Este post ha sido escrito por Nicolás Guarín, en el marco del Máster oficial de Creación y Gestión de Empresas Innovadoras y de Base Tecnológica de la Universidad de Barcelona (curso 2018-2019).
Inbenta surge en el año 2005 en la ciudad de Barcelona como un proyecto personal de su creador y actual CEO, Jordi Torras. Para este entonces era una startup de consultoría, donde se desarrollaba software a la medida y distribuían software de terceros con servicios de valor añadido.
Para el año 2010 la empresa, que cuenta con un gran equipo de arquitectos de software y lingüistas computacionales, idea colectivamente, un buscador capaz de “adivinar” lo que el usuario busca, en lugar de usar palabras claves. Es así como ese año desarrollan un software basado en Inteligencia Artificial que permite reconocer las búsquedas o preguntas realizadas en lenguaje natural, es decir tal como hablamos.
Surge entonces la primera versión beta del Motor de Búsqueda Semántico, el cual tiene como fin ayudar a los clientes de Inbenta a comunicarse con sus clientes en Lenguaje Natural de manera automatizada, mejorando las relaciones online con sus usuarios mediante el uso de tecnologías revolucionarias como la Inteligencia Artificial y el Procesamiento del Lenguaje Natural.
En consecuencia Inbenta pasa de ser una empresa de consultoría a una compañía de software con expansión internacional que las grandes firmas incorporan para mejorar la atención al cliente en sus páginas web.
El equipo de Inbenta está formado por:
- Jordi Torras; fundador y CEO. Inició su carrera empresarial en 1997, fundó SBD en Barcelona, una empresa de servicios profesionales que tenía más de 100 empleados. En el 2004 esta fue adquirida por la compañía francesa Alten Technologies. En el año 2005 crea Inbenta, la cual en principio era una empresa de desarrollo y distribución de software. Posteriormente, en el 2010, la compañía desarrolla un software basado en Inteligencia y se transforma a una empresa con alcance internacional.
- Julio Prada, Country Manager de EOA. Estudió ciencia computacional en la Universidad Autónoma de Barcelona y ha trabajado en diferentes compañías de servicios de tecnología y telecomunicación como manager o representante de ventas. En el 2013 empezó como profesor asociado de la EADA.
- Ferrán Saurina, COO. Estudió ingeniería de telecomunicaciones en la Universidad Politécnica de Cataluña, posteriormente trabajó como desarrollador PHP en la misma universidad. En el 2005 se empezó a desempeñar como CTO de Inbenta hasta el 2013 donde empezó a ejecutar el cargo de COO. Actualmente se encarga del desarrollo del producto, pre ventas de ingeniería, reclutamiento y entrenamiento del personal.
- Jordi Prats, CTO. Jefe de operaciones tecnológicas, trabaja en la compañía desde el 2006.
- Greg Wookey, CFO. MBA en finanzas de la Universidad del Estado de California, Ha tenido experiencia como CFO y vicepresidente de otras empresas durante su carrera.
- Luc Truntzler, Director asociado en Francia. Graduado de Ingeniería de redes y telecomunicaciones del instituto nacional de ciencias aplicadas de Toulouse, Master en administración de la Innovación del IAE Toulouse. Master en administración Internacional de EADA Business School. Se ha desempeñado como técnico de ingeniería, desarrollador y profesor en la EADA. Fue el encargado de abrir el mercado Francés. Desde el 2012 se desempeña como CEO de Inbenta en Francia.
- Caterina Balcells. Directora del departamento lingüístico. Graduada en Filología inglesa de la Universidad Rovira i Virgili y de Lingüística de la Universidad de Barcelona. Se ha desempeñado como profesora de idiomas y en el 2006 empezó en inbenta como con lingüística computacional.
- Àngel Trujillo, Country Manager Brasil. Estudió informática en la UAB (Universidad Autónoma de Barcelona). Posteriormente, realizó un máster en márketing en la ESADE. A lo largo de su carrera, ha trabajado en diferentes compañías centrándose en la comunicación y la tecnología. En 2010, se trasladó a Brasil, donde actualmente es responsable de Inbenta.
