Valoración de una start up de inteligencia artificial dirigida al marketing.

PORTADA PRINCIPAL MÁSTER UNIVERSITARIO EN ESTUDIOS AVANZADOS EN DIRECCIÓN DE EMPRESAS VALORACIÓN DE UNA START UP DE INTELIGENCIA ARTIFICIAL DIRIGIDA AL MARKETING VALUATION OF A MARKETING-DRIVEN ARTIFICIAL INTELLIGENCE STARTUP TRABAJO FIN DE MÁSTER Elena Redondo Reyes. Junio 2024 MÁSTER UNIVERSITARIO EN ESTUDIOS AVANZADOS EN DIRECCIÓN DE EMPRESAS FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES TRABAJO FIN DE MÁSTER CURSO ACADÉMICO 2023-2024 TÍTULO: VALORACIÓN DE UNA START UP DE INTELIGENCIA ARTIFICIAL DIRIGIDA AL MARKETING TÍTULO: VALUATION OF A MARKETING-DRIVEN ARTIFICIAL INTELLIGENCE STARTUP AUTOR/A: ELENA REDONDO REYES TUTOR/A: DR. D. FÉLIX JIMÉNEZ NAHARRO LÍNEA DE TRABAJO: FINANZAS RESUMEN: Este proyecto tiene como objetivo evaluar la viabilidad de una empresa emergente en el sector de la inteligencia artificial. Para ello se realiza un análisis exhaustivo de la aplicación de la IA en el marketing, se estudian diferentes empresas del sector y se desarrollan estrategias de negocio junto con un plan financiero, detallado. Para ello, se ha hecho uso de base de datos profesionales como Sabi, Marketline, Statista y One-Business, acompañada de tutorías planificadas y consulta de artículos especializados. Como principal resultado, se obtiene un alto potencial de viabilidad y una fuerte atracción para inversores con proyecciones financieras positivas, que sugieren sostenibilidad y crecimiento a medio plazo. PALABRAS CLAVE: Valoración, start-up, Inteligencia Artificial, marketing, viabilidad, análisis de mercado, plan financiero, estrategias de negocio, crecimiento, sostenibilidad, inversión. i AGRADECIMIENTOS Gracias a mi familia, por brindarme la oportunidad de partir y comenzar una nueva etapa en mi vida. En especial, a mis padres, abuelos y hermana, quienes, a pesar de la distancia, han estado presentes en cada momento apoyándome incondicionalmente. A mis amigos, por su constante confianza en mi progreso y ser una parte fundamental de cada paso que he dado en Sevilla. También a las nuevas amistades forjadas, por hacer que cada día haya sido más llevadero y contribuir a enriquecer esta experiencia con su compañía y apoyo. A los profesores del MUEADE, por su gran labor, concienciación y enseñanza a lo largo de este curso 2023-2024, que han fomentado mi desarrollo académico y personal. Gracias a ellos también he tenido la oportunidad de realizar las prácticas en ING Bank, empresa donde he conocido a personas encantadoras, aprendido valiosas lecciones y recibido un trato excepcional. Finalmente, mención especial para mi tutor, Félix Jiménez Naharro, quien desde el primer momento demostró una gran dedicación a este proyecto. Su disposición para acompañarme y adentrarse conmigo en un camino lleno de nuevas experiencias ha sido invaluable. iii ÍNDICE GENERAL CAPÍTULO 1. INTRODUCCIÓN ........................................................................................................ 3 1.1. JUSTIFICACIÓN DEL TEMA ELEGIDO .......................................................................................... 3 1.2. OBJETIVOS DEL ESTUDIO .......................................................................................................... 4 1.3. ESTRUCTURA DEL TRABAJO ...................................................................................................... 4 1.4. METODOLOGÍA ......................................................................................................................... 5 CAPÍTULO 2. INTELIGENCIA ARTIFICIAL ......................................................................................... 9 2.1. FUNDAMENTOS BÁSICOS ......................................................................................................... 9 2.2. SEGMENTACIÓN ..................................................................................................................... 14 2.2.1. Salud .............................................................................................................................. 14 2.2.2. Educación ...................................................................................................................... 15 2.2.3. Turismo ......................................................................................................................... 15 2.2.4. Manufactura ................................................................................................................. 16 2.2.5. Comercio electrónico ..................................................................................................... 16 2.2.6. Marketing ...................................................................................................................... 17 2.3. IA EN EL ÁMBITO NACIONAL E INTERNACIONAL ..................................................................... 17 CAPÍTULO 3. LA INTELIGENCIA ARTIFICIAL EN EL MARKETING ..................................................... 23 3.1. CONTEXTUALIZACIÓN ............................................................................................................. 23 3.2. INTELIGENCIA ARTIFICIAL EN EL MARKETING ......................................................................... 24 3.3. IA EN EL MARKETING DE EMPRESAS NACIONALES E INTERNACIONALES ................................ 28 3.3.1. Banco Santander ........................................................................................................... 29 3.3.2. Telefónica ...................................................................................................................... 29 3.3.3. El Corte Inglés ................................................................................................................ 30 3.3.4. Iberia ............................................................................................................................. 31 3.3.5. Amazon ......................................................................................................................... 32 3.3.6. Google ........................................................................................................................... 32 3.3.7. Facebook ....................................................................................................................... 33 3.3.8. Netflix ............................................................................................................................ 34 CAPÍTULO 4. ANÁLISIS DEL SECTOR DE REFERENCIA .................................................................... 37 4.1. INTRODUCCIÓN ...................................................................................................................... 37 4.2. MICROEMPRESAS. DATOS GENERALES ................................................................................... 38 4.2.1. Código CNAE ................................................................................................................. 38 4.2.2. Número de empleados .................................................................................................. 40 4.2.3. Edad .............................................................................................................................. 41 4.3. ANÁLISIS DE LA ESTRUCTURA ECONÓMICA ............................................................................ 42 4.3.1. Proporción del inmovilizado inmaterial sobre el activo no corriente ............................ 44 4.3.2. Periodo medio de existencias ........................................................................................ 44 4.3.3. Periodo medio de cobro. ............................................................................................... 45 4.3.4. Periodo medio de pago. ................................................................................................ 46 4.4. ANÁLISIS DE LA ESTRUCTURA FINANCIERA. ............................................................................ 48 4.4.1. Recursos propios ........................................................................................................... 50 4.4.2. Recursos ajenos ............................................................................................................. 51 4.4.3. Apalancamiento financiero ........................................................................................... 52 4.5. ANÁLISIS DE LA CUENTA DE RESULTADOS ............................................................................... 53 4.5.1. Ventas ........................................................................................................................... 54 4.5.2. Ratio de aprovisionamiento .......................................................................................... 55 4.5.3. Gastos de personal en relación con el número de empleados ...................................... 56 4.5.4. EBITDA ........................................................................................................................... 58 4.5.5. ROA ............................................................................................................................... 59 4.5.6. ROE ................................................................................................................................ 60 4.5.7. Otros gastos de explotación en relación con las ventas ................................................ 61 Elena Redondo Reyes 4 tipología de tecnología en sus operaciones. Además, dicho crecimiento estaba respaldado por avances en algoritmos de aprendizaje automático, un aumento en la disponibilidad de datos y el desarrollo de infraestructuras de alto rendimiento (Ahmed et al, 2022). Por tanto, la importancia de este tema radica en el hecho de que la Inteligencia Artificial no solo ofrece diversas oportunidades significativas para mejorar la productividad y la rentabilidad de las empresas, sino que además plantea riesgos y desafíos que estas pueden abordar de manera proactiva. Sin embargo, existe un vacío en investigación bastante significativo, capaz de posicionar a los líderes empresariales con una comprensión incompleta de los riesgos y oportunidades financieras asociadas a la adopción de la IA. Es por lo que, sin una comprensión clara de cómo esta puede afectar a los estados financieros, la rentabilidad y el valor de la empresa, puede resultar difícil la toma de decisiones bien informadas sobre la implementación y el uso de esta tecnología (Ahumada et al., 2023). Como consecuencia, este trabajo de investigación pretende abordar esta brecha, proporcionando un análisis detallado y riguroso de cómo la Inteligencia Artificial impacta en los aspectos económico-financieros de las empresas, tratando de llenar el vacío existente en la literatura académica y proporcionando información valiosa para líderes empresariales y profesionales financieros. Además, la realización de este estudio viene dado por un elevado interés en analizar los sectores emergentes que disponen de un alto potencial de crecimiento y, a su vez, pueden ser una fuente interesante de trabajo para un futuro profesional. Así, la Inteligencia Artificial se posiciona como uno de los sectores que más crecimiento y valor aporta, disponiendo de un valor de mercado que crece exponencialmente en el futuro con una fuente de ingresos notable. 1.2. OBJETIVOS DEL ESTUDIO El objetivo general del proyecto radica en efectuar la valoración de un proyecto de creación de empresas de Inteligencia Artificial aplicada al marketing. Para conseguir este objetivo estratégico, es necesario estructurarlo en un conjunto de objetivos tácticos más concretos, los cuales van a ser: • Realizar un análisis de la Inteligencia Artificial y su aplicación en el marketing. • Definir y analizar un sector de referencia, es decir, identificar empresas que aplican Inteligencia Artificial en el marketing, con un perfil similar a la empresa. • Una vez analizado dicho sector de referencia, se van a desarrollar distintas estrategias y la elaboración de un plan financiero. • Valorar el proyecto con toda la información desarrollada en los objetivos anteriores. 1.3. ESTRUCTURA DEL TRABAJO Tras exponer la justificación del tema elegido y el contexto del presente estudio, se pasará a detallar la estructura del estudio. Esta va a coincidir con el desarrollo de los objetivos tácticos recientemente mencionados, añadiendo además un último apartado Valoración de una start-up de Inteligencia Artificial dirigida al marketing 5 de conclusiones. En primer lugar, en el Capítulo 1 se explicará el contexto y justificación del tema seleccionado, junto con el objetivo principal y los específicos. Seguidamente, en el Capítulo 2 se comentará el marco teórico y la segmentación de la Inteligencia Artificial. En tercer lugar, en el Capítulo 3 se procederá a explicar la influencia de la IA en el marketing, destacando su aplicación en empresas nacionales e internacionales. En el Capítulo 4 se van a exponer los resultados obtenidos en el análisis del sector de referencia. Para finalizar, en el Capítulo 5 se elaborará el plan financiero que incluirá la estrategia de mercado, la inversión y financiación, el circulante y el presupuesto de capital, que llevarán a la creación de los balances provisionales. En el Capítulo 6 se va a recoger la valoración del proyecto y, para finalizar, en el Capítulo 7 se recogen las conclusiones del estudio junto con los razonamientos e interpretaciones realizadas tras el análisis. 1.4. METODOLOGÍA En este punto se va a mencionar todo el proceso desarrollado y los recursos empleados para la consecución del proyecto fin de máster. Para su elaboración se ha seguido una metodología estructurada que asegura un análisis riguroso y exhaustivo del tema. En primer lugar, se han realizado una serie de reuniones programadas con el tutor académico, quien ha brindado orientación y seguimiento continuo al desarrollo del proyecto. Durante estas tutorías se han planificado las distintas etapas del proyecto y se ha ido revisando su progreso, asegurando que cada fase cumpliera con los objetivos establecidos. Para obtener información precisa y relevante sobre el sector y las empresas que aplican Inteligencia Artificial en el marketing, se han utilizado varias bases de datos profesionales, entre las que se encuentran: Sabi (obtención financiera y comercial de empresas españolas), Marketline (análisis de mercado y perfiles de empresas), Statista (obtención de estadísticas e informes de mercado a nivel global), One-Business (obtención de datos empresariales y análisis sectoriales), entre otras. Para continuar con el proyecto, se han revisado artículos de revistas especializadas y páginas web que proporcionan datos actualizados sobre IA y su aplicación en el marketing. Dicha información complementaria ha sido esencial para poder contextualizar y validar los datos obtenidos en las bases de datos mencionadas. Para realizar el análisis y desarrollo del proyecto se ha realizado un estudio exhaustivo sobre cómo la Inteligencia Artificial se aplica en el marketing, identificando las principales tecnologías y técnicas utilizadas. Seguidamente, se ha elaborado un estudio del sector de referencia, identificando y analizando empresas similares que apliquen la IA en el marketing, con el fin de evaluar su perfil y estrategias. En base a este análisis, se han diseñado estrategias de negocio y se ha elaborado un plan financiero detallado, incluyendo estrategias de mercado, inversión y financiación, circulante y presupuesto de capital. Finalmente, integrando toda la información recopilada y analizada, se ha llevado a cabo una valoración integral del proyecto, evaluando su viabilidad y potencial de éxito. 