Práctica final — Plan de negocio de una 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. Obligatoria: sin ella aprobada con un 5, la asignatura no se supera (§7).

1. Qué se entrega

Un plan de negocio de una startup cuyo producto necesita IA en el núcleo, con un prototipo que arranca y un pitch de 15 minutos ante inversores. El plan se escribe para alguien que va a poner dinero: cuánto cuesta servir a un usuario, a qué precio se le vende, a partir de cuántos usuarios la cuenta sale, y qué pasa el día que el proveedor del modelo suba la tarifa. Los tres casos del curso son los tres ensayos de esto: el Caso I compara un modelo contra un baseline honesto, el Caso II dirige un agente y mide la factura, y el Caso III monta el RAG del prototipo.

Las cifras técnicas van medidas sobre vuestro propio sistema: el coste por consulta sale de la calculadora del bloque con los tokens que el prototipo gasta de verdad, y el acierto del recuperador, de vuestro conjunto de evaluación. Lo que inventéis de negocio (un precio, una conversión, un tamaño de mercado) va etiquetado como estimación, con su supuesto al lado.

2. Las tres piezas técnicas del prototipo

Pieza	Qué tiene que existir y funcionar	Qué se mide y se reporta
RAG	El sistema del Caso III sobre el corpus de vuestro sector, con cita y con abstención.	Acierto@ $k$ , fidelidad, abstención y coste por consulta, con el $k$ elegido justificado.
Conectores (MCP)	Un servidor MCP con dos herramientas que el agente llame de verdad: una que lee de un sistema vuestro y otra que escribe o ejecuta, con barandilla contra inyección de prompt.	La traza de una sesión: qué herramienta, con qué permiso, cuántos tokens costó la ida y la vuelta, y qué pasa si la herramienta falla.
SFT	La decisión, resuelta con el árbol prompt/RAG/SFT del Tema B: qué falla el prompt, por qué RAG no lo arregla y si compensa pagar un fine-tune.	El coste del fine-tune (datos, cómputo, mantenimiento), qué tendría que ser cierto para que saliera a cuenta y con qué medida se comprueba.

De SFT se evalúa la decisión y su aritmética; entrenar de verdad es bonus (§6), y demo_rapida/03_sft.ipynb lo hace con 160 ejemplos en seis minutos de CPU. El andamiaje de los conectores está en demo_rapida/mcp_demo/, con un servidor MCP de 200 líneas sin dependencias.

3. Qué lleva el plan de negocio

La memoria (memoria.pdf, 8–12 páginas) es el plan, en este orden: el problema y de quién es; la propuesta de valor, con el antes y el después del cliente cuantificado; el mercado y la competencia, incluido qué pasa si el modelo generalista hace esto gratis dentro de un año; la arquitectura, con el diagrama de las tres piezas del §2; el modelo de ingresos y el precio; los costes, con las seis partidas del Tema B, el coste por usuario y el margen; el punto de equilibrio en usuarios y en meses; los riesgos técnicos y regulatorios —la clasificación AI Act con su artículo, un riesgo medido sobre datos y la mitigación con su coste—; y el roadmap con hitos medibles.

4. Las diez preguntas sobre el modelo

La ficha del modelo, una página de la memoria, responde a estas diez, que son también las de la defensa sin IA del §7. La 5 y la 6 piden números propios; la 7, un segundo modelo probado.

Cuál. Nombre y versión exactos del modelo que lleva dentro el producto. Si hay más de uno, cuál hace qué.
Abierto o cerrado, con qué licencia, y qué os permite y qué os prohíbe hacer con vuestro producto.
Cuántos parámetros tiene y en qué precisión corre; si está cuantizado, a cuántos bits y qué perdéis.
Qué ventana de contexto tiene y cuánta gastáis de media, repartida entre instrucciones, fragmentos del RAG e historial.
Cuánto cuesta una consulta: tokens de entrada, de salida, fracción cacheada y el total en euros.
Cuánto costaría servirlo vosotros: VRAM, GPU, coste mensual y a partir de cuántas consultas al mes compensa frente a la API.
Qué modelo probasteis y descartasteis, y con qué medida sobre qué conjunto lo descartasteis.
Qué pasa si mañana sube el precio un 50 % o retiran el modelo: cuánto tardáis en cambiarlo y qué se rompe.
Qué hace el sistema cuando el modelo no sabe: cuál es la regla de abstención y qué ve el usuario.
Qué dato del cliente ve el modelo, adónde viaja, quién lo guarda y durante cuánto tiempo.

