Electric Plant ha cerrado una ronda semilla de 11,2 millones de dólares para vender sensores y un LLM llamado Bombadil, entrenado durante tres años para interpretar las señales eléctricas de las plantas. Lideran la ronda Onto Ventures y Climactic. La propuesta apunta a agricultores y silvicultores: sustituir o complementar sondas de suelo, espectroscopios e imágenes de satélite con sensores en el tallo que cuestan decenas de dólares. Es una apuesta de modelo de lenguaje aplicado a un dato que casi nadie mide.
Qué ha pasado: una semilla de 11,2 millones para leer las señales eléctricas de las plantas
La startup Electric Plant ha anunciado una ronda semilla de 11,2 millones de dólares, con Onto Ventures y Climactic al frente. El dinero servirá para comercializar dos piezas que van juntas: unos sensores que se colocan en el tallo de la planta y Bombadil, un LLM que traduce lo que esos sensores registran. Según la empresa, el modelo lleva tres años de entrenamiento y es capaz de interpretar señales en unas 125 especies distintas.
El planteamiento es directo. Las plantas generan señales eléctricas y, si se miden en el tallo, se obtiene información sobre su estado desde la propia planta, no desde el suelo o desde el aire. Bombadil se encarga de convertir esas lecturas en algo que un agricultor o un gestor forestal pueda usar para tomar decisiones, como cuánto regar.
El CEO, Justin Mast, sostiene que el sistema puede reducir el consumo de agua un 20 % o más. Conviene tratar esa cifra con cautela: la aporta la propia compañía y, por lo que se ha comunicado, no hay una validación independiente que la respalde. Es un dato de venta, no un resultado verificado por terceros.
Contexto: por qué medir la planta y no el entorno
Hasta ahora, quien quería saber si un cultivo estaba bajo estrés hídrico recurría a varias vías indirectas. Las sondas de suelo miden la humedad en un punto concreto. Los espectroscopios analizan la luz reflejada por las hojas. Las imágenes de satélite ofrecen una vista amplia, pero con la resolución y la frecuencia que permite cada servicio. Todas estimulan una pregunta incómoda: ¿lo que mido en el entorno refleja lo que la planta está viviendo realmente?
Electric Plant propone saltarse el intermediario y escuchar a la planta. Es una idea con lógica de ingeniería, y el dato diferencial es el precio y la densidad: sensores de decenas de dólares frente a equipos que cuestan miles, y solo un par por acre. Si esa relación se sostiene en campo, cambia la economía de la monitorización, porque deja de ser un lujo para explotaciones grandes con presupuesto de tecnología.
Implicaciones técnicas: qué aporta un LLM a las señales eléctricas de las plantas
Lo llamativo no es el sensor, sino que el intérprete sea un LLM. Habitualmente, un sensor agrícola entrega un número que alguien calibra con reglas fijas para un cultivo concreto. Aquí la empresa afirma haber entrenado un modelo con tres años de datos para que lea las señales eléctricas de las plantas y funcione en unas 125 especies. Esa amplitud es, de ser cierta, el argumento principal: un único sistema que no exige reconfigurar todo para cada cultivo.
Hay que ser prudentes con lo que no sabemos. No se han detallado ni la arquitectura de Bombadil, ni el volumen de datos de entrenamiento, ni las métricas de precisión por especie. Tampoco hay información pública sobre cómo se comporta el modelo con variedades, climas o suelos distintos de los de su entrenamiento. Sin esos datos, la cifra de 125 especies es una capacidad declarada, no una garantía de rendimiento uniforme.
Otro punto práctico es el tiempo real. Frente a un satélite, que pasa cuando pasa, o a una medición manual periódica, un sensor fijo en el tallo emite de forma continua. Eso permite ajustar el riego cuando la planta lo necesita y no según un calendario. La utilidad depende de que la lectura sea fiable y de que el agricultor confíe en ella lo bastante como para actuar.
Qué significa este movimiento para el mercado
Para los proveedores de monitorización agrícola ya establecidos, la ronda es una señal de que hay capital dispuesto a financiar enfoques que atacan el coste por punto de medida. Si un sensor cuesta decenas de dólares y bastan dos por acre, la comparación con sondas de suelo y espectroscopios se hace en precio por hectárea cubierta. Los competidores tendrán que defender su ventaja con precisión, cobertura o servicios añadidos, no solo con la tecnología de captura.
Para los compradores, la lectura es doble. Por un lado, un menor coste de entrada amplía el público posible: explotaciones medianas y gestores forestales que hoy no justifican una red de sondas. Por otro, una startup de ronda semilla implica riesgos clásicos: producto con poco recorrido comercial, datos de rendimiento aportados por la propia empresa y dependencia de un proveedor joven. Antes de comprometer superficie, lo razonable es pedir pruebas en cultivos similares a los propios y comparar con el método actual durante una campaña.
También importa quién invierte. Que la ronda esté liderada por fondos como Onto Ventures y Climactic indica interés inversor en tecnología aplicada al uso del agua y al clima, pero no valida por sí solo la eficacia del producto. La ronda financia la salida al mercado; los resultados en campo son lo que decidirá si el modelo se mantiene.
Análisis Blixel
Un LLM no tiene por qué ser un chatbot, y esta noticia lo ilustra bien. Lo interesante de Bombadil es que usa un modelo de lenguaje como traductor de un dato que los humanos no sabemos leer a simple vista. Esa es una aplicación más honesta de la IA generativa que muchas integraciones con calzador: hay un problema real, el agua, y un dato nuevo, las señales eléctricas de las plantas, que antes no se aprovechaba de forma sistemática.
Dicho esto, mantengo el escepticismo que me pide el oficio. La reducción del 20 % o más en el uso de agua la cuenta la propia empresa, y 11,2 millones de dólares en una semilla compran tiempo y despliegue, no evidencia. Lo que me parece más sólido es el argumento económico: sensores de decenas de dólares y un par por acre. Si eso se cumple, cambia quién puede permitirse monitorizar sus cultivos, y ese es el verdadero potencial de mercado.
Lo que me gustaría ver en los próximos meses son pruebas abiertas: resultados por especie, comparativas con sondas de suelo en condiciones reales y datos de fiabilidad a lo largo de una campaña completa. Hasta entonces, es una ronda prometedora con una tesis clara, no una tecnología demostrada. Para una explotación española, la pregunta útil no es si suena bien, sino si se puede probar a pequeña escala, con coste acotado y con una vara de medir independiente.
¿Quieres aplicar esto en tu empresa? En Blixel.ai te ayudamos a integrar IA con sentido común. Hablemos.