7 Valoración de una start-up de Inteligencia Artificial dirigida al marketing 9 CAPÍTULO 2. INTELIGENCIA ARTIFICIAL 2.1. FUNDAMENTOS BÁSICOS La Inteligencia Artificial ha emergido cómo uno de los avances tecnológicos más destacados e impactantes de la historia, transformando la forma en que se interactúa con la tecnología y abriendo fronteras nuevas en diversos ámbitos de la vida empresarial y cotidiana. En este punto, se pasará a estudiar dicho concepto desde una perspectiva general, abordando sus principales definiciones, su importancia en el día a día y algunas de sus ventajas y desventajas. También, se examinará la relación entre la IA y los datos recopilados, destacando tanto su papel crítico como la vertiginosa velocidad con la que está avanzando (Montalván-Vélez et al, 2024). En primer lugar, el concepto de Inteligencia Artificial resulta tan complejo como lo es la propia tecnología. En su forma más simple, puede ser descrita cómo la capacidad de las máquinas para realizar actividades que, con anterioridad, requerían de inteligencia humana. No obstante, una definición más detallada revela la implicación de algoritmos por parte de máquinas que imiten el proceso de toma de decisiones humanas y que permita aprender de diferentes datos y tomar decisiones adversas. Esta capacidad de análisis y aprendizaje veloz permite distinguir a las máquinas basadas en IA de las humanas, posibilitando la realización de tareas eficientemente y con menor margen de error (Montalván-Vélez et al, 2024). La importancia de la Inteligencia Artificial en la sociedad moderna es notoria y su influencia alcanza a todos los aspectos de la vida cotidiana. Esta se extiende desde el reconocimiento de imágenes hasta el procesamiento eficiente de datos de pacientes en el ámbito de la salud, pasando por el mantenimiento predictivo en la industria. De esta manera, es posible afirmar que la IA está redefiniendo la forma en que trabajan, viven y se relacionan las personas. Además, tal cómo se muestra en la Figura 2.1 se ha convertido en una herramienta invaluable para el progreso humano y empresarial debido a su enorme capacidad para ofrecer predicciones y sugerencias relevantes en diversas áreas como las relaciones interpersonales, la salud o el trabajo (García, 2023). Figura 2.1. Tasa adaptación capacidades primarias IA en las empresas mundiales en 2022 Fuente: Statista.com Entre la variedad procesos que integran capacidades de Inteligencia Artificial, el más destacado es la automatización de procesos. En pocas palabras, consiste en automatizar pequeñas y repetitivas partes de funciones comerciales para que los Elena Redondo Reyes 10 empleados no tengan que monitorearlas. No obstante, la comprensión y la producción del lenguaje natural también se observan tanto en el habla cómo en la escritura, a medida que las empresas buscan la mejora de su capacidad para responder a las solicitudes de los clientes de forma autónoma. Este concepto se encuentra intrínsecamente relacionado con el aprendizaje automático (machine learning) y el profundo (deep learning), enfoques que han permitido la consecución de avances significativos en áreas como el reconocimiento de voz, el lenguaje natural y la visión artificial (Montalván-Vélez et al, 2024). El primero se centra en el desarrollo de algoritmos y modelos que permiten a las máquinas, aprender de los datos sin requerir una programación explicita para cada tarea. Esto es, en vez de programar reglas específicas, se proporciona a los algoritmos una gran cantidad de datos de entrada y salida, que les permita aprender y mejorar su desempeño conforme se va procesando un mayor volumen de datos (de Souza, 2023). Este enfoque ha sido fundamental en una amplia variedad de aplicaciones cómo el reconocimiento de voz, la detección de fraudes o la recomendación de productos, entre otros. Así, su flexibilidad y capacidad de adaptación a distintos tipos de datos hacen de dicha automatización un elemento principal en el desarrollo de sistemas inteligentes efectivos. Por su parte, el aprendizaje profundo conforma una subcategoría del aprendizaje automático que utiliza redes neuronales artificiales, caracterizado por la presencia de múltiples capas que posibilitan la obtención de representaciones de datos de manera jerárquica (Sharifani & Amini, 2023). A diferencia de los más tradicionales que requieren de la extracción manual de características, puede aprender características relevantes de forma directa, lo que lo hace especialmente efectivo para tareas con unas características o definiciones más complicadas. Este aprendizaje consta de modelos con rendimientos excepcionales en tareas relacionadas con el procesamiento de imágenes, detección de objetos, procesamiento de lenguaje natural, y redes neuronales, entre otros (Taye, 2023). En la siguiente tabla, se expone una comparativa referida a ambos tipos de aprendizaje, mencionados anteriormente (Sharifani & Amini, 2023): Valoración de una start-up de Inteligencia Artificial dirigida al marketing 11 CARACTERÍSTICA APRENDIZAJE PROFUNDO APRENDIZAJE AUTOMÁTICO Representación de datos Uso de múltiples capas de procesamiento para aprender características jerárquicas de los datos. Uso de representaciones más simples de los datos, cómo características seleccionadas de manera específica. Algoritmos principales Uso de redes neuronales profundas, cómo las convolucionales y recurrentes. Amplia variedad de algoritmos, cómo la regresión lineal, árboles de decisión, entre otros. Capacidad de generalización Representaciones complejas y realización de tareas de manera más automática, con una menor necesidad de la ingeniería manual de características. A menudo, se requiere una selección manual de características y ajustes de parámetros para obtener buenos resultados en tareas específicas. Necesidad de datos Suele requerir grandes cantidades de datos para aprender con precisión las representaciones complejas. Mejor funcionamiento con menor cantidad de datos, especialmente al emplear algoritmos más simples y tareas menos complejas. Rendimiento Logra rendimientos excepcionales en tareas complejas cómo el reconocimiento de imágenes, procesamiento de lenguaje natural, entre otros. Buen funcionamiento en una amplia gama de tareas, aunque puede no ser tan efectivo cómo el aprendizaje futuro en tareas que precisen representaciones más complejas. Requerimientos de Hardware Suelen requerir hardware potente, cómo GPU y un tiempo de entrenamiento más prolongado, debido a la cantidad de datos y la complejidad de los modelos. Puede funcionar de manera efectiva en hardware convencional y dispone de un entrenamiento más rápido en conjuntos de datos más reducidos. Interpretabilidad Los modelos pueden ser menos interpretables debido a la complejidad de las redes neuronales profundas y el gran volumen de parámetros. Los modelos suelen ser más interpretables, facilitando la comprensión de la forma en que se toman las decisiones. Tabla 2.1. Diferencias aprendizaje profundo y automático Fuente: elaboración propia a partir de Sharifani & Amini (2023) Elena Redondo Reyes 12 Unido a lo anterior, cabe destacar el importante y rápido avance de la Inteligencia Artificial, siendo una de las razones fundamentales la abundancia de datos disponibles para su análisis y el aumento de la capacidad de los computadores para procesarlos. Los datos son el principal combustible que dan paso al desarrollo y la aplicación de este tipo de inteligencia y su importancia radica no solo en su volumen, sino también en su calidad. Éstos pueden dividir su análisis en dos tipologías, los datos estructurados y los no estructurados. El análisis de ambos proporciona una información valiosa capaz de utilizarse en la mejora de la toma de decisiones de diversas industrias y contextos (Mijangos, 2023). Por un lado, los datos estructurados hacen referencia a toda información organizada en un formato específico y predefinido, como las tablas de bases de datos, hojas de cálculos o archivos CSV. Este tipo de datos se caracteriza por disponer de un esquema fijo con campos claramente identificados y relaciones entre ellos. Además, su análisis implica la aplicación de técnicas estadísticas matemáticas y de minería de datos para la posterior generación de informes financieros, análisis de ventas, segmentación de clientes o la predicción de tendencias de mercado, entre otros. Por otra parte, los datos no estructurados son aquellos que no siguen un formato predefinido y no son capaces de organizarse de forma sencilla en una tabla o base de datos tradicional. Esto incluye texto libre, imágenes, audio, vídeos, redes sociales, correos electrónicos, etc. Éstos representan la mayor parte de la información de la que se tiene disponibilidad en la actualidad, siendo rico en contenido, pero más difícil de analizar, cómo consecuencia de su naturaleza no uniforme (Santoyo et al, 2023). Este análisis de datos implica el uso de técnicas avanzadas de procesamiento de lenguaje natural, reconocimiento de patrones o aprendizaje automático con el fin de poder extraer conocimientos significativos y encontrar patrones ocultos en estos datos. También incluye la clasificación de documentos, el análisis de sentimientos o reacciones en redes sociales, la detección de fraudes o la identificación de objetos en imágenes, entre otros (Santoyo et al, 2023). Tanto los datos estructurados como los no estructurados, son fundamentales para comprender de forma completa el panorama empresarial y tomar decisiones informadas. Por ello, su combinación permite una visión más completa y holística de los procesos comerciales, conduciendo a una ventaja competitiva significativa. Además, las aplicaciones de su análisis abarcan la mayoría de las industrias, incluyendo la atención médica, finanzas, comercio electrónico, marketing, manufactura, etc. (Mijangos, 2023). La adopción de la Inteligencia Artificial, en términos generales, ha sido notablemente amplia y rápida en diversos factores en contextos (véase la Figura 2.2), a los que ya se ha hecho referencia con anterioridad. Desde el momento en que surge, ha experimentado una evolución significativa, impulsada por avances tecnológicos, un mayor acceso a grandes conjuntos de datos y una creciente comprensión de sus aplicaciones potenciales. En el ámbito empresarial, se ha integrado la IA en una amplia gama de operaciones comerciales, incluyendo la gestión de la cadena de suministro, la atención al cliente, el análisis de datos, la seguridad cibernética y el marketing digital, la capacidad de dicha inteligencia para automatizar tareas, predecir patrones y generar insights ha llevado a mejoras significativas en la eficiencia operativa y la toma de decisiones estratégicas (García, 2023). Valoración de una start-up de Inteligencia Artificial dirigida al marketing 13 Figura 2.2. Tasa adopción IA en empresas globales 2017-2022 Fuente: Statista.com Por su parte, el sector de la salud ha hecho uso de la IA para el diagnóstico médico, la personalización de tratamientos, la gestión de registros médicos y la investigación biomédica. Sus algoritmos permiten analizar imágenes médicas, datos genéticos y registros de salud que permiten identificar patrones y tendencias para ayudar en la detección temprana de enfermedades y la mejora de resultados de un tratamiento. La IA también está logrando transformar la industria manufacturera a través de la automatización y la robótica. Sus sistemas pueden controlar y optimizar, procesos de producción, mejorar la calidad del producto y garantizar la seguridad en entornos industriales (Ruiz & Velásquez, 2023). También es importante destacar la llegada de la Inteligencia Artificial a los consumidores, a través de una variedad de productos y servicios, cómo son los asistentes virtuales, sistemas de recomendación, chatbots y aplicaciones de reconocimiento de voz. Esto hará que las interacciones con la tecnología sean más intuitivas, eficientes y personalizadas. Del mismo modo, se ha convertido en una herramienta fundamental en la investigación y el desarrollo en campos como la ciencia de datos, la biotecnología, la ingeniería y la exploración espacial. Los algoritmos de IA pueden acelerar el proceso de descubrimiento, la identificación de nuevos patrones y facilitar la innovación en disciplinas diversas (Martínez, 2023). Sin embargo, este rápido avance ha planteado una serie de desafíos éticos y prácticos que deben abordarse para garantizar su uso responsable y beneficioso para la sociedad en su conjunto. Uno de los principales es la privacidad de los datos, ya que, con el aumento en la recopilación y el análisis de datos para entrenar modelos de Inteligencia Artificial, existe el riesgo de que la información personal y sensible de los individuos se pueda ver comprometida. Esto hace plantear preguntas importantes sobre qué personas tienen acceso a estos datos, cómo se utilizan, y cómo se protegen contra posibles violaciones de la privacidad. Además, a medida que las organizaciones dependen más de sistemas de IA para la realización de tareas críticas, cómo el procesamiento de transacciones financieras o el control de infraestructuras críticas, la seguridad de estos sistemas se convierte en una prioridad. Así, los ataques cibernéticos dirigidos a 21 Valoración de una start-up de Inteligencia Artificial dirigida al marketing 23 CAPÍTULO 3. LA INTELIGENCIA ARTIFICIAL EN EL MARKETING 3.1. CONTEXTUALIZACIÓN La aceptación de nuevas tecnologías por parte de los consumidores y las empresas ha aumentado de forma significativa en los últimos años, lo que ha llevado a realizar una gran cantidad de estudios y prácticas comerciales desde 2020. Esto incluye diversos temas como el impacto de los medios sociales en la lealtad del cliente, la estructura de ventas en la era del comercio electrónico, la publicidad de la realidad aumentada a través de dispositivos y aplicaciones móviles y la aplicación de la neurociencia en la investigación del consumidor, entre otros. Del mismo modo, se ha producido un creciente interés en la Inteligencia Artificial y su impacto en el marketing, el comercio minorista y la gestión empresarial como consecuencia de una mayor atención en la IA y gestión del marketing (Huang & Rust, 2021). En primer lugar, los sistemas impulsados por Inteligencia Artificial permiten a los especialistas en marketing recopilar comentarios de los clientes de diversas fuentes, por ejemplo, encuestas, redes sociales, reseñas en plataformas de empresas externas, entre otros. Esto permitirá hacer un uso de grandes datos para obtener una comprensión más profunda de las percepciones de los clientes y el mercado. En segundo lugar, la IA puede desplegarse para predecir tendencias de marketing y realizar análisis del rendimiento de la empresa y las condiciones del mercado, proporcionando a los gerentes la información necesaria para la toma de decisiones estratégicas. Además, en el ámbito práctico, los especialistas en marketing han hecho uso de aplicaciones que disponen de esta inteligencia para llevar a cabo la automatización de actividades como ofertas inteligentes y servicios superiores, destacando la personalización automatizada en segmentaciones publicitarias, recomendaciones, comunicaciones o fijaciones de precios (Saura et al, 2021). Debido a su integración en las operaciones de marketing, la Inteligencia Artificial desempeña un papel crítico en la mejora de la gestión de la experiencia del cliente en las distintas etapas de su viaje: preconsumo, consumo y postconsumo. De esta forma, las empresas han ido adoptando, cada vez más, una visión más holística de todo el proceso de viaje del cliente. Así, la tecnología digital ha hecho posible la recopilación de información detallada sobre los distintos puntos de contacto con el cliente, transformando la visión de un embudo de compra a nivel agregado, desde la perspectiva de las empresas a la visión de viajes de decisión continuos con bucles de retroalimentación desde la perspectiva de los consumidores individuales. Diseñar este panorama completo es inmensamente valioso para las empresas, ya que les permite monitorear y guiar al consumidor, brindando la información correcta, el servicio y la promoción en el momento y contexto adecuados. Por este motivo, la automatización y la optimización en tiempo real se están convirtiendo en el modus operandi del marketing, siendo los métodos de aprendizaje automático las soluciones preferidas (Verma et al., 2021) Los métodos de aprendizaje automático desempeñan un papel instrumental en la influencia de las decisiones del consumidor, llevando a la eficacia de las operaciones de marketing a un nuevo nivel. De tal forma que, cuando los consumidores navegan de Elena Redondo Reyes 24 manera online, los anuncios dirigidos y entregados a través de máquinas de oferta y las páginas web creadas en base a algoritmos morfológicos del sitio web ayudan a proporcionar información y generar interés. En esta línea, cuando los consumidores visitan las tiendas físicas, las aplicaciones de ventas proporcionan análisis que ayudan a los agentes a brindar asistencia personalizada y herramientas de Inteligencia Artificial, como la realidad aumentada y los probadores virtuales. Esto permitirá una experiencia de compra eficiente y agradable. Tras la compra, el seguimiento automatizado para ofrecer consejos de uso mantendrá a los clientes comprometidos y leales. Seguidamente, los algoritmos de aprendizaje automático extraerán las preferencias del consumidor de datos online masivos y ayudarán a crear texto e imágenes atractivas para llamar su atención (Huang & Rust, 2021). En este punto, los influyentes virtuales generados por ordenador desarrollan seguidores de marca y promocionan los productos impulsados por motores de IA sofisticados en la nube. Así, los chatbots habilitados para el reconocimiento de voz y los algoritmos de procesamiento de lenguaje natural, están asumiendo cada vez más el manejo de consultas previas y servicio al cliente posterior a la compra. A lo largo de toda la experiencia del cliente, las innovaciones impulsadas por esta tecnología están remodelando de manera rápida las prácticas de participación y satisfacción del cliente (Verma et al., 2021). 