España sí cuenta con proveedores que aplican inteligencia artificial, teledetección, sensórica y robótica a la agricultura, pero no existe un ranking público que permita afirmar cuál es «el mejor». HEMAV, Agrodato, Widhoc y Grodi resuelven problemas distintos; Hispatec sirve como referencia de empresa consolidada y DemetrIA Agritech se orienta más a la gestión digital. Compararlas solo por la palabra IA conduce a una compra equivocada.

Este directorio revisa qué ofrece cada empresa según su documentación pública, qué evidencia puede comprobarse y qué datos debe pedir una explotación antes de contratar. No reproduce porcentajes comerciales como resultados universales ni confunde una prueba piloto con un ahorro demostrado.

1. Cómo verificamos las empresas de IA agrícola

La etiqueta «startup de IA» es inestable. Una empresa puede madurar, ser adquirida, vender hardware sin IA o utilizar un algoritmo solo en una función secundaria. Por eso aplicamos cuatro requisitos mínimos:

• actividad y producto visibles en una web oficial en la fecha de revisión;
• vínculo empresarial o tecnológico comprobable con España;
• aplicación agrícola concreta, no una plataforma de IA horizontal;
• explicación suficiente para identificar datos, salida y usuario del sistema.

La presencia en este directorio no es una recomendación comercial. Tampoco certifica rentabilidad, sostenibilidad o precisión. La información sobre funciones procede principalmente del proveedor y debe validarse en una parcela real.

Cuatro niveles de evidencia

Nivel	Qué demuestra	Qué no demuestra
Producto documentado	Existe una función, interfaz o manual accesible	Que funcione igual en cualquier cultivo
Cliente o proyecto identificado	Hubo una implantación en un contexto concreto	Causalidad ni ahorro frente a una línea base
Ensayo con método	Se conocen parcela, periodo, control e indicadores	Que el resultado se transfiera sin recalibrar
Evaluación independiente	Un tercero revisó datos y resultados	Que siga vigente después de cambios de modelo

En las páginas comerciales predomina el primer nivel. Cuando un porcentaje no publica cultivo, zona, campaña, tamaño de muestra, comparación y responsable de la medición, lo tratamos como una afirmación del proveedor, no como una media aplicable al campo español.

2. Mapa: elegir por el problema agrícola

Una explotación no compra «IA»; compra una decisión mejor o una tarea menos costosa. El punto de partida debe ser el cuello de botella: aforo, riego, detección, trazabilidad, cuaderno de campo o inspección del invernadero.

Necesidad principal	Proveedores que merece la pena estudiar	Dato que debe entregar el piloto
Predicción de producción y calidad	HEMAV; módulos de analítica de Hispatec	Error por parcela y horizonte frente al método actual
Teledetección y diagnóstico personalizado	Agrodato; HEMAV; Widhoc	Alertas útiles confirmadas sobre el terreno
Riego y sensores de suelo, planta y ambiente	Widhoc; Agrodato	Agua aplicada, rendimiento y calidad, no solo lecturas
Visión planta a planta en invernadero	Grodi	Cobertura, errores de detección y horas de inspección evitadas
Gestión integral agroalimentaria	Hispatec	Procesos integrados, calidad del dato y trabajo administrativo
Cuaderno de campo y coordinación	DemetrIA Agritech; otros cuadernos digitales	Tiempo por registro, errores y portabilidad documental

Esta clasificación no implica que todos los módulos utilicen aprendizaje automático. Sensores, reglas agronómicas, software de gestión y modelos predictivos pueden convivir en un mismo producto. El proveedor debe indicar qué salida genera IA y cuál procede de una regla o de un técnico.

3. HEMAV: predicción y manejo mediante LAYERS

HEMAV presenta LAYERS como una plataforma SaaS agrícola que integra datos agronómicos y observaciones para generar predicciones y recomendaciones. Su documentación pública explica que emplea muestras geolocalizadas de suelo, hoja, fruto, producción o calidad y que puede incorporar datos captados con drones.

