Gráfica 1. Sexo de los participantes

porcentaje <- slice(encuesta,2:210) %>%
    group_by(Q2) %>%
    count() %>%
    ungroup() %>%
    mutate(percentage=`n`/sum(`n`)*100)
ggplot(porcentaje, aes(x=1, y=percentage, fill=Q2))+
    geom_bar(stat="identity")+
    geom_text(aes(label=paste0(round(percentage,1),"%")),
              position=position_stack(vjust=0.5))+
    coord_polar(theta="y")+
    theme_void()+
  ggtitle("Sexo de los participantes") +
  scale_fill_manual(values=c("peachpuff","lightsalmon"))

Tabla 1. Sexo de los participantes

datatable(porcentaje)

La edad promedio de los participantes es de 35 años, en un rango desde los 16 hasta los 67 años.

Gráfica 2. Edad de los participantes

vec <- (encuesta$Q3)
vec <- as.vector(vec)
vec <- vec[2:210]
vec <- as.numeric(vec)
vec <- as.vector(vec)

purp <- (palette="Purples")
hist(vec,
     main="Edades de los participantes",
     xlab="Años",
     ylab="Frecuencia",
     border=("white"),
     col=c("peachpuff","lightsalmon","salmon1","coral","coral1","coral2","coral3","coral4","chocolate4"))

La muestra se integra por personas de diferentes roles dentro de su organización. Encontramos a 53 directores, 41 estudiantes, 12 coordinadores, 12 ingenieros, 9 gerentes y el resto tiene diferentes puestos.

Los encuestados colaboran en diferentes instituciones, tanto públicas como privadas.

Gráfica 3. Rol de los participantes dentro de su organización

ggplot(slice(encuesta,2:210),
       mapping = aes(x=fct_infreq(Q5), fill=Q5))+
    geom_bar(stat="count")+ labs(title = "Rol dentro de su organización de los participantes", x="Nivel",y="Frecuencia")+
      theme(legend.position = "none")+
coord_flip()+
  scale_fill_manual(values=c("peachpuff4","peachpuff3","peachpuff1","peachpuff2","lightsalmon","salmon","salmon1","coral","coral1","coral2","coral3","coral4","chocolate4","salmon2","salmon3","salmon4","sandybrown","peru","lightsalmon2","lightsalmon1","lightsalmon3","lightsalmon4","darksalmon"))

Algunos participantes pertenecen al sector educativo, otros al sector financiero o al sector salud. Cabe mencionar que algunos entrevistados indicaron tener su propia empresa o trabajar de manera independiente.

La principal ventaja de esta encuesta es que permite conocer a diferentes actores en los emprendimientos.

Con esta encuesta se identificaron seis diferentes tipos de actores dentro de los emprendimientos: 53 emprendedores, 35 colaborador en institución académica, 9 coordinadores de incubadora o aceleradora, 6 inversionistas, 6 coordinadores de programas o iniciativas gubernamentales, y 44 afirmaron ser otro tipo de actores. A lo largo del estudio se muestran los hallazgos. Para aquellos encuestados que no se consideraban actores en los emprendimientos, se daba por terminada la encuesta (57).

Figura 3

Gráfica 4. Etapa de crecimiento del emprendimiento por estado

ggplot(etapa, aes(fill=estado, x=etapa))+
    geom_bar(stat="count")+ labs(title = "Etapa de crecimiento del emprendimiento por estado", x="Etapa",y="Frecuencia")+
coord_flip()+
  scale_fill_manual(values=c("peachpuff3","peachpuff1","lightsalmon","salmon","salmon1","coral","coral1","coral2","coral3","coral4","chocolate4","salmon2","salmon3","salmon4","sandybrown","peru","lightsalmon2","lightsalmon1","lightsalmon3","lightsalmon4","darksalmon"))

Tabla 2. Etapa de crecimiento del emprendimiento por estado

datatable(etapa)

Figura 5

Del total de los emprendimientos se encuentra que 18 están enfocados al mercado internacional, 31 al nacional, 3 al estatal y 2 al regional.

Gráfica 4. Emprendimientos por el tipo de mercado

ggplot(mercado, 
       mapping= aes(fill=Mercado, x=Mercado))+
    geom_bar(stat="count")+ labs(title = "Emprendimientos por mercado", x="Nivel",y="Frecuencia")+
  scale_fill_manual(values=c("peachpuff3","peachpuff1","lightsalmon","salmon","salmon1","coral","coral1","coral2","coral3","coral4","chocolate4","salmon2","salmon3","salmon4","sandybrown","peru","lightsalmon2","lightsalmon1","lightsalmon3","lightsalmon4","darksalmon"))

Tabla 3. Emprendimientos por el tipo del mercado

datatable(mercado)

Sobre los colaboradores

Técnicas de IA que utilizan los servicios o productos que desarrolla. De las técnicas de IA que se utilizan las tres más populares son: Machine learning o aprendizaje automático es la más común, con un 26.3%. En segundo lugar, las Redes neuronales artificiales con el 14% y en tercer lugar Data Mining o minería de datos con 10.5%.

