1
00:00:09,679 --> 00:00:15,660
Buenas, esto es BIMPRAXIS, el podcast donde el

2
00:00:15,660 --> 00:00:17,739
BIM se encuentra con la inteligencia artificial.

3
00:00:20,379 --> 00:00:23,480
Exploramos la ciencia, la tecnología y el futuro

4
00:00:23,480 --> 00:00:26,460
desde el enfoque de la arquitectura, ingeniería y

5
00:00:26,460 --> 00:00:27,120
construcción.

6
00:00:28,839 --> 00:00:29,440
¡Empezamos!

7
00:00:37,200 --> 00:00:40,219
Buenas, estamos ya en el episodio 45 y

8
00:00:40,219 --> 00:00:43,439
seguimos con la serie Herramientas Open Source Gratuitas,

9
00:00:43,460 --> 00:00:45,299
relacionadas, claro, con la IA.

10
00:00:45,299 --> 00:00:48,119
Hoy traemos una que se llama FireCrowl y

11
00:00:48,119 --> 00:00:49,399
ahora os explicamos qué es esto.

12
00:00:49,899 --> 00:00:51,799
Bienvenidos al podcast de BIMPRAXIS.

13
00:00:51,979 --> 00:00:54,240
Vamos a empezar, como siempre, por el principio.

14
00:00:54,799 --> 00:00:57,359
Cualquiera que esté metido en construir aplicaciones de

15
00:00:57,359 --> 00:01:01,140
inteligencia artificial sabe que todo, absolutamente todo, se

16
00:01:01,140 --> 00:01:01,960
basa en los datos.

17
00:01:02,240 --> 00:01:03,719
Son el combustible, sí.

18
00:01:04,180 --> 00:01:04,700
Exacto.

19
00:01:04,780 --> 00:01:07,500
Pero claro, conseguir esos datos en la web

20
00:01:07,500 --> 00:01:09,719
suele ser el primero y el mayor obstáculo.

21
00:01:09,980 --> 00:01:10,840
Uf, y tanto.

22
00:01:11,040 --> 00:01:14,620
Hay que extraerlos, luego limpiarlos, ponerlos en un

23
00:01:14,620 --> 00:01:15,280
formato que un...

24
00:01:15,299 --> 00:01:16,219
una IA pueda entender.

25
00:01:16,439 --> 00:01:18,120
Es un trabajo enorme.

26
00:01:18,560 --> 00:01:20,879
Y ahí es donde entran herramientas como la

27
00:01:20,879 --> 00:01:21,120
de hoy.

28
00:01:21,200 --> 00:01:21,739
Justo ahí.

29
00:01:21,819 --> 00:01:23,739
Ahí es donde entra FireCrowl.

30
00:01:24,000 --> 00:01:27,120
En esencia, es una API, una interfaz de

31
00:01:27,120 --> 00:01:29,859
programación, que está pensada para desarrolladores.

32
00:01:30,140 --> 00:01:32,599
Su misión es muy clara.

33
00:01:33,120 --> 00:01:36,540
Convertir cualquier sitio web en datos limpios y

34
00:01:36,540 --> 00:01:38,859
listos para un modelo de lenguaje grande, un

35
00:01:38,859 --> 00:01:39,439
LLM.

36
00:01:39,680 --> 00:01:41,680
O sea, que no es la típica herramienta

37
00:01:41,680 --> 00:01:43,180
visual de apuntar y hacer clic.

38
00:01:43,420 --> 00:01:44,099
Para nada.

39
00:01:45,299 --> 00:01:45,560
Un motor.

40
00:01:45,700 --> 00:01:47,219
Uno muy potente.

41
00:01:47,280 --> 00:01:49,519
Para sacar información de la web de forma

42
00:01:49,519 --> 00:01:50,200
programada.

43
00:01:50,439 --> 00:01:52,040
Vale, vamos a desgranar esto un poco.

44
00:01:52,359 --> 00:01:55,019
La idea principal, entonces, es que se encarga

45
00:01:55,019 --> 00:01:56,659
de las partes más frustrantes de lo que

46
00:01:56,659 --> 00:01:57,879
llamamos web scraping, ¿no?

