Electric Plant, la startup que oye plantas, levanta US$11,2M

Una ronda semilla de US$11,2M para leer lo que la planta no dice

Electric Plant salió del stealth con US$11,2 millones en financiación semilla y un activo poco común: Bombadil, un modelo fundacional entrenado para interpretar las señales eléctricas que emiten las plantas. La empresa afirma que su corpus de datos ya supera los 7 millones de horas de grabaciones, más que todas las grabaciones públicas de actividad cerebral humana combinadas, según el comunicado de la compañía difundido por Business Wire.

Para un founder de AgTech, la noticia no es solo el monto. Es que una startup está apostando por una capa de datos que nadie más está capturando a escala: el estado interno de la planta, medido desde dentro y no inferido desde el suelo, el clima o una imagen satelital.

¿Qué es Bombadil y cómo funciona el sistema?

La tesis de Electric Plant es simple de enunciar y difícil de ejecutar: las plantas generan actividad eléctrica al responder a su entorno, y esa actividad contiene información sobre su estado fisiológico. Las herramientas habituales —sondas de suelo, espectroscopios portátiles, imágenes satelitales— miden el contexto de la planta. Justin Mast, cofundador y CEO, sostiene que no siempre captan lo que la planta necesita en tiempo real.

Antes de levantar capital, que el negocio sea rentable

Un inversionista mira primero si el negocio vende y deja margen. En CAR trabajamos eso con otros dueños de empresa, y en 7 días tienes tu primer sistema funcionando. Si ya estás listo para mostrarlo, en VIP presentas tu pitch a inversionistas.

👥 Probar 7 días

El stack que la empresa construyó tiene tres piezas:

El sensor (Bud): se fija a plantas de tallo leñoso con tornillos de acero inoxidable que penetran en el cámbium, la capa de tejido vivo bajo la corteza. Detecta cambios eléctricos del orden de microvoltios.
La transmisión: los datos viajan a una estación base por una red inalámbrica de bajo consumo, pensada para operar en campo y no en laboratorio.
El modelo: Bombadil analiza las lecturas en la nube y estima siete marcadores fisiológicos de estrés a partir únicamente de la señal eléctrica, según el comunicado de la empresa. El resultado se entrega al cliente como un diagnóstico legible, no como una serie de voltajes.

La cobertura original describe a Bombadil como un modelo de lenguaje a gran escala entrenado durante tres años. El comunicado de la compañía lo presenta como el primer modelo fundacional para electrofisiología vegetal, entrenado con más de 4 millones de horas de grabaciones en un centenar de especies; la nota de Notebookcheck eleva la cifra a unas 125 especies, de helechos y secuoyas a tomates y dalias.

¿Cuánto cuesta y qué promete en el campo?

Dos números explican por qué la ronda tiene sentido comercial. El primero es el precio del hardware: según Mast, los sensores cuestan decenas de dólares, frente a los miles de dólares de algunas herramientas de monitoreo existentes. El segundo es la densidad de despliegue: afirma que basta un par de sensores por acre para obtener resultados precisos.

Esa combinación —hardware barato y baja densidad— es la que permite imaginar un modelo de negocio de márgenes sanos en agricultura extensiva, donde el costo por hectárea manda. La promesa operativa que la empresa pone sobre la mesa es doble: aumentar el rendimiento de los cultivos y reducir el consumo de agua un 20% o más, siempre según las declaraciones de su cofundador. Es una cifra que todavía no está respaldada por datos públicos de clientes, y conviene leerla como objetivo declarado, no como resultado auditado.

¿Quién puso el dinero y qué señala esa lista de inversores?

La ronda semilla fue liderada por Onto Ventures y Climactic, con participación de Ponderosa, Endeavor Catalyst, Ludlow, Michigan Rise, The Fund, Schox VC y Dug Song. La mezcla es reveladora: hay capital climático, capital de etapa temprana y una red de origen emprendedor como Endeavor Catalyst, lo que sugiere una tesis de largo plazo sobre infraestructura agrícola más que sobre una app de moda.

El perfil de los fundadores también pesa. Mast fundó y dirigió Bloomscape, una empresa de plantas de interior vendidas directamente al consumidor, antes de crear Electric Plant en 2023. Su socio, Lee von Kraus, es neurocientífico con doctorado y ha trabajado con DARPA y la Agencia de Protección Ambiental de Estados Unidos. La combinación —operador de consumo masivo más científico de bioseñales— explica bastante del enfoque: hardware simple, modelo complejo.

¿Qué tan grande es la oportunidad en agricultura de precisión?

