Proyecto final — Startup AI-first

Asignatura: Deep Learning para Business Analytics — Comillas (ICADE). Profesor: Eduardo C. Garrido-Merchán · ecgarrido@comillas.edu. Curso: 2026–2027. Modalidad: en grupo. Carácter: obligatorio (ver §3). Peso: evaluado con la rúbrica común del curso (ver §8).

1. Qué es el proyecto

Sois los fundadores de una startup AI-first: una empresa cuyo producto no sería posible sin deep learning o IA agéntica en su núcleo, no una empresa tradicional con un modelo pegado encima. A lo largo del semestre vuestro grupo elige un sector y un caso de uso, lo refina en mentorización, y al final defiende ante "inversores" (la clase y el profesor) la propuesta de valor, la arquitectura técnica, el modelo de costes y el plan de cumplimiento.

El proyecto es la columna vertebral del curso. Los tres casos prácticos no son ejercicios sueltos: son los tres ensayos del proyecto. El Caso I os enseña a comparar un modelo profundo contra un baseline honesto; el Caso II, a montar un sistema agéntico medible; el Caso III, a auditar el riesgo y el cumplimiento. El proyecto integra esas tres competencias en un producto coherente.

2. Qué entrega cada grupo

Tres piezas, como anuncia el Día 01:

Memoria escrita (memoria_proyecto.pdf, 8–12 páginas):
- Propuesta de valor: qué problema, para quién, por qué ahora, por qué con IA. El "antes y después" para el cliente.
- Arquitectura técnica: qué modelos, qué datos, qué herramientas, qué flujo. Diagrama legible. Decisiones justificadas (cloud vs. local, RAG vs. fine-tune, modelo abierto vs. API).
- Modelo de costes: coste de inferencia y de operación, coste por usuario o por consulta, y cómo escala. Precio sugerido y margen.
- Análisis de riesgo: técnico (fallos del modelo, alucinación, deriva) y regulatorio (clasificación AI Act, sesgo) — esto es el Caso III integrado.
- Roadmap: qué hay hoy (el prototipo), qué falta, en qué orden, con qué hitos medibles.
Prototipo funcional mínimo (prototipo/ con README de arranque): un notebook, un agente o una demo en Ollama/API que funcione de verdad sobre un caso reducido. No tiene que ser el producto final; tiene que demostrar que el núcleo de IA es viable. Semillas fijadas; arranque documentado.
Pitch final de 15 minutos en clase, ante la promoción y el profesor, con slides. Incluye la diapositiva de cumplimiento del Caso III. Tras el pitch, ronda de preguntas que hace las veces de defensa oral (y de Caso III §9).

3. Restricción dura (obligatoriedad)

El proyecto es obligatorio. Sin proyecto presentado y aprobado por el profesor con nota mínima de 5 sobre 10, la asignatura no se considera superada, con independencia del resto de calificaciones (Kahoots, casos, examen). Esta condición es la misma que se anuncia en la presentación del Día 01 y no es negociable.

4. Formación de grupos y elección de tema

Grupos: se forman en las dos primeras semanas. La elección de socios y de tema condiciona el resto del curso; pensadla. Tamaño orientativo 3–4 personas (confirmar con el profesor).
Tema: cada grupo decide un sector y un caso de uso candidato, que se refina en mentorización. Podéis partir del banco de proyectos abiertos (30–40 ideas pre-validadas ancladas en empresas reales: BBVA, Inditex, Iberdrola, Telefónica…) con cupo máximo de 2 grupos por idea, o proponer la vuestra.
Dataset: propio (con las restricciones del §10 de datasets/README.md: sin PII real sin anonimizar, licencia documentada) o del repositorio validado. La elección de dataset no resta puntos; lo que cuenta es la pregunta de negocio y la arquitectura.

5. Mentorización

4 horas presenciales de mentorización a lo largo del semestre, más los diez minutos después de cada clase y el café de la semana. Llegad a cada mentorización con una pregunta concreta, no con "no sabemos qué hacer". Los viernes de open practicum son el mejor avance del proyecto.