47
00:01:58,079 --> 00:01:58,799
Eso es.

48
00:01:59,159 --> 00:02:02,340
Por ejemplo, lidiar con esas webs modernas que

49
00:02:02,340 --> 00:02:04,920
están llenas de JavaScript y cargan el contenido

50
00:02:04,920 --> 00:02:05,659
poco a poco.

51
00:02:05,819 --> 00:02:07,060
Que son un dolor de cabeza.

52
00:02:07,920 --> 00:02:08,400
Totalmente.

53
00:02:08,400 --> 00:02:10,580
O gestionar los proxys para que no te

54
00:02:10,580 --> 00:02:12,539
bloqueen el acceso a la primera de cambio.

55
00:02:12,819 --> 00:02:14,960
Se encarga de toda esa fontanería.

56
00:02:15,300 --> 00:02:18,199
De hecho, se centra en cuatro funciones principales.

57
00:02:18,400 --> 00:02:18,860
A ver.

58
00:02:19,060 --> 00:02:21,979
La primera sería scrape, que es raspar.

59
00:02:22,259 --> 00:02:24,639
Le das una única página web y te

60
00:02:24,639 --> 00:02:25,379
saca el contenido.

61
00:02:26,099 --> 00:02:27,319
¿Y cómo te lo devuelve?

62
00:02:27,520 --> 00:02:29,379
Pues te lo da como un archivo Markdown

63
00:02:29,379 --> 00:02:32,400
ya limpio o en formato JSON, ya estructurado.

64
00:02:32,800 --> 00:02:33,319
Vale.

65
00:02:33,479 --> 00:02:35,680
Luego está crawl, que es rastrear.

66
00:02:35,759 --> 00:02:37,800
Esto ya es para recorrer un sitio web

67
00:02:37,800 --> 00:02:40,900
entero, todas sus páginas, y recopilar los datos

68
00:02:40,900 --> 00:02:41,780
del dominio completo.

69
00:02:42,759 --> 00:02:43,280
Entendido.

70
00:02:43,340 --> 00:02:45,120
La tercera es map, mapear.

71
00:02:45,300 --> 00:02:47,300
Te da un mapa rápido de todas las

72
00:02:47,300 --> 00:02:49,800
URLs de un sitio, para tener una visión

73
00:02:49,800 --> 00:02:50,900
general de la estructura.

74
00:02:51,199 --> 00:02:52,099
¿Y la última?

75
00:02:52,379 --> 00:02:53,860
La última es extract.

76
00:02:54,240 --> 00:02:56,300
Y esta es la más avanzada, porque está

77
00:02:56,300 --> 00:02:57,180
impulsada por IA.

78
00:02:57,460 --> 00:03:00,099
Saca datos muy específicos y estructurados de una

79
00:03:00,099 --> 00:03:00,379
página.

80
00:03:00,780 --> 00:03:02,840
Has mencionado lo del Markdown limpio y me

81
00:03:02,840 --> 00:03:04,039
parece un detalle interesante.

82
00:03:04,520 --> 00:03:06,879
Porque puede parecer algo menor, pero es bastante

83
00:03:06,879 --> 00:03:07,719
importante, ¿verdad?

84
00:03:07,860 --> 00:03:08,460
Es fundamental.

85
00:03:08,979 --> 00:03:11,680
Reduce drásticamente la cantidad de tokens que envías

86
00:03:11,680 --> 00:03:12,460
al modelo de IA.

87
00:03:12,580 --> 00:03:12,879
Claro.

88
00:03:12,979 --> 00:03:14,520
¿Y eso se traduce directamente?

89
00:03:15,300 --> 00:03:17,039
En un ahorro de costes, en las llamadas

90
00:03:17,039 --> 00:03:17,539
a la API.

91
00:03:17,900 --> 00:03:21,199
Y, muchas veces, también en un mejor rendimiento

92
00:03:21,199 --> 00:03:23,539
del modelo, porque le das la información mucho

93
00:03:23,539 --> 00:03:24,060
más clara.

94
00:03:24,280 --> 00:03:26,039
Aquí es donde la cosa se pone realmente

95
00:03:26,039 --> 00:03:26,599
interesante.

