Mitti Labs i AI w walce ze zmianami klimatu: zaskakujący duet 

Mitti Labs podpisała z Google największy jak dotąd kontrakt na kredyty węglowe pozyskiwane z metanu z zalanych pól ryżowych: do miliona jednostek do 2030 roku, przy czym kwoty umowy żadna ze stron nie ujawniła. Indyjska firma z Bengaluru robi coś, czego branża klimatyczna od dawna nie umiała: liczy z satelity, ile konkretne pole wypuszcza metanu do atmosfery, i dopiero na tej podstawie płaci rolnikowi za zmianę sposobu nawadniania. Do tego pomiaru nie wystarczy satelita - potrzebny jest model, który nauczył się rozpoznawać zalewanie na działce o powierzchni jednego hektara.

Mitti Labs w kilku zdaniach

Firma powstała w 2023 roku w Bengaluru i zatrudnia około 150 osób. Zajmuje się pomiarem emisji metanu z uprawy ryżu i zamienia je w kredyty węglowe. Do tej pory zebrała 12,5 mln USD, z czego ostatnia runda A miała wartość 9,5 mln USD i była prowadzona przez Aramco Ventures, z udziałem Lightspeed India, Godrej Industries Group, Cisco Foundation, funduszy Francis Family Fund i Volta Circle. Lista inwestorów różni się między źródłami - w publikacji iGrowNews pojawia się dodatkowo Voyager Ventures. Wśród klientów wymieniani są Cool Effect, Ebro Foods i Syngenta, a kredyty firmy otrzymały ocenę „A" od agencji Sylvera.

Warto zaznaczyć jedną rzecz, zanim pójdziemy dalej: wszystkie liczby w tym tekście pochodzą z komunikatów prasowych firmy i jej cytatów w mediach branżowych. Nikt niezależny nie opublikował audytu metodologii pomiarowej. To nie dyskwalifikuje Mitti Labs, ale zmienia sposób czytania tych danych.

Skąd wziął się kontrakt z Google

Umowa obejmuje pola w Karnaracie, Andhra Pradesh i Telanganie, trzech stanach, w których ryż jest uprawiany metodą zalewową. Google kupuje kredyty, które mogą być wystawione w standardach Gold Standard lub Isometric, a każdy projekt przechodzi niezależną weryfikację trzeciej strony przed ich wyemitowaniem. Według ESG News program ma objąć ponad 100 tysięcy hektarów w szczycie dostaw, a wspólne oszczędności wody mają sięgnąć 1,5 blna litrów do 2030 roku. Wcześniejsze projekty firmy mają już na koncie ponad 500 miliardów litrów zaoszczędzonej wody.

Skala efektu klimatycznego zależy od tego, w jakiej bazie liczymy. Według spółki partnerstwo zapobiegnie 3 milionom ton „wpływu na ocieplenie" liczonego w 20-letniej perspektywie potencjału globalnego ocieplenia, co odpowiada około milionowi ton w bazie 100-letniej. Ta rozbieżność nie jest błędem - metan silnie reaguje na krótsze horyzonty, bo szybko się rozkłada. Dla klimatu najbliższych 20 lat liczona metana waży 82 razy więcej niż równoważna masa dwutlenku węgla.

Ceny kredytu ani wartości umowy nie podano. iGrowNews pisze wprost, że obie strony nie ujawniły warunków finansowych. Wartość pojedynczego kredytu z metanu, marżę projektu i stawkę, jaką dostaje rolnik za上下游, można więc wyliczyć tylko wiedząc cenę rynkową, a ta w materiałach nie występuje.

Dlaczego zalane pole emituje metan

Mechanizm jest prosty i dobrze udokumentowany. Ryż rośnie na polu, które przez większość sezonu jest zanurzone w wodzie. Bez tlenu w glebie rozwijają się bakterie beztlenowe, których metabolizm produkuje metan. Uprawa zalewowa generuje przez to emisje, których nie da się uniknąć samym nawożeniem czy doborem odmiany.