6. Hitos a lo largo del curso

Momento	Hito	Qué se espera
Semanas 1–2	Grupos y tema	Grupo cerrado, sector y caso candidato elegidos.
Semana 5	Caso I resuelto en clase	El núcleo de modelado del proyecto, ensayado.
Semana 13	Caso II entregado	El sistema agéntico/RAG del proyecto, ensayado.
Semana 14	Caso III + pitch	Auditoría de cumplimiento + pitch final + defensa.

El proyecto no se construye la última semana: se va destilando de los tres casos. Un grupo que alinee sus tres casos con su startup llega al pitch con el trabajo casi hecho.

7. Tabla Concepto → Aplicación → Entradas → Salidas → KPI

Rellenadla en la memoria con vuestro caso real:

Concepto	Aplicación	Entradas	Salidas	KPI
Propuesta de valor	El problema que resolvéis	Dolor del cliente	Beneficio cuantificado	Ahorro o ingreso por usuario
Núcleo de IA	El motor del producto	Datos del caso	Predicción / respuesta / acción	Métrica técnica (MASE, Recall@k, F1…)
Modelo de costes	Viabilidad económica	Coste de inferencia + operación	Coste por usuario/consulta	Margen; punto de equilibrio
Cumplimiento	Riesgo bajo control	Clasificación AI Act + auditoría	Plan de mitigación	Obligaciones cubiertas; disparidad

8. Rúbrica común del curso (10 pts → escala 0–10)

Dimensión	Peso	Qué se valora
Calidad técnica	30 %	Prototipo que funciona, modelos apropiados, métricas justificadas, código reproducible.
Relevancia de negocio	25 %	Problema real, KPI alineado, modelo de costes y ROI creíbles.
Comunicación	20 %	Pitch claro, slides y diagramas legibles, narrativa de inversor, 15 min respetados.
Defensa oral	15 %	Respuestas correctas en la ronda de preguntas, dominio de todo lo entregado.
Trazabilidad de IA	10 %	Herramientas declaradas, prompts conservados cuando proceda.

Misma rúbrica que los tres casos. La nota del proyecto debe ser ≥ 5 para superar la asignatura (§3).

9. Sección sin IA (obligatoria, condición de aprobación)

La ronda de preguntas tras el pitch se responde sin IA, en directo. El profesor (y la clase) preguntan, y cualquier miembro del grupo debe poder:

Explicar cualquier línea de código, gráfico o párrafo entregado (regla C del Día 01: la defensa oral sustituye al examen oral).
Justificar la decisión técnica más discutible del proyecto sin recurrir a "lo dijo el modelo".
Defender el modelo de costes y el plan de cumplimiento ante una objeción de inversor.

La incapacidad de un grupo para defender en directo lo que entregó es motivo de suspenso del proyecto, con independencia de la calidad del entregable.

10. Política de IA

Permitida y fomentada en todo el proyecto (código, prototipo, memoria, slides), con declaración de trazabilidad: una nota al inicio de la memoria y del notebook diciendo qué herramienta se usó y para qué. La startup AI-first construida con agentes es exactamente lo que el curso quiere que sepáis hacer; lo que se evalúa es que entendáis y defendáis lo construido, no que lo hayáis tecleado a mano. Conservad los prompts relevantes.

11. Fechas

Formación de grupos: semanas 1–2.
Entrega de memoria y prototipo: semana 14, antes del pitch.
Pitch y defensa: semana 14 (sesión del Día 18, junto al Caso III).
Nota: publicada tras la última sesión de defensas.

12. Ayudas

Foro, profesor, mentorización (4 h), open practicum, café de la semana y los diez minutos tras cada clase. El banco de proyectos abiertos desbloquea la elección de tema. La charla invitada de la semana 8 (profesional senior de banca o energía) es una oportunidad para validar vuestra idea con alguien del sector.