Electric Plant, startup de IA agrícola, levanta US$11,2M

Electric Plant: la startup que quiere leer las señales eléctricas de las plantas

Un modelo de IA entrenado durante tres años para interpretar los microvoltios que recorren los tallos: eso es Bombadil, el motor de Electric Plant, la startup fundada por Justin Mast y Lee von Kraus que levantó US$11,2M en una ronda semilla. El dato que importa para quien construye en agritech no es el monto, sino la combinación: un modelo que, según la empresa, interpreta señales de unas 125 especies distintas, montado sobre sensores que Mast describe como de «decenas de dólares», frente a los miles que cuesta el equipamiento agrícola tradicional.

¿Qué hace exactamente Bombadil?

Electric Plant vende dos piezas que funcionan juntas: sensores anclados al tejido vivo de la planta y un modelo de IA que traduce lo que esos sensores registran en información útil para quien cultiva.

Según Mast, Bombadil interpreta señales eléctricas de alrededor de 125 especies, y el dataset inicial reúne más de un centenar de formas vegetales muy distintas: helechos, secuoyas, tomates y dalias, entre otras. El fundador sostiene que es el modelo más diverso creado sobre señales eléctricas biológicas. Sin embargo, la información divulgada no detalla cómo se midió esa diversidad ni qué comparaciones respaldan la afirmación.

La idea nació de una lectura. Mast se topó con una investigación sobre una planta de interior conectada a un soporte motorizado: cuando necesitaba más luz, las señales eléctricas recorrían sus tejidos y un circuito movía la maceta hacia la fuente luminosa. Después se asoció con Lee von Kraus, neurocientífico que trabajó con DARPA, y juntos dedicaron tres años a recopilar datos antes de salir a levantar capital.

Una distinción importante: la empresa describe una herramienta de monitoreo e interpretación, no un sistema que demuestre que las plantas se comunican como los humanos. Mast lo resume así: «Estamos escuchando más de lo que hablamos, pero escuchar es el primer paso».

¿Cuánto levantó Electric Plant y quién invirtió?

La ronda semilla de US$11,2M fue liderada por Onto Ventures y Climactic, con participación de Ponderosa, Endeavor Catalyst, Ludlow, Michigan Rise, The Fund, Schox VC y Dug Song. Es un sindicato con capital climático, fondos de etapa temprana y un inversor individual, un mix habitual en hardware científico.

Lo llamativo es qué no acompañó al anuncio: Mast no identificó a los clientes iniciales y la empresa no publicó métricas detalladas de precisión ni resultados de pruebas comerciales. Para una startup de hardware profundo, esa ausencia es la pregunta que va a dominar la conversación con los próximos inversores.

¿Cómo son los sensores que se conectan a la planta?

Los dispositivos tienen aproximadamente el tamaño de un iPhone doblado a lo largo y se fijan con tornillos de acero inoxidable. Para establecer contacto, esos tornillos tienen que atravesar la corteza y llegar al cambium, la capa de tejido vivo situada justo debajo. Ahí registran cambios de microvoltios, la materia prima del análisis.

Después envían los datos a una estación base por una red inalámbrica de bajo consumo. Bombadil procesa la información en la nube y devuelve resultados al cliente, que puede usarlos para ajustar calendarios de riego o fertilización. Mast afirma que bastan un par de sensores por acre, aunque la información divulgada no especifica qué condiciones de cultivo, especies o protocolos respaldan esa estimación.

El argumento de precio es el más concreto: los sensores de Electric Plant cuestan decenas de dólares, mientras que herramientas como sondas de suelo, espectroscopios portátiles o imágenes satelitales pueden alcanzar miles. Según Mast, esas tecnologías son sofisticadas, pero su acceso al interior de la planta es limitado frente a las necesidades en tiempo real del cultivo. La propia startup usó esos instrumentos para entrenar a Bombadil.

¿Qué tan probado está el ahorro de agua del 20%?

Aquí conviene frenar. La cifra de reducir el consumo de agua en 20% o más es una estimación atribuida al CEO, no un resultado auditado: no hay datos de ensayos, condiciones específicas ni evaluaciones independientes publicadas.

Ahora, el contexto del sector. Un análisis publicado por News-Medical sobre biosensores vegetales, IoT e IA —que recoge una revisión de Colizzi et al. (2025) en Smart Agricultural Technology— señala que los sistemas de riego asistidos por IA pueden reducir el consumo de agua entre 20% y 40% y el energético entre 15% y 30%. El mismo análisis menciona pilotos de campo con aumentos de rendimiento del 35%, reducciones de agua del 36% y mejoras de eficiencia hídrica del 109%, valores que los autores presentan como resultados de condiciones experimentales específicas, no como resultados universales. Según esa revisión, los biosensores capacitivos de bajo costo reportan ahorros de 20% a 45% en cultivos de hortalizas.

Es decir: el número que promete Electric Plant cae dentro del rango que reporta la literatura. También cae dentro de sus advertencias: la revisión insiste en que la calibración en campo, la validación de largo plazo y el mantenimiento de sensores son condiciones para lograr esos resultados en operación comercial. Y el punto de partida es grande: según el mismo análisis, la agricultura concentra cerca del 70% de las extracciones globales de agua dulce, y los sistemas de riego convencionales pueden perder entre 40% y 60% del agua según el método y las condiciones locales.

