Operaria × La CAV · Ana María Barahona · Documento de trabajo

IA y vino

Levantamiento internacional de la inteligencia artificial y el vino, y áreas de desarrollo.

96 hallazgos verificados · 6 frentes · 3 planos · 12 de junio de 2026

IA y vino — levantamiento internacional y áreas de desarrollo

Operaria × La CAV · Ana María Barahona Documento de trabajo · 12 de junio de 2026

Resumen ejecutivo

Este documento reúne tres cosas: el perfil profesional de Ana María Barahona (directora editorial de la revista La CAV y presidenta de su Mesa de Cata), un levantamiento internacional de lo que está pasando entre la inteligencia artificial y el vino —96 hallazgos verificados uno a uno, organizados en seis frentes, cada uno con su enlace a publicación científica, medio especializado o fuente oficial— y un cruce honesto con las capacidades reales de Operaria, traducido en propuestas concretas de desarrollo en tres planos: Operaria × La CAV como institución, Operaria × Ana María Barahona como dupla profesional fuera de la CAV, y Operaria sola en el espacio del vino chileno.

Las conclusiones centrales, por delante:

  1. El frente más maduro comercialmente es la relación con el consumidor: recomendación personalizada (Vivino, Firstleaf, Tastry, Preferabli en cadenas como Marks & Spencer y Albertsons) y, desde 2023, sommeliers conversacionales con modelos de lenguaje. Eric Asimov documentó en el New York Times que el 25% de los consumidores de vino de EE.UU. ya usó chatbots para elegir una botella.
  1. El frente editorial está en plena disputa, y eso es una oportunidad para una directora editorial. La ciencia demostró que las notas de cata generadas por máquina son indistinguibles de las humanas (Dartmouth, 2023) y que los puntajes se predicen desde el puro texto de las reseñas con ~88% de precisión ("wineinformatics"). Pero la misma evidencia muestra el límite: los modelos no catan, no reportean y no firman, el 62% de los compradores desconfía de notas sin firma humana, y los medios serios se dividieron entre el rechazo explícito (Jancis Robinson), la integración de back-office sin ceder la firma (Wine Enthusiast, Felicity Carter) y el experimento frontal (Wine-Searcher lanzó su propio crítico virtual en diciembre de 2025).
  1. El activo más subestimado de todo el material es el archivo de la Mesa de Cata: dos décadas de cata a ciegas, ~2.200 muestras al año, 25 categorías y ahora puntajes en escala de 100. La línea de investigación internacional prueba que un archivo así es un activo de datos modelable — y terceros ya están construyendo críticos sintéticos con los archivos de otros.
  1. El carril real de Operaria en este mundo es software, datos y conversación — agentes en WhatsApp, estructuración de archivos, pipelines dato→documento, búsqueda semántica, producción editorial. Los robots de viñedo, drones y narices electrónicas son terreno de Concha y Toro, los centros académicos y los fabricantes de sensores; Operaria no entra ahí, y este documento no lo simula.
  1. Hay una vía de investigación y publicación académica real, no decorativa, para la dupla Francisco + Anita: no existe ningún estudio sobre cómo los modelos de lenguaje manejan los descriptores de cata en español de Chile, y el método para construirlo ya está publicado. Es una brecha exacta, abordable desde Chile, con financiamiento posible (Corfo lanzó en 2025 su primer programa de adopción de IA en sectores productivos).

Por dónde partir, en orden de viabilidad: estructurar el archivo de la Mesa de Cata y montar sobre él un sommelier conversacional en el WhatsApp de la CAV (propuestas A1+A2); el mismo producto como oferta repetible para viñas y tiendas independiente de la CAV (C1); y el estudio de descriptores de cata en español chileno como primera publicación conjunta (B1).

Parte I — Ana María Barahona y La CAV

Trayectoria

Periodista de profesión, con más de 20 años escribiendo sobre vino chileno. Por su propio relato, el vino no fue amor a primera vista: recién egresada entró a una agencia donde le pidieron escribir para la revista Vendimia, y desde ahí construyó una mirada que ella misma describe centrada en las personas y las historias detrás de los vinos, más que en la crítica pura.

Hitos verificados de su recorrido:

Lo que NO se encontró públicamente (honestidad del levantamiento): participación como jurado en Catad'Or, AWoCA o Descorchados; perfil de LinkedIn personal; biografía formal con fechas exactas. Su exposición pública vive casi por completo en los canales de la CAV; su Instagram personal (@anam_barahona) es de bajo perfil.

Áreas de interés declaradas

De sus entrevistas y columnas se desprende una línea editorial consistente:

La CAV como institución

El Club de Amantes del Vino es el primer club de vinos de Chile, fundado en 1997, y se presenta como la comunidad de vino más grande del país (~30.000 socios, según la propia Barahona en Pauta, diciembre 2024). Su modelo: suscripción mensual que despacha a la casa una selección de vinos junto a la revista La CAV, la única revista chilena especializada en vino, con más de 25 años de circulación.

Además del club y la revista, opera: tienda online (cav.cl/tienda) con tiendas físicas en Costanera Center y Parque Arauco; catas y eventos para socios; la guía anual Mesa de Cata, considerada uno de los barómetros del vino chileno; ExpoCAV; el podcast PodCAV; una app móvil; y el ranking propio "Los más influyentes del vino". En 2025/2026 la revista comenzó a entregar puntajes de 100 puntos a vinos chilenos seleccionados — hito editorial que el propio club destacó.

Fuentes principales del perfil

Parte II — Levantamiento internacional: qué está pasando entre la IA y el vino

Seis frentes, 96 hallazgos verificados. Cada frente abre con una síntesis del estado del arte y sigue con sus hallazgos, cada uno con su fuente.

Frente 1 · IA en viticultura y viñedo de precisión

La IA aplicada al viñedo ya pasó de la promesa al despliegue documentado en tres ejes maduros: (1) visión computacional para detección de enfermedades, donde modelos YOLO y CNN/ResNet detectan mildiu (downy mildew, Plasmopara viticola), oídio (powdery mildew, Erysiphe necator) y virus del enrollamiento foliar (GLRaV) con precisión que iguala a scouts humanos expertos, incluso de forma presintomática vía imagen hiperespectral; (2) predicción de rendimiento y madurez, donde el conteo automático de racimos con deep learning y la fusión de datos satelitales/manejo permiten a viñas como Concha y Toro bajar el error de previsión bajo el 10% por bloque; y (3) robots autónomos y agricultura de precisión, con plataformas terrestres (VineScout, PhytoPatholoBot, Burro, Prospr de Robotics Plus) y aéreas/satelitales (GRAPEX, drones de UTalca-CITRA) que mapean estrés hídrico y dirigen riego de precisión, llegando hasta el riego de lazo cerrado de E&J Gallo con IBM. El frente está liderado por grandes viñas con I+D propia (E&J Gallo, Concha y Toro, Treasury Wine Estates, Symington, Torres) y centros académicos (Cornell AgriTech, Universidad de Talca, INIA, consorcios H2020 europeos). Chile aparece bien posicionado vía Concha y Toro, el CITRA de la U. de Talca y un nuevo centro 2026 que une academia (UTalca, INIA) con industria. Las tendencias 2023-2026 apuntan a integración multimodal (sensor + dron + satélite + robot), pulverización inteligente con IA en tiempo real, y adaptación al cambio climático como caso de uso transversal.

1. PhytoPatholoBot: robot autónomo que iguala a scouts humanos detectando mildiu y oídio

paper · Cornell University / Cornell AgriTech · Estados Unidos · 2025 · revista cientifica

Robot terrestre autónomo que recorre los viñedos auto-navegando entre hileras de espaldera y escanea el dosel con cámaras laterales, infiriendo con un modelo de IA qué píxeles corresponden a síntomas de enfermedad. Detecta oídio (powdery mildew) y mildiu (downy mildew) en tiempo casi real, entregando tipo de enfermedad, ubicación y severidad por zona. Los autores reportan una precisión que iguala a scouts humanos altamente entrenados, con bajo consumo de energía apto para campo. Se probó en 10 viñedos de patología de Cornell y sitios comerciales en varios estados de EE.UU. Publicado en Journal of Field Robotics (25 ago 2025); una startup de California fundada por el autor principal Ertai Liu busca comercializarlo.

https://news.cornell.edu/stories/2025/09/robot-matches-humans-scouting-vineyard-diseases

2. Detección de mildiu y oídio en hojas y frutos con ResNet50 mejorado y batch normalization

paper · Computers and Electronics in Agriculture (Elsevier) · Internacional · 2025 · revista cientifica

Modelo de deep learning para la detección precisa de hojas y frutos de vid afectados por mildiu (downy) y oídio (powdery), usando una arquitectura ResNet50 mejorada con batch normalization e hiperparámetros optimizados. El trabajo aborda la limitación del diagnóstico tradicional por inspección visual, que es lento y subjetivo, y apunta a manejo temprano de enfermedades que afectan severamente rendimiento y calidad de la uva. Publicado en Computers and Electronics in Agriculture.

https://www.sciencedirect.com/science/article/abs/pii/S0168169925002509

3. Detección automatizada de síntomas de mildiu y oídio con YOLO para gestión de viñedos

paper · Smart Agricultural Technology (Elsevier) · Internacional · 2025 · revista cientifica

Sistema automatizado para detección de síntomas de mildiu (downy mildew) y oídio (powdery mildew) en vides apoyado en el modelo de detección de objetos YOLO. Orienta el manejo fitosanitario al permitir identificar y localizar los síntomas para intervenciones dirigidas. Refuerza la tendencia de usar arquitecturas YOLO en condiciones de campo para acelerar el diagnóstico frente a la inspección manual.

https://www.sciencedirect.com/science/article/pii/S2772375525001108

4. Fenotipado de virus del enrollamiento foliar (GLRaV) y red blotch con imagen hiperespectral y ML, antes y después de síntomas

paper · Frontiers in Plant Science · Estados Unidos · 2023 · revista cientifica

Estudio que aplica análisis de machine learning sobre imágenes hiperespectrales para detectar el virus del enrollamiento foliar de la vid (GLRaV) y el virus red blotch (GRBV), incluso antes de la expresión visible de síntomas. Compara Random Forest y redes neuronales convolucionales 3D-CNN usando información espacio-espectral en el dominio visible (510-710 nm) para distinguir hojas de vides infectadas por leafroll, por red blotch y co-infectadas, contrastando contra diagnóstico molecular y visual. Abre la puerta a scouting de virus de forma no destructiva y temprana.

https://www.frontiersin.org/journals/plant-science/articles/10.3389/fpls.2023.1117869/full

5. Detección de infecciones virales en doseles de vid tinta y blanca con sensado hiperespectral proximal

paper · Sensors (MDPI) · Australia · 2023 · revista cientifica

Investigación que detecta infecciones virales (incluido leafroll) en doseles de uva de vinificación tinta y blanca usando sensado hiperespectral proximal. Construye modelos predictivos con PLS-DA (partial least squares-discriminant analysis) de presencia/ausencia de enfermedad de leafroll, encontrando que el momento de cosecha entrega el mejor resultado de predicción. Demuestra la viabilidad de detectar virus a nivel de dosel y no solo de hoja individual.

https://www.mdpi.com/1424-8220/23/5/2851

6. Detección no invasiva de racimos con deep learning bajo condiciones de oclusión diversas

paper · Computers and Electronics in Agriculture (Elsevier) · Internacional · 2024 · revista cientifica

Modelado con deep learning para detección no invasiva de racimos de uva bajo condiciones de oclusión variadas, un cuello de botella clave para estimar rendimiento en campo. El trabajo aborda la limitación de las técnicas convencionales de estimación de rendimiento, que son intensivas en mano de obra, costosas y a menudo imprecisas. Trabajos relacionados con YOLOv4 sobre imágenes RGB en campo reportaron un error de 1,12 racimos (R2=0,83) en validación, mostrando la madurez del conteo automático de racimos.

https://www.sciencedirect.com/science/article/pii/S0168169924008123

7. VineScout: robot autónomo europeo que multiplica por cientos las mediciones de estado hídrico

piloto · Consorcio H2020 VineScout (incl. Symington Family Estates, Sundance) · Unión Europea / Portugal · 2021 · revista cientifica

Robot terrestre autónomo (VS-3), heredero del proyecto VineRobot, que monitorea estado hídrico y vigor del viñedo sin tocar las plantas. Combina un radiómetro infrarrojo para temperatura del dosel, sensores ambientales (temperatura, humedad relativa, presión) y un sensor multiespectral para NDVI, midiendo a menos de 1 m de la planta. Aumentó las mediciones de 30 a más de 20.000 para un mismo viñedo, generando big data para alimentar algoritmos de IA y entender resistencia al estrés hídrico bajo cambio climático. Probado en campo por Symington Family Estates en Portugal; resultados publicados en Computers and Electronics in Agriculture.

https://www.mdpi.com/2072-4292/13/14/2830

8. VineScout año 2 en los viñedos de Symington

piloto · Symington Family Estates · Portugal · 2019 · empresa

Reporte de la propia Symington (productor líder de Oporto en el norte de Portugal) sobre el segundo año de pruebas del robot de monitoreo VineScout en sus viñedos. Documenta el caso de uso real de una viña importante validando un robot autónomo que mapea variabilidad espacial de estado hídrico y vigor para apoyar decisiones de riego, tratamientos y selección de zonas de cosecha. Refuerza la apuesta de Symington por I+D viticola para adaptarse al cambio climático.

https://www.symington.com/post/vinescout-vineyard-monitoring-robot-year-2

9. E&J Gallo: riego de lazo cerrado que calcula la necesidad de agua desde imágenes satelitales con IBM

piloto · E&J Gallo Winery + IBM · Estados Unidos · 2019 · medio especializado

Gallo desarrolló junto a IBM un sistema de riego de lazo cerrado que automatiza la entrega de agua calculando el requerimiento hídrico a partir de imágenes satelitales. El sistema optimiza la entrega de agua para 140 celdas en cuatro hectáreas con dos objetivos independientes: maximizar rendimiento y aumentar la eficiencia hídrica. Los científicos de datos de Gallo analizan rutinariamente imágenes satelitales de casi 20.000 acres de vides para detectar zonas estresadas que requieren más agua. El sistema riega automáticamente pequeñas secciones de viña según el análisis satelital.

https://vinoenology.com/wine-news/read/10502/

10. GRAPEX: experimento multiescala de teledetección para mejorar el riego de viñedos

iniciativa · USDA-ARS, NASA, E&J Gallo y universidades · Estados Unidos · 2022 · revista cientifica

El Grape Remote sensing Atmospheric Profile and Evapotranspiration eXperiment (GRAPEX) es un experimento colaborativo e interdisciplinario con apoyo de una beca de NASA Applied Sciences, USDA y E&J Gallo. Desarrolla nuevas herramientas de medición y teledetección para estimar evapotranspiración y mejorar el manejo del riego en viñedos de California. Combina datos de torres de flujo, sensores y modelos a múltiples escalas espaciales, sirviendo de base científica para sistemas de riego de precisión como el de Gallo.

https://link.springer.com/article/10.1007/s00271-022-00816-9

11. Treasury Wine Estates: prueba de robots con Yamaha y The Yield para mejorar predicción de cosecha

piloto · Treasury Wine Estates + Yamaha Motor Co + The Yield Technology Solutions · Australia / Estados Unidos / Nueva Zelanda · 2024 · medio especializado

TWE (dueña de Penfolds, Matua, entre otras) ejecuta un proyecto de I+D con Yamaha Motor y The Yield para mejorar la precisión de la predicción de cosecha recolectando datos de estadio de crecimiento mediante captura visual en sus viñedos de Australia y la costa oeste de EE.UU. En paralelo, demostró los vehículos modulares autónomos Prospr de Robotics Plus en uno de sus viñedos Matua en Nueva Zelanda. Ejemplo de gran viña combinando robótica, visión e IA para estimación de rendimiento.

https://theshout.com.au/national-liquor-news/treasury-wine-estates-vineyards-to-trial-robot-tech/

⚠ Verificación: marcado como dudoso — La página abre y confirma la colaboración TWE + Yamaha + The Yield. Sin embargo, el artículo data del anuncio de ensayos para 2021-2022 (18 meses desde el anuncio), no de 2024 como indica el hallazgo. La descripción incluye pulverización autónoma además de predicción de cosecha, y no menciona el piloto Matua/Robotics Plus en Nueva Zelanda. El contenido base es real pero el año 2024 no concuerda con la fuente, que parece de 2021.