96
00:03:26,939 --> 00:03:28,340
En esa función extract.

97
00:03:28,939 --> 00:03:29,460
¿Totalmente?

98
00:03:29,719 --> 00:03:31,780
La extracción de datos de toda la vida

99
00:03:31,780 --> 00:03:34,560
se basaba en apuntar a elementos muy concretos

100
00:03:34,560 --> 00:03:35,960
del diseño de una web, ¿no?

101
00:03:36,280 --> 00:03:36,800
Exacto.

102
00:03:36,939 --> 00:03:40,199
Y si un desarrollador cambiaba algo, por mínimo

103
00:03:40,199 --> 00:03:41,599
que fuera… Adiós a Scraper.

104
00:03:41,740 --> 00:03:42,599
Se rompía.

105
00:03:42,719 --> 00:03:44,800
Era increíblemente frágil.

106
00:03:45,300 --> 00:03:46,639
Una pesadilla de mantener.

107
00:03:46,979 --> 00:03:49,919
Y la función extract de Firecrawl soluciona eso.

108
00:03:50,039 --> 00:03:50,479
¿Cómo?

109
00:03:50,599 --> 00:03:52,500
Pues lo soluciona cambiando el enfoque.

110
00:03:52,740 --> 00:03:55,740
En lugar de reglas fijas, usa inteligencia artificial.

111
00:03:56,240 --> 00:03:59,199
El desarrollador le da una URL y una

112
00:03:59,199 --> 00:04:00,620
instrucción en lenguaje natural.

113
00:04:00,919 --> 00:04:04,620
Algo como, obtén los nombres, cargos y correos

114
00:04:04,620 --> 00:04:05,620
del equipo directivo.

115
00:04:05,800 --> 00:04:06,099
Ah, vale.

116
00:04:06,219 --> 00:04:07,539
Le hablas como una persona.

117
00:04:07,759 --> 00:04:08,319
Justo.

118
00:04:08,319 --> 00:04:11,240
Y, además, defines la estructura JSON en la

119
00:04:11,240 --> 00:04:12,580
que quieres recibir esos datos.

120
00:04:12,979 --> 00:04:15,280
Y la IA de Firecrawl analiza la persona.

121
00:04:15,860 --> 00:04:18,160
Entiende lo que le pides, encuentra la información

122
00:04:18,160 --> 00:04:19,600
y te la da ya estructurada.

123
00:04:19,860 --> 00:04:22,360
La ventaja principal, entonces, es la resiliencia.

124
00:04:22,680 --> 00:04:23,500
Esa es la palabra.

125
00:04:23,740 --> 00:04:26,000
Como entiende el significado de los datos, se

126
00:04:26,000 --> 00:04:28,120
puede adaptar a los cambios de diseño sin

127
00:04:28,120 --> 00:04:29,519
tener que reescribir el código.

128
00:04:29,939 --> 00:04:32,439
Y sabemos qué tecnología hay detrás de esto,

129
00:04:32,500 --> 00:04:32,740
¿verdad?

130
00:04:32,860 --> 00:04:33,560
¿Qué motor usa?

131
00:04:33,740 --> 00:04:34,600
Sí, sí, que lo sabemos.

132
00:04:34,759 --> 00:04:37,959
Usan Gemini 2 .5 Pro, de Google, para

133
00:04:37,959 --> 00:04:39,459
potenciar este motor de extracción.

134
00:04:39,600 --> 00:04:39,920
Vaya.

135
00:04:40,100 --> 00:04:43,160
De hecho, el cofundador de Firecrawl, Eric Ciarla,

136
00:04:43,300 --> 00:04:45,399
dijo que este modelo fue lo que… Hizo

137
00:04:45,399 --> 00:04:47,160
factible todo el proyecto.

138
00:04:47,319 --> 00:04:47,779
¿Ah, sí?

139
00:04:47,980 --> 00:04:48,180
Sí.

140
00:04:48,220 --> 00:04:50,540
Parece que otros modelos no manejaban bien la

141
00:04:50,540 --> 00:04:52,279
complejidad del contenido web real.

142
00:04:52,540 --> 00:04:53,720
¿Y qué tal la precisión?

