Dan Zaidenband: “Queremos ser la capa de software que permita pasar de la integración de hardware a operaciones autónomas”

SPACEBACKEND trabaja en un ámbito tan estratégico como el aeroespacial.¿Cómo definís vuestro propósito y vuestra aportación diferencial dentro del sector?

En Spacebackend nos planteamos el objetivo ambicioso de eliminar los problemas de integración como cuello de botella del sector aeroespacial, así como minimizar el coste en tiempo y dinero que hoy implica integrar un sistema de misión crítica. Los equipos de integración pasan meses, a veces años, implementando a mano las interfaces de software entre componentes de hardware que vienen de distintos fabricantes. Ese es el cuello de botella real del sector, y es el que estamos resolviendo con Lynapse, nuestra plataforma de integración de sistemas asistida por IA.

Nuestra aportación diferencial se apoya en tres ideas. La primera: el modelo digital del componente tiene que ser la fuente de verdad, no las especificaciones técnicas en PDF de cada payload o subsistema. Hoy se trabaja sobre documentos ambiguos que generan errores que se descubren tarde. La segunda: la simulación de software in the loop tiene que ser una práctica diaria, no un hito al final del proyecto. Detectar una incompatibilidad en simulación cuesta minutos y detectarla durante la integración física cuesta meses. La tercera: somos un entorno engineer in the loop. La IA hace el trabajo pesado de interpretar las especificaciones técnicas de cada componente, pero cada paso queda visible, controlable y aprobado por un ingeniero antes de avanzar.

La inteligencia artificial está revolucionando múltiples industrias. ¿Qué impacto está teniendo específicamente en el sector aeroespacial y qué oportunidades abre para el futuro?

La IA puede acelerar mucho la parte más manual del trabajo de un equipo de integración, que es leer documentación técnica ambigua y traducirla en software funcional. En Lynapse usamos IA para convertir las especificaciones técnicas y los datasheets de cada componente en modelos digitales del hardware. A partir de esos modelos generamos código determinístico, es decir, código donde la misma entrada produce siempre la misma salida, listo para vuelo y agnóstico a la plataforma. El equipo deja de pelearse con páginas de un PDF y empieza a trabajar sobre un modelo ejecutable.

Las oportunidades para el sector son enormes. Permite armar misiones más complejas con equipos más pequeños, validar el comportamiento del hardware antes de tenerlo físicamente y reducir riesgos de cronograma que hoy ponen en peligro ventanas de lanzamiento enteras. La industria tiene una demanda creciente de poner más infraestructura en órbita: nuevas constelaciones, exploración lunar, misiones de defensa. Sin una capa de software que automatice la integración, esa demanda no escala.

¿Qué papel juega el desarrollo de software avanzado en la evolución de la industria aeroespacial y en la mejora de la eficiencia y seguridad de los sistemas?

El hardware aeroespacial avanzó mucho más rápido que el software que lo gobierna. Esa brecha es la que hoy genera la mayoría de los retrasos en programas de misión crítica.

Cuando el software para integrar y operar un componente se demora, todo el cronograma se desplaza. Cuando una falla aparece durante la integración física, ya casi no hay margen para arreglarla.

Lo que aporta el software avanzado es justamente anticipar el momento en que se descubre el problema. Con modelos digitales ejecutables y validación en entornos virtuales, los equipos pueden ejercitar el comportamiento del sistema completo antes de que llegue el hardware físico. La eficiencia y la seguridad mejoran porque las fallas se exponen temprano, cuando todavía hay tiempo para corregirlas sin comprometer la fecha de lanzamiento ni la confiabilidad del sistema.

En un entorno tan tecnológico y exigente, ¿cómo trabajáis la innovación responsable y la fiabilidad de las soluciones que desarrolláis?

La fiabilidad arranca con una decisión de diseño, es decir, en Lynapse la IA propone, pero el ingeniero decide. La IA por su naturaleza no es determinística, sus interpretaciones pueden variar y por eso ningún resultado pasa al siguiente paso sin revisión humana. Cuando el sistema analiza una especificación técnica y detecta una ambigüedad, no resuelve por su cuenta, sino que marca la zona dudosa y la pone a consideración de la persona que conoce el contexto de la misión. El ingeniero configura, inspecciona y aprueba el modelo digital antes de que se genere una línea de código.