12. Burro: robots autónomos de asistencia a cosecha que recaudan US$24M

producto · Burro (ex Augean Robotics) · Estados Unidos · 2024 · medio especializado

Burro fabrica máquinas autónomas que funcionan como asistentes de cosecha para uva de mesa, arándanos, cítricos y frutas de carozo, coexistiendo con trabajadores al seguirlos autónomamente por el campo. Con una ronda fresca de US$24M, escala de 'personas a pallet'. En viñedos, Integrape se asoció con Agri Automation para usar un Burro autónomo con cámaras, RTK GPS de alta precisión y visión para moverse por las hileras siguiendo mapas de viñedo; primeras prospecciones planificadas sobre 60 ha en Hawke's Bay y Marlborough (Nueva Zelanda).

https://agfundernews.com/with-a-fresh-24m-burro-grows-from-people-to-pallet-scale-with-autonomous-harvest-assist-robots

13. Concha y Toro: IA y viticultura de precisión bajan el error de previsión de rendimiento bajo el 10% por bloque

piloto · Viña Concha y Toro (Centro de Investigación e Innovación) · Chile · 2024 · medio especializado

El mayor productor de vino de América Latina usa herramientas de IA para estimar rendimientos con mayor exactitud considerando variables de clima, humedad, radiación y viento, ayudando a reducir el impacto del cambio climático al predecir el volumen de uva por temporada. Su Centro de Investigación e Innovación (inaugurado en 2014 en el Maule) desarrolló un sistema basado en viticultura de precisión que pronostica el rendimiento del viñedo reduciendo el error de previsión bajo el 10% por bloque, detectando y aprovechando la variabilidad espacial de forma flexible y adaptable a distintas formas de cultivo. En 2025 recibió el Amorim Sustainability Award en los Drinks Business Green Awards.

https://www.vinetur.com/2024053079884/ai-revolutionizes-wine-industry-from-vine-to-glass.html

⚠ Verificación: marcado como dudoso — La página abre y menciona a Concha y Toro usando IA para predicción de rendimiento con variables climáticas. Sin embargo, la afirmación específica de 'error bajo el 10% por bloque' no aparece en esa fuente. El artículo de Vinetur es genérico y no proporciona métricas de precisión concretas. La afirmación puede estar basada en materiales propios de CyT no recogidos en esa URL.

14. Universidad de Talca (CITRA): drones + IA + modelos biomatemáticos para estimar consumo hídrico del viñedo

iniciativa · Centro CITRA, Universidad de Talca · Chile · 2024 · prensa

El Centro de Investigación y Transferencia en Riego y Agroclimatología (CITRA) desarrolló modelos biomatemáticos que, volando un dron y combinando IA y datos satelitales, permiten saber con alto grado de precisión cuánta agua consume un viñedo (o un campo de maíz), para enfrentar la escasez hídrica. El proyecto, consolidado con financiamiento Fondecyt, cuenta con unidades experimentales en China (viñas y maíz) y Chile (viñedos, avellanos y olivos) en regiones como el Maule, y generó parámetros de manejo de riego para nuevos rubros como el avellano europeo.

https://agronomia.utalca.cl/emplean-inteligencia-artificial-y-drones-para-combatir-escasez-hidrica/

15. Nuevo centro chileno para conectar la ciencia de la uva y el vino con la industria (UTalca, INIA, Concha y Toro)

iniciativa · Universidad de Talca, INIA, Viña Concha y Toro y socios · Chile · 2026 · prensa

Nuevo centro de investigación e innovación que reúne a instituciones académicas y públicas (Universidad de Talca, Instituto de Investigaciones Agropecuarias INIA) junto a socios privados como Viña Concha y Toro, con el objetivo de conectar la ciencia de la uva y el vino con la industria chilena. Marca el esfuerzo país por articular I+D viticola aplicada (incluyendo tecnologías de precisión, sensores y modelos) con las necesidades reales de las viñas chilenas frente al cambio climático.

https://www.portalagrochile.cl/2026/05/28/el-nuevo-centro-que-quiere-conectar-la-ciencia-de-la-uva-y-el-vino-con-la-industria-chilena/

16. Red neuronal artificial para predecir variabilidad espacial del estado hídrico de la vid con dron multiespectral

paper · Sensors (MDPI) · Chile / España · 2017 · revista cientifica

Trabajo fundacional que usa una red neuronal artificial (ANN) para predecir la variabilidad espacial del estado hídrico de la vid a partir de información multiespectral capturada por un dron (UAV). Demuestra que cámaras multiespectrales en UAV pueden capturar la variabilidad del estrés hídrico de la vid en un escenario de campo completo, sentando base para el riego de precisión por zonas. Hito temprano que precede a los despliegues robóticos y satelitales actuales.

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5713508/

17. Combinación de clases de crecimiento, datos UAV, GIS y ML para correlacionar vigor y volumen de dosel de la vid

paper · Sensors / sensores UAV (MDPI) · Internacional · 2025 · revista cientifica

Estudio que integra una evaluación estandarizada de clases de crecimiento, datos de sensores UAV multiespectrales, procesamiento GIS y clasificación con machine learning (Random Forest y SVM) para derivar correlación con el vigor y el volumen de dosel de las vides. Aporta un método replicable para zonificar el viñedo según vigor y orientar manejo diferenciado, dentro de la tendencia de fusionar teledetección de precisión con modelos de aprendizaje automático.

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC11769238/

18. Pulverización inteligente Bosch-BASF y rociadores guiados por LIDAR/IA que ajustan dosis al dosel en tiempo real

producto · Bosch BASF Smart Farming / Smart Apply · Alemania / Estados Unidos · 2024 · medio especializado

Soluciones de smart spraying que usan cámaras e IA para monitoreo en tiempo real: el sistema reacciona en ~300 ms para identificar y rociar selectivamente, dejando sin pulverizar las zonas sin objetivo. Para huertos y viñedos, sistemas como Smart Apply usan un sensor LIDAR que escanea el dosel con resolución milimétrica, mide tamaño, forma y densidad de follaje y ajusta de forma independiente la salida de cada boquilla según volumen del dosel y velocidad de avance, almacenando datos en la nube para entender productividad y salud del viñedo. Reduce uso de químicos y costos.

https://www.precisionfarmingdealer.com/articles/5430-smart-spraying-solution-from-bosch-basf-smart-farming-enters-first-series-production

⚠ Verificación: marcado como dudoso — La búsqueda confirma que esa URL existe en precisionfarmingdealer.com y habla de Bosch BASF entrando en producción en serie (Dammann, Alemania y Hungría, 2023). Sin embargo, el sistema Bosch BASF es para detección de malezas en cultivos en fila (herbicidas), no para viñedos. El LIDAR descrito en el hallazgo corresponde a Smart Apply (empresa distinta, adquirida por John Deere), no a Bosch BASF. La descripción del hallazgo mezcla dos productos distintos bajo la misma fuente. El link abre (403 de autenticación en fetch, pero confirmado por búsqueda), pero la descripción técnica es parcialmente incorrecta.

19. Simbiosis portainjerto-microbioma del suelo revelada por ML para una viticultura resiliente al clima

paper · bioRxiv (preprint) · Internacional · 2024 · revista cientifica

Preprint que aplica machine learning para revelar la simbiosis entre genotipos de portainjerto y variedad (scion) con el microbioma del suelo, como vía hacia una viticultura resiliente al cambio climático. Muestra el uso de aprendizaje automático no solo en sensores e imágenes, sino en datos biológicos/microbiológicos para guiar la selección de material vegetal adaptado, un frente emergente de adaptación climática con IA.

https://www.biorxiv.org/content/10.1101/2024.02.25.581926.full.pdf

Frente 2 · IA en bodega y enología

El frente de IA en bodega ha pasado en 2023-2026 de pruebas de laboratorio a sistemas operativos y proyectos industriales con consorcios de bodegas reales. Cuatro líneas concentran el avance: (1) monitoreo y predicción de fermentación en tiempo real combinando sensores de bajo costo (e-nose, e-tongue, IoT) o espectroscopía (Raman, NIR) con modelos de ML/deep learning que ya alcanzan R² superiores a 0,95-0,98 para azúcar, etanol y pH; (2) predicción química→sensorial, donde modelos como SVR predicen astringencia, aroma y perfiles sensoriales desde composición química o espectros, con resultados desiguales pero algunos R²>0,9; (3) detección de defectos (TCA/corcho, Brettanomyces, smoke taint) con narices electrónicas que bajan a umbrales de 2 ng/L de TCA; y (4) asistencia comercial-enológica al blending, liderada por Tastry, que opera "gemelos digitales" de química de producto y paladar humano con más de 150 bodegas clientes y precisión declarada >92% en predicción de scores de consumidor. La frontera 2026 son los gemelos digitales de fermentación con modelos híbridos (conocimiento mecanístico + IA), ejemplificados por el proyecto español VINPRECISE (CSIC con Ramón Bilbao y Roda) y los marcos conceptuales de "Sistema Enológico Inteligente" que apuntan del sensado automático al control activo. El patrón es claro: sensores baratos + ML + nube como sustituto rápido y no destructivo de análisis de laboratorio y cata humana, con validación industrial todavía en curso.

1. Tastry: gemelos digitales de química de producto y paladar humano para blending con IA

producto · Tastry (Katerina Axelsson) · Estados Unidos · 2024 · empresa

Tastry es una plataforma de 'sensory sciences' fundada en 2016 que crea gemelos digitales de la química del producto y del paladar humano para formular, predecir y lanzar vinos. Su laboratorio certificado TTB caracteriza cada vino contra 96 características Tastry (química estándar, roble, fenoles, ésteres, terpenos, alcoholes superiores, marcadores de humo y de Brett, etc.). Su proceso patentado de blending computacional (CompuBlend) sugiere qué tanques mezclar y en qué proporción para un perfil de consumidor objetivo, y declara predecir scores de consumidor con más de 92% de precisión. Más de 150 bodegas y clientes retail lo han implementado; en casos documentados O'Neill Vintners ahorró cerca de 30.000 dólares y Distinguished Vineyards lo usó para decisiones estratégicas de mezcla.

https://tastry.com/technology/

2. VINPRECISE: gemelo digital con modelos híbridos y sensores inteligentes para vinificación de precisión

iniciativa · IATA-CSIC, IIM-CSIC, Universidad de Zaragoza, Bodegas Ramón Bilbao, Bodegas Roda, INCONEF, Lallemand Bio · España · 2026 · medio especializado

Proyecto de I+D iniciado en 2026 por el Instituto de Agroquímica y Tecnología de Alimentos (IATA-CSIC) y el Instituto de Investigaciones Marinas (IIM-CSIC, Vigo) para desarrollar un gemelo digital avanzado de la fermentación del vino. Combina modelos computacionales híbridos (conocimiento mecanístico + IA) con sensores inteligentes y hardware aún poco presentes en el sector. Participan las bodegas Ramón Bilbao y Roda, además de la Universidad de Zaragoza, INCONEF y Lallemand Bio. El objetivo es predecir y optimizar el comportamiento de la fermentación a partir de datos reales de proceso, modelizar la heterogeneidad de fermentadores a gran escala y validar el gemelo en condiciones preindustriales para garantizar aplicabilidad real en bodega frente a la creciente variabilidad de la uva por cambio climático.

https://www.iata.csic.es/es/noticias/el-iata-y-el-iim-colaboran-en-el-proyecto-vinprecise-para-desarrollar-un-gemelo-digital

3. SmartBarrel: sistema IoT con nariz y lengua electrónicas y deep learning V-LSTM para fermentación

paper · Universidad de Ioánina (Grecia), revista Sensors (MDPI) · Grecia · 2025 · revista científica

Publicado en Sensors el 21 de junio de 2025, SmartBarrel es un sistema IoT que monitorea y pronostica la fermentación del vino mediante dos dispositivos compactos que se montan directamente sobre tanques de acero inoxidable: una 'nariz' (e-nose) que mide emisiones de gas y una 'lengua' (e-tongue) que capta acidez, azúcar residual y cambios de color, ambos con sensores de bajo costo y bajo consumo. La infraestructura de nube se basa en herramientas open-source de Industria 4.0 (plataforma ThingsBoard y base NoSQL Cassandra) para almacenamiento, visualización y acceso móvil en tiempo real. Los autores desarrollaron un modelo de deep learning propio, V-LSTM (Variable-length LSTM), con arquitectura auto-calibrante de profundidad y celdas variables para el pronóstico de métricas de fermentación.

https://www.mdpi.com/1424-8220/25/13/3877

4. Monitoreo de fermentación alcohólica y predicción de pH con espectroscopía Raman espontánea y ML

paper · revista Beverages (MDPI) · Internacional · 2021 · revista científica

Estudio que predice concentraciones de azúcar total antes y durante la fermentación alcohólica, así como etanol y pH en vinos terminados, en uvas de vino tinto y blanco usando espectroscopía Raman espontánea. Modela etanol y azúcares con support vector regression (SVR), partial least squares (PLSR) y Ridge regression (RR). Los resultados para azúcar total antes y durante fermentación fueron excelentes (R² SVR = 0,96, PLSR = 0,95, RR = 0,95), y las predicciones de etanol y pH en vinos terminados tras stripping fenólico aún mejores (R² SVR = 0,98, PLSR = 0,99, RR = 0,99). Aborda el reto de los compuestos fluorescentes del tinto (antocianos, fenoles pigmentados) mediante un método de extracción simple, demostrando que Raman es viable para monitoreo rápido y confiable de fermentación.

https://www.mdpi.com/2306-5710/7/4/78

5. Modelización de la astringencia del vino desde su composición química con algoritmos de ML

paper · OENO One · Internacional · 2020 · revista científica

Estudio publicado en OENO One que predice la astringencia sensorial del vino a partir de su composición química usando varios algoritmos de machine learning. El mejor modelo se obtuvo con un support vector regressor de kernel radial, con un error cuadrático medio (RMSE) de 0,190. Es un ejemplo fundacional del enfoque química→sensorial, que busca reemplazar paneles de cata por predicciones objetivas a partir de variables medibles en laboratorio, una de las bases conceptuales de plataformas comerciales posteriores como Tastry.

https://oeno-one.eu/article/view/2380

6. Modelización de rasgos sensoriales de Cabernet-Sauvignon desde datos espectrofluorométricos

paper · OENO One · Internacional · 2021 · revista científica

Estudio en OENO One que modela rasgos sensoriales de vino Cabernet-Sauvignon a partir de datos espectrofluorométricos. El modelo óptimo se generó con ocho variables latentes y dio R² de calibración = 0,936, R² de validación cruzada = 0,848 y R² de predicción = 0,681. Demuestra que la fluorescencia, combinada con quimiometría, puede capturar parte de la información sensorial del vino, aunque la capacidad predictiva cae en validación externa, lo que ilustra el reto real de generalización de estos modelos química/espectro→sensorial.

https://oeno-one.eu/article/view/4805

7. Evaluación y clasificación digital de defectos del vino con nariz electrónica de bajo costo, NIR y ML

paper · Universidad de Melbourne (Digital Agriculture, Food and Wine), revista Sensors (MDPI) · Australia · 2022 · revista científica

Estudio que combina una nariz electrónica de bajo costo y espectroscopía de infrarrojo cercano (NIR) con modelos de machine learning para detectar y clasificar defectos (faults) del vino de forma rápida y no destructiva. Reportó alta exactitud en los modelos de clasificación: para tintos 94-96% con NIR y 92-97% con e-nose; para blancos 96-97% con NIR y 90-97% con e-nose. Es uno de los trabajos de referencia del grupo de Agricultura Digital de Melbourne, que ha producido varios estudios sobre smoke taint y defectos aromáticos con sensores de bajo costo y ML.

