Google elige 16 proyectos de IA verde: el apoyo dura solo tres meses
Google anunció el 7 de septiembre de 2026 la selección de 16 startups, organizaciones sin ánimo de lucro y equipos de investigación de Asia-Pacífico para la primera cohorte regional de Google DeepMind Accelerator: AI for the Planet. El anuncio de la cohorte precisa que el programa comienza esa semana con un campamento presencial en Singapur y se concentra en biodiversidad, agricultura sostenible y soluciones climáticas o de carbono.
La selección del 7 de septiembre reúne proyectos de ocho países y abre un periodo de apoyo de tres meses, no una validación de sus efectos ambientales. La cobertura de TNGlobal confirma el número de participantes, el inicio en Singapur, la mentoría hasta diciembre y el reparto de la cohorte en seis iniciativas de naturaleza y resiliencia, cinco agrícolas y cinco de clima y carbono.
Los 16 proyectos, clasificados por problema ambiental
La información disponible identifica la procedencia de cada equipo, los datos o instrumentos que pretende utilizar y el resultado buscado. En cambio, no ofrece una evaluación común de precisión, cobertura, productividad o emisiones evitadas: la evidencia pública inicial consiste principalmente en las descripciones de los proyectos y en su admisión al programa.
Biodiversidad y resiliencia climática
- 800 Trust, Nueva Zelanda: aplica IA a grabaciones bioacústicas para vigilar biodiversidad y detectar amenazas. Google describe el propósito, pero no publica tasas de detección ni resultados de campo.
- Kumi Analytics, Singapur: combina teledetección y aprendizaje profundo para establecer líneas de base de proyectos de conservación. Esas referencias servirían para medir cambios posteriores; aún no se presentan validaciones independientes.
- Listening Lab, Nueva Zelanda: desarrolla herramientas bioacústicas que puedan funcionar con conjuntos de datos pequeños. El resultado esperado es identificar biodiversidad mediante el sonido, sin métricas públicas de exactitud.
- TelePIX, Corea del Sur: transforma observaciones satelitales en información para monitorizar manglares a escala global. La cohorte no aporta todavía cifras de superficie cubierta ni cambios detectados.
- Wildlife.ai, Nueva Zelanda: construye cámaras abiertas con IA para la conservación de fauna. Las imágenes son el insumo y la identificación de animales, el resultado previsto; no se detallan despliegues o precisión.
- Yayasan Ekosistem Lestari, Indonesia: crea una plataforma predictiva que relaciona degradación ambiental y riesgo de desastres. No se han divulgado pronósticos evaluados ni efectos preventivos atribuibles al sistema.
Agricultura sostenible
- Edufarmers, Indonesia: busca enviar a pequeños agricultores orientación casi en tiempo real sobre plagas, enfermedades y clima mediante aplicaciones de mensajería. Faltan datos públicos de adopción y resultados productivos.
- Living Roots, Tailandia: emplea datos e IA para diseñar fertilizantes biológicos adaptados a cultivos concretos. La selección no demuestra todavía mejoras de rendimiento o reducción de insumos.
- SIGMA, Singapur: desarrolla modelos basados en datos satelitales para estimar cosechas y apoyar la resiliencia climática. No se publicaron márgenes de error ni comparaciones con otros métodos.
- Terrastack, India: integra datos satelitales y agronómicos para producir información a escala de parcela destinada a pequeños productores. No consta cuántas parcelas cubre ni qué decisiones ha mejorado.
- X-Centric, Australia: desarrolla equipos portátiles de rayos X con IA para obtener información geoquímica del suelo. La descripción plantea sustituir análisis convencionales, pero no incluye comparaciones de coste, velocidad o exactitud.
Clima y carbono
- Archeda, Japón: usa datos satelitales para medir proyectos de créditos de carbono basados en la naturaleza. La aspiración de obtener activos verificables y de alta integridad no equivale a una verificación ya realizada.
- City Syntax Lab, Singapur: construye una plataforma de IA agéntica para optimizar energía y carbono en distritos urbanos. No se comunican ahorros energéticos ni reducciones de emisiones medidos.