Methane odpowiada za około jedną trzecią globalnego ocieplenia zarejestrowanego do tej pory, a same pola ryżowe odpowiadają za ponad 10% światowych emisji metanu według iGrowNews. TechCrunch podaje nieco inną wartość - około 10% do 12% - ale liczy ją od emisji pochodzących od człowieka, więc to dwa różne mianowniki w jednym zdaniu, nie sprzeczność. Sam ryż zjada ponad 30% całej wody używanej do nawadniania na świecie, co czyni go najbardziej wodochłonnym podstawowym plodem żywnościowym.

Jak działa ich AI: radar zamiast czujnika na polu

Tu dochodzimy do sedna. Platforma GeoAI firmy, rozwijana we współpracy z NASA, bierze dane radarowe z satelitów i dokłada do nich pomiary zebrane bezpośrednio na polach uczestników programu. Wynikiem jest mapa zdrowia roślin, wilgotności gleby i stanu zalewania rozdzielona do poziomu pojedynczej działki drobnego rolnika. TechCrunch określa to jako generowanie cyfrowych bliźniaków pojedynczych działek w skali jednego gospodarstwa.

Radar syntetycznej apertury, czyli SAR, ma tu praktyczną przewagę nad kamerami. Przenika przez chmury, rośliny, wodę i glebę, więc widzi to, co zwykła fotografia nie zobaczy - między innymi to, co dzieje się pod powierzchnią, czyli tam, gdzie mieszkają bakterie produkujące metan. Zdanie z wywiadu z TechCrunch: dane trafiają do modeli AI uczonych na obrazach satelitarnych oraz wynikach rozległych badań polowych.

Do czego dokładnie służy model? W jednym z zastosowań Mitti Labs weryfikuje pracę terenową wykonywaną przez pracowników organizacji partnerskiej - mierzy, raportuje i sprawdza, czy zabiegi naprawdę zostały wykonane. W drugim sprzedaje to jako model abonamentowy: wykorzystanie do pomiaru emisji z zakresu 3. firm, które już prowadzą projekty z rolnikami, ale nie mają własnych narzędzi pomiarowych. To ta część oferty, która najbardziej przypomina zwykły produkt SaaS. Jeśli myślisz o podobnym układzie u siebie, dobrze działa zasada z mojego pisania o różnicy między automatyzacją a AI: tu model klasyfikuje zdjęcia, a decyzję o nawadnianiu podejmuje człowiek w wiosce.

Naprzemienne zalewanie i osuszanie w praktyce

Praktyka, na której opiera się cały projekt, nazywa się AWD, od alternate wetting and drying. Zamiast utrzymywać pole ciągle zalane, pozwala się mu okresowo osuszać między cyklami nawadniania. Bakterie tracą warunki beztlenowe, produkcja metanu spada, a plon zostaje zachowany.

Skala efektu zależy od źródła, bo różnią się one słowami o stopień pewności: ESG News pisze o około 50%, iGrowNews o nawet 50%, OneStop ESG o ponad 50%. Redukcja zużycia wody nawodnieniowej zgadza się w tych materiałach i wynosi blisko 40%. Nie chcę sklejać tych wariantów w jedną liczbę, bo „około" i „ponad" to różne zobowiązania wobec klienta końcowego.

AWD nie jest tym samym co suszenie metodą tradycyjną. Wymaga odejmowania wody w określonych momentach i uważania na fazę wzrostu, a to robi się po ziemi, z wiedzą o lokalnej glebie. Właśnie dlatego Mitti Labs zatrudnia lokalnych mieszkańców wsi, w których realizowane są projekty - zdaniem współzałożyciela Xaviera Laguarty większość operacji prowadzą ludzie stamtąd. Rolnik dostaje płatność za przejście na nowe praktyki, nie za sprzedaną na rynku żywność. Z deklaracji firmowej, przytoczonej przez TechCrunch, wynika, że typowo rolnik zyskuje około 15% na wyniku. Jak sam policzyć, czy taki układ ma sens w Twojej firmie, opisałem przy rachunku z ROI automatyzacji - tam jest dokładnie ten sam mechanizm: płacisz za zmianę procesu, a efekt mierzysz dopiero po wdrożeniu.

