A veces lo más valioso del campo no está en la tierra, sino en todo lo que genera alrededor. Y ahí es donde Leaf quiere hacerse fuerte: la empresa, especializada en infraestructura de datos para agricultura, ha cerrado una ronda de 13 millones de dólares para seguir ordenando un sector lleno de información dispersa, formatos raros y sistemas que no siempre se entienden entre sí.
La idea, vista desde fuera, parece casi sencilla: conectar datos de maquinaria, suelos, estaciones meteorológicas o drones y convertir ese caos en algo que sí se pueda usar. Pero en agricultura, y más cuando hablamos de grandes proveedores de la cadena, el lío es monumental. Leaf trabaja con compañías como Bayer, BASF, Growmark y Syngenta, y su propuesta no pasa por lanzar una app de agricultura digital al uso, sino por hacer de pegamento entre fuentes distintas. En otras palabras: la empresa no quiere que el agricultor abra otra herramienta más, sino que el dato por fin encaje.
La compañía, fundada en 2021 y con sede en San Francisco, ha levantado esta nueva financiación en una ronda Serie B, con apoyo de Leaps by Bayer, el brazo inversor de Bayer, además de otros socios estratégicos cuya identidad no se ha detallado. No es poca cosa en un momento en el que el agrotech sigue buscando aire entre tantas dudas. Y, aun así, Leaf ha sabido subirse a la ola que sí está atrayendo dinero: la inteligencia artificial. Hoy casi todo proyecto que quiera convencer a un inversor necesita contar una historia de IA, y Leaf ha encontrado la suya sin forzar demasiado la máquina.
El dato del campo: valioso, sí; manejable, no tanto
G. Bailey Stockdale, fundador y consejero delegado de la empresa, lo resume con una idea muy reconocible para cualquiera que haya lidiado con tecnología agrícola: el dato es oro, pero viene desordenado. Y no poco. Llega en cientos de formatos propietarios distintos, lo mismo desde una cosechadora que desde un laboratorio de suelos, una estación de meteo o un dron sobrevolando una parcela.
Ese es el problema de fondo. Se genera información por todas partes, pero luego unirla, interpretarla y sacarle rendimiento exige una tarea pesada que muchas empresas no quieren —o no pueden— asumir por su cuenta. Leaf entra justo ahí, como una capa intermedia que traduce y conecta. La comparación que plantea Stockdale es bastante clara: igual que Plaid resolvió el enredo de los bancos o Twilio hizo algo parecido en telecomunicaciones, Leaf quiere hacer lo mismo con el universo agrícola.
Y lo cierto es que la analogía funciona. Porque en el campo no basta con acumular datos; hay que convertirlos en decisiones útiles. Qué suelo rinde mejor para un biológico concreto, qué variedad de semilla ha funcionado mejor en una finca, cómo se comporta una campaña según el tipo de parcela… preguntas que suenan muy técnicas, pero que acaban marcando euros, eficiencia y tiempo.
La IA entra en la finca por la puerta de atrás
Leaf ha aprovechado este último año para rehacer su plataforma pensando ya en un escenario más compatible con IA. En lugar de apoyarse en el sistema anterior, la empresa ha pasado a un modelo de data lake, es decir, un repositorio que agrupa grandes volúmenes de datos de distintas procedencias para poder consultarlos con más rapidez. Traducido al lenguaje de calle: menos vueltas, menos fricción y respuestas mucho más veloces.
Antes, si una empresa quería saber qué tipo de suelo era mejor para un biológico o qué variedad había rendido más, el sistema tenía que descargar la información en un servidor y hacer cruces posteriores para responder. Ese proceso era, según Stockdale, muy lento. Ahora, con el nuevo enfoque, los datos se concentran en un mismo entorno y se puede lanzar una sola consulta SQL —el lenguaje estándar para consultar bases de datos— sobre todo el conjunto.
El resultado, según explicó el directivo, llega en unos 10 segundos. Y aquí está el giro interesante: la mejora no es solo técnica, también cambia la forma en que una empresa agrícola puede mirar sus propios datos. Lo que antes era una maraña de archivos y tiempos de espera, ahora puede convertirse en una respuesta casi inmediata, algo especialmente útil cuando se quiere comparar rendimientos, comportamientos de suelos o resultados de ensayos en distintos entornos.
Stockdale admite, además, que el gran gancho para captar inversión hoy pasa por la inteligencia artificial. No porque Leaf quiera vender humo, insiste, sino porque la conversación del mercado va por ahí y las compañías tienen que situarse donde está el dinero. Aun así, el propio ejecutivo reconoce que los beneficios internos reales de estas herramientas tardarán un tiempo en verse con claridad. Habrá que darle margen. Y ojo, porque en un sector tan tradicional como el agro, ese margen casi siempre decide quién se queda y quién avanza.
Mucho ruido, pero la ficha ya está movida
La ronda de 13 millones no resuelve de golpe los problemas del campo digital, pero sí manda una señal bastante nítida: hay interés por la infraestructura que hace posible trabajar con datos agrícolas de forma seria, no solo con interfaces bonitas. Leaf se coloca así en un terreno menos vistoso que el de las apps de moda, aunque probablemente más útil para quien de verdad necesita conectar maquinaria, laboratorio, clima y rendimiento en una misma lectura.
El reto, claro, no está solo en reunir datos, sino en demostrar que esa lectura acelera decisiones reales en explotaciones agrícolas y en la industria que las rodea. En campañas cada vez más exigentes, con el regadío bajo presión y con la necesidad constante de afinar insumos y resultados, ese tipo de herramientas puede ganar peso rápido. O no. Dependerá de su adopción, de su fiabilidad y de si de verdad entrega valor donde promete.
Por ahora, Leaf ha dejado una pista bastante clara: el futuro del agro no pasa solo por producir más datos, sino por hacer que por fin hablen el mismo idioma. Y esa, sinceramente, es una batalla que merece seguimiento. Nosotros estaremos atentos a lo que haga con esta nueva financiación y a si su apuesta por la IA acaba bajando al terreno con resultados tangibles.