https://pmc.ncbi.nlm.nih.gov/articles/PMC8955090/

8. Nariz electrónica portátil para discriminación de TCA (2,4,6-tricloroanisol) en corcho

paper · revista Sensors (MDPI) · Internacional · 2022 · revista científica

Prototipo de nariz electrónica con un arreglo de sensores de gas de óxido metálico digitales y analógicos (31 señales en total) capaz de detectar TCA, principal responsable del defecto a corcho. El dispositivo diferencia entre capas interna y externa de la corteza de corcho (81,5% de acierto), distingue entre seis muestras de corcho granulado (83,3%) y predice la concentración de una muestra nueva con margen de error de ±10%, detectando concentraciones bajas de TCA (≤15,1 ng/L). El paper también referencia un proyecto europeo multicéntrico que desarrolló una e-nose capaz de detectar TCA hasta 2 ng/L, mostrando el potencial de la nariz electrónica para control de calidad automatizado frente a la cata humana.

https://pmc.ncbi.nlm.nih.gov/articles/PMC9102965/

9. Evaluación de calidad de vino con deep learning ligero: 1D-CNN + LSTM sobre señales VOC de nariz electrónica

paper · revista Applied Computing and Informatics (Emerald) · Internacional · 2024 · revista científica

Estudio que integra una red 1D-CNN con LSTM para analizar señales de compuestos orgánicos volátiles (VOCs) captadas por una nariz electrónica y evaluar la calidad del vino con un modelo de deep learning ligero, optimizado para bajo costo computacional. Representa la tendencia 2023-2024 de combinar capas convolucionales (extracción de características del patrón de sensores) con recurrentes (dinámica temporal de la respuesta del e-nose), mejorando la clasificación de perfiles aromáticos respecto a quimiometría clásica como PLS o PCA.

https://www.emerald.com/insight/content/doi/10.1108/aci-10-2023-0098/full/html

10. De perfiles volátiles a predicción sensorial: revisión de modelado de aroma del vino con quimiometría y sensores

articulo · revista Chemosensors (MDPI) · Internacional · 2025 · revista científica

Revisión de 2025 que sistematiza los avances recientes en modelado del aroma del vino combinando perfiles volátiles (GC-MS, GC-IMS), narices y lenguas electrónicas, espectroscopía y machine learning para pasar del perfil químico a la predicción sensorial. Documenta resultados notables del campo, como que la espectroscopía NIR en línea de uvas en fermentación puede predecir atributos clave de aroma (frutal, floral, 'verde') con R² superiores a 0,97. Útil como mapa del estado del arte del frente de e-nose/e-tongue y predicción química→sensorial.

https://www.mdpi.com/2227-9040/13/9/337

11. Hacia un Sistema Enológico Inteligente (IOS): del sensado automático al control activo en vinificación

articulo · Comprehensive Reviews in Food Science and Food Safety (Wiley, IFT) · Internacional · 2026 · revista científica

Revisión exhaustiva de 2026 que propone el marco conceptual del 'Intelligent Oenological System' (IOS), articulando la evolución desde el sensado automatizado hacia el control activo del proceso de vinificación. Integra sensores, IoT, machine learning, gemelos digitales y bucles de control para una bodega que no solo monitorea sino que decide y actúa sobre la fermentación. Sirve como referencia académica de alto nivel para entender hacia dónde converge el frente: del dashboard pasivo al sistema enológico que cierra el lazo de control.

https://ift.onlinelibrary.wiley.com/doi/10.1111/1541-4337.70375?af=R

12. E&J Gallo: IA para monitoreo de fermentación en tiempo real a escala industrial

articulo · E. & J. Gallo Winery · Estados Unidos · 2024 · medio especializado

E. & J. Gallo, una de las mayores productoras del mundo, emplea sistemas de IA para monitorear condiciones de fermentación en tiempo real, manteniendo consistencia entre sus múltiples etiquetas y aumentando la eficiencia de producción. Los sistemas analizan datos históricos y en tiempo real (temperatura, actividad de levaduras, niveles de azúcar y densidad) y, comparando con añadas previas, recomiendan el momento óptimo para prensar la uva o trasvasar el vino a barrica. Es uno de los casos más citados de adopción industrial de IA en bodega, aunque la documentación pública es de nivel divulgativo y no técnico.

https://sommelierschoiceawards.com/en/blog/insights-1/how-artificial-intelligence-is-shaping-the-future-of-wine-production-1138.htm

13. Pipeline de machine learning para predecir calidad de Pinot Noir desde datos de viticultura

paper · revista (PMC), grupo de investigación en viticultura digital · Nueva Zelanda · 2024 · revista científica

Estudio de 2024 que desarrolla e implementa un pipeline de machine learning para predecir la calidad de vino Pinot Noir a partir de datos de viticultura recogidos antes de la cosecha. La lógica es anticipar la calidad probable del vino desde variables del viñedo y clima de la temporada de crecimiento, para que productores seleccionen uva de mayor calidad en lugar de esperar al vino terminado. Conecta el frente de bodega con el de campo, mostrando cómo el ML enlaza decisiones de cosecha con resultado enológico.

https://pmc.ncbi.nlm.nih.gov/articles/PMC11476124/

Frente 3 · IA y el consumidor: recomendación, sommelier virtual, e-commerce

El frente consumidor es el más maduro comercialmente de la IA del vino, con tres generaciones conviviendo. Primera: filtrado colaborativo a escala masiva — Vivino con su Match Score tipo Netflix sobre ~200 millones de ratings sigue siendo el referente, y los clubes algorítmicos fundacionales (Bright Cellars 2015, Firstleaf con 150.000+ socios y 120.000 cajas únicas/mes) demostraron que el loop quiz-envío-rating-reajuste retiene socios y hoy es el estándar de los wine clubs con IA. Segunda: matching sensorial-químico B2B2C, donde Tastry (química de la botella + paladar del consumidor, lifts de venta de 5-18% en retail documentados) y Preferabli (800+ atributos curados por Master Sommeliers, desplegado en Marks & Spencer y desde dic-2024 en Albertsons) llevaron la recomendación al supermercado y al e-commerce de grandes cadenas. Tercera, post-2023: sommeliers conversacionales con LLM — Wine-Searcher con asistente RAG sobre AWS Bedrock, VinoVoss como buscador semántico, sommelier.bot, y bodegas medianas (Miller Family, The Wine Engine, VendimIA en España) adoptando chatbots como canal directo. La evidencia científica le pone techo al entusiasmo: SommBench (2026) muestra que los LLMs alcanzan ~97% en teoría del vino pero fallan en juicio sensorial y maridaje (MCC 0-0,39, con sesgo a aprobar todo), y el piloto real de Cru Uncorked confirmó ~80% de acierto pero 25% de vinos alucinados fuera de cava. En paralelo, el caso fundacional 19 Crimes/Living Wine Labels (AR, +40% de ventas, 5,5M descargas) sigue sin ser superado en etiquetas inteligentes. El consenso de medios serios (Decanter, Meininger's) y de la academia es un modelo híbrido: IA para escala, personalización y primer contacto; humano para curatoría, historia y confianza — con datasets abiertos (X-Wines, 21M de evaluaciones) habilitando que actores chicos construyan recomendadores propios sin depender de plataformas.

1. SommBench: Assessing Sommelier Expertise of Language Models

paper · Brach, Bedej, Nielsen et al. (arXiv, cs.CL) · Eslovaquia / Dinamarca (multinacional) · 2026 · revista científica

Primer benchmark multilingüe (8 idiomas) que evalúa la pericia de sommelier en LLMs, construido con un sommelier profesional. Incluye tres tareas: teoría del vino (1.024 preguntas), completar características sensoriales (1.000 ejemplos) y maridaje comida-vino (1.000 ejemplos). Los modelos de punta (GPT-5, Gemini 2.5 Pro) logran hasta 97% en teoría, pero caen a 65% máximo en características sensoriales y un MCC de apenas 0-0,39 en maridaje. Detecta un sesgo de positividad: los modelos tienden a aprobar cualquier maridaje porque el contenido web de vino casi nunca rechaza combinaciones. Conclusión: los LLMs dominan el conocimiento factual pero no el juicio sensorial experto.

https://arxiv.org/abs/2603.12117

2. Do LLMs Understand Wine Descriptors Across Cultures? A Benchmark for Cultural Adaptations of Wine Reviews

paper · Investigadores académicos (arXiv, cs.CL) · China / internacional · 2025 · revista científica

Introduce el problema de adaptar reseñas de vino entre culturas (chino-inglés), más allá de la traducción literal, incorporando preferencias regionales de sabor y descriptores culturales. Compila el primer corpus paralelo de reseñas profesionales: 8.000 reseñas chinas y 16.000 anglófonas. Evalúa LLMs de frontera y baselines de traducción neuronal con métricas automáticas y evaluación humana. Relevante para e-commerce de vino transcultural: muestra que los descriptores de cata no se transfieren directamente entre mercados y que los LLMs actuales tienen desempeños muy dispares en esta tarea.

https://arxiv.org/abs/2509.12961

3. X-Wines: A Wine Dataset for Recommender Systems and Machine Learning

paper · Big Data and Cognitive Computing (MDPI) · Brasil · 2023 · revista científica

Dataset abierto fundacional para sistemas de recomendación de vino: 100.000 vinos de 62 países y 21 millones de evaluaciones reales de usuarios (ratings 1-5, 2012-2021) recolectadas de la web abierta. Publicado como recurso para entrenar y comparar recomendadores (filtrado colaborativo, deep learning). Es hoy la base pública de referencia que usan papers posteriores de recomendación vinícola, llenando el vacío de datos abiertos que antes solo tenían plataformas privadas como Vivino. DOI: 10.3390/bdcc7010020.

https://www.mdpi.com/2504-2289/7/1/20

4. A computational approach towards food-wine recommendations

paper · Expert Systems with Applications (Elsevier) · internacional · 2024 · revista científica

Paper en Expert Systems with Applications (Vol. 238, Part A, 2024) que propone un enfoque computacional para recomendar maridajes comida-vino de forma sistemática, modelando compatibilidades en lugar de depender de reglas heurísticas de sommelier. Forma parte de la línea académica que intenta formalizar el maridaje como problema de matching computable, antecedente directo de los motores de pairing que hoy integran apps de consumo y e-commerce.

https://www.sciencedirect.com/science/article/abs/pii/S0957417423022686

5. Vivino: el 'Netflix del vino' con Match Score personalizado por ML

producto · Vivino · Dinamarca / EE.UU. · 2021 (vigente) · prensa

Vivino, la mayor comunidad de vino del mundo, construyó su feature 'Match for You': un puntaje de afinidad personalizado calculado por machine learning para cada usuario contra cada uno de sus ~13 millones de vinos, al estilo del porcentaje de match de Netflix. Se activa cuando el usuario califica 5 vinos y mejora con cada rating adicional. El motor se alimenta de cerca de 200 millones de ratings y 75 millones de reseñas, más historial de compras y preferencias de sabor. Es el caso de mayor escala de personalización ML aplicada al consumidor de vino y el referente que todos los demás citan.

https://fortune.com/2021/01/30/vivino-virtual-digital-sommelier-buying-wine-online/

6. Tastry: química del vino + IA para predecir el paladar del consumidor en retail

producto · Tastry · EE.UU. (California) · 2019-2024 · empresa

Tastry analiza la química de cada botella (más de 5 millones de datapoints por vino) y la cruza con un quiz de paladar del consumidor para rankear el surtido completo de una tienda según afinidad individual; reporta sobre 92% de precisión en predicción de preferencias. Sus kioscos recomendadores en pasillo de vinos (desde 2019) produjeron alzas de 5% a 18% en ventas de la categoría, y reporta 12% de lift en ventas retail, clientes 45% más satisfechos con su compra y 20% menos propensos a irse a la competencia. En 2023-2024 lanzó 'Tastry Uncorked', el mismo recomendador como widget para e-commerce de retailers y bodegas.

https://tastry.com/tastry-launches-tastry-uncorked-a-personalized-ai-recommender-for-e-commerce/

7. Predicting Palates: Can Artificial Intelligence Improve Wine Buying? (caso Tastry en retail)

articulo · Wine Industry Advisor · EE.UU. · 2022 · medio especializado

Reportaje del medio especializado Wine Industry Advisor que documenta los pilotos retail de Tastry: los recomendadores de pasillo instalados desde mediados de 2019 generaron aumentos inmediatos de 5% hasta 18% en ventas de la categoría vino. Describe el funcionamiento del sistema (quiz de consumidor + ranking del surtido completo por afinidad química-sensorial) y el debate sobre si la IA puede realmente mejorar la decisión de compra de vino frente al consejo humano. Es la fuente periodística independiente que valida las cifras de la empresa.

https://wineindustryadvisor.com/2022/05/17/predicting-palates-can-artificial-intelligence-change-wine-tasting/

⚠ Verificación: marcado como dudoso — El artículo existe en Wine Industry Advisor (2022) y cubre Tastry, el funcionamiento del sistema y su aplicación en retail. Sin embargo, los datos específicos de '5% a 18% de aumento en ventas de la categoría' y 'aumentos inmediatos desde mediados de 2019' no pudieron ser confirmados en el texto recuperado del artículo: la cobertura describe la tecnología pero sin esas cifras concretas. Las métricas pueden provenir de material de Tastry, no del artículo independiente.

8. Preferabli + Albertsons: 'Sensorial AI' en el e-commerce de vino de un gigante supermercadista

piloto · Preferabli / Albertsons Companies · EE.UU. · 2024 · medio especializado

En diciembre 2024 Albertsons (segunda cadena de supermercados de EE.UU.) integró Preferabli —plataforma de 'Sensorial AI' nacida en 2010 como Wine Ring— para recomendaciones hiperpersonalizadas de vino en su sitio Vine & Cellar Reserve, partiendo en California. Los algoritmos de Preferabli, entrenados con Master Sommeliers y Masters of Wine, rastrean más de 800 características por producto y aprenden del gusto individual del usuario (no de promedios de otros). Preferabli opera en más de 70 países y también provee el 'Wine Finder' de Marks & Spencer en Reino Unido. Es el caso más claro de IA de recomendación de vino desplegada por retail masivo.

https://www.digitalcommerce360.com/2024/12/16/albertsons-ai-preferabli-wine-selection/

9. Cómo funciona el AI Wine Finder de Marks & Spencer construido con Preferabli

piloto · Marks & Spencer / Preferabli · Reino Unido · 2023 · medio especializado

The Buyer documenta el despliegue del 'Wine Finder' de M&S, herramienta de recomendación impulsada por la IA de Preferabli en el e-commerce de la cadena británica. El sistema construye un perfil de preferencias del cliente y le sugiere vinos del surtido M&S con afinidad sensorial, en vez de filtros tradicionales por uva o precio. Es uno de los primeros casos europeos de un gran retailer alimentario usando IA de recomendación sensorial de vino orientada al consumidor final, y antecedente directo del acuerdo posterior con Albertsons en EE.UU.

https://www.the-buyer.net/insight/how-m-and-s-s-new-ai-wine-finder-tool-from-preferabli-is-going-to-work/

10. Firstleaf: club de vino con algoritmos patentados que personalizan cada caja (150.000+ socios)

producto · Firstleaf / Penrose Hill · EE.UU. (Napa) · 2016-presente · prensa

Firstleaf es el club de vino algorítmico de mayor escala documentada: más de 150.000 socios y sobre 120.000 cajas únicas personalizadas enviadas al mes. Usa quiz inicial de calibración más algoritmos patentados que cruzan feedback del socio con la química del vino para inferir qué componentes le gustan o disgustan, y el perfil se actualiza con cada rating, adaptándose cuando el paladar del socio cambia. Su matriz Penrose Hill produce y selecciona los vinos en función de lo que el modelo predice; sus vinos suman más de 1.000 premios. Es el ejemplo canónico de club de vino donde la IA decide el surtido de cada socio.

https://www.pressdemocrat.com/north-bay-business-journal/article/industrynews/napas-firstleaf-grows-startup-wine-club-to-150000-plus-members/