143
00:04:53,879 --> 00:04:56,160
Pues en sus pruebas internas dicen que Gemini

144
00:04:56,160 --> 00:04:59,160
2 .5 Pro alcanzó una precisión del 98%.

145
00:04:59,160 --> 00:05:02,459
Un 98 % es una cifra altísima.

146
00:05:02,620 --> 00:05:02,819
Sí.

147
00:05:02,939 --> 00:05:04,680
Puede ser un poco confuso.

148
00:05:04,759 --> 00:05:06,920
No hay un único modelo, sino dos.

149
00:05:07,180 --> 00:05:08,319
¿Dos sistemas diferentes?

150
00:05:08,939 --> 00:05:09,459
Exacto.

151
00:05:09,459 --> 00:05:11,699
Y hay que entender los dos para calcular

152
00:05:11,699 --> 00:05:12,860
los costes reales.

153
00:05:13,019 --> 00:05:15,279
Por un lado, está el modelo de credibilidad.

154
00:05:15,300 --> 00:05:18,339
Este se aplica a las funciones básicas de

155
00:05:18,339 --> 00:05:19,300
scrape y crawl.

156
00:05:19,500 --> 00:05:21,160
El más predecible, imagino.

157
00:05:21,240 --> 00:05:21,600
Sí.

158
00:05:21,759 --> 00:05:24,180
Una llamada a la API o una página

159
00:05:24,180 --> 00:05:26,360
rastreada suele costar un crédito.

160
00:05:26,420 --> 00:05:29,379
Los planes van desde uno gratuito con 500

161
00:05:29,379 --> 00:05:32,019
créditos, que se dan una sola vez, hasta

162
00:05:32,019 --> 00:05:34,519
planes de pago como el hobby, por 19

163
00:05:34,519 --> 00:05:37,139
dólares, que te da 3 .000 créditos al

164
00:05:37,139 --> 00:05:37,319
mes.

165
00:05:37,620 --> 00:05:38,019
Vale.

166
00:05:38,120 --> 00:05:38,819
Hasta ahí bien.

167
00:05:39,019 --> 00:05:40,220
¿Y el segundo modelo?

168
00:05:40,379 --> 00:05:41,879
Pues aquí está el detalle crucial.

169
00:05:42,339 --> 00:05:45,279
La función de extracción con IA, la de

170
00:05:45,279 --> 00:05:48,360
extract, no utiliza el sistema de créditos.

171
00:05:48,439 --> 00:05:48,600
Ah.

172
00:05:48,699 --> 00:05:52,560
Se factura aparte, basándose en tokens, muy parecido

173
00:05:52,560 --> 00:05:54,120
a cómo pagas por las APIs de OpenAI

174
00:05:54,120 --> 00:05:54,660
o Anthropic.

175
00:05:54,860 --> 00:05:57,740
O sea que es una suscripción completamente separada.

176
00:05:58,199 --> 00:05:58,639
Completamente.

177
00:05:58,819 --> 00:06:01,620
Si alguien contrata, no sé, el plan estándar

178
00:06:01,620 --> 00:06:04,560
para raspar datos, pensando que lo tiene todo…

179
00:06:04,560 --> 00:06:05,800
Se va a llevar una sorpresa.

180
00:06:06,100 --> 00:06:08,699
Necesita comprar un plan adicional solo para la

181
00:06:08,699 --> 00:06:09,600
función de extracción.

182
00:06:09,819 --> 00:06:11,600
Es un detalle que es fácil pasar por

183
00:06:11,600 --> 00:06:13,920
alto, la verdad, y que puede generar costes

184
00:06:13,920 --> 00:06:14,480
inesperados.

185
00:06:14,740 --> 00:06:15,220
Desde luego.

186
00:06:15,540 --> 00:06:18,399
Los planes para extract empiezan en 89 dólares

187
00:06:18,399 --> 00:06:20,720
al mes, por 18 millones de tokens al

188
00:06:20,720 --> 00:06:21,920
año, y de ahí para arriba.

189
00:06:22,240 --> 00:06:24,019
Entonces, ¿qué significa todo esto?

190
00:06:24,259 --> 00:06:26,920
Que la suscripción a Firecrawl es en realidad

191
00:06:26,920 --> 00:06:28,199
solo el punto de partida.