5. Qué se entrega y cuándo

#	Entregable	Qué es
1	`memoria.pdf`	8–12 páginas: el plan del §3 más la ficha del modelo del §4. Declaración de trazabilidad de IA al principio.
2	`prototipo/`	Las tres piezas del §2 corriendo sobre un caso reducido, con semillas fijadas y un `README.md` de arranque. Tiene que arrancar en el portátil del profesor.
3	`slides.pdf`	El pitch de 15 minutos, con la diapositiva de costes y la de cumplimiento.

Entrega en Moodle en la semana 14, antes del pitch; pitch y defensa en la sesión del Día 18; nota tras la última sesión de defensas. Los grupos se cierran en las semanas 1–2 (3–4 personas) y son los mismos de los Casos II y III. El tema sale del banco de proyectos abiertos (30–40 ideas ancladas en empresas reales, máximo 2 grupos por idea) o lo proponéis vosotros. Hay 4 horas de mentorización; llegad a cada una con una pregunta concreta.

6. Rúbrica

Componente	Peso	Qué se valora
Plan de negocio	30 %	Problema real, precio y márgenes defendibles, punto de equilibrio calculado, riesgos y roadmap con hitos medibles.
Las tres piezas técnicas	30 %	RAG medido (12), conector MCP que se llama de verdad y con barandilla (10), decisión de SFT con su aritmética (8).
Ficha del modelo	15 %	Las diez preguntas del §4 contestadas con números propios.
Pitch	15 %	Quince minutos, narrativa de inversor, slides y diagramas legibles.
Defensa oral	10 %	Respuestas correctas en la ronda de preguntas, dominio de todo lo entregado.

Bonus, hasta $+1$ punto, sólo si lo obligatorio está completo: un SFT entrenado de verdad con su antes y después medidos ( $+0{,}5$ ); un segundo conector MCP contra un sistema externo real ( $+0{,}25$ ); el coste medido en una semana de uso real con usuarios de fuera del grupo ( $+0{,}25$ ).

Suspende la práctica que el prototipo no arranque, que una cifra de la memoria no se pueda reproducir con lo entregado, o que el plan declare como medido algo que es una estimación.

7. La defensa sin IA y la obligatoriedad

La ronda de preguntas tras el pitch se responde en directo, sin asistente y con los ordenadores cerrados. Entran las diez preguntas del §4, la defensa del RAG del Caso III, y dos más: justificad la decisión técnica más discutible del proyecto sin decir «lo dijo el modelo», y defended el margen ante una objeción de inversor. Cualquier miembro del grupo debe poder explicar cualquier línea, gráfico o párrafo entregado (regla C, Día 01). No poder defender en directo lo entregado suspende la práctica, por bueno que sea el entregable. La práctica es obligatoria y su nota debe ser $\geq 5$ para superar la asignatura, con independencia de Kahoots, casos y examen.

8. Política de IA y ayudas

Permitida y fomentada en todo —código, prototipo, memoria y slides— con declaración de trazabilidad al inicio de la memoria y del prototipo: qué herramienta y para qué. Construir una startup AI-first con agentes es exactamente lo que el curso quiere que sepáis hacer; lo que se evalúa es que entendáis y defendáis lo construido. Prohibida en la defensa del §7. Conservad los prompts relevantes. Para dudas, el foro, la mentorización, el open practicum de los viernes y los diez minutos después de cada clase; la charla invitada de la semana 8 es la ocasión de validar la idea con alguien del sector.