11. Bright Cellars: matching algorítmico de vinos fundado por egresados del MIT

producto · Bright Cellars (hoy parte de Winc) · EE.UU. (Milwaukee) · 2015 (fundacional) · prensa

Club de vino pionero del matching algorítmico, fundado por los egresados del MIT Joe Laurendi y Richard Yau. Un quiz de 7 preguntas sobre sabores cotidianos (chocolate, té, jugos) construye el perfil de gusto; el algoritmo compara 18 atributos por vino y asigna 'Bright Points' en escala de 100 que predicen el match con cada socio. Funciona como Pandora: los ratings post-envío realimentan el modelo de machine learning para afinar las cajas siguientes. Es un hito fundacional (2015) del modelo quiz + algoritmo + feedback loop que luego adoptaron Firstleaf, Tastry y otros.

https://news.mit.edu/2015/alumni-wine-matching-startup-bright-cellars-0903

12. AI vs. sommeliers: comensales comparan y puntúan maridajes a ciegas en Cru Uncorked

piloto · Restaurante Cru Uncorked (con Microsoft Copilot) · EE.UU. (Ohio) · 2025 · medio especializado

Experimento documentado por Restaurant Business: el restaurante de alta cocina Cru Uncorked enfrentó maridajes elegidos por IA contra los de sus sommeliers humanos en cenas a ciegas evaluadas por los comensales. La IA acertó cerca del 80% en elegir vino apropiado dentro de presupuesto, pero ~25% de los vinos que recomendó ni siquiera estaban en la cava del restaurante (alucinación de inventario). La conclusión práctica del piloto: el futuro del servicio de vino es híbrido — IA para escala y consistencia, sommelier humano para curatoría, historia y relación con el cliente.

https://www.restaurantbusinessonline.com/food/ai-vs-sommeliers-guests-cru-uncorked-compare-rate-wine-pairings

13. Wine-Searcher integra un Sommelier AI conversacional sobre AWS Bedrock

producto · Wine-Searcher (caso técnico de Peritos Solutions) · Nueva Zelanda · 2024-2025 · empresa

Wine-Searcher, el mayor buscador mundial de precios de vino, incorporó a su app un asistente conversacional 'Sommelier AI' construido sobre Amazon Bedrock, capaz de maridaje, consejos de gestión de cava y comparación de añadas. El pipeline incluye reconocimiento de etiquetas con modelo propio, extracción estructurada por OCR (bodega, vino, añada, denominación, cepa, alcohol) con precisión objetivo sobre 92%, y una capa de resumen RAG conectada a los listados de precios en vivo. Arquitectura serverless dentro de la cuenta AWS de Wine-Searcher, sin que las imágenes salgan del entorno. Caso concreto de LLM + RAG aplicado al consumidor de vino a gran escala.

https://www.peritossolutions.com/projects/winesearcher-ai-assist/

⚠ Verificación: marcado como dudoso — La página existe y el proyecto es real (AWS Bedrock, OCR, RAG). Sin embargo, la descripción del hallazgo lo presenta como un 'asistente conversacional Sommelier AI capaz de maridaje, gestión de cava y comparación de añadas', cuando la página real describe principalmente un sistema de reconocimiento de etiquetas y resúmenes de proveniencia (150-250 palabras). La capa conversacional de 'Sommelier AI' está mencionada como fase siguiente, no como producto desplegado. La descripción sobrevende el estado real del proyecto.

14. 19 Crimes / Living Wine Labels: etiquetas con realidad aumentada que subieron las ventas ~40%

piloto · Treasury Wine Estates (caso PTC Vuforia) · Australia / EE.UU. · 2017-2019 (fundacional) · empresa

Caso fundacional de etiqueta inteligente: la app Living Wine Labels de Treasury Wine Estates hace que los convictos de las etiquetas de 19 Crimes cobren vida en AR y cuenten su historia. Resultados documentados por PTC (proveedor de la tecnología Vuforia): 5,5 millones de descargas desde julio 2017, más de 22 millones de usos de la experiencia, y un aumento de ~40% en cajas vendidas entre 2017 y 2019; Market Watch nombró a 19 Crimes marca de vino del año 2017. Treasury extendió la plataforma AR a The Walking Dead Wines, Beringer Bros, Chateau St Jean y Gentleman's Collection. Sigue siendo el benchmark de engagement de consumidor vía etiqueta aumentada.

https://www.ptc.com/en/case-studies/augmented-reality-19-crimes-wine

15. AI and wine: A taste of the future?

articulo · Decanter · Reino Unido · 2024 · medio especializado

Panorámica de Decanter, uno de los medios de vino más influyentes del mundo, sobre cómo la IA está tocando la experiencia del consumidor: recomendadores personalizados, sommeliers virtuales, generación de notas de cata y los límites de delegar el gusto en una máquina. Recoge tanto el entusiasmo de las plataformas (apps de match, chatbots de bodega) como el escepticismo de críticos y sommeliers sobre la homogeneización del gusto. Útil como termómetro de cómo el establishment del vino procesa la ola de IA de cara al consumidor.

https://www.decanter.com/wine/ai-and-wine-a-taste-of-the-future-523210/

16. AI: Wine Recommendation 3.0

articulo · Meininger's International · Alemania · 2023-2024 · medio especializado

Análisis del medio alemán Meininger's sobre la tercera generación de recomendación de vino: del filtro colaborativo (Vivino) y los quiz de paladar (Tastry, Preferabli) hacia asistentes conversacionales tipo sommelier.bot capaces de entender en lenguaje natural lo que el consumidor online busca, junto con comunicaciones individualizadas de bodegas a clientes. Sitúa la recomendación IA dentro del contexto de mercado: consumo global de vino a la baja (-2,6% en 2023) y la personalización como palanca para retener a consumidores jóvenes. Complementa con su pieza de tendencias 2025 'From New Markets to AI'.

https://www.meininger.de/en/wine/news/ai-wine-recommendation-30

⚠ Verificación: marcado como dudoso — La URL existe en meininger.de y el artículo es real. Sin embargo, la descripción del hallazgo (que habla de una 'tercera generación' desde filtrado colaborativo hasta asistentes tipo sommelier.bot, con datos macro de consumo global -2,6%) no coincide con el contenido confirmado del artículo, que cubre específicamente el sommelier GPT del Italian Wine Crypto Bank en Bergamo. La descripción es una síntesis embellecida que mezcla varias piezas de Meininger's, no el artículo concreto en ese link.

17. Miller Family Wine Company lanza sommelier de IA para la selección de vinos de sus clientes

piloto · Miller Family Wine Company (cobertura Vinetur) · EE.UU. (California) / medio en español · 2026 · prensa

Vinetur (medio vinícola en español) reporta en marzo 2026 el lanzamiento de un sommelier de IA por parte de Miller Family Wine Company para transformar la selección de vino de sus clientes, enmarcándolo en que 'el vino entra en la era de la inteligencia artificial sin renunciar al criterio humano'. Ejemplo reciente de bodega familiar (no tech) adoptando un asistente IA de cara al consumidor como canal de venta directa, señal de que la herramienta dejó de ser exclusiva de plataformas y retailers. Vinetur también cubrió en 2025 el debut de 'Grapevine', sommelier IA basado en tecnología OpenAI de la plataforma de suscripción The Wine Engine (400 vinos iniciales) en EE.UU.

https://www.vinetur.com/2026031797682/miller-family-wine-company-launches-ai-sommelier-to-transform-customer-wine-selection.html

18. VendimIA: app española que convierte la tienda online de la bodega en sommelier virtual

producto · Intelligence Trade (startup alicantina) · España · 2024 · prensa

Tres emprendedores de Alicante (startup Intelligence Trade, dedicada a exportación de vino desde 2020) crearon VendimIA, app que recomienda vinos con IA conversacional y se integra en los canales de venta de bodegas españolas para destacar sus catálogos, ofrecer búsqueda intuitiva personalizada y convertir la tienda online en un sommelier virtual. Caso hispanohablante relevante para el mercado iberoamericano: la IA de recomendación como capa B2B2C que una bodega mediana puede contratar, en vez de construir. Cobertura de prensa regional española (TodoAlicante, mayo 2024).

https://www.todoalicante.es/economia/tres-alicantinos-crean-app-recomienda-vinos-inteligencia-20240502141028-nt.html

19. VinoVoss: buscador semántico de vinos y sommelier virtual de BetterAI

producto · BetterAI · EE.UU. (Silicon Valley) · 2024 · prensa

BetterAI lanzó VinoVoss, motor de búsqueda semántica y recomendación de vinos que actúa como sommelier virtual: el usuario describe en lenguaje natural lo que quiere ('algo frutal para un asado bajo $20') y el sistema —que combina NLP, IA generativa y computer vision— entrega recomendaciones personalizadas, comparación de vinos para un plato, tracking de colección propia y búsqueda de vinos orgánicos/naturales. Fundada por Angel Vossough (CEO) y Arsalan Vossough (CTO), con planes de APIs de datos para negocios de vino e integraciones con apps de delivery de alcohol. Representa la generación 'search-first' de sommeliers IA post-LLM.

https://www.fb101.com/betterai-revolutionizing-the-wine-industry-with-groundbreaking-vinovoss-ai-sommelier/

Frente 4 · IA en medios, crítica y editorial de vino

El frente "IA en medios y crítica de vino" pasó en tres años de la provocación académica al producto editorial real. La base científica es sólida y anterior al boom de ChatGPT: el paper de Dartmouth en International Journal of Research in Marketing (2023, entrenado con 125.000 reseñas de Wine Enthusiast) demostró que las notas de cata generadas por máquina son indistinguibles de las humanas en un test de Turing, y la línea de "wineinformatics" (Harvard Data Science Review 2025, Fermentation 2024) demuestra que los puntajes 90+ se predicen con ~88% de precisión desde el propio texto de las reseñas — es decir, el archivo editorial de una revista de vinos es un activo de datos modelable. Sobre esa base, los hitos se aceleraron: GPT-4 aprobó la teoría de tres niveles del Court of Master Sommeliers (2023), Wine-Searcher lanzó en diciembre 2025 su propio crítico virtual ("Wine-Searcher AI") listado junto a críticos humanos, y en 2026 Eric Asimov (NYT) documentó que el 25% de los consumidores de vino de EE.UU. ya usó chatbots para elegir vino. La reacción de los medios se divide en tres posturas nítidas: rechazo con política explícita (Jancis Robinson, que calificó la prosa de IA de "aterradora" y prohíbe la IA en su concurso de escritura), integración pragmática de back-office sin ceder la firma (Wine Enthusiast, Felicity Carter con +300% de productividad usando IA para transcripción e investigación), y experimentación frontal (Wine-Searcher). El debate ético/laboral tiene datos concretos: 62% de los compradores desconfía de notas de cata sin firma humana (75% en mayores de 50), la UE discute etiquetar contenido publicitario generado sin intervención humana desde 2027, y casos como el artículo del sitio de Jane Anson escrito 90% por ChatGPT (2023) fijaron el costo reputacional de no transparentar. Para investigación aplicada hay además evidencia directamente editorial: los LLM fallan en adaptar culturalmente los descriptores de cata entre idiomas (benchmark EMNLP 2025), lo que afecta cualquier estrategia de traducción automática de contenidos. El consenso emergente que una directora editorial puede capitalizar: la IA replica el género "nota de cata" pero no puede catar, reportear ni firmar; el valor defendible del medio se desplaza hacia la cata verificada, la voz con nombre propio, el reporteo presencial y el archivo histórico como activo de datos propio — exactamente los insumos con que terceros (Wine-Searcher, académicos) ya están construyendo críticos sintéticos.

1. Complementing human effort in online reviews: A deep learning approach to automatic content generation and review synthesis

paper · Dartmouth College / Tuck School of Business / Indiana University · Estados Unidos · 2023 · revista científica

Estudio fundacional de Carlson, Kopalle, Riddell, Rockmore y Vana publicado en International Journal of Research in Marketing (vol. 40, n.1, pp. 54-74; DOI 10.1016/j.ijresmar.2022.02.004). Entrenaron un modelo de deep learning con ~125.000 reseñas profesionales de Wine Enthusiast para generar notas de cata a partir de pocos atributos del vino (bodega, variedad, región, añada). En una evaluación tipo test de Turing, los sujetos humanos no pudieron distinguir las reseñas generadas por la máquina de las escritas por críticos expertos. El paper también demuestra síntesis automática de múltiples reseñas en una sola y discute explícitamente los desafíos éticos del contenido generado por computador en crítica de productos. Es la referencia académica que casi toda la prensa del vino cita cuando habla de 'IA que escribe notas de cata'.

https://www.sciencedirect.com/science/article/abs/pii/S016781162200009X

2. AI Sommelier Generates Wine Reviews without Ever Opening a Bottle

articulo · Scientific American · Estados Unidos · 2022 · medio especializado

Cobertura de Scientific American del estudio de Dartmouth: un algoritmo entrenado con ~125.000 reseñas de Wine Enthusiast 'pasó una especie de test de Turing', generando reseñas de vino y cerveza mayormente indistinguibles de las de expertos humanos. El artículo plantea la pregunta que luego dominó el debate editorial: si la nota de cata es un género tan formulaico que una máquina puede replicarlo, qué valor agrega el crítico humano. Los autores del estudio proponen el uso 'centauro': la máquina redacta el borrador desde atributos y el crítico humano valida y firma. Pieza útil como puerta de entrada divulgativa al paper original.

https://www.scientificamerican.com/article/ai-sommelier-generates-wine-reviews-without-ever-opening-a-bottle/

3. Wine-Searcher AI: el primer 'crítico de vino' oficial impulsado por IA en una plataforma global

producto · Wine-Searcher (Flaviar) · Nueva Zelanda · 2025 · empresa

Wine-Searcher, la mayor base de datos/buscador de precios de vino del mundo, incorporó en su página de 'Critics and Awards' un crítico virtual propio llamado Wine-Searcher AI, listado junto a críticos humanos como Jancis Robinson o Wine Spectator. Cuando un vino tiene pocas notas de cata de críticos reales, el sistema busca en internet información sobre el vino, productor, región, variedades y precio, y compila una nota de cata y un puntaje propios (ej.: para un Riesling de Domaine Weinbach 2020 escribe 'cítricos brillantes, notas florales y mineralidad intensa... final salino'). Es el experimento editorial más concreto de 'IA como crítico' publicado por un medio/plataforma de vino, y fue presentado en el artículo 'I, Wine-Searcher: A Critical Addition' (diciembre 2025, https://www.wine-searcher.com/m/2025/12/i-wine-searcher-a-critical-addition). La propia plataforma advierte que la precisión varía según la información disponible: es una 'evaluación educada' de calidad esperada, no una cata.

https://www.wine-searcher.com/critics-124-wine-searcher+ai

4. AI and wine — la postura de JancisRobinson.com y la prohibición de IA en su concurso de escritura

articulo · JancisRobinson.com · Reino Unido · 2023-2025 · medio especializado

Jancis Robinson, la crítica de vinos más influyente del mundo anglosajón, ha articulado públicamente la posición escéptica del establishment: cuando el profesor emérito de Stanford Yoav Shoham le envió un texto de vino generado por su sistema de IA (HAIMKE) a partir de frases semilla, su reacción publicada fue 'Terrifying' (aterrador). Su sitio publicó además el ensayo '¿Son redundantes los escritores de vino?' (https://www.jancisrobinson.com/articles/are-wine-writers-redundant) y desde 2025 las bases de su concurso anual de escritura de vino exigen explícitamente que los textos sean 'escritos sin ayuda de IA' (https://www.jancisrobinson.com/articles/introducing-our-2025-wine-writing-competition). Es el caso más claro de un medio de vino fijando política editorial anti-IA en la creación de contenido, mientras defiende la cata y la voz humana como núcleo del valor.

