Inspirado por sus abuelos, agricultores de manzanas en China, Charlie Wu abandonó sus estudios de ciencias de la computación en la Universidad de Cornell para solucionar un problema fundamental en la agricultura. Tras convertirse en Thiel Fellow, fundó en 2022 Orchard Robotics, una startup que utiliza cámaras e IA para ofrecer a los agricultores una visión sin precedentes de sus cultivos. Recientemente, la compañía ha anunciado una ronda de financiación Serie A de $22 millones liderada por Quiet Capital y Shine Capital.
«Al hablar con los mejores profesores de fruticultura del mundo, me di cuenta de que incluso las explotaciones agrícolas más grandes del país básicamente no tienen ni idea de lo que realmente está creciendo en sus campos», afirmó Wu.
Contexto: ¿Qué es la Agricultura de Precisión?
La agricultura de precisión es un enfoque de gestión agrícola que utiliza la tecnología para observar, medir y responder a la variabilidad de los cultivos. En lugar de aplicar la misma cantidad de agua, fertilizante o pesticida a todo un campo (método tradicional), se utilizan datos para tomar decisiones granulares y optimizadas.
- Objetivo: Aumentar el rendimiento y la calidad de la cosecha, reducir costes (ahorrando en insumos como productos químicos y mano de obra) y minimizar el impacto medioambiental.
- Tecnologías Clave: Drones, sensores, GPS, y, como en el caso de Orchard Robotics, visión por computadora e inteligencia artificial.
De la Incertidumbre a la Decisión Basada en Datos
El problema que ataca Orchard es la dependencia del muestreo manual. Los grandes productores inspeccionan menos del 1% de sus cultivos para tomar decisiones críticas, lo que conduce a estimaciones muy imprecisas. La solución de Orchard consiste en una pequeña cámara que se acopla a los tractores existentes. A medida que el vehículo recorre el campo, captura imágenes de ultra alta resolución que la IA analiza para medir el tamaño, color y salud de cada fruta en cada árbol.
Gestión Agrícola: Método Tradicional vs. Orchard Robotics
| Área de Decisión | Método Tradicional (Muestreo Manual) | Método Orchard (Visión por IA) |
|---|---|---|
| Estimación de Cosecha | Imprecisa (basada en <1% del cultivo) | Precisa (basada en el 100% de los árboles escaneados) |
| Aplicación de Insumos | Generalizada, a menudo excesiva | Dirigida y optimizada por zonas o incluso por árbol |
| Planificación de Mano de Obra | Estimaciones, riesgo de sobre/subcontratación | Basada en datos de rendimiento real y predicciones exactas |
| Comercialización | Incierta hasta la cosecha | Previsión de ventas precisa y temprana |
Tracción, Competencia y Visión a Futuro
La tecnología de Orchard ya se utiliza en algunas de las mayores explotaciones de manzanas y uvas de EE.UU. y se está expandiendo a arándanos, cerezas, almendras, pistachos, cítricos y fresas. Aunque existen competidores como Bloomfield Robotics (adquirida por Kubota), Wu confía en su visión a largo plazo.
Wu cree que el mercado actual para los datos de frutas y verduras, de unos $1.500 millones, es solo el principio. Su ambición es que la IA de Orchard evolucione para tomar decisiones autónomas, convirtiendo la plataforma en el «sistema operativo de la granja». Compara esta evolución con la de Flock Safety, que pasó de leer matrículas a ofrecer un ecosistema completo de seguridad pública.
«Nuestra ambición es ser mucho más que solo recopilar datos. Queremos recopilar los datos, luego construir un sistema operativo sobre ellos y, finalmente, ser dueños de todos los flujos de trabajo en la granja».