192
00:06:28,379 --> 00:06:28,939
Correcto.

193
00:06:28,939 --> 00:06:31,800
Al construir una solución de IA personalizada, hay

194
00:06:31,800 --> 00:06:33,839
otros costes, y son significativos.

195
00:06:33,980 --> 00:06:36,000
Como por ejemplo… El tiempo de ingeniería.

196
00:06:36,120 --> 00:06:37,800
Suele ser el mayor gasto.

197
00:06:38,120 --> 00:06:42,899
Necesitas desarrolladores cualificados para construir la aplicación, probarla,

198
00:06:43,040 --> 00:06:43,779
mantenerla.

199
00:06:43,980 --> 00:06:44,519
Claro.

200
00:06:44,740 --> 00:06:45,699
Las horas de desarrollo.

201
00:06:46,019 --> 00:06:47,819
Luego, los costes del LLM.

202
00:06:48,420 --> 00:06:50,839
Firecrawl te da los datos, pero todavía tienes

203
00:06:50,839 --> 00:06:53,240
que pagar a un proveedor como OpenAI o

204
00:06:53,240 --> 00:06:54,879
Anthropic para que los procesen.

205
00:06:55,019 --> 00:06:56,660
Y la infraestructura, donde corre todo.

206
00:06:56,939 --> 00:06:57,519
Por supuesto.

207
00:06:57,740 --> 00:06:59,339
Los costes de infraestructura.

208
00:06:59,540 --> 00:07:02,519
Necesitas un sitio donde alojar la aplicación, bases

209
00:07:02,519 --> 00:07:04,879
de datos vectoriales como Pinecone, etc.

210
00:07:05,240 --> 00:07:07,040
Y también he leído que puede haber problemas

211
00:07:07,040 --> 00:07:07,839
de escalabilidad.

212
00:07:08,240 --> 00:07:11,779
Sí, algunos usuarios han señalado que en rastreos

213
00:07:11,779 --> 00:07:13,699
a gran escala es muy fácil agotar los

214
00:07:13,699 --> 00:07:14,279
créditos.

215
00:07:14,740 --> 00:07:16,620
Y eso te puede llevar a tarifas por

216
00:07:16,620 --> 00:07:18,779
exceso de uso que disparan la factura.

217
00:07:18,959 --> 00:07:21,720
En resumen, Firecrawl te da las materias primas,

218
00:07:21,720 --> 00:07:23,240
y de excelente calidad por lo que parece.

219
00:07:23,439 --> 00:07:23,680
Sí.

220
00:07:23,759 --> 00:07:25,800
Pero la empresa todavía tiene que construir la

221
00:07:25,800 --> 00:07:28,720
fábrica, desplegarla y mantenerla para usar esos datos.

222
00:07:29,000 --> 00:07:30,019
Esa es la disyuntiva.

223
00:07:30,459 --> 00:07:30,980
Exactamente.

224
00:07:31,300 --> 00:07:33,560
Las fuentes lo comparan con un enfoque de

225
00:07:33,560 --> 00:07:34,920
plataforma todo en uno.

226
00:07:35,279 --> 00:07:38,519
Es la diferencia entre comprar las piezas para

227
00:07:38,519 --> 00:07:41,000
montar el coche… O comprar el coche ya

228
00:07:41,000 --> 00:07:41,540
fabricado.

229
00:07:41,920 --> 00:07:42,439
Justo.

230
00:07:42,540 --> 00:07:44,399
Son dos filosofías distintas.

231
00:07:44,740 --> 00:07:47,160
Una es para quien quiere construir algo a

232
00:07:47,160 --> 00:07:49,420
medida, desde cero, y la otra es para

233
00:07:49,420 --> 00:07:52,040
quien busca resolver un problema de negocio concreto

234
00:07:52,040 --> 00:07:52,860
de forma rápida.

235
00:07:53,079 --> 00:07:53,420
Vale.

236
00:07:53,500 --> 00:07:56,839
Entonces, para dejarlo claro, ¿quién es el usuario

237
00:07:56,839 --> 00:07:58,379
ideal de esta herramienta?