3.2. INTELIGENCIA ARTIFICIAL EN EL MARKETING Junto con los progresos tecnológicos en la investigación de IA, varios de sus sistemas característicos podrían ser beneficiosos para un profesional de marketing en la adquisición de datos o comentarios de los clientes, realización de análisis y comprensión detallada de las necesidades del cliente (Huang & Rust, 2021). Además de las tecnologías digitales e investigación de clientes, la Inteligencia Artificial permite a los especialistas en marketing desarrollar inteligencia relacionada con los competidores. Un ejemplo de esto podría ser la identificación de palabras clave que permita el rastreo de los movimientos de la competencia en el mercado a través de comunicados de prensa o perfiles en redes sociales. También posibilita la obtención de datos no estructurados relacionados con los cambios en las condiciones del mercado (políticos, socioculturales, entre otros). Estos sistemas de IA superan a los individuos en la recopilación de una gran cantidad de datos sobre el mercado, el entorno, los competidores, los clientes y la empresa para su posterior conversión en modelos explicativos y conocimientos interpretables (Quach et al., 2022). La expansión de Internet, las redes sociales y los dispositivos móviles han incrementado de manera drástica las interacciones entre las empresas y los consumidores, disponiendo de una información codificada en formato de medios ricos cómo texto, imagen y vídeo. Este acontecimiento ha vuelto imperativa para las empresas la comprensión de las percepciones y preferencias del consumidor, así como la obtención de información sobre la posición de la marca, basada en un contenido de medios ricos para una mejora en la toma de decisiones. Por ende, en un mundo digitalmente conectado, la detección, seguimiento y recopilación de datos se han vuelto tareas rutinarias para los profesionales del marketing, las cuales pueden ser automatizadas de manera eficiente por sistemas de Inteligencia Artificial. Tanto es así que, la mayoría de los clientes hoy en día utilizan dispositivos conectados a Internet cómo teléfonos inteligentes u ordenadores, facilitando que la IA recopile sus datos, entre Valoración de una start-up de Inteligencia Artificial dirigida al marketing 25 los que se incluyen su comportamiento de búsqueda, actividades compartidas, entornos domésticos, intereses, etc. (Martínez-Ortega, 2020). Son diversas las fuentes de datos sobre el uso de productos y servicios, por parte del consumidor, las que pueden ser registradas, integradas y almacenadas en una base de datos estructuradas para su posterior análisis y explotación. Un claro ejemplo de lo que se comenta es el sistema de Inteligencia Artificial utilizado por empresas minoristas con el fin de lograr la recopilación de datos de clientes de diversas tecnologías, incluyendo mapas de calor, facturas de compras y vídeos para perfilar y reconocer a los compradores. Además de los datos conductuales observables, la IA también podría prestar ayuda a los profesionales del marketing en la realización de encuestas y experimentos que les permita obtener más información sobre los factores psicológicos del consumidor, por ejemplo, emociones, compromiso, actitudes, entre otros. Así, los sistemas de Inteligencia Artificial detrás de las plataformas de encuestas podrían automatizar de manera eficiente la recopilación, administración y diseño de datos de encuestas (Zúñiga, 2023). De igual modo, se ha empleado el potencial de la Inteligencia Artificial para analizar a los clientes para que, a través de diversas herramientas cómo el texto automatizado, se amplie la investigación de consumidores de una empresa. Entre los diversos métodos, el basado en el léxico es el más popular y útil para analizar conjuntos de datos de redes sociales. También la analítica de Big Data es recomendada por diversos autores cómo un método efectivo para la obtención de información sobre los clientes. Es importante mencionar la gran popularidad obtenida, recientemente, por los algoritmos de procesamiento de lenguaje natural entre los investigadores y profesionales del marketing. Estos permiten explorar las asociaciones el contenido de marketing en redes sociales y el compromiso del usuario. Sin embargo, para comprender verdaderamente las percepciones del cliente, la empresa debe ir más allá del pensamiento racional y explorar sus emociones internas, así como sus metas o necesidades implícitas del consumo de productos y servicios. Diversos investigadores se han mostrado ampliamente de acuerdo en la forma en que el estado de ánimo y los factores afectivos de los clientes conducen a un determinado comportamiento de compra, posibilitando que los sistemas de Inteligencia Artificial detecten y analicen las emociones, sentimientos y opiniones del cliente, puesto que proporcionan información valiosa (Martínez-Ortega, 2020). Debido a su importancia, algunas empresas comienzan a implementar proyectos pioneros, haciendo uso de la IA para lograr el descubrimiento profundo del mundo interior de la mente y el corazón del cliente. No obstante, para tomar decisiones de marketing bien informadas, los profesionales requieren disponer de información calificada, no solo sobre el cliente, sino también sobre las condiciones del mercado y sus competidores. Por lo tanto, el aprendizaje automático supervisado, se utiliza, a menudo, para rastrear los mercados maduros cuando su estructura es relativamente estable y familiar para los profesionales del marketing. Por el contrario, el aprendizaje automático no supervisado podría constituir una solución más útil para llevar a cabo la exploración de un nuevo mercado cuando los profesionales del marketing disponen de una comprensión y conocimiento limitados sobre la estructura del mercado y sus tendencias (Quach et al., 2022). Elena Redondo Reyes 26 Actualmente, la Inteligencia Artificial cuenta con una gran capacidad para generar análisis predictivos basados en datos históricos. Esto significa que la IA podría realizar predicciones de las tendencias del mercado y ayudar a las empresas a ser estratégicamente más inteligentes y lograr hacer frente a posibles cambios en el mercado. Además, se puede hacer uso de ella para la generación de informes acerca del rendimiento de una empresa en comparación con los datos disponibles de sus competidores, ayudando a los profesionales del marketing, a realizar benchmarking de manera efectiva y más regular. Asimismo, las herramientas y aplicaciones de Inteligencia Artificial están infiltrando las funciones de mercadotecnia y llevando a una mejora notable en las operaciones de marketing, a través de capacidades de procesamiento de datos que superan a los humanos. Así, el uso de grandes volúmenes de datos proporciona análisis precisos y resultados predictivos, de manera que se automaticen y optimicen eficientemente los procedimientos de marketing. Es posible apreciar esta mejora de procesos en la personalización de ofertas inteligentes para los clientes, dirección de audiencias adecuadas, recomendaciones de productos, servicios u opciones, fijación de precios personalizada o conversaciones efectivas con los clientes (Barría, 2023). Como ya se ha hecho mención con anterioridad, la complejidad del entorno empresarial ha superado hace mucho tiempo la capacidad de comprensión intuitiva y la planificación de los analistas humanos, por lo tanto, las tecnologías de Inteligencia Artificial como el aprendizaje automático, profundo y el procesamiento de lenguaje natural ayudan a los especialistas en marketing al manejo de grandes volúmenes de datos, tal y cómo se muestra en la Figura 3.1, para generar inteligencia de mercado (Benbya et al., 2020). La IA permite identificar temas y patrones en las publicaciones de los usuarios sobre el uso de un producto, proporcionando información sobre la experiencia del cliente y señalando aquellas áreas de mejora de la experiencia de consumo. Así, basando en esta profunda comprensión los insights de los clientes, la IA automatiza el diseño de los productos, servicios y opciones que satisfagan las necesidades u objetivos específicos de los clientes objetivo. Más importante aún, el servicio al cliente conforma uno de los desafíos más importantes en el marketing y puede dar un gran impulso con la Inteligencia Artificial. (Vlacic et al., 2021). Por su parte, el aprendizaje automático continuo proporciona un flujo constante de insights de clientes a 360 grados con el fin de ofrecer servicios superiores (Ahumada et al., 2023). De la misma forma, la IA puede ayudar a los especialistas en marketing a aumentar tanto la eficiencia cómo la satisfacción en la experiencia del servicio al cliente a través de plataformas de voz y chatbots (Felix et al., 2023). Estas herramientas operan las 24 horas del día, los siete días de la semana y consiguen eliminar los tiempos de espera, brindando una experiencia robusta al cliente. Con esto, las empresas pueden usar la Inteligencia Artificial para obtener información en tiempo real y ofrecer experiencias de alta calidad que aumenten el crecimiento, la retención y la satisfacción general de los consumidores. Además, los pagos son otra área donde la IA ha avanzado de manera rápida, utilizando modelos de aprendizaje profundos y estimando años de transacciones digitales para detectar y prevenir de manera proactiva el fraude en las transacciones (Huang, 2021). Cómo es notorio, el marketing se está volviendo cada vez más personalizado gracias a la Inteligencia Artificial. Esta automatiza procesos complejos y minimizan los tiempos de Valoración de una start-up de Inteligencia Artificial dirigida al marketing 27 inactividad a través de la predicción de las necesidades correctas del cliente, dando lugar a una personalización rentable que aumente la eficiencia de las operaciones de marketing en general (Verma et al., 2021). Por ello, el mercado donde los datos son comunes y los canales digitales facilitan la entrega de ofertas personalizadas, los métodos de aprendizaje automático permiten impulsar la personalización y el enfoque a gran escala, dependiendo del contexto, a nuevos niveles. Ante esto, la segmentación se vuelve más refinada, operando en diversos microsegmentos en lugar de otros de mayor tamaño y gruesos. Así, los datos de preferencias y comportamiento se incorporan cada vez más en la segmentación, que, junto a la refinación continua, conducen a la personalización, en la que cada consumidor constituye un segmento distinto y recibe ofertas adaptadas basadas en su perfil individual (Ameen et al., 2021). Figura 3.1. Tasa adaptación capacidades primarias IA en las empresas mundiales en 2022 Fuente: elaboración propia a partir de Saura et al, 2021 Ahondando un poco más, las preferencias y necesidades son dinámicas y las oportunidades temporales. Por tanto, el targeting efectivo no solo requiere igualar la oferta correcta al consumidor correcto, sino también entregarla en el momento y en el contexto adecuados. No obstante, gran parte de estos son impulsados por potentes algoritmos de aprendizaje automático e impulsan la rápida evolución de los métodos (Vlacic et al., 2021). En la misma línea, la recomendación de productos adecuados a los consumidores interesados puede mejorar de manera significativa la experiencia de cliente y, cómo consecuencia, el rendimiento del marketing. Inicialmente, los sistemas de recomendación utilizaban algoritmos de aprendizaje automático cómo el filtrado colaborativo, basado en ítems o en contenido. Su precisión y robustez han mejorado constantemente con la incorporación de algoritmos más novedosos, entre los que se puede destacar la factorización de matrices. Además, en los últimos años, herramientas cómo las redes neuronales profundas y los métodos de incrustación, han sido INVESTIGACIÓN DE MERCADO Recopilación de datos Análisis de clientes Comprensión del cliente Comparación con la competencia Seguimiento de las condiciones del mercado MARKETING ESTRATÉGICO Apoyo a la toma de decisiones estratégicas Transformación empresarial Posicionamiento empresarial Innovación de productos OPERACIONES DE MARKETING Operaciones inteligentes Servicio automatizado Experiencia Personalización automatizada Recomendación Elena Redondo Reyes 28 empleados para mejorar, en mayor medida, el rendimiento. De esta forma, analizando la información de millones de consumidores y productos para elevar su relevancia, los sistemas de recomendación se han convertido en un componente esencial de marketing, que igualan eficazmente productos y consumidores a lo largo de los canales digitales (Ameen et al., 2021). Finalmente, la Inteligencia Artificial no solo está empoderando a las empresas para satisfacer las necesidades y deseos de los consumidores de manera más efectiva, sino que también está mejorando sus experiencias al ofrecer interacciones más personalizadas y satisfactorias. Este avance continuo en la integración de la Inteligencia Artificial en el marketing promete un futuro emocionante y lleno de oportunidades para aquellas empresas que busquen mantenerse competitivas en un mercado cada vez más digitalizado y centrado en el cliente (Verma et al, 2021). En conclusión, las aplicaciones de la Inteligencia Artificial en el marketing han permitido transformar de manera radical la forma en que las empresas comprenden, interactúan y satisfacen a sus clientes. Desde la recopilación de datos hasta la personalización de ofertas y mejora de la experiencia del cliente, la IA está impulsando una revolución en las operaciones de marketing. La capacidad de la Inteligencia Artificial para el procesamiento de grandes volúmenes de datos y generación de inteligencia de mercados o precisión predictiva permite a los profesionales tomar decisiones más informadas y estratégicas. Además, también facilita la automatización de procesos, cómo la recomendación de productos o la segmentación de clientes, que aumenta la eficiencia y efectividad de las estrategias de marketing (Saura et al, 2021). 3.3. IA EN EL MARKETING DE EMPRESAS NACIONALES E INTERNACIONALES En la era digital actual, el marketing se ha convertido, como ya se ha visto anteriormente, en un campo altamente competitivo donde las empresas buscan innovar y adaptarse de manera constante para destacar en un mercado saturado de información y opciones. En este contexto la Inteligencia Artificial ha surgido como una herramienta revolucionaria que está transformando la forma en que las empresas abordan sus estrategias de marketing. Desde la personalización de la experiencia del cliente, hasta la optimización de campañas publicitarias, la IA ofrece una amplia gama de aplicaciones que permiten impulsar el éxito de las empresas en el ámbito nacional e internacional (Zúñiga et al, 2023). Este punto se va a centrar en la exploración del uso de la Inteligencia Artificial en el marketing de empresas tanto a nivel nacional, con un enfoque particular en España, cómo a nivel internacional. De esta forma, se va a analizar cómo las empresas hacen uso de la IA para lograr mejoras en la segmentación de audiencias, personalización de interacciones con los clientes, optimización del rendimiento de las campañas publicitarias y mucho más. Además, se van a examinar casos de estudio de empresas españolas internacionales que permitan ilustrar cómo se está implementando con éxito la Inteligencia Artificial y sus estrategias de marketing y los resultados logrados. A través de este análisis, se busca comprender, en mayor medida, el impacto de la Inteligencia Artificial en el marketing moderno y la manera en que las empresas pueden aprovechar esta tecnología para mantenerse competitivas en un entorno empresarial en constante evolución. Con la exploración de ejemplos nacionales internacionales, se espera ofrecer una visión completa de la transformación en el panorama del marketing Valoración de una start-up de Inteligencia Artificial dirigida al marketing 29 en todo el mundo. En España, el uso de la Inteligencia Artificial en el marketing está cada vez más extendido entre las empresas de diversos sectores. Algunas de las aplicaciones más comunes incluyen la personalización de experiencia de usuario, la segmentación de audiencias, la optimización de campañas publicitarias y la automatización de procesos del marketing. (Miailhe et al, 2020). A continuación, se pasa a detallar algunos ejemplos del uso de la IA por empresas con domiciliación nacional. 