Ayming

Según los datos verificados, Ayming es una empresa del sector del software y SaaS con sede en Barcelona (Barcelona) y consta como activa en el registro. La fuente disponible es una entrada de Wikipedia (es.wikipedia.org/wiki/Ayming). No consta en los datos ninguna información sobre su forma jurídica concreta, su dimensión, su objeto social detallado ni la fecha de constitución.

No consta en los datos verificados ninguna información sobre la fundación de Ayming: ni la fecha, ni los fundadores, ni el contexto de creación. La fuente citada (Wikipedia) no ha sido recogida en el corpus con contenido sobre este punto.

No consta en los datos verificados qué actividad concreta desarrollaba Ayming ni a qué tipo de clientes se dirigía, más allá de la clasificación sectorial como empresa de software y SaaS. No se puede afirmar nada sobre productos, servicios o mercados sin inventar.

No consta en los datos verificados ninguna información sobre la evolución de la empresa, la facturación, el crecimiento, el número de trabajadores o cualquier indicador de etapa favorable. No se puede describir ningún periodo de expansión.

No consta que Ayming haya cerrado. De acuerdo con los datos verificados, el estado registral es activo. Por tanto, no hay ninguna causa de cierre que describir.

No consta en los datos verificados ninguna información sobre la herencia, el impacto o la continuidad de Ayming más allá de su estado registral activo. No se puede afirmar nada sobre legado empresarial, productos derivados o personas formadas en la empresa.

No consta en los datos verificados la identidad de los fundadores de Ayming, ni su trayectoria posterior. Para intentarlo, se podría consultar el registro mercantil correspondiente, el BORME y fuentes primarias de la empresa; ninguna de estas consultas forma parte del corpus disponible.

Los datos disponibles no permiten extraer lecciones operativas específicas del sector: no consta ni la actividad concreta, ni la evolución, ni ningún episodio de crisis o transformación. Cualquier conclusión sobre estrategia, producto o mercado en software y SaaS sería una suposición no sostenida por las fuentes. Lo que sí se puede constatar es que la clasificación como "startup" y el estado registral "activa" son los únicos datos firmes del corpus, y que habría que ampliar las fuentes (registro mercantil, BORME, prensa económica) antes de hacer cualquier análisis de caso.

La informació verificada disponible sobre Ayming és mínima: consta com a startup del sector Software i SaaS amb seu a Barcelona i estat registral actiu, però sense activitat operativa. No tenim dades públiques verificades sobre el producte concret, el model de preus, els clients ni l'equip fundador. Per tant, qualsevol reconstrucció ha de partir d'aquesta base i no pot atribuir a l'empresa original característiques que no estiguin documentades.

La proposta, doncs, no és "replicar Ayming", sinó reconstruir l'essència d'una startup SaaS de Barcelona amb un enfocament que avui és més viable que fa uns anys: un producte vertical (per a un sector concret), amb un abast inicial molt limitat, distribució digital i un equip fundador de 2-3 persones. La marca Ayming es podria reaprofitar o no; legalment caldria verificar la titularitat i l'estat registral abans de fer-ne cap ús (a validar amb un advocat).

No disposem de dades verificades sobre el mercat original d'Ayming. El que sí que podem afirmar és el context general: Barcelona és un dels hubs de SaaS i startups més actius del sud d'Europa, amb ecosistema de finançament, talent tècnic i programes públics de suport. Això és context de mercat, no dada d'Ayming.

La proposta de mercat (a validar): triar un nínxol vertical on el programari encara sigui majoritàriament fulls de càlcul o eines genèriques. L'avantatge d'un SaaS vertical és que el client paga per resoldre un problema concret i la competència és menys densa que en horitzontal. Caldrà validar la mida del nínxol amb entrevistes a 20-30 clients potencials abans d'escriure codi.

Model proposat (no verificat de l'original): subscripció mensual o anual per compte o per seient, amb un pla gratuït limitat o prova de 14 dies per reduir la fricció d'entrada. Ingressos recurrents, cost d'adquisició baix via contingut i vendes sortints lleugeres al principi.

Estructura de costos típica d'un SaaS primerenc (estimació, a validar): infraestructura al núvol (rang de 50-300 €/mes al començament), eines (CRM, correu, analítica: rang de 100-200 €/mes), i la resta en persones. El punt crític és el churn: un SaaS vertical necessita retenció alta; si els clients marxen al cap de pocs mesos, el model no funciona encara que les vendes inicials semblin bé.

Fase 0 — Validació (mesos 1-2): 20-30 entrevistes a clients potencials del nínxol triat, definició del problema i del preu que estarien disposats a pagar. Cap línia de codi encara.

Fase 1 — MVP (mesos 2-4): producte mínim que resolgui una sola feina del client, desplegat a 5-10 usuaris pilot. Mètrica d'èxit: ús setmanal sostingut, no només registres.