https://www.jancisrobinson.com/articles/ai-and-wine

5. A.I. Is Coming for the Sommeliers (Eric Asimov, The New York Times) y el debate que abrió

articulo · The New York Times / WBUR Here & Now · Estados Unidos · 2026 · prensa

En marzo de 2026 Eric Asimov, crítico de vinos del New York Times, publicó 'A.I. Is Coming for the Sommeliers', documentando que comensales en restaurantes de todo EE.UU. fotografían la carta de vinos y piden a ChatGPT recomendaciones por maridaje y relación precio-calidad. Asimov concluye que hasta ahora la IA ha resultado más herramienta útil que 'monstruo de Frankenstein', pero recoge el malestar de sommeliers que sienten anulada su profesión. El segmento de WBUR Here & Now (22 abril 2026, link citado) entrevista a Asimov y amplía el debate laboral. Según una encuesta de Wine Opinions citada en esta cobertura, el 25% de los bebedores de vino estadounidenses ya usó chatbots de IA al menos una vez para elegir vino. Es la pieza de prensa generalista que instaló el tema en la agenda de 2026.

https://www.nytimes.com/2026/03/wine-sommeliers-ai (artículo Asimov NYT, no disponible directamente) + https://www.wbur.org/hereandnow/2026/04/22/wine-sommeliers-ai (segmento WBUR real)

6. Does AI Have a Place in Restaurant Wine Programs? Nine Sommeliers Weigh In

articulo · Wine Spectator · Estados Unidos · 2025 · medio especializado

Wine Spectator consultó a nueve sommeliers de restaurantes premiados sobre el rol de la IA en programas de vino. Documenta casos reales de mal uso, como cartas de vino completas generadas con ChatGPT a partir del portafolio de un solo importador, y el problema de homogeneización: notas de cata, documentos de capacitación, newsletters y posteos generados por IA que 'empiezan a sonar todos iguales'. La conclusión transversal de los entrevistados: la IA sirve para tareas operativas (inventario, datos, formación), pero en lo cualitativo e intangible —la recomendación, el relato, la hospitalidad— lo humano sigue siendo esencial. Relevante porque muestra a uno de los dos grandes medios de puntajes de EE.UU. cubriendo el tema desde el criterio editorial, no desde el hype.

https://www.winespectator.com/articles/ai-impact-restaurants-wine-sommeliers-diners-2025

7. Understanding A.I. in Wine

articulo · Wine Enthusiast · Estados Unidos · 2023 · medio especializado

Panorama de Wine Enthusiast sobre cómo los profesionales del vino ya usan IA generativa (ChatGPT, Adobe Firefly) en su trabajo diario: segmentación de listas de correo para newsletters, copy web accesible (ADA), respuesta de correos y tareas de marketing. Cita un estudio del MIT para sostener que es improbable que la IA escriba reseñas de bebidas creíbles en el corto plazo, posicionando la línea editorial de la revista: integración gradual como herramienta de productividad, no como reemplazo del catador. Tiene un valor irónico documentado: fueron precisamente las ~125.000 reseñas de Wine Enthusiast las que sirvieron para entrenar el modelo de Dartmouth que pasó el test de Turing.

https://www.wineenthusiast.com/culture/industry-news/ai-technology-wine/

8. AI and wine: A taste of the future?

articulo · Decanter · Reino Unido · 2024 · medio especializado

Reportaje de Decanter (28 marzo 2024) sobre el avance de la IA en el mundo del vino, desde el viñedo hasta la crítica y la experiencia del consumidor. Es la pieza de referencia del principal medio británico de vino sobre el tema, y marca el tono con que Decanter ha tratado la IA: curiosidad tecnológica combinada con defensa del juicio sensorial humano. Incluye el debate sobre si la IA puede 'catar' (no puede: sintetiza lo que otros humanos cataron) y sobre los usos legítimos en recomendación y educación del consumidor. Útil como evidencia de que todos los grandes medios de vino ya tienen cobertura propia del tema desde 2023-2024.

https://www.decanter.com/wine/ai-and-wine-a-taste-of-the-future-523210/

9. How Much AI Can the Wine Industry Handle?

articulo · Meininger's International · Alemania · 2024 · medio especializado

Cobertura de Meininger's International (el medio B2B de vino más influyente de Europa) de su propia conferencia sobre IA, donde la industria debatió límites y usos: detección satelital de virus de la vid con tecnología NASA, robotización de producción en Félix Solís, y modelos de terroir en Cavit, junto al debate sobre IA en comunicación y venta de vino. Meininger's ha sostenido una línea editorial continua sobre el tema (también 'AI: Wine Recommendation 3.0' en meininger.de y la serie Wine Goes Tech), funcionando como el foro donde el negocio del vino europeo discute cuánta automatización tolera el relato del vino. Relevante para una directora editorial: muestra el formato 'conferencia propia + cobertura' como producto editorial en torno a la IA.

https://www.meininger.de/en/wine/events-news/how-much-ai-can-wine-industry-handle

10. Do LLMs Understand Wine Descriptors Across Cultures? A Benchmark for Cultural Adaptations of Wine Reviews

paper · EMNLP 2025 (Findings) — Zou, Wen, Hu y Qian Janice Wang · Dinamarca/China · 2025 · revista científica

Paper presentado en Findings of EMNLP 2025 que crea un benchmark para evaluar si los LLM entienden y adaptan descriptores de cata entre culturas, en concreto la traducción/adaptación de notas de cata entre inglés y chino. Muestra que la traducción literal de descriptores ('grosella negra', 'brioche') falla culturalmente, y mide la capacidad de los modelos para sustituir referentes sensoriales por equivalentes culturalmente cercanos. Directamente relevante para revistas de vino que publican en varios idiomas o traducen notas de cata: la evidencia indica que la traducción automática de notas de cata requiere adaptación cultural, no traducción literal, y que los LLM actuales lo hacen de forma desigual.

https://aclanthology.org/2025.findings-emnlp.99.pdf

11. AI: A New and Impactful Player in the Quality Evaluation of Wine

paper · Harvard Data Science Review (MIT Press) — grupo de Wineinformatics (Bernard Chen) · Estados Unidos · 2025 · revista científica

Artículo en Harvard Data Science Review (Issue 7.1, Winter 2025) que sintetiza una década de 'wineinformatics': el uso de las reseñas de críticos humanos (Wine Spectator, Robert Parker) como dato computable para que algoritmos evalúen calidad de vino. Cubre desde el procesamiento del lenguaje de notas de cata hasta modelos que predicen categorías de puntaje, y el dataset multimodal WineSensed que combina percepción visual, lenguaje y sabor. Su tesis: la IA ya es un 'jugador' real en la evaluación de calidad, pero construido sobre el trabajo de los catadores humanos, lo que plantea la pregunta editorial sobre quién es dueño del valor de los archivos de notas de cata. Acceso abierto.

https://hdsr.mitpress.mit.edu/pub/axrcdnax

12. Wineinformatics: Wine Score Prediction with Wine Price and Reviews

paper · Universidad de Central Arkansas (grupo Wineinformatics) · Estados Unidos · 2024 · revista científica

Paper en la revista Fermentation (MDPI, vol. 10, n.12, art. 598; DOI 10.3390/fermentation10120598) que predice si un vino recibirá 90+ puntos usando clasificadores Naive Bayes y SVM alimentados con las notas de cata procesadas (lenguaje natural convertido a atributos) más el precio. El SVM con normalización alcanzó 87,98% de precisión distinguiendo vinos de 90+ vs sub-90 sobre reseñas de Wine Spectator. Es el ejemplo más citable de 'predicción de puntajes con ML' construida directamente sobre el corpus editorial de una revista de vinos: demuestra que el archivo de notas de cata de un medio es un activo de datos monetizable y modelable. Línea de investigación activa desde 2016 con múltiples papers derivados (comparación Parker vs Wine Spectator, predicción de añadas de Burdeos).

https://www.mdpi.com/2311-5637/10/12/598

13. ChatGPT aprueba los exámenes de teoría del Court of Master Sommeliers

articulo · The Drinks Business · Reino Unido · 2023 · medio especializado

En marzo de 2023, investigadores reportaron que GPT-4 aprobó la parte teórica de tres niveles de los exámenes del Court of Master Sommeliers: 92% en el nivel introductorio, 86% en Certified y 77% en Advanced Sommelier. No puede rendir la parte de cata a ciegas, que sigue siendo la barrera humana. El hito fue cubierto por The Drinks Business, VinePair y wein.plus, y abrió el debate sobre la validez de las certificaciones teóricas y sobre el uso de LLM como tutor de estudio para sommeliers. Es el hito fundacional del subgénero 'la IA como experto en vino acreditado' que toda la prensa del vino retomó después.

https://www.thedrinksbusiness.com/2023/03/chatgpt-just-passed-three-of-the-master-sommelier-theory-exams/

14. The Dawn of the AI Wine Writers / Cuts Could Leave AI in Charge of Wine — el debate laboral en Wine-Searcher

articulo · Wine-Searcher · Nueva Zelanda · 2023-2025 · medio especializado

Dos piezas que enmarcan el debate ético/laboral. 'The Dawn of the AI Wine Writers' (enero 2023) reveló que un artículo publicado en el sitio de la escritora de Burdeos Jane Anson fue escrito en un 90% por ChatGPT, uno de los primeros casos documentados de contenido editorial de vino generado por IA publicado sin que el lector lo supiera. 'Cuts Could Leave AI in Charge of Wine' (mayo 2025, https://www.wine-searcher.com/m/2025/05/cuts-could-leave-ai-in-charge-of-wine) argumenta que los recortes en medios de vino dejan el vacío que la IA llenará: menos periodistas especializados pagados significa más contenido sintético sin cata real detrás. Juntas documentan la tensión laboral específica del periodismo de vino frente a la IA.

https://www.wine-searcher.com/m/2023/01/the-dawn-of-the-ai-wine-writers

⚠ Verificación: marcado como dudoso — El primer artículo ('The Dawn of the AI Wine Writers', enero 2023) se confirma en esa URL y el contenido sobre Jane Anson / ChatGPT al 90% es correcto. El segundo artículo ('Cuts Could Leave AI in Charge of Wine', mayo 2025, https://www.wine-searcher.com/m/2025/05/cuts-could-leave-ai-in-charge-of-wine) existe pero su contenido real es completamente distinto al descrito: trata sobre los recortes de personal del TTB (Alcohol and Tobacco Tax and Trade Bureau, agencia regulatoria federal de EE.UU.) bajo la administración Trump, NO sobre recortes en medios de vino ni periodistas especializados. La descripción del hallazgo atribuye al artículo un argumento sobre 'medios de vino' y 'periodistas pagados' que no corresponde al texto real. Es un error de contenido sustantivo, no solo de URL.

15. ChatGPT, Wine Writing, and Sommelier Education

articulo · Vinography (Alder Yarrow) · Estados Unidos · 2023 · medio especializado

Ensayo temprano (marzo 2023) de Alder Yarrow, uno de los blogueros de vino más respetados de EE.UU. y colaborador de JancisRobinson.com, sobre lo que ChatGPT significa para la escritura de vino y la educación de sommeliers. Su argumento se volvió canónico en el gremio: un LLM puede producir prosa de vino competente y aprobar exámenes teóricos, pero nunca podrá visitar una bodega, entrevistar al productor ni hacer las preguntas que requieren juicio y análisis; el valor defendible del escritor de vino se desplaza hacia el reporteo, la experiencia presencial y el criterio. Pieza fundacional del lado 'adaptacionista' del debate, frente al rechazo frontal de Robinson.

https://www.vinography.com/2023/03/chatgpt-wine-writing-and-sommelier-education

16. La inteligencia artificial irrumpe en el sector vinícola y reabre el debate sobre autenticidad y transparencia

articulo · Vinetur · España · 2025 · medio especializado

Artículo de Vinetur (julio 2025, también en inglés) que aporta los datos duros del debate en el mundo hispanohablante: un estudio citado indica que el 62% de los compradores desconfía de una nota de cata generada por máquina si no aparece el nombre del experto responsable, cifra que sube a 75% entre mayores de 50 años. Reporta además que el Parlamento Europeo debatió una enmienda para obligar, desde enero de 2027, a señalar con un ícono visible todo contenido publicitario generado sin intervención humana, y la advertencia de que la automatización del relato homogeneiza la experiencia y borra matices regionales. Clave para una revista en español: cuantifica el costo reputacional de publicar notas de cata sintéticas sin firma humana y anticipa regulación europea de transparencia.

https://www.vinetur.com/2025070389352/la-inteligencia-artificial-irrumpe-en-el-sector-vinicola-y-reabre-el-debate-sobre-autenticidad-y-transparencia.html

17. New Survey Sheds Light on AI Use in the Wine Industry

articulo · Wine Business Monthly · Estados Unidos · 2024 · medio especializado

Wine Business Monthly, la revista B2B de referencia de la industria del vino estadounidense, publicó los resultados de una encuesta sobre adopción de IA en el sector: qué proporción de bodegas y profesionales usa IA generativa, para qué tareas (marketing, redes sociales, copy, análisis) y cuáles son las barreras. Complementa la cobertura editorial con datos de adopción real, y la misma editorial (winebusiness.com) ha seguido el tema con iniciativas como el simposio 'Vine to Mind' 2026 sobre vino, ciencia de datos e IA (https://www.winebusiness.com/news/article/315286). Útil como benchmark de qué tan extendido está realmente el uso de IA entre los actores que una revista de vinos cubre y a los que vende publicidad.

https://www.winebusiness.com/wbm/article/297359

18. Felicity Carter: IA y autenticidad en la comunicación del vino (+300% de productividad editorial)

iniciativa · Drinks Insider / Areni Global / Vinitaly · Alemania/Italia · 2024 · medio especializado

Felicity Carter, ex editora en jefe de Meininger's Wine Business International y fundadora de Drinks Insider, es la voz editorial más citada sobre IA en medios de vino. En el foro wine2wine y en esta entrevista de Vinitaly plantea la posición pragmática: ella misma declara que la IA 'aumentó su producción editorial en 300%' (transcripción de entrevistas, investigación, flujos de contenido), pero advierte que el exceso de texto autogenerado produce comunicación impersonal, que Google prioriza originalidad, y que los medios deben proteger su voz propia con supervisión experta. Modelo concreto de cómo una editora senior de vino integra IA en el flujo de trabajo sin cederle la firma.

https://www.vinitaly.com/en/magazine/ai-and-wine-the-end-of-tradition-or-a-new-beginning/

19. SommBench: Assessing Sommelier Expertise of Language Models

paper · arXiv (preprint) · internacional · 2026 · revista científica

Preprint en arXiv (marzo 2026) que propone un benchmark sistemático para medir la 'expertise de sommelier' de los modelos de lenguaje: conocimiento teórico de regiones, variedades y servicio, y razonamiento sobre descriptores sensoriales. Formaliza lo que las notas de prensa de 2023 ('ChatGPT aprueba el examen de Master Sommelier') mostraban de forma anecdótica, permitiendo comparar modelos entre sí y contra el estándar humano de certificación. Relevante como evidencia de que la evaluación 'IA como crítico/sommelier' ya es un objeto de investigación reproducible y no solo titulares.

https://arxiv.org/pdf/2603.12117

20. The rise of the AI sommelier proves wine has an approachability problem

articulo · San Francisco Chronicle (Esther Mobley, sindicado en Yahoo) · Estados Unidos · 2026 · prensa

Columna de la crítica de vinos del San Francisco Chronicle a propósito de la ola de comensales que consultan ChatGPT en la mesa: sommeliers de restaurantes con estrella Michelin (como Elle Roberts en Nueva York) relatan en redes lo 'demoledor' de que los clientes pregunten al chatbot en vez de a ellas. La tesis editorial es incómoda y valiosa: si la gente prefiere la IA, es porque el vino tiene un problema de accesibilidad —cartas intimidantes, jerga, miedo a preguntar— que el propio gremio creó. Argumenta que la respuesta de los medios y sommeliers no es prohibir la IA sino desarmar la solemnidad que empuja al lector/comensal hacia ella.

https://www.yahoo.com/lifestyle/articles/jura-chardonnay-why-bay-area-120000389.html

Frente 5 · Investigación científica y oportunidades académicas

El campo IA+vino es hoy un frente de investigación maduro pero fragmentado. Tres polos lideran: (1) la University of Melbourne (grupo Digital Agriculture, Food and Wine de Sigfredo Fuentes), pionera en sensores de bajo costo + e-nose + NIR + ML para detectar defectos, humo y calidad, y ahora extendiéndose a microgravedad/espacio; (2) UC Davis (Plant AI and Biophysics Lab de Mason Earles), con visión por computador para predicción de cosecha desplegada en 200+ viñedos; y (3) el eje europeo Burdeos (ISVV) + Ginebra, que demostró en Nature Communications Chemistry que el ML sobre cromatogramas crudos identifica el château con 100% de exactitud (huella química del terroir, anti-falsificación). El review canónico del estado del arte es Gatou et al. 2024 (Sensors, DOI 10.3390/s24196211): revisa 2017-2023, confirma que las CNN dominan (>90% exactitud) y declara explícitamente las brechas centrales del campo. En Chile el hito clave es el centro VitiScience (ANID, 2026), liderado por la Pontificia Universidad Católica con U. de Talca, U. de La Frontera, INIA, CEAF y Viña Concha y Toro, que tiene una línea dedicada a IA y sensores remotos. La OIV trata el tema vía su trabajo de digitalización ("Digitalisation, the future of the vine and wine sector", Plan Estratégico 2025-2029) y publicaciones en IVES, más que vía una resolución única dedicada exclusivamente a IA. Las brechas declaradas que abren oportunidad para Operaria/Chile: escasez de datasets públicos de viñedo (la mayoría de equipos arman los propios), detección asintomática/temprana de enfermedad, integración fin-a-fin viñedo-a-consumidor (hoy todo está segmentado), interoperabilidad entre plataformas, barreras de costo para pymes vitícolas y falta de personal especializado (data scientists). Existe financiamiento explícito: Corfo lanzó en 2025 su primer programa PTEC de adopción de IA en sectores productivos (incluye agro-alimentario, cofinancia hasta 60%, tope ~3.000 millones CLP), y Horizon Europe financia proyectos como GRAPEBREED4IPM.

