La startup de inteligencia artificial LGND ha cerrado una ronda de financiación de 9 millones de dólares para llevar a cabo su ambiciosa misión: crear un modelo de IA conversacional capaz de interpretar y analizar datos complejos sobre nuestro planeta de una forma sencilla e intuitiva.
En un mundo donde la generación de datos supera con creces nuestra capacidad para analizarlos, la startup LGND se ha propuesto simplificar radicalmente la forma en que interactuamos con la información geoespacial. La compañía anunció recientemente que ha recaudado 9 millones de dólares (aproximadamente 8,3 millones de euros) en una ronda de financiación semilla para construir lo que sus fundadores describen como un «ChatGPT para la Tierra». El objetivo es transformar el complejo campo del análisis de datos satelitales y geográficos en algo tan accesible como hacer una pregunta.
La financiación, según informó en exclusiva TechCrunch, fue liderada por la firma de capital riesgo Javelin Venture Partners y contó con la participación de otros fondos como AENU, Clocktower Ventures, y Space Capital, entre otros. Este respaldo financiero subraya la creciente confianza en el potencial de la inteligencia artificial para resolver problemas a escala planetaria.
El reto de dar sentido a un planeta de datos
Cada día, una flota de satélites que orbitan la Tierra captura alrededor de 100 terabytes de imágenes y datos, una cantidad de información colosal que contiene claves para entender desde el cambio climático hasta la planificación urbana o la gestión de desastres naturales. Sin embargo, extraer conocimiento útil de este océano de datos es una tarea extraordinariamente compleja, costosa y, hasta ahora, reservada a expertos.
Para ilustrar este desafío, Nathaniel Manning, cofundador y CEO de LGND, plantea una pregunta de vital importancia para California: «¿Cuántos cortafuegos tiene el estado para detener un incendio forestal y cómo han cambiado desde la última temporada de incendios?». Responder a esta pregunta, en apariencia simple, implica un esfuerzo titánico.
«Originalmente, se necesitaría a una persona mirando imágenes, y eso solo escala hasta cierto punto», explicó Manning a TechCrunch. Aunque las redes neuronales han mejorado el proceso, entrenar un algoritmo para identificar algo tan específico como un cortafuegos sigue siendo una tarea ardua. «Probablemente inviertas un par de cientos de miles de dólares, si no más, para crear ese conjunto de datos, y solo serviría para hacer esa única cosa», añadió.
Es precisamente este cuello de botella, donde el coste y la especialización limitan el acceso al conocimiento, lo que LGND pretende eliminar.
La clave tecnológica: «embeddings» para entender la Tierra
La solución propuesta por LGND se basa en una técnica de inteligencia artificial conocida como «vector embeddings» o incrustaciones vectoriales. En esencia, esta tecnología convierte información compleja, como los píxeles de una imagen satelital o las coordenadas de un mapa, en una serie de números (un vector). Este resumen numérico captura las características esenciales de los datos de una manera que los modelos de IA pueden entender y comparar fácilmente.
De forma similar a como ChatGPT procesa palabras y frases convirtiéndolas en vectores para entender su significado y contexto, LGND convierte ubicaciones y características geográficas en un formato numérico universal. «Los embeddings te proporcionan el 90% de todo el cómputo no diferenciado por adelantado», afirmó Bruno Sánchez-Andrade Nuño, cofundador y Científico Jefe de LGND. «Son los resúmenes universales y súper cortos que contienen el 90% del cálculo que tienes que hacer de todos modos».
Volviendo al ejemplo de los cortafuegos, estos pueden ser carreteras, ríos o franjas de terreno despejado. Aunque visualmente son diferentes, comparten características subyacentes: no tienen vegetación y poseen una anchura mínima. Los «embeddings» de LGND permiten a un sistema de IA buscar lugares en un mapa que coincidan con estas descripciones numéricas, en lugar de tener que entrenar un modelo para reconocer visualmente cada tipo de cortafuegos.
El objetivo, según Sánchez-Andrade Nuño, no es sustituir a los analistas humanos. «No buscamos reemplazar a las personas que hacen estas cosas. Buscamos hacerlas 10 veces más eficientes, 100 veces más eficientes».
Una inyección de capital para una visión ambiciosa
La ronda de financiación de 9 millones de dólares (unos 8,3 millones de euros) permitirá a LGND acelerar el desarrollo de su plataforma y expandir su equipo. La confianza de los inversores no solo proviene de la solidez de la tecnología, sino también del calibre del equipo y de sus asesores.
Además del liderazgo de Javelin Venture Partners, la ronda atrajo a un grupo diverso de inversores, incluyendo AENU, Clocktower Ventures, Coalition Operators, MCJ, Overture, Ridgeline y Space Capital. También participaron inversores ángel de alto perfil del mundo tecnológico, como John Hanke, fundador de Keyhole (la empresa que originó Google Earth); Karim Atiyeh, cofundador de la fintech Ramp; y Suzanne DiBianca, una alta ejecutiva de Salesforce.
De la prevención de incendios a la planificación de vacaciones
Las aplicaciones de esta tecnología van mucho más allá de la gestión de emergencias. LGND ya ha desarrollado una aplicación empresarial para grandes compañías y una API (Interfaz de Programación de Aplicaciones) para que los desarrolladores puedan integrar sus capacidades en otros productos.
Manning visualiza un futuro en el que cualquier persona pueda realizar consultas geoespaciales complejas. Pone como ejemplo un agente de viajes impulsado por IA. Un usuario podría pedirle: «Encuentra un alquiler de corta estancia con tres habitaciones que esté cerca de un buen lugar para hacer snorkel. Pero también quiero que esté en una playa de arena blanca, saber que hay muy pocas algas en febrero y, lo más importante, que no haya obras en un radio de un kilómetro en el momento de la reserva».
Construir modelos tradicionales para responder a cada una de estas preguntas por separado sería extremadamente laborioso. Con la tecnología de LGND, una IA podría consultar su base de datos de «embeddings» para encontrar ubicaciones que cumplan todos estos criterios simultáneamente.
Un mercado multimillonario y el objetivo de dominarlo
Si LGND tiene éxito, podría hacerse con una parte significativa de un mercado, el de las soluciones geoespaciales, que según estimaciones de Grand View Research tiene un valor de casi 400.000 millones de dólares (aproximadamente 368.000 millones de euros).
La ambición de la compañía es enorme, y sus fundadores no dudan en expresarlo. «Estamos tratando de ser el Standard Oil de estos datos», declaró Manning a TechCrunch, en una clara alusión a la idea de convertirse en la infraestructura fundamental sobre la que se construyan las futuras aplicaciones de análisis terrestre.
Con su enfoque innovador y un sólido respaldo financiero, LGND se posiciona como un actor clave en la democratización del conocimiento sobre nuestro propio planeta, con el potencial de cambiar no solo industrias enteras, sino también la forma en que cada uno de nosotros entiende y se relaciona con el mundo que nos rodea.