Fase 2 — Primers ingressos (mesos 4-8): conversió de pilots a subscripció de pagament, preu inicial baix (rang estimat de 20-50 €/mes per usuari, a validar segons el nínxol). Objectiu: 10-20 clients de pagament.

Fase 3 — Repetibilitat (mesos 8-12): canal d'adquisició que funcioni de manera repetible (contingut, comunitat o vendes sortints), i decisió de créixer o pivotar segons les dades.

Totes les xifres són estimacions orientatives, a validar, i no provenen de dades d'Ayming:

• Equip fundador (2-3 persones) durant 12 mesos: el cost dominant. Si els fundadors no es paguen sou inicialment, el cost en efectiu baixa molt; si es paguen, rang estimat de 60.000-120.000 € anuals per a l'equip, segons perfils.
• Infraestructura i eines: rang estimat de 2.000-5.000 € el primer any.
• Constitució, legal i fiscal: rang estimat de 1.500-4.000 € (incloent revisió de marca i estat registral d'Ayming).
• Màrqueting i vendes inicials: rang estimat de 3.000-10.000 € el primer any.
• Total en efectiu si els fundadors no es remuneren: rang estimat de 10.000-25.000 € el primer any. Amb sous de mercat per a l'equip, el total puja a l'ordre de 80.000-150.000 € (estimació àmplia, a validar).

1. Risc de marca i legal: Ayming consta com a activa registralment. Reaprofitar el nom sense verificar la titularitat pot generar conflictes. Cal aclarir-ho abans de res.
2. Risc de nínxol massa petit: un SaaS vertical pot tenir un sostre de mercat baix. Cal validar la mida abans d'invertir.
3. Risc de producte sense problema real: el fracàs més comú és construir quelcom que ningú no demanava. La fase 0 existeix precisament per evitar-ho.
4. Risc de caixa: un SaaS triga mesos a generar ingressos recurrents; sense marge de caixa o finançament, l'equip es crema.
5. Risc de dependència de poques persones: amb 2-3 fundadors, la marxa d'un de sol pot aturar el projecte.

La lliçó principal de l'expedient original, a partir de les poques dades verificades, és que una startup SaaS no fracassa per falta d'idea sinó per falta de validació i de caixa. El perfil adequat per reconstruir-ho és un equip petit (2-3 persones) amb un fundador que conegui de primera mà el nínxol triat —idealment algú que hagi treballat dins del sector objectiu—, acompanyat d'un perfil tècnic capaç de construir el MVP i d'un perfil comercial capaç de vendre'l. No cal un equip gran ni capital abundant: cal disciplina per validar abans de construir, i marge de caixa per aguantar els mesos sense ingressos. La reconstrucció té sentit si es tracta com un projecte nou amb lliçons apreses, no com una repetició del que ja va existir.

Ayming operava en consultoria de subvencions, innovació i optimització de costos; la font disponible ([Wikipedia] Ayming — Wikipédia) el descriu com un grup de consultoria especialitzat en aquests àmbits. El punt de dolor real que atenia era que una PIME no té cap manera barata de saber si el que paga per assegurances, energia, telecomunicacions, gestoria o logística està dins del mercat. Els consultors ho resolien amb hores d'anàlisi i negociació manual, un servei car i no escalable.

El producte que construïm no ven consultoria: ven una resposta quantificada i contínua a la pregunta «estic pagant de més?». La diferència tècnica clau és que el valor no surt de l'opinió d'un consultor sinó d'un motor de cohorts que compara cada empresa amb empreses semblants del mateix sector, mida i geografia.

Arquitectura en tres plans, desacoblats perquè la ingesta de documents és el coll d'ampolla i no ha de bloquejar la consulta.

• Pla d'ingesta: servei d'upload (S3-compatible) + workers de processament. Els documents (factures PDF, extractes bancaris CSV, fitxers de nòmines) passen per OCR (Textract o Tesseract segons cost) i per un extractor de camps. Cada document genera un `raw_document` immutable i un `extraction_result` versionat.
• Pla de normalització: un servei que mapeja línies de factura a un catàleg tancat de conceptes de despesa (`expense_concept`) i a un proveïdor canònic (`vendor`). Aquí viu el coneixement de domini: diccionaris de sinònims, regles per NIF de proveïdor i un model de classificació amb correcció humana en cua.
• Pla de consulta i benchmarking: base de dades analítica (Postgres amb extensions o ClickHouse si el volum ho demana) on es calculen les cohorts. L'API de lectura serveix ràtios agregats i anonimitzats; mai retorna dades d'una altra empresa individual.

Motiu de les decisions: Postgres com a font de veritat perquè les regles de negoci i l'auditoria de canvis són crítiques; el càlcul de cohorts es fa en un job nocturn i s'emmagatzema en taules de resultats, de manera que la consulta interactiva no toca mai dades en brut. L'anonimització és una propietat de l'arquitectura, no un filtre a la sortida: les cohorts només s'exposen si superen un llindar mínim d'empreses.

