto en un mercado potencialmente saturado de soluciones SaaS, lo que requiere de una ventaja competitiva clara.

    Estrategia de Marketing:

    1. Canales de Marketing:
      • Una combinación de marketing digital, presencia en eventos sectoriales, campañas SEO/SEM, y presencia en medios de comunicación demuestra un enfoque multifacético para mejorar la visibilidad y el posicionamiento de la empresa.
      • Crítica: Aunque los canales seleccionados son apropiados, asegurar un mensaje claro y consistente en todos ellos será crucial para maximizar su impacto. Además, la sobredependencia de canales digitales puede limitar el alcance si no se complementa con tácticas más directas de engagement.

    Impacto Económico y Modelo Financiero:

    1. Modelo de Ingresos y Previsión de Ventas:

      • El uso de un modelo de ingresos basado en suscripciones SaaS es estándar en el sector tecnológico y permite previsibilidad en el flujo de caja.
      • La memoria menciona planes de precios diferenciados que pueden atraer a una amplia gama de clientes, desde individuales hasta corporativos.
      • Crítica: La previsión de ventas debería considerar más variables que podrían influir en el éxito, como la reacción de la competencia y la dinámica cambiante del mercado. Además, una validación más exhaustiva con estudios de caso podría añadir credibilidad a las proyecciones.
    2. Modelo de Gastos y Análisis Financiero:

      • Un análisis financiero exhaustivo utilizando indicadores como el VAN, TIR, y análisis de sensibilidad, demuestra un enfoque consciente hacia la planificación de riesgos.
      • Crítica: Aunque el análisis muestra optimismo bajo distintas tensiones, es importante ser realista respecto a la volatilidad inherente en un startup y adaptar estrategias proactivamente para mitigar riesgos imprevistos.

    Conclusión:

    La explotación de los resultados del proyecto está bien estructurada, con una organización enfocada en la comercialización efectiva y un plan detallado de marketing y ventas. No obstante, el éxito dependerá de una implementación efectiva, capacidad para adaptarse a cambios del mercado, y una diferenciación clara del producto en un entorno competitivo de SaaS. Será crucial monitorear los indicadores financieros continuamente y estar preparados para ajustes en las estrategias de ingresos y gastos basados en las realidades del mercado.

  9. User

    Resume en no más de 240 palabras el siguiente texto. El texto es el siguiente: "El proyecto presenta una innovación tecnológica considerable. Se destaca el uso intensivo de la Inteligencia Artificial (IA) y algoritmos de Aprendizaje Automático para procesar y enriquecer datos en tiempo real. Esta habilidad para transformar datos de múltiples fuentes en información valiosa representa un progreso significativo en el procesamiento de datos y la automatización inteligente en contextos financieros, permitiendo un incremento en la precisión y actualización de la información utilizada.

    Se incluyen micro-robots autónomos en el contexto de la recolección y clasificación de datos. La utilización de robots a una escala microscópica para ejecutar tareas específicas como búsqueda, identificación y clasificación de datos es una idea innovadora que, de ser viable, podría representar un importante avance tecnológico, superando los desafíos asociados a la autonomía robótica y la miniaturización. Asociado a esto, se encuentra la utilización de tecnologías de Automatización de Operaciones de TI (AIOps) para gestionar el despliegue y funcionamiento de un gran número de estos micro-robots. La capacidad de escalar rápidamente estos robots para una cobertura de datos exhaustiva y oportuna subraya la importancia de la automatización en la gestión eficiente de recursos tecnológicos.

    Por otro lado, el proyecto fundamenta su fortaleza en la capacidad para analizar grandes volúmenes de datos provenientes de diversas fuentes, un proceso que requiere técnicas avanzadas de análisis de datos y gestión de Big Data. La habilidad para integrar y enriquecer datos financieros en tiempo real proporciona un valor añadido significativo en el ámbito bancario y financiero, ofreciendo a las instituciones y clientes una herramienta poderosa para mejorar la toma de decisiones. En este sentido, también se aborda la detección de fraudes, un avance en las técnicas de ciberseguridad esencial para aumentar la seguridad y confianza en los sistemas de pago digital.