Qué puede comprobar un comprador

• mapa de parcelas y capas temporales;
• incorporación de muestras geolocalizadas;
• datos meteorológicos y seguimiento del cultivo;
• herramientas de reporte y detección temprana de anomalías;
• funciones de estimación de producción para determinados cultivos y configuraciones.

El valor no procede del dron por sí solo. Para que una predicción tenga utilidad necesita datos de campo que calibren el modelo, una fecha de corte y una medida del error. La propia documentación indica la importancia de hacer coincidir observaciones y muestras.

Qué pedir antes de contratar

Solicite el cultivo y las zonas para los que existe modelo operativo, el error absoluto y relativo por campaña, la frecuencia de actualización, la cantidad de muestreo requerida y el tratamiento de parcelas sin suficiente historial. Una «precisión media» no permite planificar compras o logística si oculta los errores extremos.

4. Agrodato: agricultura de precisión como servicio

Agrodato se define como empresa española de agricultura de precisión con sede en Segovia. Su oferta pública combina teledetección, sensórica y analítica para distintos cultivos. También declara el desarrollo de algoritmos para automatizar estimaciones de rendimiento y modelos de calidad o detección de enfermedades.

Su rasgo diferencial público

La propuesta parece más próxima a un servicio adaptado a la explotación que a una aplicación autoservicio con catálogo cerrado. Puede ser útil cuando el cliente necesita integrar vuelos, sensores, imágenes y asesoramiento, pero esa flexibilidad hace imprescindible delimitar entregables.

La web oficial permite identificar las familias de servicio, aunque no publica una tabla completa de modelos, precios, métricas o cultivos validados. Por tanto, no es posible verificar desde fuera un porcentaje general de ahorro o exactitud.

Preguntas específicas para Agrodato

• ¿Qué sensores e imágenes se incluyen y quién es propietario de los datos?
• ¿La recomendación la genera un algoritmo, un técnico o ambos?
• ¿Qué resolución espacial y frecuencia temporal tendrá cada parcela?
• ¿Cómo se confirma una alerta y se registra un falso positivo?
• ¿El cliente recibe datos exportables además del informe final?

El resultado debe expresarse como decisión agronómica —visitar una zona, ajustar una dosis, priorizar una parcela— y no como un mapa de colores sin protocolo de actuación.

5. Widhoc: sensórica, riego y control del cultivo

Widhoc Smart Solutions ofrece soluciones de agricultura de precisión basadas en monitorización de suelo, planta y condiciones ambientales, control de dispositivos e informes técnicos. Una ficha de la Red PAC la identifica como spin-off de la Universidad Politécnica de Cartagena.

En 2025 se comunicó la adquisición de activos y cartera de ec2ce, empresa dedicada a modelos predictivos agrícolas. Esa operación amplía el contexto tecnológico, pero no permite asumir que todos los productos actuales ya integran todas las funciones de ec2ce. El alcance debe comprobarse en la oferta vigente.

Qué evaluar en un proyecto de riego

Una reducción de agua solo es válida si se mide junto con producción, calibre, calidad, salinidad y estado del suelo. Ahorrar agua a costa del rendimiento no es necesariamente una mejora. El piloto debe comparar volumen aplicado por hectárea y resultado comercial frente a parcelas equivalentes o una línea base histórica ajustada por clima.

Riesgos operativos

• sensor mal instalado o sin calibrar;
• pérdida de conectividad y huecos de datos;
• recomendación que no contempla restricciones hidráulicas;
• dependencia de una plataforma sin exportación;
• alarma correcta que el equipo no puede atender a tiempo.

El contrato debería detallar mantenimiento, reemplazo de dispositivos, comunicaciones, frecuencia de muestreo y procedimiento ante datos anómalos.

6. Grodi: visión artificial planta a planta en invernadero

Grodi desarrolla desde Almería un sistema para agricultura intensiva. Su producto VEGA 11 es un robot autónomo de monitorización que recorre el invernadero y captura información del cultivo; la aplicación organiza las observaciones para apoyar decisiones.