Entitats principals (simplificat):

``` tenant(id, nom, cif, sector_cnae, mida_tram, provincia, created_at) user(id, tenant_id, email, rol) raw_document(id, tenant_id, tipus, storage_key, hash, uploaded_at) extraction_result(id, raw_document_id, versio, camps_json, confianca, model_versio) expense_line(id, tenant_id, extraction_result_id, data, import, moneda, vendor_id, expense_concept_id, confianca, revisat_per) vendor(id, nom_canonic, nif, sector_proveidor) expense_concept(id, codi, nom, categoria, unitat) cohort(id, sector_cnae, mida_tram, provincia, periode) benchmark_metric(id, cohort_id, expense_concept_id, p25, p50, p75, n_empreses, periode, updated_at) ```

Decisions: `raw_document` és immutable i es referencia per hash per evitar duplicats; `extraction_result` es versiona perquè un canvi de model no destrueixi l'extracció anterior. `expense_line` guarda la confiança i el revisor humà, cosa que permet mesurar la qualitat de la normalització. `benchmark_metric` és una taula materialitzada per cohort i període: es recalcula en batch i inclou `n_empreses` perquè l'API pugui bloquejar cohorts massa petites.

• `POST /v1/documents` — puja un document, retorna `raw_document_id` i estat `pending`.
• `GET /v1/documents/{id}` — estat d'extracció i confiança per camp.
• `POST /v1/expense-lines/{id}/review` — correcció humana d'un concepte o proveïdor.
• `GET /v1/benchmark?concept=ENERGIA&periode=2025-Q1` — retorna p25/p50/p75 de la cohort del tenant i la posició relativa de l'empresa, amb `n_empreses` i un indicador `suppressed` si no supera el llindar.
• `GET /v1/opportunities` — llista de conceptes on l'empresa està per sobre del p75 de la seva cohort, ordenats per estalvi potencial estimat.

Integracions: connectors de correu (IMAP o Gmail API) per capturar factures automàticament, i un connector bancari via agregador (per exemple, una API tipus Plaid/GoCardless) per importar extractes. Tots dos són opcionals; el flux mínim és l'upload manual. L'API és REST amb autenticació per token de tenant i claus per rol; les respostes de benchmarking mai inclouen identificadors d'altres tenants.

1. Ingesta i extracció d'un sol tipus de document: factures de subministraments (energia, telecom). És on hi ha més volum i més estalvi potencial.
2. Catàleg de conceptes tancat i petit: 15-20 conceptes de despesa, no cent. Un catàleg gran destrueix la qualitat de classificació.
3. Cua de revisió humana amb interfície mínima: l'extracció automàtica sense correcció no arriba a confiança suficient per publicar benchmarks.
4. Motor de cohorts amb llindar mínim i una sola mètrica (p50 per concepte i sector). Sense això no hi ha producte.
5. Informe d'oportunitats en PDF i pantalla: el lliurable que l'usuari veu i comparteix.

No construir encara: connectors bancaris, negociació de proveïdors, multi-idioma ni app mòbil.

• Mida de cohort: el risc principal és tenir poques empreses per cohort i que el benchmark no sigui publicable. Mitigació: començar amb un sol sector i una sola província, i ampliar només quan cada cohort superi el llindar (proposo mínim 15 empreses per cohort i concepte).
• Qualitat d'extracció: PDFs de proveïdors molt diversos. Mitigació: confiança per camp, revisió humana obligatòria per sota d'un llindar, i mètrica de precisió per proveïdor.
• Privadesa i anonimització: el risc legal de filtrar dades d'un client és alt. Mitigació: agregació en batch, llindar mínim, i cap consulta que retorni files individuals d'altres tenants.
• Cost d'OCR: pot créixer ràpid. Mitigació: cache per hash de document i OCR només de la primera pàgina rellevant quan el format ho permeti.
• Deriva de cohorts: els preus canvien; cal recalcular mensualment i versionar el període del benchmark.

• Validació d'extracció: sobre un conjunt etiquetat manualment de 200 factures, mesurar precisió per camp (import, data, proveïdor, concepte) i exigir un mínim abans de publicar.
• Validació de benchmark: comparar el p50 calculat amb preus de mercat coneguts per a 2-3 conceptes (per exemple, tarifes elèctriques) i comprovar que cau dins d'un rang raonable.
• Validació de producte: pilot amb 20-30 PIMEs d'un sol sector; mesurar si l'informe d'oportunitats identifica estalvis que l'empresa reconeix com a accionables.
• Validació d'anonimització: proves automàtiques que cap resposta de l'API inclogui identificadors d'altres tenants ni cohorts per sota del llindar.
• Criteri d'èxit del pilot: almenys el 50% dels participants troben una oportunitat d'estalvi que no coneixien, i el benchmark es publica per a totes les cohorts del pilot.