    Desde una perspectiva crítica, aunque el proyecto incorpora múltiples tecnologías avanzadas, alcanzar la viabilidad práctica de micro-robots autónomos y el procesamiento de datos a tal escala es ambicioso y podría enfrentar desafíos significativos en términos de implementación técnica, costos y viabilidad a largo plazo. Además, el manejo de datos de fuentes abiertas, como las redes sociales, plantea desafíos relacionados con la privacidad y ética que deberán ser cuidadosamente abordados para asegurar la aceptación y el éxito del sistema propuesto en el mercado. Estos aspectos críticos son esenciales para entender el potencial disruptivo del proyecto y las barreras que enfrentará en su posible implementación."

  10. Assistant

    El proyecto propone una innovación tecnológica significativa al usar Inteligencia Artificial (IA) y algoritmos de Aprendizaje Automático para procesar datos en tiempo real, mejorando la precisión y actualización de información en contextos financieros. Destaca la incorporación de micro-robots autónomos para la recolección y clasificación de datos, una idea innovadora que promete superar desafíos de autonomía y miniaturización robótica. Además, se utilizan tecnologías de Automatización de Operaciones de TI (AIOps) para gestionar el despliegue de estos robots, destacando la importancia de la automatización en la gestión de recursos tecnológicos.

    El proyecto se fortalece en su capacidad para analizar grandes volúmenes de datos de diversas fuentes, crucial para la gestión de Big Data. Proporciona un valor añadido en el ámbito financiero al ofrecer herramientas para mejorar la toma de decisiones y abordar la detección de fraudes, esencial para aumentar la seguridad en sistemas de pago digital. Sin embargo, la viabilidad práctica de los micro-robots y el procesamiento a gran escala plantea desafíos técnicos, económicos y de ética, especialmente en el manejo de datos de fuentes abiertas como redes sociales. Estos desafíos deben ser considerados para asegurar la aceptación y éxito del proyecto en el mercado.

  11. User

    Resume en no más de 240 palabras el siguiente texto. El texto es el siguiente: "El proyecto presenta una novedad tecnológica considerable. Se destaca el uso intensivo de la Inteligencia Artificial (IA) y algoritmos de Aprendizaje Automático para procesar y enriquecer datos en tiempo real. Esta habilidad para transformar datos de múltiples fuentes en información valiosa representa un progreso significativo en el procesamiento de datos y la automatización inteligente en contextos financieros, permitiendo un incremento en la precisión y actualización de la información utilizada.

    Se incluyen micro-robots autónomos en el contexto de la recolección y clasificación de datos. La utilización de robots a una escala microscópica para ejecutar tareas específicas como búsqueda, identificación y clasificación de datos es una idea innovadora que, de ser viable, podría representar un importante avance tecnológico, superando los desafíos asociados a la autonomía robótica y la miniaturización. Asociado a esto, se encuentra la utilización de tecnologías de Automatización de Operaciones de TI (AIOps) para gestionar el despliegue y funcionamiento de un gran número de estos micro-robots. La capacidad de escalar rápidamente estos robots para una cobertura de datos exhaustiva y oportuna subraya la importancia de la automatización en la gestión eficiente de recursos tecnológicos.

    El proyecto fundamenta su fortaleza en la capacidad para analizar grandes volúmenes de datos provenientes de diversas fuentes, un proceso que requiere técnicas avanzadas de análisis de datos y gestión de Big Data. La habilidad para integrar y enriquecer datos financieros en tiempo real proporciona un valor añadido significativo en el ámbito bancario y financiero, ofreciendo a las instituciones y clientes una herramienta poderosa para mejorar la toma de decisiones. En este sentido, también se aborda la detección de fraudes, un avance en las técnicas de ciberseguridad esencial para aumentar la seguridad y confianza en los sistemas de pago digital.

