Se conocieron en la universidad y hoy lideran una startup que ya está siendo buscada por las empresas más grandes del mundo como Syngenta. En una entrevista con Forbes, Ramiro Olivera y Esteban Hernando, co-fundadores de Calice, explican de qué se trata este desarrollo innovador y cuál es el potencial que tiene para aplicarlo al mundo del ago.

¿Cómo son los orígenes de Calice?

Ramiro: Con Esteban nos conocimos en el año 2002 como compañeros en la Universidad Nacional de San Martín en la carrera de Biotecnología. Cada uno terminó la carrera y tomó caminos distintos en el ámbito de la ciencia y la innovación. Esteban se fue por la parte de biotecnología vegetal más en el ámbito académico y yo me fui más para la parte de investigación también en el ámbito animal, biotecnología animal. Me metí en el laboratorio del doctor Daniel Salamone, es el actual presidente del CONICET, él fue el que trajo la técnica de clonación animal a Argentina, ahí aprendí a clonar caballos básicamente. Y en el 2011 terminé armando la primera empresa de clonación de caballos de Latinoamérica, que terminó siendo la número uno del mundo. En el 2018 volvimos a coincidir con Esteban y vi todo lo que estaba haciendo él en el ámbito de la investigación, dando servicios complejos a empresas como Corteva, Syngenta, Don Mario y me hizo un flash y entendí que estaba haciendo algo espectacular y que tenía un mega equipo atrás.

Cuando se juntaron y dijeron: "Vamos a hacer algo", ¿ya tenían en claro el foco que iba a tener Calice o se fue cambiando a medida que corrió el tiempo, que fueron experimentando?

Esteban: Fue darwinismo puro: el mercado presiona, vos tenés una idea, y empezamos a reenfocar y ajustar para que sea viable. Porque la ciencia está espectacular, pero si no tenés un negocio no tenés una empresa. Entonces, sí, ajustamos. Y de hecho bastante, hubo un viraje muy fuerte. La primera idea fue usar tecnología de modelado computacional para generar plantas editadas genéticamente. 

Ramiro: Empezamos con Calice entendiendo que era el futuro de la biotecnología vegetal, todo el mundo iba a querer herramientas de edición de genes. Rápidamente, en uno o dos años el mercado de cultivos alternativos se fue a la goma, nos dimos cuenta de que ni a palos iba a ir por ahí. Sin embargo, tener el proyecto andando atrajo inversores y eso nos permitió en 2022 y 2023 levantar 750.000 dólares de capital privado, de inversores ángeles, más 300.000 dólares de fondos públicos. Y habíamos levantado un millón de dólares con un proyecto de edición de genes. Ya teniendo la plata adentro, ya teniendo la inversión, nos dimos cuenta de que no iba a ir para ningún lado y si seguíamos por ahí íbamos a chocar contra una pared.

¿Y qué hicieron? ¿Hacia dónde viraron?

Ramiro: Parte de nuestros desarrollos eran las herramientas computacionales, que sentíamos que tenían mucho potencial. Empezamos a hablar con varios actores de la industria hasta que nos topamos con Antonio Aguinaga, ex breeder de Quilmes y de Ab InBeV de Latinoamérica, que nos dijo que era una herramienta que estuvo buscando por 30 años para poder tomar decisiones complejas basadas en datos con toda la potencia de inteligencia artificial. Entonces ahí fuimos de la mano con Antonio, que nos llevó a la primera compañía a ver si le podíamos proveer un servicio de estos, que es Boortmalt, que hoy Boortmalt es la empresa maltera más importante del mundo, y así como empezó como esta compañía piloto hoy literalmente es nuestro cliente más representativo.

¿Cuáles son los problemas más típicos que resuelven?

Ramiro: Básicamente hoy el problema más grande es el testeo a campo. Hoy testear en el campo es el cuello de botella de innovación en el agro. Cualquier producto que vas a poner en un mercado, sea en una góndola o sea dentro de un container para exportar ese producto (sea una variedad de maíz, trigo, soja o un producto biológico) para poder desarrollarlo tiene que testearse a campo. Vos pensá que el campo es el laboratorio de la agricultura, el campo a cielo abierto. Y es tremendamente caro hacer ensayos, lleva mucho tiempo y tiene una incertidumbre tremenda porque literalmente es un laboratorio sin techo, estás expuesto a cambios climáticos, pestes, plagas, etcétera. Entonces la propuesta de valor que terminamos desarrollando nosotros es: con todos los datos históricos de las compañías que habían desarrollado productos nosotros podemos armar modelos computacionales que te permitan hacer ensayos virtuales que te reduzcan la necesidad de hacer ensayos a campo en un alto porcentaje. Boortmalt en 5 años de testeo no le habían pegado nada, habían gastado más de 5 millones de dólares y seguían teniendo el problema. Hasta que vinimos nosotros y en un año hicimos un screening de datos, unas simulaciones, nos dimos cuenta que la zona de importación no era Europa, era Australia, les dijimos de qué zona y qué variedades tenían que probar. En el primer año validaron y 100% de lo que nosotros le recomendamos le pegaron. Y no solamente eso: logramos reordenarle toda su zona de testeo, porque nos dimos cuenta que estaban testeando en zonas que no tenían sentido. Pasaron de 27 locaciones a 4, pasaron de gastar más o menos un palo verde por año a 100.000 dólares y se lo devolvimos mucho más eficiente y mucho más veloz. 