238
00:07:58,500 --> 00:08:01,839
Es ideal para equipos técnicos que están construyendo

239
00:08:01,839 --> 00:08:04,399
aplicaciones de IA personalizadas desde cero.

240
00:08:04,759 --> 00:08:05,360
¿Desarrolladores?

241
00:08:05,839 --> 00:08:06,439
¿Ingenieros?

242
00:08:06,620 --> 00:08:07,079
Sí.

243
00:08:07,259 --> 00:08:09,759
De hecho, se integra con herramientas que ya

244
00:08:09,759 --> 00:08:13,100
usan, como Landchain, donde funciona como un cargador

245
00:08:13,100 --> 00:08:13,959
de documentos.

246
00:08:13,980 --> 00:08:14,379
Sí.

247
00:08:14,519 --> 00:08:14,720
De hecho, se integra con herramientas que ya

248
00:08:14,720 --> 00:08:14,720
usan, como Landchain, donde funciona como un cargador

249
00:08:14,720 --> 00:08:14,720
de documentos.

250
00:08:14,720 --> 00:08:16,860
Además, al ser de código abierto, pues el

251
00:08:16,860 --> 00:08:19,920
código es transparente y la comunidad puede contribuir.

252
00:08:20,000 --> 00:08:22,660
O incluso puedes autoalojar la herramienta en tus

253
00:08:22,660 --> 00:08:23,439
propios servidores.

254
00:08:23,779 --> 00:08:25,560
Que eso para muchas empresas es clave.

255
00:08:25,759 --> 00:08:26,300
Fundamental.

256
00:08:26,500 --> 00:08:28,120
¿Y para qué se está usando en el

257
00:08:28,120 --> 00:08:28,620
mundo real?

258
00:08:28,860 --> 00:08:30,720
¿Qué casos de uso destacan?

259
00:08:31,300 --> 00:08:33,019
Pues… son bastante variados.

260
00:08:33,259 --> 00:08:35,919
Uno muy claro es crear asistentes de IA

261
00:08:35,919 --> 00:08:37,019
más inteligentes.

262
00:08:37,559 --> 00:08:40,340
Alimentar chatbots con contenido web que sea preciso

263
00:08:40,340 --> 00:08:41,360
y en tiempo real.

264
00:08:41,580 --> 00:08:41,940
Vale.

265
00:08:42,360 --> 00:08:44,580
Otro es el enriquecimiento de leads.

266
00:08:44,720 --> 00:08:47,860
Mejorar los datos de ventas con información extraída

267
00:08:47,860 --> 00:08:49,779
de la web sobre posibles clientes.

268
00:08:49,799 --> 00:08:51,559
Eso es muy potente para un equipo comercial.

269
00:08:51,960 --> 00:08:52,419
Muchísimo.

270
00:08:52,600 --> 00:08:54,759
Y también para la investigación profunda.

271
00:08:54,879 --> 00:08:57,820
Para extraer información exhaustiva para análisis de mercado

272
00:08:57,820 --> 00:08:59,220
o para temas académicos.

273
00:08:59,559 --> 00:09:01,299
Y no hay que olvidar que, por debajo,

274
00:09:01,340 --> 00:09:04,580
gestiona automáticamente tareas complejas, como el manejo de

275
00:09:04,580 --> 00:09:07,860
proxies, contenido bloqueado por Javascript, e incluso puede

276
00:09:07,860 --> 00:09:10,720
analizar archivos PDF y 12x que encuentre en

277
00:09:10,720 --> 00:09:11,039
la web.

278
00:09:11,220 --> 00:09:14,700
Entonces, como conclusión, Firecrawl es una herramienta que,

279
00:09:14,700 --> 00:09:15,820
además de ser una herramienta potente y muy

280
00:09:15,820 --> 00:09:18,299
bien diseñada, pero para una tarea muy, muy

281
00:09:18,299 --> 00:09:19,019
específica.

282
00:09:19,019 --> 00:09:22,039
Sí, convertir la web en datos estructurados para

283
00:09:22,039 --> 00:09:23,019
los modelos de IA.