La descripción oficial del producto permite comprobar el enfoque: recorridos frecuentes, visión artificial y análisis planta a planta. Esto lo diferencia de una imagen satelital o un vuelo ocasional.

Cuándo tiene sentido

El caso de uso encaja mejor donde la estructura del invernadero, el cultivo y la frecuencia de inspección justifican una infraestructura dedicada. Antes de evaluar algoritmos hay que comprobar cobertura física: pasillos, altura, obstáculos, polvo, humedad, iluminación y compatibilidad con la operación diaria.

Métricas para una prueba

• porcentaje de plantas o superficie observada por recorrido;
• disponibilidad del robot y recorridos completados;
• precisión, sensibilidad y falsos avisos por tipo de anomalía;
• tiempo entre observación y alerta útil;
• horas de inspección manual antes y después;
• coste de mantenimiento y tiempo de parada.

Una demostración visual puede impresionar sin mejorar una decisión. El piloto debe definir qué hará el técnico con cada alerta y cómo se comprobará en campo.

7. Hispatec, DemetrIA y otros perfiles que no deben mezclarse

Hispatec: empresa consolidada, no startup joven

Hispatec desarrolla software y tecnología para diferentes agentes de la cadena agroalimentaria y opera internacionalmente. Incluye analítica e IA agrícola, pero su alcance de gestión es más amplio que el de una startup centrada en una sola predicción. Puede servir como referencia cuando se busca integrar campo, almacén, costes y procesos comerciales.

Nuestra comparativa de plataformas de agricultura de precisión aborda esa elección desde el tipo de solución; este directorio se concentra en proveedores españoles y evidencia pública.

DemetrIA Agritech: gestión y cuaderno digital

DemetrIA Agritech ofrece una aplicación orientada a registros, coordinación y gestión agrícola. Su documentación pública habla de automatización y algoritmos, pero no detalla un benchmark de modelos de IA. Debe evaluarse principalmente por reducción de carga administrativa, calidad del registro, interoperabilidad y adaptación al flujo de cooperativas y técnicos.

No todo proyecto es una startup

Una universidad, un grupo operativo financiado o un servicio público pueden desarrollar IA agrícola sin ser un proveedor comercial. También una empresa adquirida puede conservar la marca mientras cambia su producto. Un directorio responsable indica la naturaleza del actor y la fecha, en vez de sumar nombres para aparentar tamaño de mercado.

8. Cómo comparar ofertas sin caer en marketing

Pregunta	Respuesta suficiente	Señal de alerta
¿Qué decisión mejora?	Acción, responsable y plazo definidos	«Digitalizar el campo» sin flujo operativo
¿Con qué cultivos funciona?	Lista, región y campañas de validación	«Todo tipo de cultivos» sin resultados separados
¿Cómo se mide el error?	Métrica, muestra, horizonte y distribución	Porcentaje único sin denominador
¿Qué datos necesita?	Fuentes, frecuencia, calidad y coste de captura	Dependencias descubiertas después de contratar
¿Quién valida una alerta?	Técnico y protocolo de confirmación	Automatización sin supervisión definida
¿Se pueden exportar los datos?	Formato, API, frecuencia y condiciones	Bloqueo en informes o panel propietario
¿Qué impacto ambiental produce?	Agua, insumos y rendimiento con línea base	Ahorros proyectados tratados como reales
¿Qué ocurre al terminar?	Portabilidad, borrado, soporte y retirada	Sin plan de salida

Coste total, no solo licencia

Sume sensores, instalación, conectividad, vuelo, muestreo, integración, formación, calibración, soporte, reposición y tiempo del técnico. Una plataforma barata puede resultar cara si necesita preparar manualmente los datos; una solución más costosa puede ahorrar trabajo si sustituye un proceso completo.

Sostenibilidad sin porcentajes decorativos

Para atribuir un ahorro de agua, fertilizante o fitosanitario se necesita una línea base comparable y el resultado productivo. La variación meteorológica entre campañas puede explicar más que el algoritmo. Registre también el consumo propio de sensores, vuelos, comunicaciones y equipos cuando sea material.