    Desde una perspectiva crítica, aunque el proyecto incorpora múltiples tecnologías avanzadas, alcanzar la viabilidad práctica de micro-robots autónomos y el procesamiento de datos a tal escala es ambicioso y podría enfrentar desafíos significativos en términos de implementación técnica, costos y viabilidad a largo plazo. Además, el manejo de datos de fuentes abiertas, como las redes sociales, plantea desafíos relacionados con la privacidad y ética que deberán ser cuidadosamente abordados para asegurar la aceptación y el éxito del sistema propuesto en el mercado.."

  12. Assistant

    El proyecto introduce una innovación tecnológica significativa mediante el uso intensivo de Inteligencia Artificial y algoritmos de Aprendizaje Automático para procesar datos en tiempo real, lo que mejora la precisión y actualización de la información en contextos financieros. Una característica destacada es la inclusión de micro-robots autónomos para recolección y clasificación de datos, que, si resultan viables, podrían representar un avance tecnológico importante al superar los desafíos de autonomía y miniaturización robótica. La utilización de tecnologías de Automatización de Operaciones de TI (AIOps) permitirá gestionar eficazmente el despliegue y funcionamiento de estos robots, resaltando la importancia de la automatización en la gestión de recursos.

    El proyecto es fuerte en el análisis de grandes volúmenes de datos de diversas fuentes, requerido por las técnicas avanzadas de Big Data. Esto añade valor en el sector bancario y financiero al ofrecer herramientas para la mejora de la toma de decisiones y la detección de fraudes, incrementando la seguridad en sistemas de pago digital. Sin embargo, aunque el proyecto usa múltiples tecnologías avanzadas, la viabilidad práctica de los micro-robots autónomos y el procesamiento a gran escala puede enfrentar desafíos técnicos, económicos y de viabilidad a largo plazo. El manejo de datos de fuentes abiertas, como redes sociales, también presenta retos de privacidad y ética que deben ser gestionados para garantizar la aceptación del sistema propuesto en el mercado.

  13. User

    Resume en no más de 320 palabras el siguiente texto. El texto es el siguiente: "El proyecto presenta una novedad tecnológica considerable. Se destaca el uso intensivo de la Inteligencia Artificial (IA) y algoritmos de Aprendizaje Automático para procesar y enriquecer datos en tiempo real. Esta habilidad para transformar datos de múltiples fuentes en información valiosa representa un progreso significativo en el procesamiento de datos y la automatización inteligente en contextos financieros, permitiendo un incremento en la precisión y actualización de la información utilizada.

    Se incluyen micro-robots autónomos en el contexto de la recolección y clasificación de datos. La utilización de robots a una escala microscópica para ejecutar tareas específicas como búsqueda, identificación y clasificación de datos es una idea innovadora que, de ser viable, podría representar un importante avance tecnológico, superando los desafíos asociados a la autonomía robótica y la miniaturización. Asociado a esto, se encuentra la utilización de tecnologías de Automatización de Operaciones de TI (AIOps) para gestionar el despliegue y funcionamiento de un gran número de estos micro-robots. La capacidad de escalar rápidamente estos robots para una cobertura de datos exhaustiva y oportuna subraya la importancia de la automatización en la gestión eficiente de recursos tecnológicos.

    El proyecto fundamenta su fortaleza en la capacidad para analizar grandes volúmenes de datos provenientes de diversas fuentes, un proceso que requiere técnicas avanzadas de análisis de datos y gestión de Big Data. La habilidad para integrar y enriquecer datos financieros en tiempo real proporciona un valor añadido significativo en el ámbito bancario y financiero, ofreciendo a las instituciones y clientes una herramienta poderosa para mejorar la toma de decisiones. En este sentido, también se aborda la detección de fraudes, un avance en las técnicas de ciberseguridad esencial para aumentar la seguridad y confianza en los sistemas de pago digital.