1. Artificial Intelligence Techniques in Grapevine Research: A Comparative Study with an Extensive Review of Datasets, Diseases, and Techniques Evaluation

paper · University of Patras (Gatou, Tsiara, Spitalas, Sioutas, Vonitsanos) · Grecia · 2024 · revista científica

Review canónico del estado del arte publicado en Sensors (DOI 10.3390/s24196211). Consolida la investigación de IA en vid de 2017-2023 y constata que el 88% se concentra en los últimos 5 años. Confirma que las redes neuronales convolucionales (CNN) son el mejor desempeño la mayoría de las veces, con exactitudes que superan el 90%. Cataloga siete enfermedades objetivo (Flavescence Dorée, Esca, mildiú, leafroll, Pierce, etc.) y nueve datasets (de 282 a 2.078 imágenes, incluido GrapeCS-ML). DECLARA BRECHAS EXPLÍCITAS clave para nuevos proyectos: escasez de datasets (muchos equipos deben crear los propios), incapacidad del RGB para detección asintomática/temprana, inviabilidad comercial del hiperespectral, y áreas poco estudiadas como manejo de suelo y calidad de cultivo.

https://pmc.ncbi.nlm.nih.gov/articles/PMC11479125/

2. Predicting Bordeaux red wine origins and vintages from raw gas chromatograms

paper · Université de Genève + Institut des Sciences de la Vigne et du Vin (ISVV), Université de Bordeaux · Suiza / Francia · 2023 · revista científica

Hito fundacional publicado en Communications Chemistry (Nature, DOI 10.1038/s42004-023-01051-9). Analizó 80 vinos tintos de 7 estates de Burdeos (cosechas 1990-2007) por cromatografía de gases y procesó los cromatogramas crudos con machine learning. El modelo recupera el château con 100% de exactitud y la añada con hasta ~50%; al mapear las firmas químicas como coordenadas XY, los vinos se agrupan correctamente según Margen Izquierda/Derecha. Prueba que existe una firma química medible del terroir y abre la puerta a herramientas anti-falsificación. El ISVV trabaja con investigadores franceses en autenticación de vino.

https://pmc.ncbi.nlm.nih.gov/articles/PMC10698164/

3. Unleashing the power of artificial intelligence for viticulture and oenology on earth and space

articulo · Digital Agriculture, Food and Wine Research Group, University of Melbourne (Sigfredo Fuentes, Claudia Gonzalez Viejo, Eden Tongson) · Australia · 2025 · medio especializado

Review reciente del grupo líder mundial de IA aplicada al vino (Fuentes et al., U. de Melbourne + ARC Centre of Excellence in Plants for Space). Documenta IA en toda la cadena: evaluación fisiológica y de riego, dinámica estacional de carbono, arquitectura de canopia, detección de contaminación por humo en canopia/bayas/vino, sensores de bajo costo + e-nose + NIR para evaluar vino a través de la botella sin abrirla, y modelado de preferencia del consumidor. Introduce un frente novedoso: cómo cambia la percepción sensorial del vino en microgravedad simulada y entornos espaciales (turismo espacial, programa Artemis). BRECHA DECLARADA: la mayoría de iniciativas se concentran en segmentos aislados de la cadena en vez de cubrir el proceso completo viñedo-a-consumidor para decisiones sostenibles.

https://ives-openscience.eu/55399/

4. Digitalization from vine to wine: Successes and remaining challenges - A review

paper · Bastard & Chaillet · Francia · 2023 · revista científica

Review publicado en BIO Web of Conferences del congreso OIV (DOI 10.1051/bioconf/20236801034). Es la mejor fuente de BRECHAS DECLARADAS del campo, directamente útil para posicionar a Operaria. Identifica como desafíos pendientes: (1) la IA requiere grandes volúmenes de datos de alta calidad y la disponibilidad/confiabilidad de datasets sigue siendo problemática, sobre todo para operaciones pequeñas; (2) incompatibilidad entre plataformas, dispositivos y software (falta de interoperabilidad); (3) resistencia organizacional al cambio y falta de mentalidad innovadora; (4) costo de inversión prohibitivo para pymes vitícolas; (5) escasez de personal especializado (data scientists, especialistas en IA). Mapa de oportunidad directo para una consultora de automatización.

https://www.bio-conferences.org/articles/bioconf/full_html/2023/13/bioconf_oiv2023_01034/bioconf_oiv2023_01034.html

5. Centro de Investigación e Innovación VitiScience

iniciativa · Pontificia Universidad Católica de Chile (líder), U. de Talca, U. de La Frontera, INIA, CEAF; socios privados Corteva, Acadian Plant Health y Viña Concha y Toro · Chile · 2026 · prensa

Centro de investigación recién adjudicado y financiado por ANID, anunciado en mayo de 2026. Es la apuesta institucional chilena más relevante para conectar ciencia de la uva y el vino con la industria. Liderado por la Pontificia Universidad Católica con U. de Talca, U. de La Frontera, INIA y CEAF, más socios privados de peso (Corteva, Acadian, Concha y Toro). Tiene seis líneas de investigación, una de ellas dedicada explícitamente a IA y sensores remotos. Apunta a transferir soluciones científicas a productores pequeños, medianos y grandes, frente a cambio climático, competencia internacional y sustentabilidad. Punto de contacto académico natural para Operaria en Chile.

https://www.portalagrochile.cl/2026/05/28/el-nuevo-centro-que-quiere-conectar-la-ciencia-de-la-uva-y-el-vino-con-la-industria-chilena/

6. Plant AI and Biophysics Lab — predicción de madurez de uva con 94% de exactitud (UC Davis)

producto · Plant AI and Biophysics Lab, UC Davis (Mason Earles) · Estados Unidos · 2025 · prensa

Sistema desarrollado en UC Davis por el laboratorio de Mason Earles, ya usado en más de 200 viñedos, que predice la madurez de la uva con 94% de exactitud semanas antes de la cosecha mediante IA que rastrea salud del cultivo y proyecta rendimiento. Ejemplo de transferencia real desde la academia a la operación de viñedos a escala. Earles lidera uno de los grupos de referencia en visión por computador y biofísica vegetal aplicada a viticultura. Caso ilustrativo de cómo la predicción de cosecha es hoy el caso de uso más maduro comercialmente.

https://www.wsls.com/business/2025/03/10/ai-made-its-way-to-vineyards-heres-how-the-technology-is-helping-make-your-wine/

⚠ Verificación: marcado como dudoso — El link existe y menciona a Mason Earles y la plataforma Scout de UC Davis, pero el artículo NO confirma el 94% de exactitud ni los 200+ viñedos. Esos números no aparecen en la cobertura AP distribuida ni en ninguna fuente encontrada. La existencia del laboratorio y de Scout es real; las métricas específicas son invención o provienen de una fuente no citada. No usar esos números sin fuente primaria verificada.

7. Piloto de vino con IA de Moldova (harvest, fermentación, blending, branding)

piloto · Moldova State University + National Office for Vine and Wine of Moldova (Diana Lazar, Elizaveta Breahna) · Moldova · 2024 · medio especializado

Primer piloto vitivinícola con IA de Moldova (2023-2024), presentado como blueprint replicable para economías vineras pequeñas (relevante para Chile). Integró LLMs basados en GPT con más de 120 documentos de expertos y 7 años de datos IoT de viñedo para probar IA en cuatro áreas: predicción de cosecha, monitoreo de fermentación, diseño de blend y branding/storytelling. Produjo dos vinos (un tinto y un blanco) con lógica composicional asistida por IA y validada por enólogos, usando variedades autóctonas. La campaña internacional generó más de 1.900 menciones de medios y 1.300 millones de impresiones. Muestra que la combinación de datos locales + LLM + validación humana es viable a pequeña escala.

https://ives-openscience.eu/57398/

8. Digitalisation, the future of the vine and wine sector (posición OIV) y Plan Estratégico 2025-2029

iniciativa · OIV (Organización Internacional de la Viña y el Vino) · Internacional (Francia/Moldova) · 2025 · empresa

La OIV no tiene (al momento de esta investigación) una resolución única dedicada exclusivamente a inteligencia artificial, pero sí trata el tema vía su línea de trabajo de digitalización. Su página oficial 'Digitalisation, the future of the vine and wine sector' y el Plan Estratégico 2025-2029 (sustentabilidad, viticultura resiliente, adaptación enológica, simplificación del comercio, seguridad del consumidor) enmarcan la adopción de tecnologías digitales y data-driven, incluida IA, como prioridad. La OIV opera además un Digital Observatory and Hub con reportes sobre tendencias digitales. El 23º Asamblea General (Chișinău, 20 jun 2025) adoptó resoluciones que mejoran la compatibilidad con herramientas digitales. Importante para Operaria: hay marco normativo blando favorable, no una regulación dura de IA.

https://www.oiv.int/digitalisation-the-future-of-the-vine-and-wine-sector

9. Programa Corfo de Uso y Adopción de Inteligencia Artificial (PTEC) para sectores productivos

iniciativa · Corfo (Corporación de Fomento de la Producción) · Chile · 2025 · prensa

Primer instrumento de financiamiento de Corfo enfocado exclusivamente en adopción de IA en procesos productivos, lanzado en 2025. Cubre sectores agro-forestal, salud, alimentos y acuicultura — el agro-alimentario incluye explícitamente a la vitivinicultura. Es parte de los Programas Tecnológicos (PTEC), cofinancia hasta el 60% del costo total de cada proyecto con tope de ~3.000 millones CLP, postulaciones hasta julio 2025 y proyectos extensibles hasta cinco años. Es la vía de financiamiento más directa para que Operaria estructure un proyecto IA+vino con un consorcio de viñas chilenas. Complementa los concursos ANID (IDeA I+D 2025) que exigen cofinanciamiento mínimo del beneficiario.

https://www.latercera.com/pulso/noticia/corfo-lanza-primer-programa-de-financiamiento-para-uso-de-inteligencia-artificial-en-procesos-productivos/

10. Grape dataset: dataset público para predicción y clasificación de enfermedades vía parámetros ambientales

paper · Autores en Data in Brief (Elsevier) · Internacional · 2024 · revista científica

Dataset público de 2024 (Data in Brief) con 10.000 registros de parámetros ambientales sensados (temperatura, humedad, humedad foliar) clasificados en categorías de enfermedad — mildiú polvoriento, mildiú velloso y mancha bacteriana — diseñado para entrenar algoritmos de ML de detección de enfermedad. Es uno de los pocos datasets de viñedo abiertos y reutilizables, lo que confirma la brecha de escasez de datos públicos que declara la literatura. Junto con los datasets clásicos de UCI (Wine, DOI dataset/109; Wine Quality, vinho verde portugués) forma el corpus base reutilizable para experimentos de ML en vino sin tener que generar datos propios.

https://pmc.ncbi.nlm.nih.gov/articles/PMC11190471/

11. Automated yield prediction in vineyard using RGB images acquired by a UAV prototype platform

paper · Equipo publicado en OENO One · Europa · 2024 · revista científica

Trabajo en OENO One (la revista científica de referencia del sector, open access de IVES) sobre predicción automatizada de rendimiento en viñedo usando imágenes RGB capturadas por un prototipo de dron UAV. Representa la línea más activa de investigación aplicada actual: predicción de rendimiento por visión por computador. La literatura paralela (transformers vs CNN vs detección de objetos) reporta errores de ~18% MAPE, con vision transformers + metadata logrando el menor error. Útil como referencia técnica para diseñar un piloto de conteo/predicción de cosecha de bajo costo en viñas chilenas, donde el dato de rendimiento es crítico para la planificación de bodega.

https://oeno-one.eu/article/view/8133

Frente 6 · Chile y los modelos de negocio del vino con IA

Chile es uno de los polos más maduros de Latinoamérica en aplicación de IA a la vid, con Viña Concha y Toro como locomotora: su Centro de Investigación e Innovación (CII), inaugurado en 2014 en el Maule, cumplió diez años en 2024 y concentró en 2025 unos $3.158 millones de inversión privada en I+D (alza interanual de 14,4%), con líneas explícitas en inteligencia artificial, biotecnología y digitalización del viñedo. Sus aplicaciones estrella son la predicción de volumen de cosecha con drones y cámaras multiespectrales (errores de 2-9% vs. 20-30% de los métodos tradicionales) y una app de riego inteligente que ahorra ~18% de agua. La gran apuesta 2024-2029 es Vendimia 5.0, alianza con Inria Chile y Corfo por $1.500 millones que introduce IA explicable (XAI) al sector. En paralelo, UC Davis Chile, UNAB, Concha y Toro y VSPT secuenciaron genomas de referencia (Carménère, Cabernet Sauvignon, etc.) para acelerar variedades resistentes al clima, y el Consorcio I+D Vinos de Chile (20 años con Corfo) lanzó la plataforma agroclimática DATAVID. El ecosistema startup chileno es real aunque pequeño: Viñomaly (IA y data analytics para viñas), Ewine.cl (recomendación de vinos por ML, +60 viñas socias), WineTech-UC (medición de astringencia con tribología + algoritmo, patente a 20 años) y VinTrail Pro (enoturismo SaaS franco-chileno con personalización por IA, +300 clientes en 19 países). En modelos de negocio internacionales destacan la valorización de vino fino con ML (Liv-ex Fair Value y Market Price sobre 870M+ de puntos de precio), la personalización por IA de Vivino y Tastry (93% de precisión predictiva en gusto), y la autenticación anti-falsificación que combina IA de huella química espectral con blockchain/NFC. El mercado chileno de clubes de vino está consolidado en torno a CAV (Club de Amantes del Vino), el más grande del país con +25 años, modelo de suscripción mensual curada — terreno fértil para sumar capas de personalización con IA.