¿Cuál fue su crecimiento en facturación en los últimos años, cuánto facturan hoy y qué perspectivas tienen a futuro?

Ramiro: Hoy esperamos cerrar el año más o menos en 400.000 dólares en servicios y el año que viene esperamos triplicarlo. Ahora cerramos con Syngenta Suiza, por ejemplo. Logramos darles algo que ellos no tienen y si eso funciona bien, como esperamos, se puede propagar dentro de la compañía. 

En el último Summit Agro de Forbes contabas cómo están usando imágenes satelitales para predecir factores meteorológicos y poder ofrecer una herramienta al productor que le permita conocer cómo va a ser su suelo en el futuro. ¿Podés contarnos más sobre eso?

Esteban: Eso es, te diría, como una de las piedras angulares. Hay un montón de satélites orbitando alrededor de la Tierra que van tomando un montón de información del planeta. Y no solo son imágenes, sino que tenés información que es información de números desde, no sé, la humedad en el suelo hasta cuán verde está la vegetación de un lugar determinado. Y toda esa información se arranca a monitorear en los 80'. O sea, vos contás con información geoespacial, básicamente son sistemas espaciales de la NASA, la Agencia Espacial Europea, la Agencia Espacial Japonesa, hay un montón de recursos de estos satélites que fueron monitoreando el planeta. Entonces, ¿qué te permite eso? Vos agarrás una empresa y digamos que tenía un ensayo a campo con una variedad en el 2005. Bueno, nosotros yendo hasta fuentes de datos geoespaciales podés saber qué pasó en ese lugar en el periodo de ciclo de cultivo. O sea, sabés qué pasó en la atmósfera y qué pasó en el suelo. Entonces nosotros usamos toda esa información geoespacial para construir los modelos de lo que sucedió en el ambiente.

¿Y eso para qué te sirve? 

Esteban: Te fijás que pasó climatológicamente 20 años para atrás y te fijás qué sucedió en ese lugar los últimos 20 años. Y vos con esa experiencia del pasado construís un escenario de comportamiento probable futuro.

Ramiro: Es básicamente como tener todos los cuadros de una película donde vos vas para atrás, para adelante, y vas viendo. Y por suerte las herramientas de inteligencia artificial te permiten construir esa película, porque son tantas las variables que vos ves que solamente ves datos, pero las herramientas de modelado y demás te permiten llevar eso a algo de alguna manera entendible.

Y el tema del calentamiento global, ¿no puede afectar? Vos decís: "Bueno, 20 años atrás pasó esto", ¿se repite o puede afectarse por esta variable que está como modificando los comportamientos?

Esteban: Vos ves la línea de crecimiento, lo detectás. Y, como decía Ramiro, no es una foto, vos estás viendo toda la película de la evolución de ese lugar.

¿Por qué lo tienen ustedes y no otros? 

Esteban: Vos tenés que ver cómo organizás esos números y qué algoritmos aplicás a esos números para construir fotos nuevas. Entonces digamos que tenés un montón de datos en todo el mundo y un montón de recursos que reportan números. La magia nuestra es la algoritmia, digamos los modelos y los algoritmos que tenemos una forma única de combinar distintas fuentes y de la forma en que las combinás para generar una película. Ese es el uniqueness de Calice.

¿Cómo se relaciona esto con la herramienta que le están vendiendo a Syngenta?

Esteban: Eso es el cerebro detrás de la herramienta, por decirlo de alguna manera. O sea, nosotros usamos ese cerebro, los primeros años de Calice los enfocamos 100% en generar ese cerebro. Lo que nos pasó al principio es el concepto de too good to be true. Hay un montón de empresas que dicen: "Con IA te predigo el rendimiento, te predigo esto...", como que se saturó el mercado de eso y la mayoría no puede probar lo que dicen. Y nosotros quedamos en ese mismo lugar. Entonces tuvimos que hacer esa peregrinación de agarrar a clientes grandes importantes y resolverles un problema gratis. Eso es lo que hicimos todo el año pasado, resolvimos ad honorem problemas muy grandes a empresas muy importantes para que realmente vean que este cerebro funciona.

¿Y eso cómo impacta en el productor?

Esteban: La empresa sabe en qué regiones su producto va a funcionar mejor y le dice al productor: "Mirá, tu campo está en esta zona espectacular que este producto que tengo yo te va a funcionar bárbaro". Entonces desde ese punto de vista el productor tiene acceso a información más real de alguna forma.

¿Cuáles son sus potenciales clientes?

Esteban: Semilleras. Las grandes semilleras fueron nuestro primer blanco comercial, las productoras de bioinsumos (o sea las Rizobacter de la vida por ejemplo), las empresas de producción de biológicos, que también terminan siendo divisiones de las grandes empresas, porque por ejemplo Bayer tenés semillas y tenés Crop Protecion, que es la parte de moléculas, esos también son nuestro target. Y también lo que es food industry, porque por ejemplo Boortmalt es para hacer malta, que después la malta se transforma en cerveza.