Una vez aprobado el modelo, el paso de generación de código sí es determinístico: ese mismo modelo, ejecutado las veces que sea, produce siempre el mismo software. En sistemas de misión crítica esto tiene consecuencias prácticas. Permite reproducir resultados frente a una auditoría, certificar el código bajo los estándares que exige el sector y garantizar que el comportamiento del software en producción coincida con el que se validó en simulación. Para un equipo que tiene que firmar la salida de un sistema que va al espacio, esa predictibilidad es lo que vuelve confiable a la herramienta.

Después, todo el flujo queda trazado. Los modelos digitales tienen control de versiones, el código generado se gestiona en repositorios Git y se puede recorrer la trazabilidad desde la documentación original hasta el software desplegado. En sistemas donde una falla tardía puede comprometer una misión, esa trazabilidad no es un lujo, es una obligación operativa y de cumplimiento. Innovamos donde tiene sentido innovar, sobre el trabajo repetitivo y de bajo valor y mantenemos rigor de ingeniería tradicional donde está en juego la confiabilidad.

La sostenibilidad también es un reto creciente para el sector aeroespacial. ¿Cómo puede la tecnología contribuir a reducir impactos y optimizar recursos?

La sostenibilidad en el sector aeroespacial se discute desde la propulsión o los materiales, pero hay una dimensión menos visible que tiene un impacto importante: el desperdicio asociado a fallas de integración que se descubren tarde. Cuando unaincompatibilidad aparece durante el armado físico, hay que rehacer trabajo, repetir tests, a veces refabricar piezas. Eso son horas de ingeniería, energía de laboratorios y en algunos casos hardware que termina sin usarse.

Cada hora de integración que ahorramos es una hora menos de consumo de recursos críticos. Reducir el esfuerzo de integración de años a días también significa que los equipos pueden iterar más sobre el diseño antes de comprometerse con el hardware definitivo, lo que evita rediseños tardíos y reduce la huella material de cada misión. Optimizamos el cómo se construye, no solo el cuándo se entrega.

¿Qué desafíos éticos plantea actualmente el desarrollo de inteligencia artificial aplicada a sectores estratégicos como el aeroespacial?

El primer desafío es el de la opacidad. Una IA que interviene en el desarrollo de un sistema que va al espacio o que va a un entorno de defensa no puede operar como una caja negra.

Si después aparece una falla en órbita, alguien tiene que poder reconstruir por qué se tomaron las decisiones que se tomaron. Por eso insistimos en flujos observables y trazables, donde cada interpretación de la IA queda registrada y aprobada por un ingeniero antes de avanzar al siguiente paso.

El segundo desafío es el de la responsabilidad. En sistemas de misión crítica, la decisión final tiene que quedar siempre del lado humano. Una IA puede sugerir, modelar, automatizar tareas repetitivas, pero la firma de aprobación es de un ingeniero. Esa frontera no es negociable.

Y un tercer desafío, muy presente en aeroespacial y defensa, es el de la soberanía tecnológica. Las herramientas que se usan para integrar infraestructura crítica deberían ser auditables y deberían ofrecer modalidades de despliegue que respeten los requisitos de cumplimiento de cada país y de cada organización. Eso es parte de cómo diseñamos Lynapse desde el día uno.

¿Cómo se garantiza que la IA y el software se desarrollen desde criterios de transparencia, seguridad y responsabilidad?

Tres principios concretos guían cómo construimos. Primero: cada acción que toma la IA queda registrada y es reversible. Los ingenieros observan lo que el sistema interpretó del ICD, qué decisiones tomó y pueden modificarlas antes de que ese modelo se traduzca en código.

Segundo: el código generado es determinístico. La misma entrada produce siempre la misma salida. Esto es opuesto a un patrón generativo libre y es lo que permite que un ingeniero pueda razonar sobre el comportamiento del sistema en producción.

Tercero: ofrecemos opciones de despliegue que respetan los requisitos de seguridad de cada cliente. Lynapse puede correr en la nube, on premise dentro de la red del cliente o integrado vía SDK en infraestructura existente. Esto importa cuando el proyecto involucra información sensible o cuando el regulador exige control total del entorno.

La digitalización y el análisis de datos son cada vez más relevantes. ¿Cómo ayudan vuestras soluciones a mejorar la toma de decisiones y la eficiencia operativa?

El equipo de integración trabaja hoy con información dispersa: ICDs en PDF, scripts ad hoc, planillas, herramientas internas que no se hablan entre sí. Cada decisión técnica se toma con visibilidad parcial.