    Desde una perspectiva crítica, aunque el proyecto incorpora múltiples tecnologías avanzadas, alcanzar la viabilidad práctica de micro-robots autónomos y el procesamiento de datos a tal escala es ambicioso y podría enfrentar desafíos significativos en términos de implementación técnica, costos y viabilidad a largo plazo. Además, el manejo de datos de fuentes abiertas, como las redes sociales, plantea desafíos relacionados con la privacidad y ética que deberán ser cuidadosamente abordados para asegurar la aceptación y el éxito del sistema propuesto en el mercado.."

    El proyecto introduce una innovación tecnológica significativa mediante el uso intensivo de Inteligencia Artificial y algoritmos de Aprendizaje Automático para procesar datos en tiempo real, lo que mejora la precisión y actualización de la información en contextos financieros. Una característica destacada es la inclusión de micro-robots autónomos para recolección y clasificación de datos, que, si resultan viables, podrían representar un avance tecnológico importante al superar los desafíos de autonomía y miniaturización robótica. La utilización de tecnologías de Automatización de Operaciones de TI (AIOps) permitirá gestionar eficazmente el despliegue y funcionamiento de estos robots, resaltando la importancia de la automatización en la gestión de recursos.

    El proyecto es fuerte en el análisis de grandes volúmenes de datos de diversas fuentes, requerido por las técnicas avanzadas de Big Data. Esto añade valor en el sector bancario y financiero al ofrecer herramientas para la mejora de la toma de decisiones y la detección de fraudes, incrementando la seguridad en sistemas de pago digital. Sin embargo, aunque el proyecto usa múltiples tecnologías avanzadas, la viabilidad práctica de los micro-robots autónomos y el procesamiento a gran escala puede enfrentar desafíos técnicos, económicos y de viabilidad a largo plazo. El manejo de datos de fuentes abiertas, como redes sociales, también presenta retos de privacidad y ética que deben ser gestionados para garantizar la aceptación del sistema propuesto en el mercado.

  14. Assistant

    El proyecto propone una significativa innovación tecnológica mediante el uso intensivo de Inteligencia Artificial (IA) y algoritmos de Aprendizaje Automático para procesar y enriquecer datos en tiempo real en contextos financieros. Esta capacidad transforma datos de múltiples fuentes en información valiosa, mejorando la precisión y actualización de la información usada. Una de las características destacadas del proyecto es la inclusión de micro-robots autónomos para la recolección y clasificación de datos. Estos robots a escala microscópica podrían ejecutar tareas específicas como búsqueda, identificación y clasificación de datos, representando un avance tecnológico importante si se supera el desafío de la autonomía robótica y la miniaturización. Además, el uso de tecnologías de Automatización de Operaciones de TI (AIOps) facilitará el despliegue y gestión de estos robots, destacando la importancia de la automatización para una gestión eficiente de recursos tecnológicos.

    El proyecto destaca en el análisis de grandes volúmenes de datos de diversas fuentes, utilizando técnicas avanzadas de Big Data, proporcionando herramientas valiosas para el sector bancario y financiero. Esto permite mejorar la toma de decisiones y la detección de fraudes, incrementando la seguridad en sistemas de pago digital. Sin embargo, la viabilidad práctica de implementar micro-robots autónomos y procesar datos a gran escala enfrenta desafíos significativos en términos técnicos, económicos y de viabilidad a largo plazo. Adicionalmente, el manejo de datos de fuentes abiertas, como las redes sociales, plantea complejidades éticas y de privacidad que deben abordarse cuidadosamente para asegurar la aceptación y éxito del sistema en el mercado. Estos aspectos críticos son esenciales para comprender el potencial disruptivo del proyecto y las barreras enfrentadas para su posible implementación.