- Climitra Carbon, India: utiliza Geo-AI para verificar la retirada de especies invasoras y su conversión en biocarbón. Todavía no se informan volúmenes retirados o carbono almacenado verificado.
- Farmers for Forests, India: combina drones e IA para convertir la agroforestería de pequeños agricultores en acciones medibles de carbono y biodiversidad. Medir esas acciones es el objetivo, no un impacto certificado al comenzar el programa.
- Varaha Climate, India: aplica teledetección e IA a la verificación de agricultura regenerativa y retirada de carbono, con la intención de facilitar créditos a pequeños productores. No se publicaron cantidades verificadas ni ingresos generados.
Qué cubren realmente los tres meses de apoyo
Los participantes obtienen acceso al conjunto de herramientas de IA de Google, apoyo adaptado y mentoría de especialistas. El anuncio menciona AnthroKrishi para información agrícola, ForestCast y AlphaEarth Foundations para bosques y observación terrestre, SpeciesNet para imágenes de fauna y Perch para bioacústica.
La documentación oficial del programa sitúa el campamento entre el 7 y el 11 de septiembre, el acompañamiento virtual entre septiembre y diciembre y una jornada de demostración en diciembre. También describe mentoría individual, orientación técnica y de producto, y trabajo con modelos de Google DeepMind y Google Research.
El apoyo se ofrece sin tomar participación accionarial, pero eso no significa que los 16 equipos reciban una subvención común. Los créditos de nube y las TPU gratuitas aparecen como beneficios sujetos a elegibilidad, revisión y aprobación. Tras graduarse, los equipos pueden incorporarse a la red de antiguos participantes, de modo que el límite de tres meses corresponde a la fase personalizada e intensiva, no necesariamente a todo contacto posterior con Google.
La selección exige un prototipo, pero no prueba el impacto
Las condiciones de admisión exigían un prototipo funcional o producto mínimo viable, alguna validación temprana, capacidad técnica interna y una hoja de ruta centrada en IA. Por eso no se trata únicamente de ideas sobre el papel, aunque la documentación pública tampoco permite determinar qué soluciones están desplegadas a escala ni cuáles siguen en pruebas limitadas.
El lenguaje empleado para describir la cohorte refleja esa diversidad: algunos equipos construyen o desarrollan plataformas, mientras otros ya aplican o despliegan herramientas. Ninguno de esos verbos sustituye una evaluación independiente. La selección tampoco demuestra por sí misma que una cámara reconozca especies con determinada precisión, que un modelo agrícola eleve las cosechas o que un proyecto de carbono haya producido créditos íntegros.
Hay además una diferencia entre la previsión y el resultado del proceso: la página inicial indicaba que se elegirían entre 10 y 15 organizaciones, mientras que el anuncio final enumera 16. No es una discrepancia sobre la cohorte vigente; el listado fechado el 7 de septiembre constituye el resultado posterior y completo de la selección.
Qué deberá medirse al terminar el programa
La comparación futura necesitará indicadores adecuados para cada proyecto. En biodiversidad importarán la precisión de identificación, la cobertura y la verificación sobre el terreno; en agricultura, los errores de estimación, la adopción y los cambios de rendimiento o uso de insumos; en energía y carbono, la metodología, la incertidumbre y cualquier auditoría externa.
El hito previsto para diciembre es una jornada en la que los equipos podrán presentar sus soluciones ante mentores, inversores y socios. Esa exposición tampoco garantizará impacto ambiental: harán falta resultados documentados que separen el funcionamiento técnico del prototipo, su despliegue efectivo y los cambios ambientales medidos.
Al comenzar la cohorte, lo comprobado es la elección de 16 equipos, el campamento de Singapur y tres meses de soporte personalizado. Las reducciones de emisiones, mejoras agrícolas, alertas de biodiversidad y demás beneficios permanecen como resultados esperados hasta que los participantes publiquen métricas y métodos que permitan evaluarlos.
Lee también:
Suscríbete a nuestro boletín
Reciba las últimas noticias sobre Web3, IA y criptomonedas directamente en su bandeja de entrada.