3.3.1. Banco Santander El banco Santander es una institución financiera con nombre internacional que ha adoptado activamente la Inteligencia Artificial en su estrategia de marketing para lograr una mejora en la experiencia del cliente y optimizar sus operaciones. En el contexto español, ha sido pionero en la implementación de tecnologías de Inteligencia Artificial para personalizar las interacciones con sus clientes, ofrecer productos financieros, adaptados a sus necesidades individuales y llevar a cabo la mejora de la eficiencia en sus campañas de marketing (Redero, 2020). Una de las formas en que el banco Santander utiliza la IA en el marketing es a través de la segmentación de audiencias. Mediante el análisis de grandes volúmenes de datos, esta tecnología permite al banco, identificar patrones de comportamiento y preferencias entre sus clientes. Esto conlleva la creación de segmentos de audiencia más precisos y la dirección de campañas publicitarias específicas a grupos de consumidores con características y necesidades similares. Además, ha implementado chatbots impulsados por Inteligencia Artificial en sus plataformas digitales que brinden atención al cliente a las 24 horas del día y los siete días de la semana. Éstos pueden responder preguntas frecuentes, proporcionar información sobre productos y servicios y ofrecer ayuda a los clientes con transacciones básicas, todo ello, de manera rápida y eficiente. Así, no solo se mejora la experiencia del cliente al proporcionar respuestas inmediatas, sino que también se liberan recursos humanos que permitan al banco centrarse en la atención de consultas más complejas y estratégicas (Mejía & Castillo, 2021). Otro aspecto para destacar es la personalización de ofertas y recomendaciones de productos financieros. A través del uso de algoritmos de Inteligencia Artificial, el banco analiza el historial de transacciones, las preferencias de compra y otros datos de gran relevancia en sus clientes, que ofrezcan recomendaciones personalizadas sobre cuentas bancarias, tarjetas de crédito, préstamos y otros productos financieros. De esta forma, no solo se aumenta la relevancia de ofertas para los clientes, sino que también sirve de ayuda al aumentar las tasas de conversión y retención. En definitiva, el banco Santander ha demostrado ser un líder en la adopción de IA en el sector del marketing, mejorando significativamente la experiencia del cliente y manteniendo su posición cómo uno de los principales actores en el sector financiero español e internacional (Mejía & Castillo, 2021). 3.3.2. Telefónica Otra de las empresas con una fuerte presencia tanto en España cómo a nivel internacional es Telefónica. Esta ha integrado la Inteligencia Artificial en diversas áreas de su estrategia de marketing para mejorar la experiencia del cliente, optimizar su servicio y aumentar la eficiencia operativa. En este contexto, Telefónica ha adoptado esta nueva tecnología para mejorar la segmentación de sus clientes y ofrecerles una Valoración de una start-up de Inteligencia Artificial dirigida al marketing 37 CAPÍTULO 4. ANÁLISIS DEL SECTOR DE REFERENCIA Este estudio está centrado en la búsqueda y recopilación de datos sobre el uso de la Inteligencia Artificial realizado por las empresas del marketing en el mercado español. Para ello, se ha llevado a cabo una búsqueda exhaustiva que no solamente se limita a identificar aquellas empresas que afirman utilizar Inteligencia Artificial en sus actividades de marketing, sino que también implica la verificación de la actualidad y veracidad de esta información. En este enfoque, se pretende garantizar la validez y fiabilidad de los resultados obtenidos, requisito fundamental para llevar a cabo una investigación seria y rigurosa. 4.1. INTRODUCCIÓN Esta búsqueda ha revelado un total de 121 empresas que utilizan IA en el marketing dentro del mercado español, enfatizando tanto el alcance cómo la relevancia de esta tecnología en el ámbito empresarial actual. Este número significativo no solo revela una tendencia general hacia la adopción de Inteligencia Artificial en el marketing, sino que también proporciona una base sólida para el análisis y la interpretación de los datos recopilados. Es importante destacar que la distribución de estas empresas no es homogénea en cuanto a su tamaño, reflejando la diversidad y complejidad del tejido empresarial en España. Siguiendo este criterio, se realiza una segmentación de las empresas según su tamaño en microempresas, pequeñas, medianas y grandes empresas, con el fin de permitir una comprensión más detallada de cómo la adopción de la IA en el marketing puede variar, según la capacidad de las organizaciones y su tamaño. Figura 4.1. Estructura empresas IA en el marketing del mercado español Fuente: elaboración propia a partir de SABI Así, la Figura 4.1 muestra las microempresas (49%) caracterizadas por su tamaño reducido y un número limitado de empleados pueden enfrentar desafíos únicos, llevando a cabo la adopción de tecnologías cómo la IA en el marketing, consecuencia de sus recursos limitados y restricciones presupuestarias. Sin embargo, su inclusión en la muestra refleja Inteligencia Artificial no es exclusiva de las grandes corporaciones, y que incluso las empresas de un tamaño más reducido pueden beneficiarse de dicha implementación. Por otra parte, las grandes empresas (26%), dotadas de una Elena Redondo Reyes 38 considerable infraestructura y recursos, pueden estar mejor posicionadas en el momento de implementar soluciones de Inteligencia Artificial a gran escala en sus operaciones de marketing. No obstante, su presencia en la muestra inicial indica el papel crucial que desempeñan en la promoción y adopción de tecnologías emergentes en el mercado español. A continuación, se va a pasar a centrar el análisis en las 59 microempresas recabadas en la investigación. A pesar de su tamaño relativamente reducido, en comparación con las otras categorías empresariales, se considera que puede resultar estratégico por varias razones fundamentales. Esto es, aunque de manera individualizada pueden parecer pequeñas, en su conjunto, constituyen una parte significativa del mercado empresarial español. Asimismo, al disponer de un mayor número de empresas en esta categoría, el análisis de las microempresas proporcionará una visión más completa y representativa del panorama general del uso de la Inteligencia Artificial en el marketing en España. Del mismo modo, pueden resultar más accesibles para la investigación y el análisis debido a su tamaño y estructura operativa. Además, existe una alta probabilidad de que estas empresas cuenten con menos barreras burocráticas, así como la obtención más sencilla de información detallada sobre sus prácticas de marketing o el uso de IA. Si bien, estas empresas suelen ser ágiles y adaptables, lo que les hace aptas para la experimentación y adopción de nuevas tecnologías, cómo la ya citada, con independencia de su tamaño limitado. Por ende, la idea de centrar el análisis en las microempresas ayudará a identificar patrones de adopción tecnológica emergentes, además de entender cómo estas, están integrando la Inteligencia Artificial en sus estrategias de marketing para competir en un mercado cada vez más competitivo y digitalizado. 4.2. MICROEMPRESAS. DATOS GENERALES Las microempresas son una fuente crucial de empleo y contribuyen de manera significativa al crecimiento económico y la estabilidad social. Por eso, centrar el estudio estas empresas permitirá entender, en mayor medida, cómo la adopción de IA en el marketing puede influir en su capacidad para la generación de empleo, mejora de la eficiencia operativa y contribución al desarrollo económico, nacional y local. La Tabla 4.1 proporciona una visión detallada del conjunto de microempresas que operan en el ámbito de marketing implementan Inteligencia Artificial dentro del mercado español. Cada empresa se identifica por su nombre, seguido de su CNAE, el número de empleados y la edad de la empresa en años. 4.2.1. Código CNAE Si se observan los datos, se identifican diferentes tendencias y patrones interesantes. En primer lugar, dentro del ámbito de las microempresas dedicadas al marketing que implementan Inteligencia Artificial, se observa una significativa diversidad en los códigos CNAE. Este término hace referencia a la clasificación nacional de actividades económicas y consta de un conjunto de códigos asociados a estas empresas. La presencia de diferentes CNAEs entre estas microempresas indica que el uso de esta clasificación cómo criterio de búsqueda puede ser limitado y obsoleto, en términos de capturar la totalidad de empresas que hacen uso de la IA en el marketing. Valoración de una start-up de Inteligencia Artificial dirigida al marketing 39 Tabla 4.1. Análisis datos generales microempresas Fuente: elaboración propia a partir de SABI Empresa Código CNAE Nº empleados Vida (años) AVVALE IBERIA Y LATINOAMERICA SL. 5829 1 13,03 UPITE CONSULTING SERVICES SL 7022 9 16,12 AETERNAL MENTIS, S.A. 6311 1 3,40 ARTIFICIAL INTELLIGENCE FOR MARKETING SL. 7311 5 7,84 VISIONA CONTROL INDUSTRIAL SL 7112 7 15,10 NEXT MOBILITY SOLUTIONS SL. 2630 9 10,55 BEE THE DATA SL. 7112 4 9,02 PHEBUS SISTEMAS INTELIGENTES SOCIEDAD LIMITADA. 2651 3 3,35 ASOBU TECHNOLOGIES SL. 6209 5 4,65 PLAY YOUR BRAND S.L. 5915 9 5,32 QARONI EMEA, S.L. 6201 4 4,27 DATRIK INTELLIGENCE SOCIEDAD ANONIMA. 6920 8 8,49 TRAK HEALTH SOLUTIONS SL. 6209 7 3,44 GEOAI ANALYTICS SL. 6209 3 5,01 INSIGHT SOLUTIONS SL 7311 2 16,87 KROSER ELECTRONICA SL 2640 3 31,31 PROGRAMACION LIEBRE SL 6201 1 27,33 NOESIS ANALISIS FINANCIERO SL 7320 3 25,98 ALCHEMY MACHINE LEARNING SL. 6209 3 6,05 FACTIC SOLUTIONS SL. 6399 8 6,60 UBOTICA TECNOLOGIAS SPAIN SL. 2611 7 5,47 ZETTA PROJECTS SL. 6202 2 2,95 LUNA ARTIFICIAL INTELLIGENCE S.L. 6201 2 5,44 NEURAPTIC SL. 6202 5 3,41 FLIGHT LABS SL. 7219 3 6,13 IP SUMINISTROS INFORMATICOS SL 9511 5 29,38 BAYESIAN ANALYTICA PARTNERS SL. 6202 1 2,54 COGNITIVE DATA S.L. 6209 4 3,45 CODECONTRACT SOCIEDAD LIMITADA. 7022 3 4,63 DATA LEAN MAKERS SL. 7022 4 5,01 EPEOPLE C COMPANY SL 7490 1 23,16 VIRUTAL PROYECTS SOCIEDAD LIMITADA. 6209 1 7,06 NEW DATA SIL SL 4741 1 16,62 SCILLS INTERNATIONAL, SOCIEDAD LIMITADA. 6202 2 4,38 ESCORIAL ANALYTICS SL. 7022 1 3,40 HUPI IBERICA SL. 6201 1 6,26 DATASIGHT CONSULTING SOCIEDAD LIMITADA. 7490 2 3,12 EXIPPLE LABS S.L. 6209 4 6,90 3DINTELLIGENCE SOCIEDAD LIMITADA. 7490 1 9,18 ULBIOS TECHSENS S.L. 7490 1 3,06 BLIND APE SOCIEDAD LIMITADA. 6311 2 10,27 TEYBIK SERVICIOS DIGITALES S.L. 6201 4 2,60 OMNIOS COGNITIVE SOLUTIONS S.L. 7022 2 5,12 BINARTIS GENOMICS SOCIEDAD LIMITADA. 7219 2 6,51 STELO TECHNOLOGIES S.L. 6209 2 3,49 IN2AI INTELLIGENCE SL. 6201 1 4,36 NEURATUM SOCIEDAD LIMITADA. 6209 3 4,44 ABRAIA SOFTWARE SOCIEDAD LIMITADA. 6201 2 7,13 ZARACONTECH SOCIEDAD LIMITADA. 8559 1 8,40 TECHEYE LAB SOCIEDAD LIMITADA. 7490 1 5,59 NEXTCHANCE ASSETS SL 7311 6 13,52 META-DATA DIGITAL SL. 6209 1 2,10 APLICACIONES HUMANAS CON INTELIGENCIA ARTIFICIAL SL. 6209 3 3,36 ETERIA ENERGY SYSTEM SL. 6201 1 3,40 ALGEBRAIC AI SL. 6202 1 5,20 DEKO DATA ANALYTICS SL. 6311 2 1,81 GEOENTEC ENVIRONMENT TECHNOLOGIES SOCIEDAD LIMITADA. 2651 1 6,09 STARTQUAKE SL 7211 3 2,76 THE GOOD MATH LAB SL. 6209 1 19,33 Sector 3,14 8,32 Elena Redondo Reyes 40 Si bien, de las 59 microempresas analizadas, se ha detectado que 20 de ellas disponen de un CNAE diferente, subrayando la necesidad de adoptar enfoques más avanzados y holísticos que permitan identificar y categorizar empresas que emplean tecnologías cómo la Inteligencia Artificial en sus actividades de marketing. Esto es, si se depende únicamente de este código, puede resultar insuficiente para capturar la gran diversidad y amplitud de empresas involucradas en esta práctica emergente. No obstante, es interesante destacar que, a pesar de la variedad de los CNAE, existe un patrón notorio en términos de frecuencia de aparición, siendo el más repetido entre estas microempresas el 6209. Este hecho sugiere que, aunque la diversidad en los códigos es evidente, aún existen ciertas áreas o actividades económicas dentro del marketing, donde la implementación de la Inteligencia Artificial es más predominante o común. Por ello, este análisis pone de manifiesto la necesidad de adoptar enfoques más sofisticados y dinámicos con el fin de identificar empresas que utilizan IA en el marketing, en lugar de depender exclusivamente de criterios tradicionales, cómo los códigos CNAE. Así, la evolución rápida del panorama tecnológico y empresarial requiere el empleo de métodos de investigación más flexibles y adaptables que puedan capturar la complejidad y la innovación presentes actualmente en el mercado. 4.2.2. Número de empleados Seguidamente, en términos de tamaño se encuentra una amplia gama de empresas representadas. Algunas de estas empresas cuentan con solo un empleado, situándose por debajo de la media del sector, (AWALE IBERIA Y LATINOAMERICA SL., AETERNAL METICS, SA., PROGRAMACIÓN LIEBRE SL., BAYESIAN ANALYTICA PARTNERS SL., entre otras) lo que sugiere que realiza operaciones muy pequeñas y probablemente cuenta con un enfoque más personalizado en su estrategia de marketing y uso de Inteligencia Artificial. Figura 4.2. Nº empleados microempresas marketing con uso IA mercado español Fuente: elaboración propia a partir de SABI Nº empleados - 1 2 3 4 5 6 7 8 9 AVVALE IBERIA Y LATINOAMERICA SL. UPITE CONSULTING SERVICES SL AETERNAL MENTIS, S.A. ARTIFICIAL INTELLIGENCE FOR MARKETING SL. VISIONA CONTROL INDUSTRIAL SL NEXT MOBILITY SOLUTIONS SL. BEE THE DATA SL. PHEBUS SISTEMAS INTELIGENTES SOCIEDAD LIMITADA. ASOBU TECHNOLOGIES SL. PLAY YOUR BRAND S.L. QARONI EMEA, S.L. DATRIK INTELLIGENCE SOCIEDAD ANONIMA. TRAK HEALTH SOLUTIONS SL. GEOAI ANALYTICS SL. INSIGHT SOLUTIONS SL KROSER ELECTRONICA SL PROGRAMACION LIEBRE SL NOESIS ANALISIS FINANCIERO SL ALCHEMY MACHINE LEARNING SL. FACTIC SOLUTIONS SL. UBOTICA TECNOLOGIAS SPAIN SL. ZETTA PROJECTS SL. LUNA ARTIFICIAL INTELLIGENCE S.L. NEURAPTIC SL. FLI GHT LABS SL. IP SUMINISTROS INFORMATICOS SL BAYESIAN ANALYTICA PARTNERS SL. COGNITIVE DATA S.L. CODECONTRACT SOCIEDAD LIMITADA. DATA LEAN MAKERS SL. EPEOPLE C COMPANY SL VIRUTAL PROYECTS SOCIEDAD LIMITADA. NEW DATA SIL SL SCILLS INTERNATIONAL, SOCIEDAD LIMITADA. ESCORIAL ANALYTICS SL. HUPI IBERICA SL. DATASIGHT CONSULTING SOCIEDAD LIMITADA. EXIPPLE LABS S.L. 3DINTELLIGENCE SOCIEDAD LIMITADA. ULBIOS TECHSENS S.L. BLIND APE SOCIEDAD LIMITADA. TEYBIK SERVICIOS DIGITALES S.L. OMNIOS COGNITIVE SOLUTIONS S.L. BINARTIS GENOMICS SOCIEDAD LIMITADA. STELO TECHNOLOGIES S.L. IN2AI INTELLIGENCE SL. NEURATUM SOCIEDAD LIMITADA. ABRAIA SOFTWARE SOCIEDAD LIMITADA. ZARACONTECH SOCIEDAD LIMITADA. TECHEYE LAB SOCIEDAD LIMITADA. NEXTCHANCE ASSETS SL META-DATA DIGITAL SL. APLICACIONES HUMANAS CON INTELIGENCIA ARTIFICIAL SL. ETERIA ENERGY SYSTEM SL. ALGEBRAIC AI SL. DEKO DATA ANALYTICS SL. GEOENTEC ENVIRONMENT TECHNOLOGIES SOCIEDAD LIMITADA. STARTQUAKE SL THE GOOD MATH LAB SL. Sector Valoración de una start-up de Inteligencia Artificial dirigida al marketing 41 Por otro lado, hay empresas con hasta nueve empleados, superando la media de 3, aproximadamente, (UPITE CONSULTING SERVICES SL., NEXT MOBILITY SOLUTIONS SL. Y PLAY YOUR BRAND SL.) lo que indica una capacidad algo más amplia y, posiblemente, una mayor diversificación en las funciones y responsabilidades dentro de la organización. Este espectro de tamaño refleja la flexibilidad y adaptabilidad características de las microempresas, que les permiten operar de forma eficiente con equipos pequeños y que cuenta con la capacidad de crecimiento y expansión gradual. 4.2.3. Edad De igual modo, en el ámbito empresarial, la longevidad y estabilidad son fundamentales en la percepción del éxito de una empresa y su viabilidad. Por eso, el estudio de la vida de estas empresas en el mercado no solo reflejará su capacidad para adaptarse y prosperar en un ambiente competitivo, sino que también proporcionará insights sobre su experiencia, resiliencia y potencial de crecimiento a largo plazo. Al examinar esta variable, se muestra una variabilidad notable en la Figura 4-3. Algunas muestran una antigüedad relativamente corta, con menos de cinco años en el mercado y situándose por debajo de la media del sector, (PHEBUS SISTEMAS INTELIGENTES SOCIEDAD LIMITADA, TRAK HEALTH SOLUTIONS SL., ZETTA PROJECTS SL., NEURAPTIC SL., entre otras) lo que representa que son empresas relativamente nuevas o que se encuentran en una etapa inicial de desarrollo y crecimiento. Por otra parte, hay empresas que tienen más de dos décadas de antigüedad y que superan al promedio del sector, (PROGRAMACIÓN LIEBRE SL., NOESIS ANALISIS FINANCIERO SL., IP SUMINISTROS INFORMÁTICOS SL. y EPEOPLE COMPANY SL.) indicando una mayor experiencia y, seguramente, una posición más estable en el mercado. Este tipo de empresas pueden haber pasado por múltiples ciclos de negocios y adaptaciones a lo largo del tiempo, otorgándoles así, un conocimiento más profundo y una perspectiva a largo plazo en el uso de IA en el marketing. Esta información puede apreciarse de manera más detallada en el siguiente gráfico. Elena Redondo Reyes 42 Figura 4.3. Vida (años) microempresas marketing con uso IA mercado español Fuente: elaboración propia a partir de SABI 4.3. ANÁLISIS DE LA ESTRUCTURA ECONÓMICA Tras analizar los datos generales de las empresas objeto de estudio, es crucial explorar más a fondo su estructura económica para comprender de manera más completa su situación financiera. La estructura económica de una empresa hace referencia a la composición de sus activos, pasivos y patrimonio neto, así como, la distribución de sus recursos financieros. Esta estructura proporciona una visión detallada de la forma en que se distribuyen los recursos de la empresa, así como, la financiación de sus operaciones. Por ende, este análisis permitirá determinar la proporción de activos tangibles e intangibles, la solidez financiera y la capacidad para afrontar riesgos y generar valor. - 5,00 10,00 15,00 20,00 25,00 30,00 35,00 AVVALE IBERIA Y LATINOAMERICA SL. UPITE CONSULTING SERVICES SL AETERNAL MENTIS, S.A. ARTIFICIAL INTELLIGENCE FOR MARKETING SL. VISIONA CONTROL INDUSTRIAL SL NEXT MOBILITY SOLUTIONS SL. BEE THE DATA SL. PHEBUS SISTEMAS INTELIGENTES SOCIEDAD LIMITADA. ASOBU TECHNOLOGIES SL. PLAY YOUR BRAND S.L. QARONI EMEA, S.L. DATRIK INTELLIGENCE SOCIEDAD ANONIMA. TRAK HEALTH SOLUTIONS SL. GEOAI ANALYTICS SL. INSIGHT SOLUTIONS SL KROSER ELECTRONICA SL PROGRAMACION LIEBRE SL NOESIS ANALISIS FINANCIERO SL ALCHEMY MACHINE LEARNING SL. FACTIC SOLUTIONS SL. UBOTICA TECNOLOGIAS SPAIN SL. ZETTA PROJECTS SL. LUNA ARTIFICIAL INTELLIGENCE S.L. NEURAPTIC SL. FLI GHT LABS SL. IP SUMINI STROS INFORMATICOS SL BAYESIAN ANALYTICA PARTNERS SL. COGNITIVE DATA S.L. CODECONTRACT SOCIEDAD LIMITADA. DATA LEAN MAKERS SL. EPEOPLE C COMPANY SL VIRUTAL PROYECTS SOCIEDAD LIMITADA. NEW DATA SIL SL SCILLS INTERNATIONAL, SOCIEDAD LIMITADA. ESCORIAL ANALYTICS SL. HUPI IBERICA SL. DATASIGHT CONSULTING SOCIEDAD LIMITADA. EXIPPLE LABS S.L. 3DINTELLIGENCE SOCIEDAD LIMITADA. ULBIOS TECHSENS S.L. BLIND APE SOCIEDAD LIMITADA. TEYBIK SERVICIOS DIGITALES S.L. OMNIOS COGNITIVE SOLUTIONS S.L. BINARTIS GENOMICS SOCIEDAD LIMITADA. STELO TECHNOLOGIES S.L. IN2AI INTELLIGENCE SL. NEURATUM SOCIEDAD LIMITADA. ABRAIA SOFTWARE SOCIEDAD LIMITADA. ZARACONTECH SOCIEDAD LIMITADA. TECHEYE LAB SOCIEDAD LIMITADA. NEXTCHANCE ASSETS SL META-DATA DIGITAL SL. APLICACIONES HUMANAS CON INTELIGENCIA ARTIFICIAL SL. ETERIA ENERGY SYSTEM SL. ALGEBRAIC AI SL. DEKO DATA ANALYTICS SL. GEOENTEC ENVIRONMENT TECHNOLOGIES SOCIEDAD… STARTQUAKE SL THE GOOD MATH LAB SL. Sector Valoración de una start-up de Inteligencia Artificial dirigida al marketing 43 Tabla 4.2. Análisis estructura económica microempresas Fuente: elaboración propia a partir de SABI Empresa II/ANC PME PMC PMP AVVALE IBERIA Y LATINOAMERICA SL. 0,00% - 80,12 UPITE CONSULTING SERVICES SL 0,00% - 148,49 60,55 AETERNAL MENTIS, S.A. 0,00% - 35,11 380,02 ARTIFICIAL INTELLIGENCE FOR MARKETING SL. 0,00% - 322,84 126,51 VISIONA CONTROL INDUSTRIAL SL 21,05% 45,01 249,99 112,50 NEXT MOBILITY SOLUTIONS SL. 41,61% - 26,54 24,01 BEE THE DATA SL. 99,77% 11,04 259,13 175,65 PHEBUS SISTEMAS INTELIGENTES SOCIEDAD LIMITADA. 