Startupeable: Emprendimiento | Tecnología | Venture Capital

Este episodio es presentado por Ashurst Perkins Coie, el estudio de abogados que acompaña a las startups desde su incorporación hasta el exit. → ashurstperkinscoie.com/professionals/paul-l-navarro
-------------------
Muchas de las soluciones de AI que reciben las grandes empresas vienen de startups que hace un año ni siquiera existían.
Un demo demuestra que el producto puede funcionar una vez. Para venderle a una empresa como JPMorgan, tienes que demostrar qué pasa cuando falla.
Alex Jaimes conoce ambas situaciones. Antes fue Chief AI Officer de Dataminr. Hoy es Managing Director de AI Agents y Search en JPMorgan. En nuestra conversación le pregunté qué necesita ver para tomar en serio a un proveedor de AI.
-------------------
También en este episodio:
Qué debe demostrar una startup para venderle AI a una empresa como JPMorgan
Por qué una empresa debería comprar lo requerido y construir lo estratégico
Quién responde cuando un agente se equivoca
Cuándo dejar las APIs públicas y adaptar un modelo propio

A los 12, uno de los clubes de fútbol más grandes de Brasil le ofreció a Nicolas un lugar en su cantera profesional. Aceptar significaba dejar el colegio. Dijo que no.
Hoy juega en la "liga principal" de Silicon Valley: construir una empresa de IA en San Francisco, contra la gente más brillante y mejor financiada del mundo. En sus palabras, "estás jugando contra los Pelés y los Kakás".
Esa empresa es Firecrawl, el repo de web scraping más grande de GitHub. 170 mil estrellas con un equipo de 20.
Firecrawl hace un trabajo nada glamoroso: leer páginas web para la IA. Toma una página llena de código y la convierte en texto limpio que un modelo puede usar. Casi todo agente de IA necesita eso — y los agentes ya navegan la web más que las personas.

También en este episodio:
Su camino del fútbol brasileño a las startups de Silicon Valley
El "test del indie hacker" para medir defensibilidad
A qué se refiere con construir los ojos de la AGI
Por qué el mejor producto es el que tus usuarios nunca ven
Por qué, si no estás construyendo para agentes, puede que no sigas aquí en 5 años

Más de Startupeable en inglés:
[YouTube]| [Sitio Web]

Este episodio es presentado por Ashurst Perkins Coie, el estudio de abogados que acompaña a las startups desde su incorporación hasta el exit. → ashurstperkinscoie.com/professionals/paul-l-navarro

Hay trabajos donde el jefe dejó de ser una persona hace años.
Un conductor abre Uber y un algoritmo decide qué viaje ofrecerle, cuánto pagarle y cuándo dejar de enviarle trabajo. No hay una oficina, un supervisor ni alguien con quien negociar.
Andrés Monroy-Hernández lleva años estudiando esa relación en el Human Computer Interaction Lab de Princeton.
Esta no es la típica entrevista de Startupeable con un fundador. Es un profesor de Princeton y es de las conversaciones que más me hicieron pensar sobre hacia dónde va todo esto con la IA.

También en este episodio:
Qué revela la gig economy sobre el futuro del trabajo
Cómo evitar que una parte crítica de tu empresa dependa de un solo lab
Por qué cambiar de modelo debería ser tan fácil como cambiar de proveedor cloud
Cómo construir plataformas que sirvan a los trabajadores sin controlarlos

Hace cinco años, Esteban Sosnik me llevó a Estados Unidos, me ayudó a conseguir mi visa y me dio un lugar en Reach Capital.
Han sido los mejores años de mi vida y en los que más he crecido. Hoy se estrena su episodio y finalmente puedo contar su historia, porque la mayoría no conoce todo el recorrido.
¿Lo más increíble? Es demasiado humilde para contarte todo esto él mismo.
Así que logré sacárselo en el episodio de hoy. Este fue un episodio muy especial para mí. ¡Espero que lo disfruten!

También en este episodio:
Cómo el primer VC argentino apostó por Mercado Libre
Por qué Reach invirtió en Replit en pre-seed
Por qué la IA exige mejores cofundadores técnicos
El “baño de sangre” entre las herramientas de IA
Quién debería mudarse a Silicon Valley y quién solo visitarlo

Más de Startupeable en inglés:
[YouTube] | [Sitio Web]

Cuando la acción de Accenture cayó 20% en un solo día, el mercado afirmaba que la IA se va a comer el negocio de construirle software a otros.

Adolfo Valdivieso cree lo contrario. Lleva 18 años entrenando modelos: empezó en un laboratorio de física en Perú, cuando esto todavía se llamaba machine learning y no le importaba a nadie.

Hoy, desde Silicon Valley, es cofundador y CTO de Turbo, una "fábrica de software" donde el código lo escriben agentes.

Su tesis: mejores agentes no significan menos humanos. Significan humanos más sofisticados.

También en este episodio:
- El trilema de los agentes: propósito general, autonomía y misión crítica. Solo puedes elegir dos
- Por qué la parte difícil empieza cuando el demo ya funciona en Lovable o Claude Code
- Por qué mejor agente significa humano más sofisticado, no menos humanos
- Cómo la industria de outsourcing no muere, se transforma