El contexto europeo da una pista. España lidera la inversión en tecnología agrícola en Europa, con un 32% de explotaciones que ya incorporaron soluciones digitales o maquinaria avanzada, frente al 20% del conjunto de la UE, según la encuesta de la Comisión Europea y el Banco Europeo de Inversiones citada por Interempresas con motivo de Expo AgriTech 2026, que se celebrará en Málaga los próximos 4 y 5 de noviembre.

El ahorro de agua, además, dejó de ser un argumento de sostenibilidad para volverse un argumento de cuenta de resultados. En España ya hay operadores con recorrido: la murciana Widhoc monitorea el suelo de más de 100.000 hectáreas de cultivo con terminales alimentados por energía solar, y reporta reducciones de consumo que, en el peor de los casos, superan el 20%, según Levante-EMV. Es decir, la cifra que Electric Plant promete no está fuera de mercado: está en línea con lo que el sector ya reporta, aunque por una vía tecnológica distinta.

Ahí está la diferencia conceptual que vale la pena entender. Widhoc y la mayoría de las soluciones de agricultura de precisión miden el entorno: humedad del suelo, conductividad, temperatura. Electric Plant intenta medir el organismo. Si esa capa funciona, se abre una categoría nueva de datos, y las categorías nuevas de datos suelen ser donde se crean los márgenes defendibles.

¿Cuáles son los límites de la promesa?

Tres puntos que un inversor o un comprador debería poner sobre la mesa antes de entusiasmarse.

El primero es la validación en campo a escala. La empresa no reveló la identidad de sus primeros clientes, y la agricultura y la silvicultura aparecen como aplicaciones potenciales. Un modelo entrenado con millones de horas de laboratorio y entornos controlados no es lo mismo que uno que funciona en un huerto con polvo, lluvia y poda mecánica.

El segundo es la cobertura de especies. Ciento veinticinco especies es mucho para un modelo biológico y poco para el catálogo agrícola global. La pregunta es cuánto tarda el modelo en generalizar a una especie nueva y si eso requiere recolectar datos desde cero.

El tercero es el salto del lenguaje. Los fundadores hablan de que algún día la tecnología permita "hablar" con las plantas, pero el foco actual es interpretar, no conversar. Mast lo resume en la cobertura original: "Escuchamos más de lo que hablamos, pero escuchar es el primer paso". Es una frase honesta y también una advertencia: el producto que sale al mercado hoy es un sistema de diagnóstico, no un asistente conversacional.

Qué significa esto para tu startup

Primero: los datos propietarios siguen siendo el foso más defendible en IA aplicada. Bombadil no es valioso porque sea un modelo grande, sino porque se entrenó con un corpus que nadie más tiene. Si estás construyendo con IA, pregúntate qué datos puedes capturar tú que un competidor con más capital no pueda comprar. En AgTech, esa pregunta tiene respuesta: sensórica en campo, historial de cosechas, relaciones con cooperativas.

Segundo: el hardware barato es una decisión estratégica, no una concesión. Electric Plant podría haber construido un instrumento de precisión de miles de dólares y venderlo a centros de investigación. Eligió sensores de decenas de dólares para poder desplegarse por acre. Si tu producto depende de adopción masiva, el precio del dispositivo físico define tu mercado total mucho antes que tu software.

Tercero: si operas en LATAM o España, la ventana de distribución está abierta. El 32% de adopción digital en explotaciones españolas es una base instalada, pero también un 68% por conquistar. Las cooperativas agrícolas y las empresas de riego son el canal natural para este tipo de tecnología, mucho más que la venta directa al productor individual. Y en mercados con estrés hídrico estructural, el argumento de ahorro de agua se vende solo.

Cuarto: mide antes de prometer. La reducción del 20% de agua es la clase de cifra que un cliente recordará y te cobrará. Si tu producto promete eficiencia, define desde el día uno cómo la vas a demostrar con datos del cliente, no con benchmarks internos.

Conclusión

Electric Plant no vendió una app: vendió una categoría de datos. Con US$11,2 millones y un modelo entrenado sobre millones de horas de bioseñales, la apuesta es que entender una planta desde dentro será más barato y más preciso que inferirla desde fuera. El riesgo está en la validación de campo y en la profundidad del catálogo de especies; la oportunidad, en un mercado agrícola que ya adoptó la digitalización a ritmos distintos según el país y que tiene el agua como variable crítica.

Para el ecosistema hispanohablante, la lectura es directa: la próxima ola de AgTech no va a venir de otra app de gestión de fincas, sino de sensores y modelos que conviertan señales físicas en decisiones. Quien tenga acceso a campo, a datos y a una cooperativa dispuesta a pilotear, tiene más ventaja de la que cree.