0,03% - 135,91 164,22 ASOBU TECHNOLOGIES SL. 3,00% 50,15 25,68 81,04 PLAY YOUR BRAND S.L. 3,48% - 54,01 51,12 QARONI EMEA, S.L. 59,84% - 374,07 115,51 DATRIK INTELLIGENCE SOCIEDAD ANONIMA. 94,74% - 97,19 35,18 TRAK HEALTH SOLUTIONS SL. 95,18% - 61,70 73,87 GEOAI ANALYTICS SL. 6,12 334,61 191,59 INSIGHT SOLUTIONS SL 0,00% - 87,08 74,71 KROSER ELECTRONICA SL 0,00% 315,44 27,98 82,67 PROGRAMACION LIEBRE SL 0,00% - 68,30 90,02 NOESIS ANALISIS FINANCIERO SL 0,00% - 77,91 22,00 ALCHEMY MACHINE LEARNING SL. 95,64% - 94,64 31,78 FACTIC SOLUTIONS SL. 91,63% - 38,35 52,18 UBOTICA TECNOLOGIAS SPAIN SL. 0,00% - 40,45 35,09 ZETTA PROJECTS SL. 0,00% - 138,64 172,17 LUNA ARTIFICIAL INTELLIGENCE S.L. 0,00% - 316,75 993,41 NEURAPTIC SL. 91,28% - 1.021,23 349,15 FLIGHT LABS SL. 94,75% 34,63 49,55 45,78 IP SUMINISTROS INFORMATICOS SL 0,00% 1,67 15,15 49,88 BAYESIAN ANALYTICA PARTNERS SL. 0,00% - 2,38 132,91 COGNITIVE DATA S.L. 44,72% 58,33 86,55 10,55 CODECONTRACT SOCIEDAD LIMITADA. 90,18% - 245,40 65,45 DATA LEAN MAKERS SL. 0,00% - 10,68 57,91 EPEOPLE C COMPANY SL 0,00% - 31,05 59,67 VIRUTAL PROYECTS SOCIEDAD LIMITADA. 0,00% - 53,76 73,21 NEW DATA SIL SL 0,00% 73,82 11,96 121,67 SCILLS INTERNATIONAL, SOCIEDAD LIMITADA. 1,22 2,07 85,18 ESCORIAL ANALYTICS SL. 0,00% - 93,47 154,54 HUPI IBERICA SL. 0,00% - 312,13 375,37 DATASIGHT CONSULTING SOCIEDAD LIMITADA. 3,29% - - 134,65 EXIPPLE LABS S.L. 35,94% - - 393,05 3DINTELLIGENCE SOCIEDAD LIMITADA. 7,68% - 242,94 180,72 ULBIOS TECHSENS S.L. 97,62% 151,85 422,65 265,00 BLIND APE SOCIEDAD LIMITADA. 0,87% - - 45,30 TEYBIK SERVICIOS DIGITALES S.L. 82,81% - 463,91 48,44 OMNIOS COGNITIVE SOLUTIONS S.L. 3,15% - 414,88 85,51 BINARTIS GENOMICS SOCIEDAD LIMITADA. 98,50% 4,37 3.228,43 35,82 STELO TECHNOLOGIES S.L. 0,00% - 197,87 78,95 IN2AI INTELLIGENCE SL. - 28,32 10,36 NEURATUM SOCIEDAD LIMITADA. 86,92% 12,06 496,52 23,47 ABRAIA SOFTWARE SOCIEDAD LIMITADA. 0,00% - 460,24 85,14 ZARACONTECH SOCIEDAD LIMITADA. 0,00% - - 14,22 TECHEYE LAB SOCIEDAD LIMITADA. 100,00% 31,01 294,43 742,03 NEXTCHANCE ASSETS SL 92,37% 6,69 2.442,70 30,60 META-DATA DIGITAL SL. 0,00% - 131,09 481,57 APLICACIONES HUMANAS CON INTELIGENCIA ARTIFICIAL SL. 100,00% - 1.354,24 128,14 ETERIA ENERGY SYSTEM SL. - 38,33 294,17 ALGEBRAIC AI SL. 0,00% - 8,50 DEKO DATA ANALYTICS SL. 0,00% - 161,63 GEOENTEC ENVIRONMENT TECHNOLOGIES SOCIEDAD LIMITADA. - 7,71 STARTQUAKE SL 97,54% 8,04 26,21 THE GOOD MATH LAB SL. 97,51% - 67,82 Sector 33,91% 13,75 282,36 139,24 Sector 1,94% - 90,28 79,99 Elena Redondo Reyes 44 4.3.1. Proporción del inmovilizado inmaterial sobre el activo no corriente En primer lugar, algunas empresas muestran una proporción del 0 %, indicando la falta de activos intangibles en relación con sus activos no corrientes. Esto puede deberse a la naturaleza de su negocio o una estrategia particular de gestión de activos. Por otra parte, empresas cómo BEE THE DATA SL. y APLICACIONES HUMANAS CON INTELIGENCIA ARTIFICIAL SL. presentan una proporción significativa con valores del 99,77 % y 100 %, respectivamente, que superan al promedio del sector. Dichos datos sugieren que la mayoría de sus activos no corrientes están compuestos por activos intangibles, reflejando a su vez, una fuerte inversión en propiedades intelectuales, tecnologías o derechos de autor. En esta misma situación, también se aprecian otras empresas cómo EXIPPLE LABS S.L. y NEXTCHANCE ASSETS SL, con valores del 35,94% y 92,37% respectivamente. Estos resultados son fruto de una combinación equilibrada de activos tangibles e intangibles presentes en su estructura de activos no corrientes. Figura 4.4. Participación mercado microempresas marketing con uso IA mercado español Fuente: elaboración propia a partir de SABI 4.3.2. Periodo medio de existencias Otro de los aspectos claves en el desempeño financiero de las empresas es el periodo medio de existencias. Este indicador ofrece una visión integral de la gestión de inventarios de una empresa. Se calcula cómo el cociente entre el inventario promedio y el coste de ventas promedio por día. Además, ofrece una perspectiva acerca de la eficacia de sus operaciones comerciales y la capacidad para el aprovechamiento de sus recursos disponibles al máximo. La Tabla 4.2 refleja como la mayoría de las empresas no presentan datos disponibles, lo que puede indicar que se encuentran en etapas iniciales de desarrollo o aún no tienen sus planes de expansión claros. Aquellas empresas con un periodo medio bajo o nulo, tienden a contar con una gestión eficiente de inventarios, lo que significa que pueden convertir sus existencias en ventas, de manera rápida. Es el caso de GEOAI ANALYTICS SL y SCILLS INTERNATIONAL SOCIEDAD LIMITADA, que presentan valores por debajo del sector y notoriamente reducidos, que demuestran una eficiencia en la rotación de sus inventarios. Por otra parte, empresas cómo KROSER ELECTRÓNICA SL y ULBIOS TECHSENS SL tienen valores significativamente altos, excediendo el promedio y que indican una 0,00% 20,00% 40,00% 60,00% 80,00% 100,00% 120,00% AVVALE IBERIA Y… UPITE CONSULTING… AETERNAL MENTIS, S.A. ARTIFICIAL INTELLIGENCE… VISIONA CONTROL… NEXT MOBILITY SOLUTIONS SL. BEE THE DATA SL. ASOBU TECHNOLOGIES SL. PLAY YOUR BRAND S.L. QARONI EMEA, S.L. DATRIK INTELLIGENCE… TRAK HEALTH SOLUTIONS SL. INSIGHT SOLUTIONS SL KROSER ELECTRONICA SL PROGRAMACION LIEBRE SL NOESIS ANALISIS… ALCHEMY MACHINE… FACTIC SOLUTIONS SL. UBOTICA TECNOLOGIAS… ZETTA PROJECTS SL. LUNA ARTIFICIAL… NEURAPTIC SL. FLI GHT LABS SL. IP SUMINI STROS… BAYESIAN ANALYTICA… COGNITIVE DATA S.L. CODECONTRACT SOCIEDAD… DATA LEAN MAKERS SL. EPEOPLE C COMPANY SL VIRUTAL PROYECTS… NEW DATA SIL SL ESCORIAL ANALYTICS SL. HUPI IBERICA SL. DATASIGHT CONSULTING… EXIPPLE LABS S.L. 3DINTELLIGENCE SOCIEDAD… ULBIOS TECHSENS S.L. BLIND APE SOCIEDAD… TEYBIK SERVICIOS DIGITALES… OMNIOS COGNITIVE… BINARTIS GENOMICS… STELO TECHNOLOGIES S.L. NEURATUM SOCIEDAD… ABRAIA SOFTWARE… ZARACONTECH SOCIEDAD… TECHEYE LAB SOCIEDAD… NEXTCHANCE ASSETS SL META-DATA DIGITAL SL. APLICACIONES HUMANAS… ALGEBRAIC AI SL. DEKO DATA ANALYTICS SL. STARTQUAKE SL THE GOOD MATH LAB SL. Sector Valoración de una start-up de Inteligencia Artificial dirigida al marketing 45 mayor tardanza en la venta de su inventario. Esto está condicionado por una amplia variedad de factores, cómo el exceso de inventario, demanda insuficiente o problemas en los procesos de producción y distribución. Figura 4.5. Periodo medio existencias microempresas marketing con uso IA mercado español Fuente: elaboración propia a partir de SABI 4.3.3. Periodo medio de cobro. El periodo medio de cobro es otro indicador financiero fundamental para evaluar la eficiencia en la gestión de los ciclos de efectivo de las empresas. Éste va a proporcionar información acerca de la rapidez con la que las empresas convierten sus ventas a crédito en efectivo, algo crucial para mantener la liquidez y la salud financiera. Además, los datos van a revelar la forma en que cada empresa administra el proceso de cobro de sus cuentas por cobrar, informando sobre su eficiencia operativa y la capacidad para la gestión del capital de trabajo. Inicialmente, cabe destacar la variabilidad presente entre las distintas empresas, lo que sugiere diferencias en sus políticas de crédito y cobro. Por un lado, empresas cómo NEXT MOBILITY SOLUTIONS SL. (26,54 días), ASOBU TECHNOLOGIES SL. (25,68 días) y DATA LEAN MAKERS SL. (10,68 días) muestran una gestión eficiente en el cobro de sus cuentas por cobrar, con unos periodos medios de cobro relativamente bajos y situados por debajo del sector. Sin embargo, otras cómo BINARTIS GENOMICS SOCIEDAD LIMITADA (3.228,43 días), TEYBIK SERVICIOS DIGITALES S.L. (463,91 días) y APLICACIONES HUMANAS CON INTELIGENCIA ARTIFICIAL SL. (1.354,24 días) presentan demoras significativas que exceden el promedio y podrían afectar a su flujo de efectivo y liquidez. - 50,00 100,00 150,00 200,00 250,00 300,00 350,00 VISIONA CONTROL INDUSTRIAL SL BEE THE DATA SL. ASOBU TECHNOLOGIES SL. GEOAI ANALYTICS SL. KROSER ELECTRONICA SL FLI GHT LABS SL. IP SUMINI STROS INFORMATICOS SL COGNITIVE DATA S.L. NEW DATA SIL SL SCILLS INTERNATIONAL, SOCIEDAD LIMITADA. ULBIOS TECHSENS S.L. BINARTIS GENOMICS SOCIEDAD LIMITADA. NEURATUM SOCIEDAD LIMITADA. TECHEYE LAB SOCIEDAD LIMITADA. NEXTCHANCE ASSETS SL STARTQUAKE SL Sector Elena Redondo Reyes 52 En primera instancia, las empresas que se caracterizan por disponer de mayor nivel de recursos ajenos y significativamente superior al promedio del sector son AETERNAL MENTIS, AVVALE IBERIA Y LATINOAMERICA SL, y NEURAPTIC SL. Estos resultados revelan un nivel de endeudamiento o financiación externa mayor para poder respaldar sus operaciones y proyectos de crecimiento. En contraste, STARTQUAKE SL, STELO TECHNOLOGIES S.L. y SCILLS INTERNATIONAL, SOCIEDAD LIMITADA muestran niveles más bajos de recursos ajenos en comparación con el promedio, lo que indica una menor dependencia de la deuda o el seguimiento de estrategias financieras más conservadoras. Por lo que respecta a la mediana, se aprecia una distribución más uniforme de los recursos ajenos en comparación con el promedio, lo que sugiere que la mayoría de las empresas cuentan con niveles de endeudamiento más moderados en línea con este valor. 4.4.3. Apalancamiento financiero Tras analizar de manera minuciosa tanto los recursos propios, cómo los ajenos de las microempresas, el análisis se va a centrar en el apalancamiento financiero de cada una de ellas. Así, sirviéndonos de estos datos, se podrá calcular y evaluar el nivel de apalancamiento financiero, que proporcionará una comprensión más profunda de cómo las empresas están haciendo uso de su capital propio y prestado para llevar a cabo la financiación de sus operaciones y proyectos de inversión. Igualmente, este resultado permitirá discernir el nivel de riesgo financiero al que se enfrenta cada empresa, así como la capacidad para generar retorno sobre la inversión en contextos de endeudamiento. El siguiente gráfico representa empresas altamente apalancadas (valores muy elevados) cómo VIRUTAL PROYECTS SOCIEDAD LIMITADA, EPEOPLE C COMPANY SL y ZARACONTECH SOCIEDAD LIMITADA que sugieren una situación de alto riesgo financiero. Además, representa una mayor dependencia de la deuda en comparación con el capital propio. Por otro lado, se observan valores inferiores a uno, que indican que la empresa dispone de más capital propio que deuda, siendo considerada una situación financiera más sólida en términos de apalancamiento. Es el caso de ARTIFICIAL INTELLIGENCE FOR MARKETING SL., NEXT MOBILITY SOLUTIONS SL., BEE THE DATA SL., QARONI EMEA, S.L., DATRIK INTELLIGENCE SOCIEDAD ANONIMA, entre otras. También se presentan valores negativos en empresas cómo DATA LEAN MAKERS SL, NEW DATA SIL y EXIPPLE LABS S.L., que indican una situación de apalancamiento negativo y derivando en problemas y atenciones para restructurar la deuda o fortalecer la posición de estas. Comparando los datos proporcionados con el promedio y la mediana del sector, se pueden observar diferencias significativas. Por una parte, el promedio del sector indica que las empresas cuentan con un apalancamiento financiero positivo, mostrando cómo depende más de la deuda que de los recursos propios para financiar sus operaciones y proyectos. Valoración de una start-up de Inteligencia Artificial dirigida al marketing 53 Figura 4.10. Apalancamiento financiero microempresas marketing con uso IA mercado español Fuente: elaboración propia a partir de SABI No obstante, algunos de los valores que ya se han comentado anteriormente, reflejan un apalancamiento financiero negativo, sugiriendo la disposición de mayor número de recursos propios que ajenos. Por lo que respecta a la mediana, se considera un indicador más resistente a los valores atípicos y representa el punto medio de los datos. En este caso, se obtiene una mediana más baja que su promedio, lo que indica que existen empresas con apalancamientos financieros muy altos que influyen en el promedio hacia arriba. Esta diferencia permite determinar una dispersión significativa en los niveles de apalancamiento financiero dentro del sector, pero indica una salud financiera correcta a excepción de algunas empresas. 4.5. ANÁLISIS DE LA CUENTA DE RESULTADOS La cuenta de resultados, también conocida como estado de pérdidas y ganancias, es otro de los estados financieros fundamentales que proporciona una visión detallada del rendimiento financiero de una empresa en un periodo de tiempo específico. Al analizarla, se examinan de manera detallada los diferentes componentes, cómo los ingresos, por ventas, costes de producción, gastos operativos, impuestos, entre otros. La realización de este análisis permitirá comprender, en mayor medida, la eficiencia operativa, la capacidad para generar beneficios y las áreas en las que las empresas necesitan mejorar su desempeño. En este punto se van a explorar varios aspectos clave -40 -30 -20 -10 010 20 30 40 AVVALE IBERIA Y LATINOAMERICA SL. UPITE CONSULTING SERVICES SL AETERNAL MENTIS, S.A. ARTIFICIAL INTELLIGENCE FOR MARKETING SL. VISIONA CONTROL INDUSTRIAL SL NEXT MOBILITY SOLUTIONS SL. BEE THE DATA SL. PHEBUS SISTEMAS INTELIGENTES SOCIEDAD LIMITADA. ASOBU TECHNOLOGIES SL. PLAY YOUR BRAND S.L. QARONI EMEA, S.L. DATRIK INTELLIGENCE SOCIEDAD ANONIMA. TRAK HEALTH SOLUTIONS SL. GEOAI ANALYTICS SL. INSIGHT SOLUTI ONS SL KROSER ELECTRONICA SL PROGRAMACION LIEBRE SL NOESIS ANALISIS FINANCIERO SL ALCHEMY MACHINE LEARNING SL. FACTIC SOLUTIONS SL. UBOTICA TECNOLOGIAS SPAIN SL. ZETTA PROJECTS SL. LUNA ARTIFICIAL INTELLIGENCE S.L. NEURAPTIC SL. FLI GHT LABS SL. IP SUMINISTROS INFORMATICOS SL BAYESI AN ANALYTICA PARTNERS SL. COGNITIVE DATA S.L. CODECONTRACT SOCIEDAD LIMITADA. DATA LEAN MAKERS SL. EPEOPLE C COMPANY SL VIRUTAL PROYECTS SOCIEDAD LIMITADA. NEW DATA SIL SL SCILLS INTERNATIONAL, SOCIEDAD LIMITADA. ESCORIAL ANALYTICS SL. HUPI IBERICA SL. DATASIGHT CONSULTING SOCIEDAD LIMITADA. 3DINTELLIGENCE SOCIEDAD LIMITADA. ULBIOS TECHSENS S.L. BLIND APE SOCIEDAD LIMITADA. TEYBIK SERVICIOS DIGITALES S.L. OMNIOS COGNITIVE SOLUTIONS S.L. BINARTIS GENOMICS SOCIEDAD LIMITADA. STELO TECHNOLOGIES S.L. IN2AI INTELLIGENCE SL. NEURATUM SOCIEDAD LIMITADA. ABRAIA SOFTWARE SOCIEDAD LIMITADA. ZARACONTECH SOCIEDAD LIMITADA. TECHEYE LAB SOCIEDAD LIMITADA. NEXTCHANCE ASSETS SL META-DATA DIGITAL SL. APLICACIONES HUMANAS CON INTELIGENCIA ARTIFICIAL SL. ETERIA ENERGY SYSTEM SL. ALGEBRAIC AI SL. DEKO DATA ANALYTICS SL. GEOENTEC ENVIRONMENT TECHNOLOGIES SOCIEDAD LIMITADA. STARTQUAKE SL THE GOOD MATH LAB SL. Sector Elena Redondo Reyes 54 a partir de los resultados proporcionados por SABI y, de los cuales, nos centraremos en aspectos como las ventas, el aprovisionamiento, los gastos de personal, el EBITDA, el EBIT, el ROE, entre otros. Dichos datos quedan recogidos en la siguiente tabla: Tabla 4.4. Análisis cuenta resultados microempresas Fuente: elaboración propia a partir de SABI 4.5.1. Ventas En primer lugar, las ventas, también conocidas cómo ingresos o facturación de las empresas, forman un componente fundamental de la actividad económica de las mismas, pues representan los ingresos generados por la venta de bienes o servicios durante un periodo de tiempo específico. En este análisis, se van a examinar las ventas de las empresas que participan en este análisis, con el fin de evaluar su actividad comercial y su capacidad para la generación de ingresos. Así, las ventas forman uno de los indicadores clave del rendimiento operativo de las empresas, así como su capacidad para la atracción de clientes, penetración en el mercado y competiciones su sector. Además, este dato es crucial para poder calcular los márgenes de beneficio y rentabilidad financiera ya calculados anteriormente. De esta forma, si se observan las cifras de ventas de las empresas mencionadas, es posible identificar patrones, tendencias y disparidades en la actividad comercial de cada Empresa Ventas Aprovisionamiento OGE/Ventas Gastos personal/Nº empleados EBITDA ROA (EBIT/Activo) ROE (Bº Neto/FFPP) AVVALE IBERIA Y LATINOAMERICA SL. 3.962.151,35 € 0,00% 0,85% 58.893,81 € 3869,50634 14,53% 16,48% UPITE CONSULTING SERVICES SL 3.352.907,56 € 0,00% 67,15% 58.058,31 € 579,00241 16,44% 33,36% AETERNAL MENTIS, S.A. 1.695.000,00 € 2,45% 19,15% 6.625,00 € 1322,128 2,27% 3,15% ARTIFICIAL INTELLIGENCE FOR MARKETING SL. 1.411.167,00 € 13,48% 11,89% 67.122,62 € 716,450769 39,69% 47,37% VISIONA CONTROL INDUSTRIAL SL 874.844,17 € 43,14% 14,30% 55.530,75 € 56,78284 1,86% 1,90% NEXT MOBILITY SOLUTIONS SL. 933.636,11 € 0,00% 42,99% 36.584,71 € 354,93021 5,15% -14,88% BEE THE DATA SL. 753.750,02 € 22,74% 12,58% 57.363,99 € 258,13293 6,00% 5,89% PHEBUS SISTEMAS INTELIGENTES SOCIEDAD LIMITADA. 