¿Cuánto cuesta digitalizar el riego? Un benchmark útil

Para juzgar si los sensores baratos son realmente una ventaja, sirve mirar lo que ya cuesta automatizar riego. En un webinar de American Pistachio Growers recogido por Growing Produce, Guillermo Valenzuela, vicepresidente de ventas y marketing de WiseConn, dio cifras concretas: donde la infraestructura existente permite la actualización, el costo inicial promedia unos US$300 por acre, con US$8 por acre anuales en software, datos y mantenimiento. Sistemas más simples para bloques grandes pueden costar desde US$70 por acre, y los más complejos para cultivos de alto valor llegan a US$1.000 por acre.

Valenzuela estima que la automatización reduce el uso de agua en torno al 5% en suelos arcillosos, recorta la mano de obra a la mitad y baja los fertilizantes cerca del 5%, lo que da un retorno en aproximadamente 2,8 años. En suelos arenosos, pasar de riego manual poco frecuente a alta frecuencia reduce el agua cerca del 15% y el retorno baja a unos 2,5 años; si además el riego constante sube el rendimiento entre 3% y 5%, el período de recuperación puede ser menor a un año.

¿Quiénes más compiten por leer la planta?

Electric Plant no está sola en esta carrera. Según HortiDaily, en la Universidad de Georgia el profesor Liang Dong —Georgia Research Alliance Eminent Scholar en agricultura de precisión— desarrolla sensores que detectan especies reactivas de oxígeno, fitohormonas, compuestos volátiles, niveles de nutrientes, transpiración y actividad fotosintética. Dong describe la lógica con una analogía simple: es como llevar un rastreador de salud, pero aplicado a un cultivo. Georgia, con sequías y suelos salinos en su franja costera, funciona como banco de pruebas para distintos tipos de estrés.

Esto importa por una razón competitiva: las señales que Electric Plant quiere leer son un campo de investigación activo, con grupos académicos, sensores de bajo costo y modelos de IA compitiendo por la misma pregunta. La ventaja defendible no será el hardware —los sensores se abaratan— sino el dataset propietario que la empresa dice haber construido durante tres años.

¿Qué significa esto para tu startup?

Tres cosas concretas si estás construyendo en agritech, hardware o IA aplicada:

• Usa un benchmark de costo por acre antes de pitchear. La referencia de US$300 por acre de inversión inicial y US$8 por acre anuales, con retorno en 2,8 años (cifras presentadas por WiseConn en un webinar recogido por Growing Produce), es el tipo de número que un productor o un inversor va a usar para comparar tu solución. Si tu hardware cuesta menos, necesitas demostrar cuánto menos en ese mismo formato.
• Diseña el ensayo antes de escalar el claim. Electric Plant promete reducir agua 20% o más, pero no publicó métricas de precisión, condiciones de prueba ni nombres de clientes. Cualquier startup que venda una mejora agronómica será interrogada con la misma vara: protocolo, condiciones y resultados auditados. Preparar ese ensayo desde el día uno es parte del producto, no del marketing.
• Mira el cuello de botella que casi nadie resuelve: la conectividad rural. La revisión recogida por News-Medical identifica la conectividad limitada en zonas rurales y la falta de interoperabilidad entre plataformas como barreras de adopción. Si tu producto son datos, analítica o middleware que se integran con sensores de terceros, ahí hay espacio real.

Y para inversores con tesis en agritech: el modelo que propone Electric Plant —hardware de bajo costo, modelo propietario y análisis en la nube— es atractivo, pero una ronda semilla no compra validación agronómica. Los próximos trimestres, con clientes reales en campo, mostrarán si las señales de una planta se traducen en decisiones que el productor esté dispuesto a pagar.

Conclusión

Electric Plant apuesta a que el próximo salto en agricultura de precisión viene de leer el interior de la planta en lugar de inferirlo desde afuera. Tiene capital, tres años de datos y un modelo que dice cubrir 125 especies. Lo que todavía no tiene, al menos en lo publicado, son métricas auditadas, clientes con nombre y evidencia comercial. Para el ecosistema hispanohablante la lección es doble: hay tesis de hardware profundo con argumentos de precio competitivos, y hay una disciplina no negociable —decir estimación cuando es estimación— que separa a las startups que aguantan el escrutinio de las que no.

Fuentes

• DiarioBitcoin: una startup usa IA para interpretar las señales eléctricas de las plantas (fuente original)
• TechCrunch: Plants can speak using electricity, so this startup built an AI model to decipher their language
• News-Medical: How Plant Biosensors, IoT, and AI Are Advancing Precision Agriculture
• Growing Produce: Gain More Ground in Your Orchard With Irrigation Automation
• HortiDaily: Using sensors to give plants a voice

Artículos relacionados:

Electric Plant: US$11,2M para una IA que lee plantas Schneider Electric en SPS 2026: IA industrial en planta Every Electric: baterías gratis para 1.000 hogares en NYC Schneider Electric y Foxconn: infraestructura IA modular 2026 Schneider Electric India: 1.5 GW base para liderar data centers