1. Sistema de predicción de volumen de cosecha con drones, cámaras multiespectrales e IA (Concha y Toro CII)

piloto · Viña Concha y Toro — Centro de Investigación e Innovación (CII) · Chile · 2018-2025 · empresa

El CII de Concha y Toro desarrolló un sistema que captura datos del viñedo con drones y cámaras multiespectrales y los procesa en un modelo de inteligencia artificial para identificar, cuantificar y predecir indicadores productivos y de rendimiento. En pruebas registró errores de predicción de entre 2% y 9% en época de cosecha, frente al 20-30% de las metodologías tradicionales. El proyecto se ejecutó con socios tecnológicos (Smartdici), apoyo de Corfo y colaboradores académicos como la École Supérieure d'Agriculture d'Angers, la Universidad de Lisboa y la Universidad Autónoma. Apunta a anticipar el volumen meses antes para preparar logística de recepción de uva y mitigar el impacto del cambio climático.

https://vinacyt.com/en/noticia/innovation/artificial-intelligence-and-drones-new-harvest-volume-prediction-system/

2. Vendimia 5.0: IA explicable (XAI) para viticultura — alianza Inria Chile, Concha y Toro y Corfo

iniciativa · Inria Chile + Viña Concha y Toro + Corfo · Chile · 2024-2029 · empresa

Vendimia 5.0 es una colaboración estratégica a cinco años (2024-2029) que aplica principios de Industria 5.0 al sector vitivinícola chileno usando inteligencia artificial explicable (XAI), que hace transparente e interpretable la toma de decisiones del modelo en lugar de operar como caja negra. El sistema busca predecir volúmenes de cosecha, monitorear la fenología de la vid y la madurez de la uva, programar la recepción de uva y optimizar la planificación humano-máquina frente al cambio climático. La inversión total es de $1.500 millones (CLP): $900 millones aporta Concha y Toro y $600 millones Corfo, con foco en la Región del Maule y posicionando a Chile como referente en colaboración humano-IA.

https://inria.cl/en/inria-chile-and-vina-concha-y-toro-join-forces-lead-industrial-revolution-50

3. App de riego inteligente con IA — ahorro promedio de 18% de agua (Concha y Toro)

producto · Viña Concha y Toro — Centro de Investigación e Innovación (CII) · Chile · 2024 · empresa

El CII desarrolló una aplicación de riego inteligente que entrega a los viticultores información en tiempo real sobre evapotranspiración de la hoja, humedad del suelo y pronósticos meteorológicos, logrando un ahorro promedio de agua del 18%. Forma parte de la estrategia 'Smart Wine Industry' del centro, que combina Big Data e IA para optimizar el manejo de recursos naturales. En 2025 la viña destinó $3.158 millones a su CII (86% de su financiamiento de I+D), con un alza interanual de 14,4% en inversión privada.

https://vinacyt.com/en/noticia/innovation/vina-concha-y-toro-celebrates-10-years-of-the-research-and-innovation-centre/

4. Genomas de referencia de la vid chilena (Carménère, Cabernet, etc.) — UC Davis Chile, UNAB, Concha y Toro y VSPT

paper · UC Davis Chile Life Sciences Innovation Center + Universidad Andrés Bello + Concha y Toro + VSPT Wine Group · Chile / EE.UU. · 2019-2024 · revista científica

Proyecto de identificación genética de clones de las variedades más relevantes para la industria chilena (Cabernet Sauvignon, Sauvignon Blanc, Chardonnay, Merlot, Pinot Noir) liderado por Dario Cantú, profesor del Departamento de Viticultura y Enología de UC Davis. El equipo secuenció y anotó el genoma diploide de la Carménère —variedad francesa hoy cultivada mayoritariamente en Chile— y lo puso disponible en una plataforma web durante el evento 'Descifrando el Viñedo Chileno'. La información genómica busca acelerar el desarrollo de variedades resistentes a enfermedades y mejor adaptadas al cambio climático. El paper del genoma de Carménère está publicado en G3: Genes, Genomes, Genetics.

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6505170/

5. Viñomaly — primera winetech del Cono Sur con IA y data analytics para viñas

producto · Viñomaly · Chile · 2023-2024 · medio especializado

Winetech chilena fundada por Diego Valdés (CEO) y Felipe Zúñiga (CTO), se define como la primera firma tecnológica para la industria del vino del Cono Sur. Desarrolla soluciones de IA y Data Analytics para hacer más eficientes los procesos productivos del viñedo, aumentar ventas y entregar recomendaciones personalizadas a consumidores. Ofrece Viñomaly Services, un SaaS que combina automatización, análisis de datos, reportería e IA, y busca ampliar su portafolio con un modelo tipo 'Netflix del vino'.

https://www.df.cl/df-lab/transformacion-digital/winetech-chilena-buscar-ampliar-su-portafolio-de-soluciones-tecnologicas

6. Ewine.cl — recomendación de vinos a medida con Machine Learning

producto · Ewine.cl · Chile · 2023-2024 · medio especializado

Startup chilena que recomienda vinos a la medida usando un algoritmo inteligente que combina Machine Learning e inteligencia artificial para sugerir vinos según los gustos de cada persona. La plataforma ha establecido alianzas con más de 60 viñas, incluyendo nombres como Santa Rita, Viña Aresti y Concha y Toro, posicionándose en el segmento de descubrimiento y recomendación personalizada para el consumidor chileno.

https://www.todostartups.com/24/185962/startup-chilena-recomienda-vinos-mediante-inteligencia-artificial

7. WineTech (UC) — medición de astringencia con tribología, química y algoritmo; patente a 20 años

producto · Pontificia Universidad Católica de Chile · Chile · 2026 · prensa

Innovación desarrollada en la UC y recientemente patentada por 20 años que combina química, tribología y análisis de datos: un tribómetro adaptado capaz de simular el deslizamiento de la lengua sobre el paladar, junto con reactantes que imitan la saliva, y un algoritmo especializado que cuantifica la intensidad de la astringencia en minutos. Según sus desarrolladores, en bodegas de gran escala podría aumentar la capacidad de producción hasta en un 35% al reducir tiempos y optimizar recursos en el control de calidad enológico.

https://www.uc.cl/noticias/winetech-la-tecnologia-chilena-que-busca-revolucionar-la-enologia-obtiene-patente-por-20-anos/

8. VinTrail Pro — enoturismo SaaS franco-chileno con personalización por IA

producto · VinTrail Pro · Chile / Francia · 2022-2025 · medio especializado

Startup franco-chilena fundada en 2022 por el australiano Eric Wagnon y los chilenos José Antonio Candia y José Manuel García-Huidobro, que digitaliza y automatiza el segmento de enoturismo. Opera como SaaS por suscripción con reservas online, venta de vinos, programa de fidelización y análisis de datos; usa inteligencia artificial para generar propuestas personalizadas según los gustos de los clientes que alimentan el programa de fidelización. Tiene más de 300 clientes en 19 países de Latinoamérica, Europa y Asia, con operaciones en Burdeos y Santiago, y obtuvo un fondo Corfo Semilla Expande de $45 millones.

https://www.df.cl/df-lab/innovacion-y-startups/vintrail-pro-la-winetech-franco-chilena-que-busca-acelerar-la

9. DATAVID — plataforma agroclimática del Consorcio I+D Vinos de Chile

producto · Consorcio I+D Vinos de Chile + Corfo · Chile · 2025 · medio especializado

Motivado por el cambio climático, el Consorcio I+D Vinos de Chile (que lleva 20 años trabajando con apoyo de Corfo) lanzó en 2025 dos productos: la Plataforma Agroclimática DATAVID, que predice temperaturas y disponibilidad de agua para apoyar decisiones de manejo del viñedo, y un Catálogo de Selecciones de Vitis spp. con materiales vegetales de mejor calidad sanitaria para establecer viñedos más durables y resilientes. El consorcio también ha impulsado el uso de drones e imágenes satelitales para controlar plantaciones a escala.

https://www.portalagrochile.cl/2025/08/26/consorcio-id-vinos-de-chile-lanza-herramientas-innovadoras-para-fortalecer-la-competitividad-del-sector-vitivinicola-y-agricola/

10. CAV — Club de Amantes del Vino, el club de vinos más grande de Chile (contexto de mercado)

iniciativa · CAV — Club de Amantes del Vino · Chile · 2024-2026 · empresa

CAV es el club de vinos más grande de Chile, con más de 25 años de historia. Su modelo es de suscripción mensual: los socios reciben en su domicilio una selección de vinos de distintas viñas y variedades elegida por expertos, junto con la revista LA CAV, además de catas, talleres, visitas a viñas y un circuito gastronómico. Gestiona el Club del Vino LATAM Pass (millas + vinos) y mantiene alianzas con instituciones financieras como Itaú. Es la referencia del mercado chileno de clubes de vino y un terreno natural para sumar curaduría y personalización con IA.

https://cav.cl/suscripciones

11. Liv-ex Fair Value Tool y Market Price — valorización de vino fino con regresión y algoritmos sobre 870M+ de puntos de precio

producto · Liv-ex (London International Vintners Exchange) · Reino Unido · 2021-2025 · empresa

La Fair Value Tool de Liv-ex usa análisis de regresión para medir la relación entre precio y calidad (puntaje de crítico) y establecer el precio justo de un vino: cuando la correlación R-cuadrado entre puntajes y precios supera el 50%, la línea de tendencia sugiere el 'Fair Value' del vino, cubriendo más de 100 vinos de Burdeos en diez añadas. En paralelo, el Liv-ex Market Price es un algoritmo que determina el mejor precio listado en el mercado secundario procesando más de 870 millones de puntos de precio actuales e históricos de unos 500.000 vinos. Investigación académica (Journal of Wine Economics) aplicó regresión por procesos gaussianos sobre datos Liv-ex 100 logrando 15% más de precisión predictiva que los métodos tradicionales.

https://www.liv-ex.com/news-insights/fair-value-methodology/

12. Vivino y Tastry — personalización de recomendación de vino con IA (community-based vs. análisis químico)

producto · Vivino / Tastry · EE.UU. / Dinamarca · 2021-2025 · medio especializado

Dos enfoques dominantes de personalización con IA. Vivino (más de 65 millones de usuarios y base de 19 millones de vinos) construyó desde 2021 algoritmos sobre sus reseñas y perfiles para generar un 'match score' personalizado por usuario y por vino. Tastry usa análisis sensorial-químico de la composición del vino combinado con perfiles psicográficos del consumidor para predecir preferencias con más de 80% de precisión (93% en predecir si a alguien le encantará o no un vino). Tastry reporta que sus clientes están 45% más satisfechos con la compra, 20% menos propensos a irse a la competencia y un alza de 12% en ventas retail. El mercado de recomendación de vino con IA se valoró en US$1.800 millones en 2025 con CAGR de 17,3%.

https://www.winebusiness.com/news/vendor/article/242839

⚠ Verificación: marcado como dudoso — El link existe y el título del artículo ('Vivino Launches Personalized AI-Driven Wine Recommendation Feature') es real y recuperable. Sin embargo, el cuerpo del artículo no pudo ser extraído (el sitio bloquea scraping). La descripción mezcla datos de Vivino (65M usuarios, match score) con datos de Tastry (93% precisión, 45% más satisfacción, 20% menos churn, 12% alza en ventas retail) presentándolos como si ambos provinieran del mismo artículo de WineBusiness, cuando Tastry tiene sus propias fuentes independientes. Los datos individuales de cada empresa son verificables por separado: Vivino tiene 65M+ usuarios y 19M de vinos (confirmado), Tastry reporta 93% de precisión (confirmado en múltiples fuentes). La cifra de 'mercado de recomendación de vino con IA valorado en US$1.800 millones en 2025 con CAGR 17,3%' parece provenir de un informe de Dataintelo, no de WineBusiness. El link dado mezcla fuentes distintas en una sola cita.

13. Autenticación anti-falsificación de vino con IA de huella química + blockchain/NFC

piloto · Identiv + ZATAP + Genuine-Analytics · EE.UU. / Suiza · 2024 · medio especializado

Alianza entre Identiv, ZATAP y Genuine-Analytics que combina IoT inalámbrico/NFC seguro, certificados digitales, pruebas no invasivas del contenido y identidad digital sobre blockchain para autenticar no solo la botella sino el vino dentro de ella. La IA aprovecha análisis espectral para autenticar vinos por su huella química única, identificando inconsistencias imperceptibles al ojo humano. En una subasta suiza en 2024 la solución autenticó añadas raras de alto valor (algunas sobre 20.000 francos suizos); sistemas de trazabilidad basados en blockchain han demostrado reducir hasta 75% el tiempo de auditoría. Se estima que hasta 20% del vino vendido globalmente podría ser falsificado.

https://www.iotinsider.com/news/authenticating-wine-using-specialised-iot-and-blockchain-technology/

14. Survey académico: Artificial intelligence for sustainable wine industry (viticultura, vinificación y enoturismo)

paper · arXiv (preprint académico) · Internacional · 2025 · revista científica

Revisión académica sistemática sobre la gestión basada en IA en la cadena vitivinícola completa: viticultura (predicción de rendimiento, detección de enfermedades, riego de precisión), producción de vino (control de fermentación, calidad) y enoturismo (personalización de la experiencia). Útil como marco de referencia del estado del arte global y para mapear dónde Chile está adelantado (predicción de cosecha, riego) y dónde hay oportunidad (autenticación, personalización del consumidor). Documenta el rol creciente de modelos de machine learning, visión computacional sobre imágenes de drones/UAV y analítica predictiva en el sector.

https://arxiv.org/pdf/2507.21098

Parte III — Áreas de desarrollo: Operaria × La CAV × Ana María Barahona

Una nota previa de honestidad, porque ordena todo lo que sigue. La mayor parte de los hallazgos internacionales más vistosos (robots de viñedo, narices electrónicas, espectroscopía Raman, drones multiespectrales, riego de lazo cerrado) están fuera del carril de Operaria: son hardware, agronomía y sensórica, terreno de Concha y Toro, CITRA, VitiScience o Cornell. Operaria no debería fingir que entra ahí. El carril real de Operaria es software, datos y conversación: agentes en WhatsApp, pipelines dato→documento, buscadores semánticos, recomendación, producción editorial y réplica auditada de sistemas. Todas las propuestas de abajo viven en ese carril, y donde el valor está en el viñedo o la bodega, Operaria entra como capa de datos/decisión, no como fabricante de fierros.

Segundo: el activo más subestimado en todo este material es el archivo de la Mesa de Cata y el corpus de Barahona. La línea de "wineinformatics" (Harvard Data Science Review 2025; Fermentation 2024, 87,98% de acierto prediciendo 90+ puntos desde el puro texto) prueba que un archivo de notas de cata es un activo modelable. Casi todo lo demostrable y diferenciador nace de ahí.

PLANO A — Operaria × La CAV (institución)

A1. Sommelier conversacional CAV en WhatsApp (sobre catálogo propio)

Qué es. Un agente en el WhatsApp de la CAV que recomienda vinos del stock real de la tienda (Costanera, Parque Arauco, online) por lenguaje natural: "algo tinto bajo $15.000 para un asado", "qué espumante para regalar". No reemplaza al sommelier; es primer contacto y descubrimiento. Fundamento internacional. VinoVoss (búsqueda semántica), Preferabli en Marks & Spencer y Albertsons, Wine-Searcher con RAG sobre AWS Bedrock, VendimIA en España (la bodega contrata la capa, no la construye). Es el frente comercialmente más maduro. Qué pone cada parte. Operaria: el agente RAG sobre Cloud Run + Vertex + WhatsApp Cloud API, anclado estrictamente al inventario y a las notas de la Mesa de Cata. La CAV: catálogo en vivo, precios, stock, y las notas de cata como fuente de verdad. Primer paso realista. Un piloto cerrado con 200-300 SKUs de la tienda y las notas de la última guía, probado con un grupo de socios por 3-4 semanas. Métrica: ¿recomienda solo vinos que existen y mejora la conversión/satisfacción? Riesgo / lo que no sabemos. SommBench (2026) es lapidario: los LLM llegan a 97% en teoría pero caen a MCC 0–0,39 en maridaje, con sesgo a "aprobar todo". El piloto de Cru Uncorked alucinó 25% de vinos que no estaban en la cava. Por eso esto solo funciona con RAG duro sobre stock real y guardarraíles, nunca generación libre. No sabemos la calidad/estructura real del feed de inventario de la CAV ni si su app actual (cl.ibex.lacavapp) lo expone.