718.278,71 € 50,22% 9,23% 56.210,65 € 122,72177 28,68% 97,22% ASOBU TECHNOLOGIES SL. 684.650,79 € 70,20% 1,62% 36.859,91 € 17,93948 6,40% 27,80% PLAY YOUR BRAND S.L. 673.651,99 € 43,69% 7,34% 32.394,20 € 38,348 21,99% 45,35% QARONI EMEA, S.L. 369.092,36 € 1,47% 45,23% 51.219,15 € 152,42519 29,36% 28,62% DATRIK INTELLIGENCE SOCIEDAD ANONIMA. 499.632,24 € 0,00% 20,69% 35.489,55 € 152,91419 15,87% 12,95% TRAK HEALTH SOLUTIONS SL. 306.610,30 € 1,74% 126,16% 24.514,25 € 126,71712 22,40% 37,05% GEOAI ANALYTICS SL. 434.870,93 € 20,57% 41,03% 59.892,77 € 58,45186 13,71% 59,96% INSIGHT SOLUTIONS SL 447.125,00 € 29,63% 12,81% 62.620,08 € 132,11664 16,12% 15,48% KROSER ELECTRONICA SL 397.931,49 € 92,29% 4,61% 22.234,79 € -47,29562 -9,38% -10,16% PROGRAMACION LIEBRE SL 392.430,23 € 12,33% 17,99% 227.416,57 € 46,02324 9,28% 11,77% NOESIS ANALISIS FINANCIERO SL 380.954,36 € 20,64% 15,16% 70.130,57 € 30,85001 1,23% 0,79% ALCHEMY MACHINE LEARNING SL. 366.017,01 € 0,00% 34,56% 61.776,29 € 89,40933 13,56% 20,56% FACTIC SOLUTIONS SL. 325.432,50 € 0,00% 19,90% 32.693,11 € 34,93652 1,93% 9,93% UBOTICA TECNOLOGIAS SPAIN SL. 278.674,37 € 0,00% 8,59% 32.271,38 € 28,96143 25,40% 25,31% ZETTA PROJECTS SL. 246.322,70 € 6,86% 43,72% 51.679,26 € 16,27972 13,02% 66,70% LUNA ARTIFICIAL INTELLIGENCE S.L. 206.421,39 € 0,00% 5,63% 30.101,02 € 105,32327 18,22% 20,86% NEURAPTIC SL. 145.492,00 € 6,23% 82,51% 53.299,90 € -44,89728 -5,16% -13,74% FLIGHT LABS SL. 182.737,69 € 45,98% 36,47% 30.113,60 € 45,20843 27,49% 45,96% IP SUMINISTROS INFORMATICOS SL 185.772,78 € 2,42% 5,16% 35.138,00 € -3,998439 -15,88% -34,42% BAYESIAN ANALYTICA PARTNERS SL. 163.800,00 € 6,65% 15,98% 20.945,68 € 104,13276 92,28% 96,69% COGNITIVE DATA S.L. 29.937,10 € -23,32% 56,50% 34.110,45 € 12,89709 1,39% 0,36% CODECONTRACT SOCIEDAD LIMITADA. 67.432,30 € 0,00% 166,31% 24.380,37 € 32,69833 6,16% 5,58% DATA LEAN MAKERS SL. 142.368,43 € 7,34% 43,49% 22.253,79 € -19,01733 -66,38% 177,53% EPEOPLE C COMPANY SL 138.372,51 € 6,59% 51,49% 68.314,78 € -10,3027 -15,12% -100,42% VIRUTAL PROYECTS SOCIEDAD LIMITADA. 133.222,54 € 0,29% 54,31% 29.451,43 € 31,03052 45,20% 874,09% NEW DATA SIL SL 130.158,14 € 45,39% 12,22% 44.500,32 € 10,67784 15,82% -244,88% SCILLS INTERNATIONAL, SOCIEDAD LIMITADA. 121.900,00 € 0,00% 9,75% 44.238,66 € 21,53413 50,46% 84,42% ESCORIAL ANALYTICS SL. 113.575,00 € 0,00% 68,82% 14.939,16 € 20,2398 22,54% 40,19% HUPI IBERICA SL. 111.985,25 € 45,27% 19,37% 35.235,52 € 4,43027 3,01% 17,46% DATASIGHT CONSULTING SOCIEDAD LIMITADA. 107.667,50 € 4,72% 24,89% 28.457,23 € 65,89084 51,01% 58,53% EXIPPLE LABS S.L. 97.393,00 € 0,00% 47,30% 25.550,06 € 17,06065 4,52% -774,38% 3DINTELLIGENCE SOCIEDAD LIMITADA. 73.985,45 € 0,04% 36,50% 43.576,38 € 6,73148 5,85% 14,82% ULBIOS TECHSENS S.L. 74.910,60 € 12,32% 124,87% 68.090,82 € -95,9571 -20,73% -25,51% BLIND APE SOCIEDAD LIMITADA. 74.486,58 € 0,00% 1,53% 28.396,56 € 16,55157 24,96% 21,06% TEYBIK SERVICIOS DIGITALES S.L. 72.000,00 € 1,94% 81,25% 27.194,91 € -96,67896 -24,20% -25,92% OMNIOS COGNITIVE SOLUTIONS S.L. 71.110,00 € 0,00% 32,72% 23.630,89 € 0,57997 0,37% 0,31% BINARTIS GENOMICS SOCIEDAD LIMITADA. 11.509,80 € 0,00% 520,81% 28.470,16 € 54,56895 -2,92% -4,04% STELO TECHNOLOGIES S.L. 62.516,71 € 0,35% 26,53% 23.261,59 € 1,21773 0,55% 0,36% IN2AI INTELLIGENCE SL. 59.262,12 € 53,60% 23,42% 11.169,44 € 0,90163 1,63% 0,55% NEURATUM SOCIEDAD LIMITADA. 38.014,16 € 125,59% 71,81% 22.667,37 € -32,144519 -12,65% -43,00% ABRAIA SOFTWARE SOCIEDAD LIMITADA. 49.975,81 € 0,01% 12,31% 72.007,28 € -2,76187 -2,97% -4,76% ZARACONTECH SOCIEDAD LIMITADA. 23.572,32 € 0,00% 6,63% 16.394,73 € 9,47694 93,12% 1399,86% TECHEYE LAB SOCIEDAD LIMITADA. 23.565,60 € 2,27% 25,41% 39.705,54 € 3,45516 3,56% 47,89% NEXTCHANCE ASSETS SL 11.139,51 € 2374,90% 1652,13% 38.527,94 € -424,62861 -54,84% -61,58% META-DATA DIGITAL SL. 19.156,08 € 19,52% 22,84% 240,00 € 10,80102 43,49% 78,21% APLICACIONES HUMANAS CON INTELIGENCIA ARTIFICIAL SL. 5.000,00 € 28,81% 1902,11% 18.057,68 € -89,55057 -65,58% -104,89% ETERIA ENERGY SYSTEM SL. 871,20 € 0,00% 136,12% 3.113,54 € -3,42821 -2389,33% 105,92% ALGEBRAIC AI SL. - € 68.978,93 € 1,39198 0,00% 0,00% DEKO DATA ANALYTICS SL. - € 112.861,50 € -266,435 -14,37% -15,37% GEOENTEC ENVIRONMENT TECHNOLOGIES SOCIEDAD LIMITADA. - € 75.177,44 € -215,18053 -394,26% 391,49% STARTQUAKE SL - € 29.132,46 € 24,15593 8,37% 6,19% THE GOOD MATH LAB SL. - € 59.246,64 € -7,15653 -4,17% 129,67% Sector 377.193,95 € 43.195,14 € 126,21 € 0,39 €- 0,46 € Sector 133.222,54 € 35.235,52 € 17,94 € 0,06 € 0,15 € Valoración de una start-up de Inteligencia Artificial dirigida al marketing 55 una de ellas. Algunas empresas como AVVALE IBERIA Y LATINOAMERICA SL con 3.962.151,35 €, UPITE CONSULTING SERVICES SL con 3.352.907,56 €, y AETERNAL MENTIS, S.A. con 1.695.000,00 €, muestran ventas considerables, indicando una fuerte demanda de sus productos y servicios, además de una posición establecida en el mercado. Sin embargo, empresas como BINARTIS GENOMICS SOCIEDAD LIMITADA con 11.509,80 € y APLICACIONES HUMANAS CON INTELIGENCIA ARTIFICIAL SL con 5.000,00 € presentan cifras mucho más bajas. Estos datos revelan dificultades para la atracción de clientes o penetración en el mercado. Figura 4.11. Ventas microempresas marketing con uso IA mercado español Fuente: elaboración propia a partir de SABI Si se comparan estos datos con el promedio y la mediana del sector se contempla como algunas empresas superan de manera significativa estos valores, mientras que otras se encuentran por debajo. Esto refleja la heterogeneidad en el tamaño y la actividad comercial existente en el sector. Así, aquellas empresas con ventas por encima del promedio y la mediana se encuentran liderando el mercado o disfrutan de una ventaja competitiva significativa. Por el contrario, las que presentan cifras, más bajas enfrentan desafíos en su posicionamiento en el mercado y en su capacidad para generar ingresos consistentes. Esta información permite contemplar la variación de ventas existente entre las empresas, lo que sugiere una diversidad en el rendimiento comercial y la estrategia de cada una. De este modo, mientras que algunas cuentan con ingresos significativos, otras aún se encuentran en etapas iniciales de desarrollo o enfrentan desafíos de establecimiento en el mercado. 4.5.2. Ratio de aprovisionamiento Siguiendo con este análisis, se va a tratar la ratio de aprovisionamiento, que compara el coste de los materiales adquiridos con los ingresos generados por las ventas. Este resulta fundamental para comprender la forma en que las empresas gestionan sus recursos y su eficiencia en la producción. -€ 500.000,00 € 1.000.000,00 € 1.500.000,00 € 2.000.000,00 € 2.500.000,00 € 3.000.000,00 € 3.500.000,00 € 4.000.000,00 € 4.500.000,00 € AVVALE IBERIA Y LATINOAMERICA SL. AETERNAL MENTIS, S.A. VISIONA CONTROL INDUSTRIAL SL BEE THE DATA SL. ASOBU TECHNOLOGIES SL. QARONI EMEA, S.L. TRAK HEALTH SOLUTIONS SL. INSIGHT SOLUTIONS SL PROGRAMACION LIEBRE SL ALCHEMY MACHINE LEARNING SL. UBOTICA TECNOLOGIAS SPAIN SL. LUNA ARTIFICIAL INTELLIGENCE S.L. FLI GHT LABS SL. BAYESIAN ANALYTICA PARTNERS SL. CODECONTRACT SOCIEDAD LIMITADA. EPEOPLE C COMPANY SL NEW DATA SIL SL ESCORIAL ANALYTICS SL. DATASIGHT CONSULTING SOCIEDAD LIMITADA. 3DINTELLIGENCE SOCIEDAD LIMITADA. BLIND APE SOCIEDAD LIMITADA. OMNIOS COGNITIVE SOLUTIONS S.L. STELO TECHNOLOGIES S.L. NEURATUM SOCIEDAD LIMITADA. ZARACONTECH SOCIEDAD LIMITADA. NEXTCHANCE ASSETS SL APLICACIONES HUMANAS CON INTELIGENCIA ARTIFICIAL SL. SECTOR Elena Redondo Reyes 56 Figura 4.12. Aprovisionamiento microempresas marketing con uso IA mercado español Fuente: elaboración propia a partir de SABI El gráfico presenta empresas como AVVALE IBERIA Y LATINOAMERICA SL., UPITE CONSULTING SERVICES SL, NEXT MOBILITY SOLUTIONS SL., que cuentan con una ratio de aprovisionamiento nulo o indefinido, indicando que no están involucradas en sus actividades de producción o que los datos específicos no se encuentran disponibles. Sin embargo, otras cómo ASOBU TECHNOLOGIES SL, PHEBUS SISTEMAS INTELIGENTES SOCIEDAD LIMITADA, y FLIGHT LABS SL presentan ratios de aprovisionamiento significativamente más altos, sugiriendo que mantiene una cantidad considerable de inventario en relación con sus ventas. En definitiva, cada empresa debe evaluar de manera cuidadosa su situación específica, considerando factores cómo su industria, modelo de negocio, capacidad financiera y estrategia competitiva para determinar un equilibrio entre su eficiencia operativa y la capacidad para satisfacer la demanda de mercado con el fin de lograr su éxito a largo plazo. 4.5.3. Gastos de personal en relación con el número de empleados Los siguientes datos proporcionan información acerca de los gastos de personal relacionado con el número de empleados de cada empresa. El gasto de personal conforma un componente significativo de los costes operativos y además es un indicador importante de eficiencia y gestión de recursos humanos. -0,4 -0,2 00,2 0,4 0,6 0,8 11,2 1,4 AETERNAL MENTIS, S.A. ARTIFICIAL INTELLIGENCE FOR MARKETING SL. VISIONA CONTROL INDUSTRIAL SL BEE THE DATA SL. PHEBUS SISTEMAS INTELIGENTES SOCIEDAD LIMITADA. ASOBU TECHNOLOGIES SL. PLAY YOUR BRAND S.L. QARONI EMEA, S.L. TRAK HEALTH SOLUTIONS SL. GEOAI ANALYTICS SL. INSIGHT SOLUTIONS SL KROSER ELECTRONICA SL PROGRAMACION LIEBRE SL NOESIS ANALISIS FINANCIERO SL ZETTA PROJECTS SL. NEURAPTIC SL. FLI GHT LABS SL. IP SUMINISTROS INFORMATICOS SL BAYESIAN ANALYTICA PARTNERS SL. COGNITIVE DATA S.L. DATA LEAN MAKERS SL. EPEOPLE C COMPANY SL VIRUTAL PROYECTS SOCIEDAD LIMITADA. NEW DATA SIL SL HUPI IBERICA SL. DATASIGHT CONSULTING SOCIEDAD LIMITADA. 3DINTELLIGENCE SOCIEDAD LIMITADA. ULBIOS TECHSENS S.L. TEYBIK SERVICIOS DIGITALES S.L. STELO TECHNOLOGIES S.L. IN2AI INTELLIGENCE SL. NEURATUM SOCIEDAD LIMITADA. ABRAIA SOFTWARE SOCIEDAD LIMITADA. TECHEYE LAB SOCIEDAD LIMITADA. META-DATA DIGITAL SL. APLICACIONES HUMANAS CON INTELIGENCIA ARTIFICIAL SL. SECTOR Valoración de una start-up de Inteligencia Artificial dirigida al marketing 57 Figura 4.13. Sueldo medio empleado microempresas marketing con uso IA mercado español Fuente: elaboración propia a partir de SABI En primer lugar, es importante destacar la amplia variabilidad los salarios medios que cobran los empleados de cada una de las empresas. Por ejemplo, empresas cómo PROGRAMACION LIEBRE SL y ABRAIA SOFTWARE SOCIEDAD LIMITADA cuentan con unos gastos de personal por empleado considerablemente más altos, en comparación con el resto, mostrando cifras de 227.416,57 € y 72.007,28 € respectivamente. Este resultado indica el elevado salario que están pagando dichas empresas o que emplean a menos personas con salarios más altos. Por el contrario, ETERIA ENERGY SYSTEM SL y IN2AI INTELLIGENCE SL muestran gastos de personal por empleado más reducidos, con cifras de 3.113,54 € y 11.169,44 € -€ 50.000,00 € 100.000,00 € 150.000,00 € 200.000,00 € 250.000,00 € AVVALE IBERIA Y LATINOAMERICA SL. UPITE CONSULTING SERVICES SL AETERNAL MENTIS, S.A. ARTIFICIAL INTELLIGENCE FOR MARKETING SL. VISIONA CONTROL INDUSTRIAL SL NEXT MOBILITY SOLUTIONS SL. BEE THE DATA SL. PHEBUS SISTEMAS INTELIGENTES SOCIEDAD LIMITADA. ASOBU TECHNOLOGIES SL. PLAY YOUR BRAND S.L. QARONI EMEA, S.L. DATRIK INTELLIGENCE SOCIEDAD ANONIMA. TRAK HEALTH SOLUTIONS SL. GEOAI ANALYTICS SL. INSIGHT SOLUTIONS SL KROSER ELECTRONICA SL PROGRAMACION LIEBRE SL NOESIS ANALISIS FINANCIERO SL ALCHEMY MACHINE LEARNING SL. FACTIC SOLUTIONS SL. UBOTICA TECNOLOGIAS SPAIN SL. ZETTA PROJECTS SL. LUNA ARTIFICIAL INTELLIGENCE S.L. NEURAPTIC SL. FLI GHT LABS SL. IP SUMINI STROS INFORMATICOS SL BAYESIAN ANALYTICA PARTNERS SL. COGNITIVE DATA S.L. CODECONTRACT SOCIEDAD LIMITADA. DATA LEAN MAKERS SL. EPEOPLE C COMPANY SL VIRUTAL PROYECTS SOCIEDAD LIMITADA. NEW DATA SIL SL SCILLS INTERNATIONAL, SOCIEDAD LIMITADA. ESCORIAL ANALYTICS SL. HUPI IBERICA SL. DATASIGHT CONSULTING SOCIEDAD LIMITADA. EXIPPLE LABS S.L. 3DINTELLIGENCE SOCIEDAD LIMITADA. ULBIOS TECHSENS S.L. BLIND APE SOCIEDAD LIMITADA. TEYBIK SERVICIOS DIGITALES S.L. OMNIOS COGNITIVE SOLUTIONS S.L. BINARTIS GENOMICS SOCIEDAD LIMITADA. STELO TECHNOLOGIES S.L. IN2AI INTELLIGENCE SL. NEURATUM SOCIEDAD LIMITADA. ABRAIA SOFTWARE SOCIEDAD LIMITADA. ZARACONTECH SOCIEDAD LIMITADA. TECHEYE LAB SOCIEDAD LIMITADA. NEXTCHANCE ASSETS SL META-DATA DIGITAL SL. APLICACIONES HUMANAS CON INTELIGENCIA ARTIFICIAL SL. ETERIA ENERGY SYSTEM SL. ALGEBRAIC AI SL. DEKO DATA ANALYTICS SL. GEOENTEC ENVIRONMENT TECHNOLOGIES SOCIEDAD LIMITADA. STARTQUAKE SL THE GOOD MATH LAB SL. SECTOR Elena Redondo Reyes 58 respectivamente. Esto permite determinar que estas microempresas cuentan con una plantilla más pequeña u operan con salarios promedios más bajos. Si se comparan estos datos con el promedio y la mediana del sector, se evidencia una disparidad entre las empresas individuales y el sector en su conjunto. Así, algunas empresas muestran gastos de personal significativamente más altos que el promedio, indicando una inversión más sustanciosa en recursos humanos o el seguimiento de una estrategia de compensación más generosa. No obstante, existen empresas que manifiestan gastos más bajos que el promedio, haciendo ver una estructura salarial más ajustada o una menor eficiencia en el uso de sus recursos humanos. Esta variabilidad refleja las diferentes estrategias de gestión de recursos y condiciones laborales dentro del sector seguidas por el grupo de empresas que se han analizado. 4.5.4. EBITDA En este punto se van a estudiar las ganancias antes de intereses, impuestos, depreciación y amortización, también conocida como EBITDA. Esta es una medida financiera utilizada para llevar a cabo la evaluación del rendimiento cooperativo de una empresa. Se calcula restando los gastos operativos, excepto los intereses, impuestos, depreciación y amortización de los ingresos totales de la empresa. Por tanto, se trata de una medida útil, ya que elimina aquellos elementos no operativos y permite la comparación del rendimiento entre empresas, sin afectarse por las diferencias de las estructuras de capital o decisiones contables. Figura 4.14. EBITDA microempresas marketing con uso IA mercado español Fuente: elaboración propia a partir de SABI Empresas como AVVALE IBERIA Y LATINOAMERICA SL, AETERNAL MENTIS, S.A. y ARTIFICIAL INTELLIGENCE FOR MARKETING SL presentan un EBITDA positivo, mostrando que generan ganancias antes de la consideración de los gastos financieros y no financieros. Por el contrario, Por ejemplo, KROSER ELECTRONICA SL, NEURAPTIC SL y ULBIOS TECHSENS S.L. disponen de una cifra negativa que sugiere que operan con pérdidas antes de la aplicación de ciertos gastos. Además, indica que están teniendo dificultades para generar ganancias o que incurren en pérdidas en la realización de sus operaciones. -600 -400 -200 0 200 400 600 800 UPITE CONSULTING SERVICES SL ARTIFICIAL INTELLIGENCE FOR MARKETING SL. VISIONA CONTROL INDUSTRIAL SL NEXT MOBILITY SOLUTIONS SL. BEE THE DATA SL. PHEBUS SISTEMAS INTELIGENTES SOCIEDAD… ASOBU TECHNOLOGIES SL. PLAY YOUR BRAND S.L. QARONI EMEA, S.L. DATRIK INTELLIGENCE SOCIEDAD ANONIMA. TRAK HEALTH SOLUTIONS SL. GEOAI ANALYTICS SL. INSIGHT SOLUTI ONS SL KROSER ELECTRONICA SL PROGRAMACION LIEBRE SL NOESIS ANALISIS FINANCIERO SL ALCHEMY MACHINE LEARNING SL. FACTIC SOLUTIONS SL. UBOTICA TECNOLOGIAS SPAIN SL. ZETTA PROJECTS SL. LUNA ARTIFICIAL INTELLIGENCE S.L. NEURAPTIC SL. FLI GHT LABS SL. IP SUMINISTROS INFORMATICOS SL BAYESIAN ANALYTICA PARTNERS SL. COGNITIVE DATA S.L. CODECONTRACT SOCIEDAD LIMITADA. DATA LEAN MAKERS SL. EPEOPLE C COMPANY SL VIRUTAL PROYECTS SOCIEDAD LIMITADA. NEW DATA SIL SL SCILLS INTERNATIONAL, SOCIEDAD LIMITADA. ESCORIAL ANALYTICS SL. HUPI IBERICA SL. DATASIGHT CONSULTING SOCIEDAD LIMITADA. EXIPPLE LABS S.L. 3DINTELLIGENCE SOCIEDAD LIMITADA. ULBIOS TECHSENS S.L. BLIND APE SOCIEDAD LIMITADA. TEYBIK SERVICIOS DIGITALES S.L. OMNIOS COGNITIVE SOLUTIONS S.L. BINARTIS GENOMICS SOCIEDAD LIMITADA. STELO TECHNOLOGIES S.L. IN2AI INTELLIGENCE SL. NEURATUM SOCIEDAD LIMITADA. ABRAIA SOFTWARE SOCIEDAD LIMITADA. ZARACONTECH SOCIEDAD LIMITADA. TECHEYE LAB SOCIEDAD LIMITADA. NEXTCHANCE ASSETS SL META-DATA DIGITAL SL. APLICACIONES HUMANAS CON INTELIGENCIA… ETERIA ENERGY SYSTEM SL. ALGEBRAIC AI SL. DEKO DATA ANALYTICS SL. GEOENTEC ENVIRONMENT TECHNOLOGIES… STARTQUAKE SL THE GOOD MATH LAB SL. Sector Valoración de una start-up de Inteligencia Artificial dirigida al marketing 59 Tras establecer una comparación de estos datos con el promedio y la mediana del sector, se aprecia una variabilidad significativa en el desempeño financiero de las empresas individuales con relación al sector en su conjunto. Tal cómo revelan los datos anteriores, algunas empresas presentan un EBITDA mucho más alto que el promedio del sector, haciendo ver un desempeño financiero más sólido, mientras que otras cuentan con una cifra más reducida, sugiriendo dificultades financieras. Ante esto, es importante tener en cuenta que esta medida de rentabilidad es operativa y no tiene en cuenta el pago de intereses, impuestos, depreciación y amortización, por lo que solo se trata de una parte de la imagen financiera completa de las empresas. Además, puede estar influenciada por una serie de factores como la eficiencia operativa, estrategia de precios, gestión de costes, entre otros. 