Europa tiene un problema de mano de obra agrícola que nadie ve desde la ciudad: desde 2010, el sector perdió un 30% de sus trabajadores. Los invernaderos —que producen tomates, pimientos y pepinos frescos durante todo el año— son especialmente vulnerables, porque su operación requiere trabajo físico repetitivo, en condiciones de calor y humedad, y con precisión de selección que los sistemas de automatización industrial clásica no pueden replicar. Eternal.ag, startup alemana fundada en Colonia por Renji John y Sherry Kunjachan, acaba de levantar €8 millones para resolver ese problema con robots autónomos.
Lo interesante no es solo la ronda. Es cómo el problema que resuelven ilustra algo más amplio: la IA y la robótica no están llegando primero a las fábricas tech, sino a los sectores donde la escasez de mano de obra ya es crítica y las alternativas se agotaron.
¿Qué hace exactamente Harvester?
El primer producto de eternal.ag se llama Harvester y está diseñado específicamente para invernaderos de tomates. Puede operar hasta 22 horas al día de forma continua —sin pausas, sin errores por fatiga, sin rotación de turnos—. Pero la parte técnicamente interesante no es la duración: es la arquitectura de aprendizaje que subyace.
IA para el Resto de Nosotros
La nueva versión de mi curso estrella para aprender a usar la IA de forma práctica, simple y útil en tu día a día. Comienza el 24 de marzo.
→ Inscríbete hoy 🚀La startup utiliza un enfoque simulation-first: los robots se entrenan y validan primero en invernaderos virtuales antes de tocar una planta real. Esto reduce los ciclos de iteración de meses a días y permite fallar de forma segura. Una vez desplegados, cada acción del robot alimenta datos de vuelta al sistema, que mejora continuamente su precisión y eficiencia. Es el mismo principio sim-to-real que empresas como ABB y NVIDIA están aplicando en manufactura pesada, pero adaptado a la variabilidad mucho mayor del mundo biológico: cada planta es distinta, cada día de crecimiento cambia la geometría del cultivo, cada invernadero tiene su propio layout.
La plataforma fue diseñada como sistema modular desde el principio, con la intención de expandirse a más funciones robóticas y más tipos de cultivos. La visión para 2040 es que los invernaderos funcionen sin operadores manuales en ninguna etapa.
Por qué el invernadero es el laboratorio perfecto para la IA física
La robótica agrícola de campo abierto —tractores autónomos, drones de pulverización, cosechadoras inteligentes— lleva décadas de desarrollo y todavía enfrenta el caos de variables que ningún sistema puede predecir del todo: lluvia, viento, suelo irregular, plagas imprevistas. Los invernaderos son distintos.
En un invernadero, las condiciones son controladas: temperatura, humedad, iluminación, disposición de las plantas. Esa predictibilidad convierte al invernadero en el entorno ideal para el primer despliegue comercial viable de robótica agrícola autónoma. Es la misma lógica que convierte a los almacenes y puertos —entornos estructurados— en los primeros mercados para los vehículos autónomos industriales.
No es casual que en los últimos dos años hayan surgido startups similares en distintos mercados: Four Growers en EE.UU. para pimientos, IUNU en Seattle para monitoreo de cultivos con machine vision, Amatera en Francia levantando capital para acortar de 20 años a meses el desarrollo de cultivos climáticos. El patrón es claro: primero los entornos controlados, donde la IA puede aprender con datos estructurados, y desde ahí escalar hacia más variabilidad.
La tesis detrás del dinero
Simon Capital, Oyster Bay Venture Capital, EquityPitcher Ventures y Backbone Ventures respaldaron la ronda. El argumento de inversión que articula Niklas Leske de Simon Capital no es tecnológico: es de resiliencia alimentaria. El cambio climático hace más impredecibles las cosechas al aire libre; los invernaderos son más resilientes porque controlan el ambiente; pero ese modelo solo funciona si se resuelve la escasez de trabajadores que los opera.
Dicho de otra manera: la tesis no es “los robots son cool”, sino “sin robots, los invernaderos europeos no pueden operar de forma rentable a medida que la mano de obra agrícola sigue cayendo”. Eso es un problema estructural, no una apuesta por hype tecnológico.
La IA no está reemplazando trabajos que abundan —está cubriendo los que ya no hay quien quiera hacer. Esa diferencia de framing importa para entender qué sectores van a adoptar robótica autónoma más rápido en los próximos años: no los que tienen mejor argumento de eficiencia, sino los que ya están en crisis operativa.
Por qué importa
El caso eternal.ag ilustra algo que los titulares de IA corporativa suelen oscurecer: la adopción real de física autónoma no empieza en la manufactura de precisión ni en los almacenes de Amazon. Empieza donde el dolor ya es insoportable y las alternativas se agotaron.
Europa perdió un tercio de su mano de obra agrícola en 15 años. Eso no es una estadística abstracta: es la razón por la que un robot que cosecha tomates 22 horas al día ya tiene mercado sin necesitar convencer a nadie de los beneficios de la automatización. El mercado ya está convencido. Solo faltaba la tecnología.
El próximo paso para eternal.ag —convertir los pilotos en despliegues comerciales a escala y expandirse a más tipos de cultivos— es exactamente el cuello de botella que define la madurez de la IA física en sectores tradicionales: pasar del entorno controlado al mundo real con toda su variabilidad. Si lo resuelven, el modelo se replica en otros cultivos, otros mercados, y eventualmente al campo abierto. Si no, será otro piloto que no escala. Los €8M apuestan a que sí.