Los sistemas y tecnologías de búsqueda
Aunque la tecnología desarrollada por Inbenta fue un desarrollo que utilizó cimientos ya construidos, su servicio es eficiente y original. Para poder entenderla, es necesario primero entender los conceptos del lenguaje y semántica del procesamiento del lenguaje por parte de los ordenadores.
En primer lugar está el lenguaje natural, que se utiliza a diario entre los humanos. El castellano, el inglés o el francés son ejemplos de lenguas naturales. Poseen una sintaxis, una gramática y cumplen con los principios de economía y optimización, a pesar de que contienen muchas ambigüedades. Han evolucionado junto a la humanidad.
Por el contrario, los lenguajes formales se utilizan para transferir información, sin dejar lugar a ambigüedades. Algunos ejemplos de lenguajes formales son las matemáticas, XML, SQL y PHP.
Los ordenadores pueden tratar los lenguajes formales sin problemas, pero uno de sus principales retos es entender el lenguaje natural.
- Con este propósito, el Procesamiento del Lenguaje Natural (PLN) es un área informática dedicada a la interacción entre ordenadores y las lenguas habladas por los humanos denominada.
- Por otro lado existe la Teoría Sentido-Texto (MTT); un marco teórico lingüístico que se usa para la construcción de modelos de lenguas que ha permitido que los ordenadores las procesen, y que empiecen a entender su significado.
Teniendo esto en cuenta, Inbenta ha tomado estos pilares tecnológicos y ha desarrollado su software basado en la Teoría Sentido-Texto y su forma de concebir el lenguaje natural a partir de un léxico y de su semántica. Gracias al uso de dicho marco teórico del PLN y de modelos computacionales, Inbenta ha podido crear el motor de búsqueda semántico. Este tipo de tecnología permite a los usuarios efectuar búsquedas eficientes para información compleja utilizando frases sin estructurar, ambiguas, incompletas y formuladas en su propia lengua. En ese sentido es totalmente disruptivo ya que es un motor de búsqueda en el que los ordenadores entienden a los humanos por el significado de las palabras y no por palabras clave como lo hace Google.
Los protagonistas del searchtech de la década de los noventa establecieron los fundamentos de la tecnología con 4 cuatro componentes:
- Interfaz de búsqueda.
- Rastreador (también conocido como araña o bot).
- Indexador
- Base de datos.
Los motores de búsqueda pueden alojar imágenes, links, datos y metadatos para un documento. Sin embargo teniendo en cuenta el contexto tecnológico, Google con su motor de búsqueda, en poco tiempo había tomado el liderazgo y monopolizado el servicio de búsqueda en la web para todos los usuarios. Lo que hizo que Google se diferenciara y entregase en sus búsquedas un contenido más relevante para los usuarios, fue su algoritmo pagerank. El cual posiciona el contenido dependiendo de la relevancia que tiene un sitio web con la palabra clave teniendo en cuenta la cantidad de sitios webs externos que lo referencian y que tan importantes son. En pocas palabras se concentró en la relevancia de los artículos creada por los mismos usuarios al referenciar contenido mediante un link.
Es por esto que cuando Inbenta desarrolló su buscador semántico, no lo introdujo a todos los usuarios como motor de búsqueda, no compite directamente con Google en ese aspecto. Su enfoque fue en un nicho, sus clientes son medianas y grandes compañías como Volkswagen, Claro e Iberia y les ofrece soluciones semánticas de autoservicio conversacional en diferentes canales de comunicación con sus clientes.
El sistema de Inbenta
Por medio de chatbox, email, redes sociales y mensajería instantánea, Inbenta es una herramienta que resuelve las preguntas de los clientes de estas compañías. En cierto modo es un auto-servicio, ya que la herramienta trabaja con los clientes para hacerles entender los vacíos en su conocimiento. Hace sugerencias sobre preguntas y respuestas frecuentes. Cuando un usuario ingresa una pregunta, el buscador semántico de Inbenta relaciona el aspecto del significado de las palabras y responde con el contenido más relevante referenciado de la compañía. Así que Inbenta también debe conocer muy bien los procesos operacionales de sus clientes (compañías como Claro y Volkswagen) para incluirlos en el contenido indexado y poder ponerlos a disposición de su buscador.
