Accure

Accure és una startup del sector del software i SaaS amb seu a Barcelona (Barcelona). Segons les dades disponibles, la seva raó social és ACCURE i el seu estat registral és actiu.

No consta al corpus cap descripció addicional sobre el producte concret, el model de negoci o el segment de clients al qual s'adreçava.

No consta al corpus disponible la data de fundació, els fundadors ni les circumstàncies de la creació de l'empresa. L'única font citada és l'entrada d'Accure a la Viquipèdia en castellà (https://es.wikipedia.org/wiki/Accure), que no aporta, en les dades subministrades, detalls verificables sobre aquest apartat.

D'acord amb la classificació sectorial disponible, Accure operava en l'àmbit del software i els serveis SaaS. No consta al corpus informació sobre quin producte o servei concret oferia, ni quin perfil de clients tenia, ni quin abast geogràfic o de mercat cobria.

No consta al corpus cap dada sobre l'evolució del negoci, el creixement, la facturació, el finançament rebut o fites rellevants. Per tant, no es pot descriure cap període d'expansió o de bon comportament amb base en les fonts disponibles.

Segons les dades disponibles, Accure consta com a activa a l'estat registral. Per tant, no es pot afirmar que hagi tancat. No consta al corpus cap informació sobre un cessament d'activitat, una dissolució, una venda o una transformació societària.

Si en el futur es volgués verificar un canvi d'estat, caldria consultar el BORME i el Registre Mercantil corresponent, atès que el corpus actual no ho recull.

No consta al corpus cap informació sobre l'impacte, la petjada o els actius que hagi pogut deixar Accure, ni sobre productes, tecnologia o equips que s'hagin transferit a tercers. Com que l'empresa consta com a activa segons les dades disponibles, no es pot parlar pròpiament d'una herència post-tancament.

No consta al corpus la identitat dels fundadors ni la seva situació actual. Per obtenir aquesta informació es podria consultar el Registre Mercantil (administradors i socis), el BORME per a nomenaments i cessaments, i fonts públiques com LinkedIn o notes de premsa especialitzada, cap de les quals no forma part del corpus subministrat.

• Abans de tractar una startup com un cas de tancament, cal verificar l'estat registral: en aquest cas les dades indiquen que Accure consta com a activa, i qualsevol relat de fracàs seria una suposició no fonamentada.
• En l'àmbit del SaaS, la informació pública sol ser escassa si no hi ha notes de premsa o rondes de finançament; per a un informe rigorós cal contrastar Registre Mercantil, BORME i fonts sectorials abans de descriure producte, clients o trajectòria.
• La classificació sectorial àmplia ("software i SaaS") no permet inferir el model de negoci ni la viabilitat; caldria documentació específica (comptes anuals dipositats, contractes o comunicacions públiques) per analitzar l'evolució real de l'empresa.

De les dades verificades només en podem afirmar el perfil: una startup de programari i SaaS amb seu a Barcelona. No tenim, a les fonts disponibles, detall del producte, clients ni model de preus, així que qualsevol reconstrucció ha de partir d'aquesta base mínima i no de suposicions sobre què feia exactament.

La proposta, doncs, és reconstruir un SaaS lleuger des de zero mantenint l'essència "startup SaaS de Barcelona": un producte de programari en núvol, d'abast reduït, pensat per validar-se ràpidament amb primers clients de pagament. La marca i l'eventual codi o cartera de clients originals s'haurien de verificar abans de reutilitzar-los (no consten a les fonts consultades).

L'ecosistema de startups SaaS a Barcelona és actiu i consolidat, amb accés a talent tècnic, inversió primerenca i clients empresarials a Catalunya i Espanya. Això és context de mercat general, no una dada específica d'Accure.

El que no podem afirmar amb les fonts disponibles és quin nínxol concret ocupava Accure ni si aquell nínxol continua obert. Per tant, el mercat a atacar s'ha de redefinir i validar amb recerca primària (entrevistes a potencials clients) abans de construir res.

Proposta (a validar): subscripció SaaS per nivells (freemium o prova + plans de pagament mensual/anual), amb cost d'adquisició baix i orientació a retenció. És el model estàndard del sector i encaixa amb el perfil verificat "Software i SaaS".

No hi ha dades verificades sobre els preus, la mètrica de facturació ni la base de clients originals d'Accure; qualsevol xifra de preus o d'ingressos que es proposi és estimació a validar amb el mercat.

1. Verificació prèvia (2-4 setmanes): confirmar l'estat real de la societat, la titularitat de la marca i si hi ha actius (codi, clients, contractes) recuperables. Això és imprescindible i no consta a les fonts.
2. Definició de nínxol (2-4 setmanes): 15-25 entrevistes a potencials clients per triar un problema concret i pagable.
3. MVP (8-12 setmanes): producte mínim que resolgui aquest problema; estimació de rang, a validar.
4. Primers clients de pagament (4-8 setmanes): validar disposició a pagar abans d'escalar.
5. Iteració i mètrica: decidir si s'escala o es pivota segons retenció i ingressos.