4.5.5. ROA En este apartado se proporciona información acerca del rendimiento financiero de las empresas, en términos de la ratio de rentabilidad sobre el activo o ROA. Este se calcula dividiendo las ganancias antes de intereses e impuestos (EBIT) entre el activo total. Figura 4.15. ROA microempresas marketing con uso IA mercado español Fuente: elaboración propia a partir de SABI Ciertas empresas cómo UPITE CONSULTING SERVICES SL, ARTIFICIAL INTELLIGENCE FOR MARKETING SL y DATASIGHT CONSULTING SOCIEDAD LIMITADA presentan una rentabilidad del activo positiva, indicando que generan un rendimiento favorable en relación con sus activos totales. Por ejemplo, la primera empresa mencionada presenta un ROA del 16,44%, lo que significa que genera un rendimiento del 16,44 % sobre la totalidad de sus activos. Por otro lado, existen empresas cómo ULBIOS TECHSENS S.L., TEYBIK SERVICIOS DIGITALES S.L. y NEXTCHANCE ASSETS SL que presentan una cifra negativa de este indicador, lo que indica que cuentan con dificultades para la generación de rendimientos positivos, en relación con sus activos totales. -80,00% -60,00% -40,00% -20,00% 0,00% 20,00% 40,00% 60,00% 80,00% 100,00% 120,00% AVVALE IBERIA Y LATINOAMERICA SL. UPITE CONSULTING SERVICES SL AETERNAL MENTIS, S.A. ARTIFICIAL INTELLIGENCE FOR MARKETING SL. VISIONA CONTROL INDUSTRIAL SL NEXT MOBILITY SOLUTIONS SL. BEE THE DATA SL. PHEBUS SISTEMAS INTELIGENTES SOCIEDAD… ASOBU TECHNOLOGIES SL. PLAY YOUR BRAND S.L. QARONI EMEA, S.L. DATRIK INTELLIGENCE SOCIEDAD ANONIMA. TRAK HEALTH SOLUTIONS SL. GEOAI ANALYTICS SL. INSIGHT SOLUTIONS SL KROSER ELECTRONICA SL PROGRAMACION LIEBRE SL NOESIS ANALISIS FINANCIERO SL ALCHEMY MACHINE LEARNING SL. FACTIC SOLUTIONS SL. UBOTICA TECNOLOGIAS SPAIN SL. ZETTA PROJECTS SL. LUNA ARTIFICIAL INTELLIGENCE S.L. NEURAPTIC SL. FLI GHT LABS SL. IP SUMINI STROS INFORMATICOS SL BAYESIAN ANALYTICA PARTNERS SL. COGNITIVE DATA S.L. CODECONTRACT SOCIEDAD LIMITADA. DATA LEAN MAKERS SL. EPEOPLE C COMPANY SL VIRUTAL PROYECTS SOCIEDAD LIMITADA. NEW DATA SIL SL SCILLS INTERNATIONAL, SOCIEDAD LIMITADA. ESCORIAL ANALYTICS SL. HUPI IBERICA SL. DATASIGHT CONSULTING SOCIEDAD LIMITADA. EXIPPLE LABS S.L. 3DINTELLIGENCE SOCIEDAD LIMITADA. ULBIOS TECHSENS S.L. BLIND APE SOCIEDAD LIMITADA. TEYBIK SERVICIOS DIGITALES S.L. OMNIOS COGNITIVE SOLUTIONS S.L. BINARTIS GENOMICS SOCIEDAD LIMITADA. STELO TECHNOLOGIES S.L. IN2AI INTELLIGENCE SL. NEURATUM SOCIEDAD LIMITADA. ABRAIA SOFTWARE SOCIEDAD LIMITADA. ZARACONTECH SOCIEDAD LIMITADA. TECHEYE LAB SOCIEDAD LIMITADA. NEXTCHANCE ASSETS SL META-DATA DIGITAL SL. APLICACIONES HUMANAS CON INTELIGENCIA… ALGEBRAIC AI SL. DEKO DATA ANALYTICS SL. STARTQUAKE SL THE GOOD MATH LAB SL. Sector Elena Redondo Reyes 60 Si se comparan estos resultados con el promedio y la mediana del sector, se aprecia una variabilidad significativa en el desempeño financiero de las empresas por separado, en comparación con el sector en su conjunto. Por tanto, aquellas que presentan una rentabilidad sobre el activo por encima del promedio del sector dispondrán de un desempeño financiero sólido. Por el contrario, sugerirá dificultades financieras en sus operaciones. 4.5.6. ROE En este punto se va a prestar atención al retorno sobre el patrimonio neto de las empresas que forman parte de este análisis. Se trata de un indicador financiero que mide la rentabilidad de una empresa en relación con el patrimonio neto de sus accionistas. Para su obtención, se ha dividido el beneficio neto entre el patrimonio neto. Así, el ROE es un indicador clave para evaluar la eficiencia con la que las empresas hacen uso del capital de sus accionistas para la generación de ganancias. De tal forma que, un ROE más alto suele ser preferible, puesto que indica que la empresa genera más beneficios con menos inversión de capital. Sin embargo, éste puede variar según la industria y el ciclo económico, destacando unos resultados más altos en las empresas de tecnología, debido a su modelo de negocio, que constituye activos intangibles intensivos. La Figura 4.16 proporciona información referente a este indicador, mostrando empresas como VIRUTAL PROYECTS SOCIEDAD LIMITADA, ZETTA PROJECTS SL y THE GOOD MATH LAB SL que cuentan con un ROE muy alto. Este resultado indica una eficiencia notable en la generación de beneficios con respecto al capital de los accionistas. Por ejemplo, la primera de las empresas mencionadas muestra un ROE del 874,09%, lo que significa que los accionistas disponen de una alta rentabilidad. Del mismo modo, existen empresas que aportan los resultados totalmente opuestos. Así, EPEOPLE C COMPANY SL, NEXTCHANCE ASSETS SL y APLICACIONES HUMANAS CON INTELIGENCIA ARTIFICIAL SL disponen de un ROE negativo, lo que indica la generación de pérdidas en vez de beneficios en la empresa. Al comparar estos datos con el promedio y la mediana del sector, se observa una amplia variabilidad en el desempeño financiero, presentando un ROE mucho más alto que este o bien, negativo. Esto sugiere la existencia de una amplia disparidad en la eficiencia con la que las empresas utilizan el capital de sus accionistas para la generación de beneficios. Valoración de una start-up de Inteligencia Artificial dirigida al marketing 61 Figura 4.16. ROE microempresas marketing con uso IA mercado español Fuente: elaboración propia a partir de SABI 4.5.7. Otros gastos de explotación en relación con las ventas El ratio que se va a pasar a analizar a continuación muestra una medida de la proporción de los ingresos de una empresa que se gastan en gastos operativos, distintos de los de aprovisionamiento y los de gasto de personal. Por ende, un valor negativo, indicará que los ingresos no serán suficientes para poder cubrir estos gastos. -1,5 -1 -0,5 00,5 11,5 AVVALE IBERIA Y LATINOAMERICA SL. UPITE CONSULTING SERVICES SL AETERNAL MENTIS, S.A. ARTIFICIAL INTELLIGENCE FOR MARKETING SL. VISIONA CONTROL INDUSTRIAL SL NEXT MOBILITY SOLUTIONS SL. BEE THE DATA SL. PHEBUS SISTEMAS INTELIGENTES SOCIEDAD LIMITADA. ASOBU TECHNOLOGIES SL. PLAY YOUR BRAND S.L. QARONI EMEA, S.L. DATRIK INTELLIGENCE SOCIEDAD ANONIMA. TRAK HEALTH SOLUTIONS SL. GEOAI ANALYTICS SL. INSIGHT SOLUTIONS SL KROSER ELECTRONICA SL PROGRAMACION LIEBRE SL NOESIS ANALISIS FINANCIERO SL ALCHEMY MACHINE LEARNING SL. FACTIC SOLUTIONS SL. UBOTICA TECNOLOGIAS SPAIN SL. ZETTA PROJECTS SL. LUNA ARTIFICIAL INTELLIGENCE S.L. NEURAPTIC SL. FLI GHT LABS SL. IP SUMINISTROS INFORMATICOS SL BAYESIAN ANALYTICA PARTNERS SL. COGNITIVE DATA S.L. CODECONTRACT SOCIEDAD LIMITADA. SCILLS INTERNATIONAL, SOCIEDAD LIMITADA. ESCORIAL ANALYTICS SL. HUPI IBERICA SL. DATASIGHT CONSULTING SOCIEDAD LIMITADA. 3DINTELLIGENCE SOCIEDAD LIMITADA. ULBIOS TECHSENS S.L. BLIND APE SOCIEDAD LIMITADA. TEYBIK SERVICIOS DIGITALES S.L. OMNIOS COGNITIVE SOLUTIONS S.L. BINARTIS GENOMICS SOCIEDAD LIMITADA. STELO TECHNOLOGIES S.L. IN2AI INTELLIGENCE SL. NEURATUM SOCIEDAD LIMITADA. ABRAIA SOFTWARE SOCIEDAD LIMITADA. TECHEYE LAB SOCIEDAD LIMITADA. NEXTCHANCE ASSETS SL META-DATA DIGITAL SL. APLICACIONES HUMANAS CON INTELIGENCIA ARTIFICIAL SL. ETERIA ENERGY SYSTEM SL. ALGEBRAIC AI SL. DEKO DATA ANALYTICS SL. STARTQUAKE SL Sector Elena Redondo Reyes 68 amortizable en 10 años. Además, según el método de amortización, el CAT indicará una depreciación anual que se mantendrá constante en 26.000 € anuales. Asimismo, la vida útil estimada de estos activos y empleada para el cálculo de la depreciación se mantendrá constante en cinco años. Tras la depreciación anual de los nuevos activos, calculada con el FAT, se obtendrá el inmovilizado material neto que va a ir disminuyendo de manera lineal cada año. Por lo que respecta a la financiación, con objeto de conseguir nuevos socios, se va a realizar una ampliación de capital de 80.000 € en el año 2024 con una prima de emisión del 90 %. Esta propuesta, efectuada en 2024, dotará a la empresa de una inyección importante de financiación a lo largo de los años, ya que contará con una prima de emisión significativa. Tabla 5.4. Inversión y financiación empresa IA Fuente: elaboración propia Valoración de una start-up de Inteligencia Artificial dirigida al marketing 69 Con todo esto, se obtiene la segunda parte del balance previsional: Tabla 5.5. Segunda parte balance previsional empresa IA Fuente: elaboración propia Este balance permite determinar una mejora de la rentabilidad operativa desde 2024 a 2028, tal y cómo se refleja en el BAIT positivo a partir de 2025. Si bien, antes de llegar a este momento, el BAIT se mostrará negativo en el primer periodo cómo consecuencia de los altos costes de operación, aunque tenderá a recuperarse a partir del segundo año. Lo mismo ocurre con el resultado de actividades ordinarias antes de impuestos que pasará a ser positivo a partir del segundo año, indicando una mejora en la rentabilidad global de la empresa. Por su parte, el impuesto de sociedades también aumentará en proporción al beneficio antes de impuestos. En cuanto a la autofinanciación, tendrá lugar un aumento gradual a lo largo de los años, que indicará una mejora en la generación de efectivo de la empresa. Sin duda, a pesar de los impuestos pagados, el resultado del ejercicio mostrará una tendencia positiva durante el horizonte temporal, determinando cierto crecimiento y una mejora de la rentabilidad de la empresa. 5.4. CIRCULANTE 5.4.1. Estrategia de circulante En este punto, con la finalidad principal de lograr una optimización en el uso de los recursos financieros de la empresa, se va a proceder a la elaboración del cuadro de circulante. Asimismo, se va a garantizar que la empresa disponga de la liquidez necesaria para operar eficientemente, minimizando los riesgos financieros y maximizando el rendimiento de sus activos y pasivos circulantes en el horizonte temporal de estudio. Para ello, se van a optimizar factores clave, cómo el periodo medio de cobro, el periodo medio de pago y el objetivo de tesorería. Primeramente, en cuanto al periodo de maduración, la empresa podría tener la posibilidad de ampliarlo con el fin de ganar liquidez. No obstante, el periodo medio de Elena Redondo Reyes 70 cobro se ha establecido en 80 días, al igual que el periodo medio de pago. Por su parte, se pretende mantener el objetivo de tesorería en 5000 €, cifra que se considera suficiente para la actividad de la empresa. Cabe mencionar que a lo largo del periodo puede existir la posibilidad de dotar de una póliza de crédito que sirva cómo fondo de seguridad para posibles de fases que puedan acontecer en la tesorería. Sin embargo, por el momento no se va a tomar en consideración. Tabla 5.6. Estrategia de circulante empresa IA Fuente: elaboración propia 5.4.2. Cuadro de circulante A continuación, se van a manifestar las necesidades netas de capital circulante con el fin de determinar si la empresa, en función de la política que se ha desarrollado anteriormente, tiene capacidad para llevar a cabo su actividad de forma adecuada, cumpliendo con sus periodos de pago. En este sentido, según la Tabla 5.7, la empresa obtendrá un resultado variable según el periodo a tener en cuenta, ya que las necesidades netas de capital circulante se muestran positivas y con una cifra de alrededor de 3000 € en los dos primeros años, negativa en el tercer año y positivas, pero más reducidas, en los dos últimos años. Tabla 5.7. Necesidades netas de capital corriente empresa IA Fuente: elaboración propia Si bien, con esta política se pretende lograr un aumento tanto en los activos cómo en los pasivos corrientes a lo largo de los años, con el fin de alcanzar un crecimiento en las operaciones comerciales de la empresa. Además, se prevé un incremento en los Valoración de una start-up de Inteligencia Artificial dirigida al marketing 71 deudores, fruto de un aumento de las ventas a crédito, acción que puede desembocar en un aumento del riesgo de liquidez, si no se gestiona de manera adecuada. No obstante, la reducción prevista en los años 2027 y 2028 sugerirá que la empresa reduce sus obligaciones financieras, cómo señal positiva de salud financiera. 5.5. PRESUPUESTO DE CAPITAL En el presupuesto de capital se van a representar las variaciones entre las inversiones y los recursos permanentes, incluyendo las estrategias planteadas, con el objetivo de verificar un equilibrio entre ellos y dotar al plan de viabilidad. En primer lugar, se proyecta la inversión de 80.000 € (50.000 € en intangible y 30.000 en material) para activos inmovilizados con respecto al año 2024. Sin embargo, no se van a plantean inversiones adicionales en los años posteriores. Asimismo, es posible apreciar un cambio neto en el fondo de maniobra, mostrándose, positivo en los dos primeros años y negativo en los tres siguientes. Así, las necesidades de fondos siguen una tendencia oscilante, mostrando una cifra negativa en el año 2026, debido a la necesidad de capital circulante, la devolución de la deuda y la inversión en software para lograr una equiparación con el sector de la Inteligencia Artificial. Tabla 5.8. Presupuesto de capital empresa IA Fuente: elaboración propia Seguidamente, si se presta atención al exceso o déficit de fondos que hace referencia a los recursos generados y las necesidades de fondos, se encuentran datos positivos en 2024 y 2025, pero negativos en los tres años posteriores. Con todo ello, la empresa dispondrá de activos líquidos y efectivo, suficiente para hacer frente a su actividad, dando lugar a un superávit, consecuencia de un exceso de liquidez causada por la gestión del circulante. Además, cabe resaltar que, aunque la empresa no realizara una ampliación de capital, seguiría contando con suficientes recursos para afrontar esta situación. Asimismo, la cantidad de efectivo y activos líquidos disponibles aumentará de manera gradual a lo largo de los años, presentando una acumulación de efectivo y liquidez. Elena Redondo Reyes 72 En definitiva, la empresa dispondrá de suficientes recursos para financiar sus necesidades de capital en los dos primeros años, debido a la presencia de un exceso de fondos. Sin embargo, a partir de 2026, las necesidades de fondos van a superar los recursos generados, requiriendo en futuras estrategias adicionales de financiación, cómo la emisión de capital adicional o solicitud de préstamos. No obstante, la acumulación de efectivo y activos líquidos a lo largo de los años ayudará a mejorar la posición de liquidez de la empresa y crear una base sólida para el crecimiento futuro que le permita responder ante contingencias financieras. 5.6. BALANCES PREVISIONALES Para concluir con este análisis, los balances previsionales de la tabla exponen la situación de la empresa durante el horizonte temporal que abarca desde 2024 a 2028, según los cuadros presupuestarios expresados con anterioridad. Por una parte, el activo experimenta un aumento significativo puesto que el inmovilizado disminuye a consecuencia de la amortización y el activo corriente aumenta gracias al superávit de activos líquidos a causa, sobre todo de la autofinanciación, llevada a cabo por la empresa. Además, los deudores se mantienen, ya que, al aumentar las ventas, se reduce el periodo de cobro. Por otro lado, los fondos propios van creciendo en mayor proporción que el activo, gracias a los resultados positivos generados por la empresa. No obstante, la financiación a largo plazo va disminuyendo debido a la devolución de deuda al optar por la financiación a corto plazo sin costes. Tabla 5.9. Balance de situación empresa IA Fuente: elaboración propia En conclusión, con los planes y políticas aplicados a lo largo de todo este procedimiento se ha determinado que la empresa va a tener en el periodo de 2024 a 2028 una situación financiera equilibrada, con una fuerte posición de sus fondos propios y una gestión prudente de las obligaciones financieras a corto plazo (véase Figura 5.2). Asimismo, es Valoración de una start-up de Inteligencia Artificial dirigida al marketing 73 importante resaltar la sólida posición financiera con un enfoque en el crecimiento sostenible y una gestión eficiente de los recursos que se lleva a cabo en este horizonte temporal. Figura 5.2. Recursos ajenos y fondos propios Fuente: elaboración propia Análisis económico-financiero influencia inteligencia artificial en empresas 75 Valoración de una start-up de Inteligencia Artificial dirigida al marketing 77 CAPÍTULO 6. VALORACIÓN DEL PROYECTO En este capítulo, se va a determinar el valor de la empresa de Inteligencia Artificial analizada con anterioridad a partir del análisis estático y fundamental. En primer lugar, se obtendrá el valor mínimo a partir del estático. Es decir, se va a valorar la empresa en función de su situación actual, sin tener en cuenta la renta generada en el futuro. Seguidamente, se va a calcular el valor máximo a través del método de descuento de flujo. Este último tiene carácter dinámico y se basa en la transformación de la renta en riqueza, esto es, va a tener en cuenta las expectativas futuras que se han detallado en el plan financiero del capítulo anterior. 