Inbenta aporta una disrupción a sus compañías clientes en la forma en la que esas compañías prestan su servicio al cliente online. Les permite prestar un servicio 24-7, más rápido, eficiente con un ROI aproximado de hasta 390%. Adicionalmente el costo de esta herramienta es menor a contratar operarios para atender el servicio al cliente y postventa. Lo que les representa una disminución en los costos operativos y un mayor margen de ganancias.
Aunque muchos usuarios todavía prefieren ser atendidos por personal humano, Inbenta proporciona índices de autoservicio de más de un 90%. Esto hace que las compañías puedan contratar solo un operario y asignarle solo las reclamaciones muy detalladas que el bot de inbenta no sea capaz de atender.
Inbenta tiene la patente del motor de búsqueda semántico que utiliza funciones léxicas y criterios de significado-texto, la cual ha servido para proporcionar una tasa de autoservicio líder en el sector.
Es importante entender que Inbenta no creó el marco teórico lingüístico Teoría Sentido -Texto (MTT); pero si usó esta tecnología base para desarrollar su buscador semántico. La trayectoria en consultoría en los inicios de inbenta, el uso de este marco teórico del procesamiento de lenguaje natural para entender a los modelos computacionales y los cientos de horas de los lingüistas de Inbenta enseñándole el lenguaje natural a las computadoras hizo que Inbenta pudiera crear un desarrollo tecnológico único y patentable.
Adicionalmente los lingüistas en Inbenta se encargan de adaptar los principios de la Teoría Sentido-Texto a la vez que describen las distintas lenguas que reconoce el sistema. Todo esto hace que el sistema de búsqueda semántico entienda correctamente preguntas de usuarios completamente distintas en apariencia pero con el mismo significado, de manera que los usuarios siempre obtienen los mejores resultados a sus consultas.
Su modelo de negocio
Su modelo de negocio es B2B. El software se cobra por anualidad o mensualidad a sus clientes que están conformados en mayor medida por grandes empresas como lo mencionamos anteriormente. Inicialmente Inbenta comenzó ofreciendo su software y por otro lado servicios profesionales para implementarlo y mejorarlo en cada empresa donde lo instalaba. Sin embargo a finales del 2017 introdujeron algunos cambios en su modelo de negocio.
Dejaron de ofrecer servicios profesionales para la implementación y mejoras en cada empresa donde lo instalaron y le trasladaron esa responsabilidad al mismo cliente o a terceros, que pueden ir mejorando la tecnología a la medida con unas herramientas de enganche que inbenta ofrece. Todo esto se hizo para seguir con un modelo escalable concentrándose en licenciar su software sin tener que agregar nuevos empleados cada vez que le instalan el software a un nuevo cliente.
Financiación
Jordi Torras tenía claro que si quería que su empresa creciera, necesitaba ir a un ecosistema en donde pudiera encontrar los recursos necesarios. Por esto en el 2014 se instaló en Silicon Valley. En ese entorno fue más fácil que los inversionistas los vieran con mayor confianza. Su primer inversionista fue la administradora de fondos de capital de riesgo chilena Scale Capital a través de su fondo Amérigo Chile; el cual invirtió 2 millones de dólares.
Posteriormente en el 2016 inbenta cerró su ronda de financiación de serie B por un valor de 12 millones de dólares liderada por la firma de inversiones Level Equity con participación de la administradora de fondos de capital de riesgo Amasia y nuevamente el inversor de serie A Scale Up.
Inbenta se encuentra todavía en una etapa de crecimiento y teniendo en cuenta que la primera inversión se hizo en el 2014 y la segunda en el 2016, se esperaría que los inversionistas de la primera ronda hicieran su exit en el 2024, para cumplir su ciclo de inversión de 10 años. Sin embargo el exit puede ser antes o después; depende de las propuestas inesperadas, por ejemplo una propuesta de compra de algún gigante tecnológico como Google, Microsoft o Facebook, podría darle a sus inversionistas una buena salida. Otra salida que se podría prever sería volver la compañía pública y así vender las acciones en una IPO (Initial Public Offering). Por el momento los inversionistas deben de hacerle un seguimiento financiero a la compañía y asegurarse que el modelo siga siendo escalable para fomentar su crecimiento para poder hacer su exit con buen margen de ganancia que pueda reflejar un mínimo de 3x.