Totes les xifres són estimacions de rang, a validar, no dades d'Accure:

• Constitució/verificació legal i marca: rang orientatiu de 1.000-3.000 €.
• Desenvolupament de l'MVP (equip petit o freelance): rang orientatiu de 15.000-40.000 € segons abast.
• Màrqueting i primers clients: rang orientatiu de 3.000-10.000 €.
• Despeses corrents durant 6 mesos (infraestructura, eines, legal): rang orientatiu de 6.000-15.000 €.

Ordre de magnitud total per començar: aproximadament 25.000-70.000 €, a validar segons l'abast real del producte i l'equip.

• Risc d'informació: les fonts disponibles són mínimes; reconstruir sense verificar el producte original pot portar a construir una cosa que no té mercat.
• Risc de marca i legal: cal confirmar la titularitat d'Accure i l'estat real de la societat abans de reutilitzar res.
• Risc de mercat: el nínxol original no està verificat; cal validar-lo de nou.
• Risc financer: les estimacions de cost són rangs amplis; un MVP mal abastit pot duplicar el pressupost.

Lliçons que es desprenen de l'evidència disponible (no un currículum):

• Verificar abans de construir: amb tan poca informació verificada, el primer pas no és programar sinó confirmar què era Accure i què en queda.
• Validar el nínxol amb clients reals abans d'invertir en producte; el perfil "SaaS a Barcelona" és massa genèric per si sol.
• Començar petit i mesurable: un MVP d'abast reduït i primers clients de pagament redueixen el risc financer.
• Tractar totes les xifres com a hipòtesis: cap dada de cost o mercat d'aquest informe prové de fonts verificades sobre Accure; són estimacions a validar.

Les organitzacions que posen models d'IA en producció no poden respondre tres preguntes bàsiques: quin model va generar aquesta decisió, amb quines dades es va entrenar i qui va aprovar el desplegament. Els equips de ML porten aquesta informació en notebooks, fulls de càlcul i missatges, i quan hi ha una incidència o una auditoria (interna o reguladora) la reconstrucció és manual i sovint impossible.

Accure existiria per convertir aquesta reconstrucció en una consulta. No és un MLOps genèric ni un experiment tracker: és la capa de govern que connecta el model, les dades, les avaluacions i les aprovacions en un únic registre auditable. El motiu de fer-ho com a producte separat és que la governança ha de sobreviure als canvis d'eina d'entrenament; si visqués dins del framework de torn, quedaria lligada a ell.

Tres plans separats perquè tenen cicles de vida i requisits de seguretat diferents:

``` [ Pla de control ] API REST + consola web - registre de models, versions, aprovacions - política d'avaluació (què s'ha de complir)

[ Pla d'execució ] workers efímers - executa avaluacions (biaix, deriva, robustesa) - calcula mètriques i firmes

[ Pla de dades ] emmagatzematge immutable - registre d'auditoria append-only - artefactes (datasets, pesos, informes) en object storage ```

Decisions i motius:

• Registre d'auditoria append-only amb encadenament de hash. Cada esdeveniment (registre de model, avaluació, aprovació, desplegament) s'escriu amb el hash de l'anterior. Motiu: si algú amb accés a la base de dades intenta esborrar o alterar una entrada, la cadena es trenca i es detecta. Un registre mutable no serveix com a evidència.
• Workers efímers per a avaluacions. Cada avaluació s'executa en un contenidor aïllat que mor en acabar. Motiu: el codi d'avaluació pot ser aportat per l'usuari (plugins) i no ha de poder tocar el pla de control ni el registre.
• Artefactes en object storage amb adreçament per contingut (hash). Motiu: un dataset o un informe s'identifica pel seu hash, no pel nom; dos fitxers amb el mateix contingut són el mateix objecte, i la referència des del registre és verificable.
• PostgreSQL per a metadades i l'índex d'auditoria. Motiu: transaccions fortes per a les aprovacions i consultes relacionals per al llinatge; no cal un motor especialitzat per al volum inicial.

Entitats principals (simplificat):

```sql model (id, nom, owner_team, risc_nivell, creat_el) model_version (id, model_id, versio, hash_artefacte, estat, creat_el) -- estat: esborrany | en_avaluacio | aprovat | desplegat | retirat dataset_ref (id, hash_contingut, origen, esquema_hash) linatge (model_version_id, dataset_ref_id, rol) -- rol: entrenament | validacio | test avaluacio (id, model_version_id, politica_id, estat, resultat_json, executada_el) metrica (avaluacio_id, nom, valor, llindar, compleix) aprovacio (id, model_version_id, aprovador, decisio, justificacio, signada_el) desplegament (id, model_version_id, entorn, iniciat_el, retirat_el) audit_event (id, tipus, payload_json, hash_previ, hash_propi, creat_el) ```

Notes de disseny:

• `model_version` és immutable un cop passa a `en_avaluacio`; qualsevol canvi crea una versió nova. Motiu: una versió aprovada no pot canviar de contingut sense tornar a passar per aprovació.
• `linatge` és una taula de relació perquè un model pot dependre de diversos datasets i un dataset pot alimentar diverses versions; el llinatge ha de ser un graf, no una columna.
• `aprovacio.justificacio` és obligatòria: una aprovació sense text no és evidència.
• `audit_event` no té `update` ni `delete` a nivell de permisos de base de dades; només `insert`.