284
00:09:23,200 --> 00:09:25,440
Si se cuenta con el equipo de ingeniería,

285
00:09:25,460 --> 00:09:27,840
con el presupuesto y con el tiempo para

286
00:09:27,840 --> 00:09:30,600
construir una solución a medida, parece una pieza

287
00:09:30,600 --> 00:09:32,419
excelente para el puzzle tecnológico.

288
00:09:32,600 --> 00:09:34,980
Pero si el objetivo es resolver un problema

289
00:09:34,980 --> 00:09:38,720
de negocio, rápido y fiable, es fundamental entender

290
00:09:38,720 --> 00:09:41,700
el coste y el esfuerzo total, no sólo

291
00:09:41,700 --> 00:09:42,879
el precio de la herramienta.

292
00:09:42,879 --> 00:09:46,080
La elección depende enteramente del objetivo final.

293
00:09:46,340 --> 00:09:49,059
Y para terminar, un último apunte que invita

294
00:09:49,059 --> 00:09:49,840
a pensar en el futuro.

295
00:09:50,620 --> 00:09:53,600
Firecrawl está experimentando con un framework de agentes

296
00:09:53,600 --> 00:09:54,980
llamado Fire1.

297
00:09:55,299 --> 00:09:56,019
Ah, sí.

298
00:09:56,399 --> 00:09:59,620
Usa Gemini 2 .5 Pro para interpretar la

299
00:09:59,620 --> 00:10:01,759
intención del usuario y navegar por la web

300
00:10:01,759 --> 00:10:02,700
de forma autónoma.

301
00:10:02,879 --> 00:10:04,899
Y esto apunta a un futuro muy interesante.

302
00:10:05,279 --> 00:10:07,279
Ya no sólo pedimos datos de una página,

303
00:10:07,460 --> 00:10:09,039
sino que le damos a una IA un

304
00:10:09,039 --> 00:10:09,379
objetivo.

305
00:10:09,899 --> 00:10:10,419
Exacto.

306
00:10:10,419 --> 00:10:12,679
Y que ella averigüe por sí misma, cómo

307
00:10:12,679 --> 00:10:15,440
navegar, hacer clic y extraer lo que necesita.

308
00:10:15,759 --> 00:10:17,820
La pregunta que queda en el aire es,

309
00:10:17,899 --> 00:10:20,860
¿qué pasaría si en lugar de programar un

310
00:10:20,860 --> 00:10:23,960
scraper, simplemente le diéramos a una IA un

311
00:10:23,960 --> 00:10:26,820
objetivo de negocio y la dejáramos navegar por

312
00:10:26,820 --> 00:10:27,980
la web para cumplirlo?

313
00:10:28,220 --> 00:10:30,220
Y así hemos llegado al final por hoy.

314
00:10:30,279 --> 00:10:32,539
Os recordamos que detrás de las voces sintéticas

315
00:10:32,539 --> 00:10:35,139
que se escuchan en estos episodios, sí, son

316
00:10:35,139 --> 00:10:37,639
generadas por IA, en concreto por Notebook LM,

317
00:10:37,899 --> 00:10:40,679
pues se encuentra un humano con duodeno, pulgares

318
00:10:40,679 --> 00:10:42,299
y algún michelin, entre otras cosas.

319
00:10:42,379 --> 00:10:45,240
Estamos hablando de Julio Pablo Vázquez, el responsable

320
00:10:45,240 --> 00:10:46,980
de elegir los temas, el enfoque y hacer

321
00:10:46,980 --> 00:10:47,840
de hombre orquesta.

322
00:10:47,940 --> 00:10:50,360
Si se escucha algún error, pedimos disculpas en

323
00:10:50,360 --> 00:10:51,799
su nombre, porque lo más probable es que

324
00:10:51,799 --> 00:10:53,059
se trate de un error humano.

325
00:10:53,320 --> 00:10:54,340
Hasta la próxima, amigos.

326
00:11:05,100 --> 00:11:07,200
Y hasta aquí el episodio de hoy.

327
00:11:07,360 --> 00:11:09,139
Muchas gracias por tu atención.

328
00:11:18,769 --> 00:11:20,570
Esto es BIMPRAXIS.

329
00:11:20,830 --> 00:11:23,370
Nos escuchamos en el próximo episodio.