6.1. VALOR MÍNIMO Para obtener una estimación del valor mínimo, se va a aplicar el método global del activo neto contable o patrimonio neto, calculado como la diferencia entre los activos, valorados a valor contable y los pasivos exigibles, coincidiendo con el patrimonio neto. Se trata por tanto de un método genérico que ofrece una aproximación de su valor, aunque no considera las expectativas futuras. Este caso se va a emplear el valor de los fondos propios del balance de situación (véase Tabla 5.1), donde se recoge un valor mínimo de 105.000 €. 6.2. VALOR EN FUNCIÓN DEL MÉTODO DE DESCUENTO DE FLUJOS Seguidamente, se va a proceder a calcular el valor máximo, utilizando el método de descuento de flujos, puesto que concreta el valor de la empresa en función de su capacidad para la generación de renta futura. Además indica si dicha capacidad es potencialmente disponible para los accionistas. Por ende, para realizar de manera correcta la valoración de la empresa hay que tener en cuenta dos aspectos. Por un lado, los flujos futuros del horizonte provisional deben actualizarse al presente y, por otro, el valor de continuidad, debe ser el valor de la empresa a partir del último flujo de Cash-Flow. No obstante, en este caso, dicho valor, permanecerá constante. Asimismo, se hará uso de la siguiente fórmula para obtenerlo: 𝑉 =# 𝐶𝐹𝐿! (1+𝑘)!+𝑉𝐶" (1+𝑘)" " #$% Donde: • V es el valor de la empresa. • CFLt son los flujos de caja libres para el periodo t. • VCn es el valor de continuidad en el momento n. • K es la tasa de actualización. • N es el horizonte previsional de valoración. Posteriormente, se va a realizar el cálculo de los elementos que componen esta ecuación matemática. 85 Valoración de una start-up de Inteligencia Artificial dirigida al marketing 87 CAPÍTULO 7. CONCLUSIONES, IMPLICACIONES Y LIMITACIONES 7.1. CONCLUSIONES 7.1.1. Conclusiones teóricas En lo referente al marco teórico, es posible obtener diversas conclusiones a partir del análisis realizado. En primer lugar, se destaca el papel fundamental que ha adquirido la Inteligencia Artificial (IA) en la sociedad actual, desempeñando una función relevante en el éxito empresarial y en el comportamiento de compra de los consumidores. A su vez, la automatización de procesos característica de la IA ha permitido a las empresas automatizar, tareas repetitivas y mejorar su eficiencia operativa. Además, el rápido avance de la Inteligencia Artificial se visto impulsado por la abundancia de datos y el aumento de la capacidad de procesamiento de la maquinaria u ordenadores. Sin embargo, este avance plantea desafíos éticos significativos cruciales para el desarrollo de un marco regulatorio sólido y la promoción de la transparencia y la garantía de un uso responsable de la IA. Si bien, la Inteligencia Artificial está transformando múltiples sectores, incluyendo la salud, la educación, el turismo, la manufactura y el comercio electrónico, mejorando, los diagnósticos, aprendizaje, procedimientos administrativos, optimización y calidad de productos, inventarios y experiencia del cliente. No obstante, esta implementación varía según el contexto nacional o internacional, mostrándose, influenciada por la madurez tecnológica, disponibilidad de recursos y tendencias del mercado. Dentro de la Inteligencia Artificial, el proyecto se centra en una segmentación más dirigida al ámbito del marketing, la cual ha transformado la forma en que las empresas comprenden, interactúan y satisfacen a sus clientes. Desde la recopilación y análisis de datos hasta la personalización de ofertas y mejora de experiencias del cliente, la IA se encuentra impulsando una revolución en este tipo de operaciones, de manera continua, prometiendo un futuro lleno de oportunidades para aquellas empresas que busquen mantenerse competitivas en un mercado, cada vez más digitalizado y centrado en el cliente. 7.1.2. Conclusiones empíricas Esta investigación tenía como objetivo principal la valoración de un proyecto de creación de empresas de Inteligencia Artificial aplicado al ámbito del marketing, además de unos objetivos específicos que implicaban el análisis de la Inteligencia Artificial y su aplicación en el marketing, el análisis de un sector de referencia, la definición de diferentes estrategias y la valoración final del proyecto. Tras la realización de dichos análisis, se presentan las principales conclusiones obtenidas en el estudio. Primeramente, con relación al sector de referencia, se identifican 59 microempresas, que constituyen una parte significativa del mercado empresarial español en su conjunto, y hacen uso de la Inteligencia Artificial en el marketing, lo que subraya la relevancia y el alcance de esta tecnología en el mercado español. Además, se destaca cierta diversidad en cuanto a sus códigos CNAE, número de empleados y la edad. En cuanto a la estructura económica, empresas como BEE THE DATA SL. y APLICACIONES HUMANAS CON INTELIGENCIA ARTIFICIAL SL. destacan por su alta Elena Redondo Reyes 88 proporción de activos intangibles, GEOAI ANALYTICS SL y SCILLS INTERNATIONAL SL destacan por su gestión eficiente de inventarios, NEXT MOBILITY SOLUTIONS SL y ASOBU TECHNOLOGIES SL destacan en su eficiencia para la conversión de ventas a crédito en efectivo y, por último, NEXT MOBILITY SOLUTIONS SL y COGNITIVE DATA SL muestran una gestión eficiente al pagar a sus proveedores de manera más oportuna. Por lo que respecta a la estructura financiera, AVVALE IBERIA Y LATINOAMERICA SL y AETERNAL MENTIS SA, muestran una base financiera sólida (mayor número de recursos propios), empresas como SCILLS INTERNATIONAL SL muestran una menor dependencia de la deuda, reflejando estrategias financieras más conservadoras (recursos ajenos) y NEXT MOBILITY SOLUTIONS SL y BEE THE DATA SL cuentan con una situación financiera más sólida al presentar un apalancamiento más reducido. En cuanto a la cuenta de resultados, las empresas que muestran una fuerte demanda de sus productos y servicios, reflejando una posición establecida en el mercado (ventas más altas) son AVVALE IBERIA Y LATINOAMERICA SL, UPITE CONSULTING SERVICES SL y AETERNAL MENTIS, S.A. También se presentan empresas con un ratio de aprovisionamiento bastante alto, en relación con sus ventas, indicando ineficiencia en la gestión de sus recursos. Estas son ASOBU TECHNOLOGIES SL, PHEBUS SISTEMAS INTELIGENTES SOCIEDAD LIMITADA y FLIGHT LABS SL. Según los resultados obtenidos, las empresas con salarios más altos o un menor número de empleados con salarios más elevados son PROGRAMACION LIEBRE SL y ABRAIA SOFTWARE SOCIEDAD LIMITADA. Igualmente, AVVALE IBERIA Y LATINOAMERICA SL, AETERNAL MENTIS, S.A. y ARTIFICIAL INTELLIGENCE FOR MARKETING SL presentan un EBITDA positivo, a diferencia de KROSER ELECTRONICA SL, NEURAPTIC SL y ULBIOS TECHSENS S.L. que es negativo. Dentro del plan financiero, se propone la creación de una empresa de Inteligencia Artificial capaz de mantener una situación financiera equilibrada y estable desde 2024 a 2028. Esta estará constituida por una fuerte base de fondos propios y una gestión eficiente de recursos, lo que permite un crecimiento sostenible y una sólida posición financiera a largo plazo. Con el fin de asegurar su viabilidad futura, a partir de 2026, se proponen diferentes estrategias adicionales de financiación, que, junto a la acumulación gradual de efectivo y activos líquidos, proporcionará una base sólida para enfrentar posibles contingencias financieras. Esta tipología de inversión que se ha llevado a cabo se caracteriza por generar una alta capacidad de renta. Así, si se establece un obejtivo de ventas en 400.000€ en un horizonte temporal de 5 años, se podrá generar un valor de entre 350.000€ y 400.000€. Además, el sector de la inteligencia artificial se caracteriza por generar grandes ingresos a partir de un número reducido de los mismos. Tanto es así que, a pesar de considerar unas ventas medias de 400.000 €, dentro del sector se encuentran empresas que venden más de 1 millón de euros. Por lo tanto, si el objetivo de ventas fuera de 1 millón de euros en vez de 400.000 €, el valor se situaría entre 1.100.000 € y 1.500.000 €, haciendo visible la variabilidad de ventas altas y en el valor de las empresas. Valoración de una start-up de Inteligencia Artificial dirigida al marketing 89 7.2. IMPLICACIONES PRÁCTICAS Este análisis representa un factor clave para determinar el éxito empresarial, ya que una empresa sólida y bien gestionada podrá influir en las decisiones de compra de los consumidores, fomentar la fidelidad del cliente y aumentar su rentabilidad. Por ende, tiene una gran importancia en el ámbito empresarial, condicionado por el uso de la Inteligencia Artificial en actividades y procedimientos de marketing, ya que permitirá identificar las tendencias actuales y futuras. Concretamente, llevar a cabo este análisis resulta de gran interés, ya que se tienen en cuenta políticas activas de gestión del capital circulante o la optimización de los periodos medios de cobro y pago que aseguren una liquidez adecuada. También, la previsión de un objetivo de tesorería y la posibilidad de creación de una póliza de crédito ofrecen una base sólida para mostrar un mejor manejo de las fluctuaciones líquidas. Del mismo modo, la realización de inversiones iniciales en inmovilizado inmaterial y material, así como la ampliación de capital, son cruciales para mejorar el sostenimiento de las operaciones de una empresa y su crecimiento. Además, el implemento de la Inteligencia Artificial en actividades de marketing permitirá una mayor captación de clientes más allá del entorno nacional, para mejorar la eficiencia de las campañas, facilitando el objetivo de ventas propuesto en cada empresa. Asimismo, se muestra una estrategia de crecimiento alineada con el aumento del mercado y las ventas, algo crucial para promover la gestión adecuada en el crecimiento de personal para mantener una estructura de costes eficiente. Además, la evaluación proyectada permite comprobar un crecimiento de los ingresos y una gestión eficiente de los costes operativos, indicando cómo algo fundamental la monitorización de la tendencia del EBITDA y la rentabilidad operativa que permita anticipar posibles desaceleraciones y ajustes en las estrategias. De la misma forma, con la creación de balances previsionales se propone un análisis de la situación financiera de un modo equilibrado, para identificar la posición de los fondos propios de una empresa. También, la disminución de la financiación a largo plazo y el incremento en autofinanciación se emplean para destacar la importancia de una gestión financiera sólida en el sector de la Inteligencia Artificial. Con todo ello, se utiliza la valoración basada en el descuento de flujos de caja futuros para proporcionar una estimación dinámica del valor de cada empresa, permitiendo identificar no solo el valor potencial, sino también su capacidad para generar efectivo y mitigar el riesgo. Sin embargo, con este estudio se pretende proporcionar un marco integral para la planificación y gestión de una microempresa de Inteligencia Artificial, donde se destaca la importancia de invertir en software y publicidad para poder mantener a las empresas competitivas en un mercado tecnológicamente cambiante. Unido a esto, la estrategia que se proyecta está basada en un crecimiento sostenible que pretende una gestión prudente de los recursos y la inversión en tecnología, que deberá mantenerse a medida que la empresa madure y enfrente nuevos desafíos en el mercado. 7.3. LIMITACIONES Y FUTURAS LÍNEAS DE INVESTIGACIÓN Una vez planteada la investigación, se pasará a exponer algunas de las limitaciones que ha surgido a lo largo del estudio. Primeramente, es posible observar cómo los resultados obtenidos, pertenecen solamente a las 59 microempresas que utilizan Artificial en Elena Redondo Reyes 90 sus actividades de marketing dentro del mercado español. Por ende, resultaría interesante extender el análisis al resto de empresas (pymes y grandes empresas) y realizarlo de forma completa con el fin de poder determinar las diferencias que puedan existir. Por otro lado, este estudio se ha enfocado únicamente a considerar el ámbito nacional, a pesar de haber mencionado a lo largo del estudio algunos ejemplos de empresas internacionales. Esto ofrece la oportunidad de completar este estudio abordando otra evaluación de viabilidad, valoraciones y estrategias de mercado de empresas internacionales. Por tanto, para un futuro análisis, se plantea establecer un periodo específico de estudio y analizar la actividad de una empresa que haga uso de la Inteligencia Artificial en sus actividades de marketing en el ámbito nacional, junto con otra que haga exactamente lo mismo, pero a nivel internacional. Para terminar, al realizar el análisis de estas empresas, solamente se han tomado un número reducido de datos, debido a la necesidad de adaptarse a la extensión propuesta para el proyecto, por lo que, para realizar una investigación más completa, este análisis podría adentrarse en otros aspectos económico-financieros que proporcionen un mayor detalle y comprueben la existencia de diferencias con los resultados obtenidos en este análisis. Valoración de una start-up de Inteligencia Artificial dirigida al marketing 91 Valoración de una start-up de Inteligencia Artificial dirigida al marketing 93 CAPÍTULO 8. BIBLIOGRAFÍA "Artificial Intelligence and Machine Learning in Financial Markets" por Alexander Denev y Dinesh C. Sharma (2023) Agama Espinoza, A. S. (2021). Revisión de la literatura del comercio electrónico, el aprendizaje automático y sus aplicaciones en la industria y tiendas por departamento en línea Ahmed, I., Jeon, G., & Piccialli, F. (2022). From artificial intelligence to explainable artificial intelligence in industry 4.0: a survey on what, how, and where. IEEE Transactions on Industrial Informatics, 18(8), 5031-5042. Ahumada, K. A. R., Zavaleta, V. L., & de los Santos, A. C. M. (2023). El impacto de la Inteligencia Artificial en la mejora de la atención al cliente: Una revisión sistémica. Innovación y software, 4(2), 201-222. Albores, E. L. I. (2022). Netflix: análisis comparativo del consumo de los usuarios antes y durante la pandemia. Disertaciones: Anuario electrónico de estudios en Comunicación Social, 15(2), 5. Ameen, N., Tarhini, A., Reppel, A., & Anand, A. (2021). Customer experiences in the age of artificial intelligence. Computers in human behavior, 114, 106548. Anarte, L. F. (2023). Sesgos de género en la Inteligencia Artificial: El Estado de derecho frente a la discriminación algorítmica por razón de sexo. Revista Internacional de Pensamiento Político, 18, 95-120. Aparicio Pico, L. E., Amaya Marroquín, O. J., & Devia Lozano, P. A. (2023). Aplicación de Deep Learning para la identificación de defectos superficiales utilizados en control de calidad de manufactura y producción industrial: una revisión de la literatura. Ingeniería, 28(1). Arora, A., Bansal, S., Kandpal, C., Aswani, R., & Dwivedi, Y. (2019). Measuring social media influencer index-insights from Facebook, Twitter and Instagram. Journal of Retailing and Consumer Services, 49, 86-101. Barría, F. J. C. (2023). Herramientas de inteligencia artíficial aplicadas al marketing. Ciencia Latina Revista Científica Multidisciplinar, 7(4), 3536-3550. Benbya, H., Davenport, T. H., & Pachidi, S. (2020). Artificial intelligence in organizations: Current state and future opportunities. MIS Quarterly Executive, 19(4). Bravo León, L. F. (2023). Interpretaciones de los profesionales de la salud sobre el uso de la inteligencia artificial (IA) como tecnología de impacto a la salud pública, análisis desde las ciencias cognitivas. Bravo, J. C. C. (2021). La influencia de la inteligencia artificial en el futuro del marketing. Big Bang Faustiniano, 10(3). Canosa Avversari, E. (2023). Transformación digital e impacto del Big data en el sector turístico. Cardenes Doctor, J. (2022). La aplicación de Big Data e Inteligencia Artificial en logística y transporte para la optimización de procesos en empresas.