API REST versionada (`/v1`) amb autenticació per token d'equip i permisos per rol (owner, avaluador, aprovador, auditor).

Endpoints clau:

• `POST /v1/models` i `POST /v1/models/{id}/versions` — registre.
• `POST /v1/versions/{id}/linatge` — declara datasets d'entrada per hash.
• `POST /v1/versions/{id}/avaluacions` — encua una avaluació contra una política; retorna `avaluacio_id`.
• `GET /v1/avaluacions/{id}` — estat i resultats.
• `POST /v1/versions/{id}/aprovacions` — signa una decisió (requereix rol aprovador i justificació).
• `GET /v1/versions/{id}/expedient` — retorna l'expedient complet: llinatge, avaluacions, aprovacions i desplegaments, amb verificació de la cadena d'auditoria.
• `GET /v1/audit/verify` — recalcula la cadena de hash i retorna el primer punt de ruptura, si n'hi ha.

Integracions:

• Webhooks de sortida per a esdeveniments (`version.aprovada`, `deriva.detectada`) cap a Slack o sistemes interns.
• Connectors d'entrada per importar metadades de MLflow i SageMaker (només lectura). Motiu: no competir amb l'eina d'entrenament, sinó absorbir-ne el que ja existeix.
• SDK de Python primari perquè l'equip de ML registri versions des del seu pipeline sense sortir del codi.

Ordre deliberat, perquè cada peça desbloqueja la següent:

1. Registre de models i versions amb hash d'artefacte. Sense això no hi ha res a governar.
2. Registre d'auditoria append-only amb encadenament de hash i l'endpoint de verificació. És el nucli de valor i el més difícil de retrofitar; s'ha de fer abans que cap altra cosa escrigui al sistema.
3. Motor d'avaluació amb una sola política de referència (per exemple, paritat de mètriques entre subgrups) executada en worker efímer.
4. Flux d'aprovació amb justificació obligatòria i bloqueig de desplegament si la política no es compleix.
5. Endpoint d'expedient complet que ajunti tot l'anterior en una sola resposta verificable.

El SDK de Python i els connectors entren al pas 4-5, quan el model de dades ja és estable.

Mides:

• Un equip típic registra 10-50 versions de model al mes i 2-5 avaluacions per versió; el volum inicial és modest i PostgreSQL aguanta sense particionar.
• L'emmagatzematge d'artefactes domina el cost, no les metadades; cal política de retenció des del primer dia.

Riscos:

• Verificació de la cadena d'auditoria a escala. Recalcular tota la cadena en cada consulta no escala. Mitigació: punts de control periòdics (checkpoints) signats, i verificació incremental des de l'últim checkpoint.
• Confiança en el hash de l'artefacte. Si el client envia un hash incorrecte, l'evidència és falsa. Mitigació: el servidor recalcula el hash en rebre l'artefacte, mai se'n refia del client.
• Plugins d'avaluació com a superfície d'atac. Mitigació: workers sense xarxa de sortida, límits de CPU i memòria, i imatge base fixada.
• Deriva de definicions de política. Una política que canvia invalida avaluacions antigues. Mitigació: les polítiques es versionen i cada avaluació en referencia la versió exacta.

• Test d'integritat de la cadena: inserir esdeveniments, alterar-ne un directament a la base de dades i comprovar que `GET /v1/audit/verify` assenyala exactament el punt de ruptura.
• Test d'immutabilitat de versió: intentar modificar una `model_version` en estat `en_avaluacio` i verificar que el sistema ho rebutja.
• Test de bloqueig de desplegament: una versió amb una mètrica per sota del llindar no pot passar a `desplegat` sense una aprovació explícita amb justificació.
• Test d'aïllament de worker: un plugin d'avaluació que intenta connectar-se a la xarxa o llegir el pla de control ha de fallar.
• Validació d'expedient: per a una versió donada, l'expedient retornat ha de contenir el llinatge complet, totes les avaluacions i totes les aprovacions, i la verificació de hash ha de passar.
• Criteri d'acceptació del producte: un auditor extern, sense accés al codi ni a l'equip, ha de poder respondre "per què aquest model va prendre aquesta decisió i qui la va aprovar" només amb l'expedient retornat per l'API.

Nota sobre fonts: la informació registral d'Accure prové de la fitxa proporcionada; la referència de Wikipedia indicada ([Wikipedia] Accure — Wikipédia) no s'ha pogut contrastar en aquesta resposta i no s'ha fet servir per afirmar cap dada tècnica ni d'empresa.