diff --git a/talks/sergio_marco.md b/talks/sergio_marco.md
new file mode 100644
index 0000000..7389095
--- /dev/null
+++ b/talks/sergio_marco.md
@@ -0,0 +1,40 @@
+# Beyond the Black Box: The Promise of SHAP in AI Interpretability
+
+## Authors
+
+Sergio Marco Chapapría, Verne Technology Group
+
+## Presenter
+
+Sergio Marco Chapapría, Verne Technology Group
+
+## Abstract (English)
+
+The presentation will explore how SHAP (SHapley Additive exPlanations) is transforming the interpretability of AI models, going beyond conventional techniques by providing accurate,
+coherent, and fair explanations. Based on Shapley value theory, which originated in cooperative game theory, SHAP allows for the assessment of the impact of each feature on predictions,
+overcoming the limitations of traditional approaches such as variable importance and local sensitivity.
+
+Case studies and practical applications will be presented, illustrating how this innovative approach improves the understanding of complex models, enabling informed and responsible decision-making across various fields,
+from medicine to banking. The benefits and challenges arising from adopting SHAP in different sectors and how to address them will be discussed.
+
+The implementation of SHAP in promoting ethics and transparency in artificial intelligence will also be examined, fostering trust from users and regulators.
+The implications of adopting SHAP in generating value for organizations and driving market competitiveness will be highlighted.
+
+Furthermore, the role of SHAP in designing and developing responsible AI solutions will be debated, and how it can encourage collaboration between AI experts, industry professionals,
+and business leaders to fully harness the potential of artificial intelligence in their businesses.
+
+## Resumen (Castellano)
+
+La ponencia explorará cómo SHAP (SHapley Additive exPlanations) está transformando la interpretabilidad en modelos de IA, yendo más allá de las técnicas convencionales al ofrecer explicaciones precisas,
+coherentes y justas. Basado en la teoría de valores de Shapley, que se originó en la teoría de juegos cooperativos, SHAP permite evaluar el impacto de cada característica en las predicciones,
+superando las limitaciones de enfoques tradicionales como la importancia de las variables y la sensibilidad local.
+
+Se presentarán casos de estudio y aplicaciones prácticas que ilustran cómo este enfoque innovador mejora la comprensión de modelos complejos, permitiendo una toma de decisiones informada y responsable en diversos campos,
+desde la medicina hasta la banca. Se discutirán los beneficios y desafíos que surgen al adoptar SHAP en diferentes sectores y cómo abordarlos.
+
+También se examinará cómo la implementación de SHAP promueve la ética y la transparencia en la inteligencia artificial, fomentando la confianza de usuarios y reguladores.
+Se destacarán las implicaciones de la adopción de SHAP en la generación de valor para las organizaciones y cómo puede impulsar la competitividad en el mercado.
+
+Además, se debatirá el papel de SHAP en el diseño y desarrollo de soluciones de IA responsables y cómo puede fomentar la colaboración entre expertos en IA,
+profesionales de la industria y líderes empresariales para aprovechar al máximo el potencial de la inteligencia artificial en sus negocios.
+