Lynapse consolida toda esa información en un único entorno: los modelos digitales del hardware, las dependencias entre componentes, los resultados de validación, el código generado y su historial completo. Cuando un Project Manager necesita saber qué subsistemas están listos para el próximo hito, lo ve. Cuando un ingeniero detecta una ambigüedad en un ICD, queda registrada y resuelta para todo el equipo. Las decisiones operativas dejan de depender de quién se acuerda del contexto y se apoyan en datos vivos del proyecto.

¿Qué importancia tiene el talento tecnológico especializado y cómo trabaja SPACEBACKEND para atraer y desarrollar perfiles altamente cualificados?

Construir herramientas para sistemas de misión crítica exige ingeniería de software de alta calidad combinada con conocimiento profundo del dominio aeroespacial. En Spacebackend reunimos un equipo con más de cincuenta años combinados de experiencia entre IAI, SpaceIL, The Exploration Company y otros referentes del sector, sumado a perfiles que vienen de la industria del software a gran escala.

Apostamos por equipos pequeños, distribuidos entre Luxemburgo y Valencia, donde cada persona toma responsabilidad real sobre lo que entrega. Ese formato nos permite atraer ingenieros e ingenieras que quieren trabajar en problemas técnicos exigentes con consecuencias reales, es decir, no construimos un SaaS más, construimos infraestructura para sistemas que van al espacio. Esa propuesta atrae a un perfil que valora el rigor técnico y el impacto a largo plazo por encima de la moda del momento.

La colaboración entre empresas, instituciones y ecosistemas innovadores es clave en este sector. ¿Qué valor tienen las alianzas estratégicas para impulsar la innovación?

En aeroespacial nadie hace nada solo. Trabajamos en colaboración estrecha con agencias y programas como la ESA, la Luxembourg Space Agency, ESRIC, SpaceFounders y Technoport, y contamos con el respaldo de inversores como Draper B1, Athos Capital, Bynd VC, FusionVC y Techstars. Esas relaciones no son solo financiación, sino acceso a casos de uso reales, validación técnica con primes que ya están enfrentando los problemas que resolvemos y la posibilidad de probar Lynapse en programas con requisitos exigentes.

Las alianzas con primes y con fabricantes de componentes son particularmente valiosas porque definen qué interfaces necesitamos soportar primero y qué requisitos de cumplimiento tienen prioridad. La hoja de ruta del producto se construye con esaconversación abierta. Para una empresa DeepTech, esa cercanía con el sector es la diferencia entre construir algo que se usa y construir algo que se demuestra en un evento.

¿Qué tendencias marcarán el futuro del sector aeroespacial en ámbitos como automatización, IA o software inteligente?

Veo tres líneas que van a marcar la próxima década. La primera es la automatización de las tareas de integración que hoy se hacen a mano. Es donde estamos trabajando ahora y donde el retorno es más inmediato para los equipos.

La segunda es la interoperabilidad entre activos de distintos fabricantes. Hoy un satélite, un rover, un lander, hablan idiomas distintos. La industria está pidiendo una capa común que permita que sistemas de distintos proveedores se identifiquen, se comuniquen y operen entre sí sin integraciones cada vez más a medida. Esa es la dirección de Lynapse Edge, la próxima capa de producto en la que estamos invirtiendo.

La tercera es la reconfiguración en órbita. Una vez que los sistemas hablan entre sí y que el software se puede actualizar y validar rápido, las misiones dejan de estar congeladas el día del lanzamiento. Se pueden reorientar, extender, adaptar a nuevos objetivos. Esto cambia la economía de cada misión y abre la puerta a infraestructura espacial mucho más eficiente.

Mirando al futuro, ¿qué papel quiere desempeñar SPACEBACKEND en la transformación tecnológica del sector aeroespacial y en el desarrollo de soluciones más sostenibles, seguras e inteligentes?

Spacebackend quiere ser la capa de software que permita pasar de la integración de hardware a operaciones autónomas. La misión actual y el primer escalón es reducir tiempos de años a días. El siguiente es construir un ecosistema donde activos de misión crítica de cualquier fabricante puedan integrarse, operar y servirse entre sí sin intervención manual, en órbita y en la superficie lunar.

Esta visión está alineada con los focos que la ESA y la NASA marcan para el horizonte 2040: infraestructura modular, vendor agnostic, lista para la próxima fase de industrialización del espacio. Queremos jugar un rol central en construir esa capa, con tecnología auditable, ingenieros tomando las decisiones que importan y un compromiso explícito con la sostenibilidad operativa del sector. Esa combinación, automatización responsable más interoperabilidad abierta, es la base sobre la que se va a construir el aeroespacial de los próximos veinte años.

Accede a más información responsable en nuestra biblioteca digital de publicaciones Corresponsables.