9. Diseñar un piloto agrícola que produzca evidencia

1. Elegir una sola decisión. Por ejemplo, anticipar producción cuatro semanas o priorizar inspecciones.
2. Definir la línea base. Método actual, coste, error y tiempo durante campañas anteriores.
3. Seleccionar parcelas comparables. Incluir variedad, suelo, riego, manejo y exposición.
4. Fijar el protocolo antes de ver resultados. Datos, frecuencia, responsables y umbrales.
5. Separar recomendación y ejecución. Registrar si la alerta llegó y si se actuó.
6. Medir calidad agronómica. Error, falsos positivos, rendimiento y calidad comercial.
7. Medir recursos. Agua, insumos, horas, energía y coste total.
8. Revisar subgrupos. Parcela, variedad, fecha y condiciones difíciles.
9. Planificar fallos. Conectividad, sensores, datos ausentes y soporte.
10. Decidir con criterios previos. Escalar, corregir o detener sin cambiar el umbral a posteriori.

En predicción no basta con el promedio: calcule error por parcela y sesgo sistemático. En detección, mida sensibilidad y falsos positivos. En riego, relacione el agua aplicada con producción y calidad. En automatización administrativa, cronometre tareas y cuente correcciones.

10. Preguntas frecuentes

¿Cuál es la mejor startup española de IA agrícola?

No hay una mejor para todos los casos. HEMAV, Agrodato, Widhoc y Grodi operan con datos, despliegues y decisiones diferentes. La mejor es la que supera una línea base en el cultivo y flujo concreto del cliente.

¿HEMAV solo utiliza drones?

No. Su documentación de LAYERS describe la integración de datos agronómicos, muestras geolocalizadas, meteorología y observaciones. El dron es una posible fuente, no el producto completo.

¿Agrodato publica precios y precisión?

La web consultada describe servicios y tecnologías, pero no ofrece una tabla pública completa de precios y métricas por cultivo. Deben solicitarse en una propuesta con entregables y método de validación.

¿Hispatec es una startup?

No resulta preciso presentarla como startup joven. Es una empresa consolidada y multinacional de software AgTech. La incluimos como referencia española por su oferta agrícola y de IA.

¿Un mapa NDVI es inteligencia artificial?

No necesariamente. Un índice calculado a partir de bandas espectrales puede generarse sin aprendizaje automático. La IA aparece cuando un modelo aprende una relación, clasifica, detecta o predice; el proveedor debe explicarlo.

¿Cómo se comprueba un ahorro de agua?

Con agua aplicada por superficie, condiciones comparables y producción o calidad obtenida. Deben registrarse clima, manejo y posibles diferencias de suelo para no atribuir al sistema lo que explica la campaña.

¿Quién es dueño de los datos de la parcela?

Debe establecerlo el contrato. Pregunte por propiedad, licencia de uso, entrenamiento de modelos, subencargados, ubicación, exportación, conservación y borrado al terminar.

Conclusión: comprar una decisión, no una etiqueta

El ecosistema español ofrece opciones reales de predicción, teledetección, sensórica, robótica y gestión. Su diversidad es una fortaleza, pero impide elaborar un ranking simple. La misma herramienta puede ser valiosa en una explotación y superflua en otra.

La selección responsable empieza por una decisión agrícola medible, continúa con un piloto comparable y termina con datos exportables y un plan de salida. Cuando el proveedor puede explicar qué mide, cómo calcula el error y quién actúa sobre el resultado, la conversación deja de ser sobre «IA» y pasa a ser sobre utilidad.

---

Fuentes y método editorial: revisión propia de las webs y documentación pública de HEMAV/LAYERS, Agrodato, Widhoc, Grodi, Hispatec y DemetrIA Agritech; contraste de identidad tecnológica con Red PAC y documentación pública del Ministerio de Agricultura cuando estaba disponible. Las funciones descritas por cada proveedor no se tratan como evaluación independiente. Revisión: 28 de julio de 2026.