Skala programu

Program Google ma objąć ponad 70 tysięcy rolników, a według iGrowNews około 100 tysięcy hektarów. Firma jako całość współpracuje z ponad 100 tysiącami rolników i planuje wejść na Filipiny oraz do Indonezji. Wszystko to wciąż mało przy 150 milionach drobnych producentów ryżu na świecie i przy 90% uprawy zlokalizowanej w Azji - według Laguarty poza ewentualnymi Chinami większość regionów uprawiających ryż ma podobną strukturę drobnych gospodarstw.

Tu jest pierwszy widoczny rozdźdźnik między źródłami: TechCrunch pisał w sierpniu 2025 roku o „setkach tysięcy" rolników, ESG News we wrześniu 2026 roku podaje ponad 100 tysięcy. To mogą być po prostu dwie daty, ale skala różnicy jest zbyt duża, żeby ją zignorować. Przy podobnych liczbach w komunikatach warto sprawdzać, czy to wzrost, czy zmiana sposobu raportowania.

Ceny, inwestorzy i to, czego nikt nie policzył

Oto warstwa, którą zwykle pomijają materiały promocyjne. Cena za kredyt z metanu nie pojawia się w żadnym ze sprawdzonych źródeł. Nie wiadomo, ile kosztuje tonę unikniętego metanu, jaka jest marża projektu ani jak dzieli się wpływy między firmę, lokalną społeczność i rolnika. Nie podano też wyceny firmy ani daty zamknięcia rundy A.

Bardziej istotna jest luka metodologiczna. Nie wiadomo, jakiego modelu emisji używają, jaki jest poziom odniesienia, czyli ile metanu pole emitowałoby bez wdrożenia projektu, ani jak dokładnie przeliczają wartość z bazy 20-letniej na 100-letnią. Nie podano nazwy firmy weryfikującej ani treści audytu. W przypadku projektu, w którym rozbieżność między jedną a drugą bazą wynosi trzykrotnie, brak opisu tej przeliczarni jest największą luką w całej historii.

Żadne ze sprawdzonych źródeł nie przytacza też głosów sceptycznych. Nie ma w nich ani jednego akapitu o ryzyku nadużyć, o dodatkowości projektów ani o tym, jak długugo utrzymuje się efekt po zakończeniu dofinansowania. Warto mieć to w głowie, czytając deklarację Mitti Labs o największym na świecie programie AWD w ryżu. To jest określenie użyte przez samą firmę.

Ta proporcja deklaracji do niezweryfikowanych elementów przypomina sytuację, którą opisuję przy rozróżnianiu, co w AI jest realne, a co hype'em. Praktyka jest prosta: dziel liczby na te z metodyką i te z materiału prasowego.

Co z tego zostaje poza rolnictwem

Mitti Labs rozwiązuje problem ogólniejszy niż klimat: mierzenie czegoś, czego nikt nie mierzy, na zbyt dużej liczbie małych obiektów, żeby dało się to zrobić sprzętem. W branży IT wygląda to jak klasyczny wybór między pomiarem na każdym punkcie a pomiarem rozpoznawczym - z dokładnością wystarczającą do rozliczenia i kosztem proporcjonalnym do liczby obiektów. To ta sama logika, która pozwala monitorować stan infrastruktury albo procesy w małej firmie, zamiast wdrażać czujnik w każdym pomieszczeniu.

Druga rzecz jest bardziej praktyczna: czas wdrożenia nie wynika tu z możliwości modelu, tylko z pracy w terenie. Model można wytrenować na danych z wielu krajów, ale rolnika przekonuje lokalna ekipa, która przychodzi do jego domu. Jeśli zastanawiasz się, od czego zacząć wdrożenie u siebie, zacząłem od tego samego pytania w planie na pierwszy miesiąc.

Krótko: kontrakt z Google jest realny i dobrze udokumentowany przez media branżowe, a technologia za nim odpowiada na konkretne pytanie - jak zmierzyć coś, czego nikt dziś nie mierzy. Ale jeśli ktoś sprzedaje Wam na tej historii konkretną cenę za tonę metanu albo gwarancję wyniku, to ta część właśnie zaczyna się od liczb, których nie ma w żadnym pierwotnym źródle.