Gráfica 5. Técnicas de IA que utilizan los servicios o productos que desarrolla

porcentaje3 <- tecnicas %>%
  
    group_by(Tecnicas) %>%
    count() %>%
    ungroup() %>%
    mutate(percentage=`n`/sum(`n`)*100)
ggplot(porcentaje3, aes(x=1, y=percentage, fill=Tecnicas))+
    geom_bar(stat="identity")+
    geom_text(aes(label=paste0(round(percentage,1),"%")),
              position=position_stack(vjust=0.5))+
    coord_polar(theta="y")+
    theme_void()+
  ggtitle("Técnicas de IA que utilizan los servicios o productos que desarrolla")+
scale_fill_manual(values=c("peachpuff3","peachpuff1","lightsalmon","salmon","salmon1","coral","coral1","coral2","coral3","coral4","chocolate4","salmon2","salmon3","salmon4","sandybrown","peru","lightsalmon2","lightsalmon1","lightsalmon3","lightsalmon4","darksalmon"))

Tabla 4. Técnicas de IA que utilizan los servicios o productos que desarrolla

datatable(porcentaje3)

Uso ético y responsable de la IA. Algunas de los comentarios que hicieron los participantes a este tema fueron:

• “A través del correcto manejo de la información y la privacidad de nuestros usuarios en una plataforma segura”.

• “Bajo código de ética del emprendimiento con base en AI ethics code”.

• “Con total privacidad de datos, solamente compartiendo aquella información del usuario de carácter general con el área de RH de las empresas, a partir del consentimiento total del usuario”.

• “Definiendo primeramente nuestros valores y reglas como organización a la hora de enfrentarnos a un reto de Datos. Estableciendo con claridad límites y dialogando activamente en el equipo sobre ética y transformación digital”.

• “Desarrollando esquemas de aprendizaje acelerado hacia los alumnos con enfoque en desarrollo de las nuevas tecnologías e implementando en una propuesta de solución real a algún problema existente en nuestro mundo”.

• “Pensada en la experiencia al usuario y la privacidad de datos”.

• “Respetando datos e información personal”.

• “Teniendo resguardada de forma segura la información usada para el entrenamiento y usando la información únicamente para lo estipulado en el proyecto”.

• “Trabajamos con imágenes de las cuales solo extraemos las características necesarias para generar las métricas que requieren nuestros clientes, lo cual es el diferenciador de nuestro sensor IDC (Image to Data Converter), no guardamos video ni imágenes de las vías públicas. También hacemos sentido de la recurrencia de los clientes leyendo las placas de los automóviles, pero resguardamos la información con un HASH que no puede ser descifrado fácilmente, con lo cual garantizamos la privacidad de las personas”.

Gráfica 6. Necesidades que no cubre el ecosistema de emprendimiento de IA

porcentaje2 <-  servicios %>%
  
    group_by(Q8) %>%
    count() %>%
    ungroup() %>%
    mutate(percentage=`n`/sum(`n`)*100)
ggplot(porcentaje2, aes(x=1, y=percentage, fill=Q8))+
    geom_bar(stat="identity")+
    geom_text(aes(label=paste0(round(percentage,1),"%")),
              position=position_stack(vjust=0.5))+
    coord_polar(theta="y")+
    theme_void()+
  ggtitle("Necesidades detectadas")+
scale_fill_manual(values=c("peachpuff3","peachpuff1","lightsalmon","salmon","coral"))

Tabla 5. Necesidades que no cubre el ecosistema de emprendimiento de IA

datatable(porcentaje2)

El 38% comparte que falta Inversión, 23.9% siente necesidad sobre el Capital Humano, 19.7% piensa que es Capacitación, 11.3% hace referencia a la necesidad de Equipo físico, y 7% comparte que es otra su necesidad. Asimismo, compartieron sus opiniones respecto a otras necesidades:

“Algo importante es que estuvimos 2 años buscando inversión ángel en México y cada vez que lográbamos lo que nos pedían, nos subían más la vara sin brindar un apoyo claro ni cercano (parece que el mercado mexicano aún no cree en ideas diferentes aparte de que el Angel Venture de ahí es muy joven y en realidad se comporta como un Seed Venture), así que actualmente me vine a EUA a tocar más puertas y a registrar/migrar la startup para acá si es necesario”.

“Apoyo gubernamental para la difusión y correcto uso de las tecnologías de IA”.

“Encontrar un problema real que se pueda resolver con IA, y no caer en vanidad”.

“Creemos que la influencia de la IA apenas comienza a ser visible y se abrirán muchos modelos de negocio que podrán ayudar a muchas personas en diferentes ecosistemas”.

Figura 6

Figura 7