A2. Estructuración del archivo Mesa de Cata como base de datos (el cimiento)

Qué es. Convertir dos décadas de cata a ciegas (~2.200 muestras/año, 25 categorías, ahora con puntajes de 100) en una base estructurada y consultable: vino, añada, valle, cepa, precio, puntaje, descriptores, año de evaluación. Sin esto, A1, A3 y casi todo B son humo. Fundamento internacional. Wineinformatics (Harvard Data Science Review; Fermentation 87,98%) demuestra que el texto de las notas predice puntajes; X-Wines (21M de evaluaciones) muestra el formato de un dataset reutilizable. El archivo de la CAV es exactamente ese tipo de activo. Qué pone cada parte. Operaria: pipeline de extracción y normalización (incluso OCR si está en PDF/impreso), esquema de datos, control de calidad. La CAV: el archivo histórico y el criterio de categorización (qué cuenta como descriptor, cómo se mapean valles). Primer paso realista. Digitalizar y estructurar una sola edición (la 2026) como prueba de concepto del esquema, y medir cuánto esfuerzo real toma. Eso revela el costo de las 20 anteriores. Riesgo / lo que no sabemos. No sabemos en qué estado físico está el archivo (¿base de datos, planillas, revistas impresas?), ni quién es dueño de los datos para usos derivados. Es un activo sensible: la CAV podría no querer exponerlo. Hay que dejar clarísimo desde el día uno que el dato es de la CAV.

A3. Match Score del socio para la caja mensual

Qué es. Una capa de personalización sobre la suscripción: el socio califica lo que recibe y el sistema afina las próximas cajas a su paladar, al estilo "Netflix del vino". Fundamento internacional. Firstleaf (150.000+ socios, 120.000 cajas únicas/mes), Bright Cellars (quiz + feedback loop), Vivino Match Score, Tastry. El loop quiz→envío→rating→reajuste es el estándar probado de los clubes con IA. Qué pone cada parte. Operaria: el quiz de calibración, el recomendador y el loop de feedback. La CAV: los ~30.000 socios, el historial de envíos y la curaduría humana que sigue eligiendo el universo de vinos. Primer paso realista. Empezar por lo más barato: un quiz de paladar al socio + recomendación de qué comprar adicional en la tienda (no tocar todavía la logística de la caja). Eso valida el modelo sin reconfigurar la operación. Riesgo / lo que no sabemos. No sabemos si la CAV hoy captura ratings de socios; si no, hay arranque en frío (cold-start) y el modelo no tiene de qué aprender. Además la gracia del club es la curaduría humana; una personalización mal calibrada puede sentirse como degradar eso. Firstleaf controla además la producción del vino, la CAV no.

A4. Asistente editorial de back-office para la revista (modelo centauro)

Qué es. IA para las tareas mecánicas de la redacción —transcribir entrevistas, estructurar borradores desde atributos del vino, buscar en el propio archivo, traducir— sin firmar ni catar. La nota la firma siempre el panel/Barahona. Fundamento internacional. Felicity Carter declara +300% de productividad usando IA en transcripción e investigación; Wine Enthusiast la usa para back-office; Dartmouth probó que un borrador desde atributos pasa un test de Turing. Pero al otro lado: Jancis Robinson prohíbe IA en su concurso, 62% de compradores desconfía de notas sin firma (75% en mayores de 50), y la UE discute etiquetar contenido sin intervención humana desde 2027. Qué pone cada parte. Operaria: las herramientas y el flujo (transcripción, RAG sobre archivo propio, traducción con adaptación cultural). La CAV/Barahona: la voz, la cata real, el reporteo y la firma — el núcleo de valor que no se delega. Primer paso realista. Automatizar solo la transcripción y el resumen de entrevistas del PodCAV y las entrevistas a enólogos. Es bajo riesgo y ahorro inmediato. Riesgo / lo que no sabemos. Es el plano más delicado reputacionalmente. La línea es fina y fácil de cruzar: una vez que la herramienta redacta bien, la tentación de publicar sin cata aparece. La regla tiene que ser explícita y de Barahona, no de la tecnología. "Do LLMs Understand Wine Descriptors Across Cultures" (EMNLP 2025) además muestra que la traducción automática de descriptores falla culturalmente; ojo con traducir notas a inglés sin revisión.

PLANO B — Operaria × Ana María Barahona (dupla, fuera de la CAV)

Aquí entra la vocación de investigación y publicación de Francisco, y el peso propio de Barahona (Guía Mujer y Vino, reconocimiento WINWSA, 20+ años). El criterio de cata de ella + el rigor metodológico y la capacidad técnica de Francisco pueden producir algo que ninguno haría solo. La vía académica es real, no decorativa: hay brechas declaradas y hay financiamiento.

B1. Paper: "¿Entienden los LLM la cata en español de Chile?" — adaptación cultural de descriptores

Qué es. Un estudio que mide si los modelos de lenguaje transfieren los descriptores de cata al español chileno y a los vinos chilenos (País, Cinsault, valles como Itata o Paredones), o si fallan como fallan al pasar de inglés a chino. Fundamento internacional / la brecha. El benchmark de adaptación cultural de notas (EMNLP 2025) solo cubre inglés-chino. SommBench es multilingüe pero anglocéntrico. No existe nada en español de Chile. Esa es la brecha exacta, publicable. Qué pone cada parte. Barahona: el corpus (su propia guía, su criterio de descriptores chilenos) y el ground truth experto. Francisco: diseño metodológico, ejecución técnica y la escritura académica (target natural: OENO One, que es open access del sector, o una revista de NLP/lingüística aplicada). Primer paso realista. Un piloto chico: tomar 200 notas de cata chilenas reales, hacer que GPT-5/Gemini las generen desde atributos y que Barahona evalúe a ciegas cuáles son humanas y cuáles no, y dónde el modelo "suena gringo traducido". Eso ya es un abstract. Riesgo / lo que no sabemos. Necesita derechos sobre el corpus (¿de Barahona, de la CAV?). Es trabajo real de investigación, no un fin de semana. No sabemos aún el tamaño de muestra necesario para potencia estadística.

B2. "SommBench-ES" — primer benchmark de sommelier en español latinoamericano

Qué es. Construir el primer banco de pruebas de pericia enológica en español, con foco en Chile y Latinoamérica: teoría, descriptores sensoriales y maridaje validados por una sommelier/catadora profesional. Fundamento internacional. SommBench (2026) se construyó con un sommelier profesional; el método existe y es replicable. El vacío en español es total. Qué pone cada parte. Barahona: es la experta que define el ground truth (rol idéntico al del sommelier que validó SommBench). Francisco: la infraestructura de evaluación, el análisis y la publicación. Operaria: hosting y herramientas. Primer paso realista. Reusar la taxonomía de SommBench y traducir/adaptar 100 preguntas de teoría a contexto chileno; medir 2-3 modelos. Eso prueba la viabilidad antes de comprometer las 3.000 evaluaciones. Riesgo / lo que no sabemos. Es el más ambicioso de B: mucha mano de obra experta de Barahona, que es escasa y cara. Conviene amarrarlo a financiamiento (ANID/Corfo, ver C5) antes de partir. No es un proyecto de margen comercial directo; es reputación y posicionamiento.

B3. Estudio salud pública + cultura del vino: consumo interno y etiquetado sanitario

Qué es. Un trabajo serio sobre dos obsesiones declaradas de Barahona —que Chile, 4º productor, consuma 13-15 L per cápita, y el etiquetado con advertencias sanitarias en 30% de la contraetiqueta— cruzado con la mirada médica y de salud pública de Francisco. Fundamento. Aquí el fundamento no es un piloto de IA, es la dupla misma: Barahona tiene la voz pública y el dato de la industria; Francisco es médico con magíster en gestión de salud. Es un cruce que casi nadie en Chile puede firmar con autoridad de los dos lados. Qué pone cada parte. Barahona: acceso a la industria, datos de consumo, plataforma editorial. Francisco: marco de salud pública, rigor de evidencia, escritura. Primer paso realista. Una columna o ensayo a cuatro manos en un medio (El Mostrador, Pauta) como prueba de química y de recepción, antes de escalar a algo más formal. Riesgo / lo que no sabemos. Es políticamente sensible: alcohol + salud pública toca el rol institucional de Francisco (rige la separación estricta entre su rol institucional y cualquier producto Operaria). Hay que decidir con cuidado desde qué sombrero habla. Defender el consumo de vino siendo médico y gestor de salud no es neutro. Esto puede ser lo más valioso o lo más resbaloso de toda la lista.

B4. Producto editorial-datos propio de Barahona (fuera de la CAV)

Qué es. Una guía/newsletter/podcast personal de Barahona, potenciada con la capa de datos de Operaria (recomendador, archivo histórico de su Guía Mujer y Vino estructurado, búsqueda semántica para suscriptores). Fundamento internacional. VendimIA, The Wine Engine, Miller Family — voces y marcas que adoptan IA como canal directo sin ceder la firma. Qué pone cada parte. Barahona: su marca propia (WINWSA, 20 años, autora premiada Gourmand 2012). Operaria: la plataforma y la capa de datos. Primer paso realista. Digitalizar y estructurar el archivo de la Guía Mujer y Vino (que es de ella, no de la CAV — terreno más limpio que A2) y montar un buscador simple. Riesgo / lo que no sabemos. Conflicto de interés evidente con la CAV: su exposición pública hoy vive en los canales de la CAV. Un producto propio compite con su empleador. Hay que ser honestos: esto probablemente solo es viable si su relación con la CAV lo permite o si ya hay distancia. No sabemos eso.

PLANO C — Operaria sola en el vino chileno (independiente de la CAV)

C1. Sommelier conversacional B2B2C en WhatsApp para viñas y restaurantes medianos

Qué es. El producto A1, pero como oferta repetible para viñas chicas/medianas, tiendas de vino y restaurantes que quieren un asistente de recomendación en su WhatsApp, sin cambiar de software. Línea Bridge/Flow aplicada al vino. Fundamento internacional. VendimIA (Alicante) prueba que una bodega mediana contrata la capa en vez de construirla; Ewine.cl en Chile ya tiene 60+ viñas socias; Miller Family y The Wine Engine adoptaron sommeliers IA. Qué pone cada parte. Todo Operaria. El cliente pone catálogo y WhatsApp. Primer paso realista. Un cliente piloto (una viña boutique o una tienda) con su catálogo real, exactamente el modelo Flow. Riesgo / lo que no sabemos. Ewine.cl ya ocupa el espacio de recomendación al consumidor chileno. La diferenciación de Operaria tiene que ser nativa-WhatsApp y "no cambias de software", no "recomiendo vinos" a secas. No sabemos el apetito real de las viñas chicas por pagar esto.

C2. Carta de vinos inteligente para restaurantes ("mejor carta", versión conversacional)

Qué es. Que el comensal escanee un QR y converse con la carta de vinos del restaurante: maridaje, rango de precio, "algo chileno de terroir". Conecta con el premio "Mejores Cartas" que la propia guía entrega. Fundamento internacional. Eric Asimov (NYT, 2026): 25% de los bebedores de EE.UU. ya usa chatbots para elegir vino, fotografiando la carta. Esther Mobley (SF Chronicle): el auge del "sommelier IA" prueba que el vino tiene un problema de accesibilidad — la carta intimida. Esto ataca justo eso. Qué pone cada parte. Operaria: el asistente sobre la carta del restaurante. El restaurante: su carta y su inventario. Primer paso realista. Un restaurante con carta acotada y bien definida. Riesgo / lo que no sabemos. Adopción en restaurantes es difícil (márgenes, rotación, wifi). Los sommeliers lo viven como amenaza (el debate de Cru Uncorked y Wine Spectator). Debe venderse como herramienta para el sommelier, no contra él.

C3. Capa dato→documento para pymes vitícolas (la brecha declarada)

Qué es. Llevar la fortaleza Excel→informe institucional de Operaria al viñedo chico/mediano: reportes de cosecha, planillas de bodega, documentación para el Consorcio I+D o para postulaciones — para las viñas que no tienen el centro de I+D de Concha y Toro. Fundamento internacional / la brecha. El review Bastard & Chaillet (OIV) declara explícitamente: costo prohibitivo para pymes vitícolas, falta de interoperabilidad, escasez de data scientists. Concha y Toro tiene CII, Vendimia 5.0, app de riego propia; la pyme no tiene nada. Esa asimetría es la oportunidad. Qué pone cada parte. Operaria: pipelines y documentos. La viña: sus datos crudos. Primer paso realista. Una viña pyme con planillas desordenadas de cosecha/bodega, convertirlas en un reporte limpio y repetible. Riesgo / lo que no sabemos. Es genérico —poco "vino" y mucho "Operaria de siempre"—, así que la pregunta es si vale la pena especializarse. No sabemos si las pymes vitícolas tienen presupuesto ni digitalización mínima para ser clientes.

C4. Proyecto IA+vino con financiamiento Corfo PTEC / consorcio de viñas pequeñas

Qué es. Estructurar un proyecto formal de adopción de IA para un grupo de viñas chicas, cofinanciado, que combine recomendación al consumidor + estructuración de datos + (vía socios académicos) la capa de viñedo. El paraguas que da escala y financia B2. Fundamento internacional / nacional. Corfo lanzó en 2025 su primer PTEC de adopción de IA (agro-alimentario incluido, cofinancia hasta 60%, tope ~$3.000M). VitiScience (PUC, ANID, 2026) tiene línea de IA y sensores. El piloto de Moldova es el blueprint explícito para economías vineras pequeñas: LLM + datos locales + validación humana. Qué pone cada parte. Operaria: la capa de software/datos y la gestión del proyecto. Socios académicos (PUC/VitiScience, U. de Talca/CITRA): la ciencia de viñedo. Las viñas: el caso de uso y cofinanciamiento. Primer paso realista. Una conversación exploratoria con VitiScience o el Consorcio I+D Vinos de Chile para ver dónde Operaria encaja como brazo de software, antes de armar nada. Riesgo / lo que no sabemos. Es el de horizonte más largo y menos controlable: armar consorcio, postular, esperar. No hay garantía de adjudicación. Operaria nunca ha hecho viticultura; tendría que entrar de la mano de un socio académico, no sola. Es siembra estratégica, no caja de corto plazo.

Lectura transversal (orden de viabilidad y honestidad final)

Lo que yo partiría mañana, en orden:

  1. A1 + A2 juntos (sommelier WhatsApp + estructurar el archivo) — es el carril exacto de Operaria, demostrable en semanas, y A2 es el cimiento de todo.
  2. C1 — el mismo producto de A1 como oferta repetible, no depende de que la CAV diga que sí.
  3. B1 — el paper de descriptores en español chileno: brecha real, riesgo bajo, junta a Francisco y Barahona en algo que ninguno haría solo.

Lo que dejaría madurar: A3 (depende de datos de socios que quizás no existen), B4 (conflicto con la CAV), C4 (horizonte largo).

Lo que tocaría con pinzas: A4 y B3, por reputación y por el rol público de Francisco.

La honestidad central: Operaria no compite en el viñedo ni en la bodega — ahí están Concha y Toro, CITRA, VitiScience con I+D y fierros que Operaria no tiene ni debería simular. Donde Operaria es legítimamente fuerte es en la conversación con el consumidor, en convertir el archivo de cata en activo de datos, y en la dupla criterio-humano + capacidad-técnica con Barahona. Y el límite duro que toda la evidencia confirma (SommBench, Cru Uncorked, Jancis Robinson, el 62% que desconfía de notas sin firma): la IA replica el género de la nota de cata, pero no cata, no reportea y no firma. El valor defendible —de la CAV, de Barahona y de cualquier cosa que Operaria construya con ellas— está justo en lo que la máquina no puede hacer. Cualquier propuesta que cruce esa línea destruye el activo en vez de potenciarlo.

Parte IV — Metodología y verificación

Este levantamiento fue producido el 12 de junio de 2026 por un equipo de 14 agentes de investigación trabajando en paralelo, con 337 operaciones de búsqueda y lectura sobre fuentes en inglés y español:

Criterios de inclusión: prioridad a publicaciones científicas con DOI o enlace directo, pilotos documentados de empresas de vino relevantes y medios especializados serios; horizonte 2023–2026 con hitos anteriores solo cuando son fundacionales; ningún hallazgo sin URL real.

Los insumos crudos (JSON por frente, perfil y síntesis estratégica) quedan en la carpeta insumos/ junto a este documento.