La IA ya es el corazón de todo proyecto espacial. Procesar imágenes satelitales en tiempo real, dejar que un rover decida solo porque la señal tarda segundos en llegar desde la Luna, o diseñar una constelación que realmente sirva, exige gente que piense en SpaceAI de forma natural. En México tenemos jóvenes capaces y buenas universidades, pero seguimos enseñando como si el modelo espacial fuera el de hace treinta años: instituciones burocráticas, presupuestos grandes y proyectos que duran décadas. Eso tiene que cambiar.
Crear nativos SpaceAI significa egresados que no vean la inteligencia artificial como un “plus” ni el espacio como algo ajeno. Aquí va un camino realista para lograrlo en los próximos cinco años.
Primer paso: Saber qué tenemos (2026-2027)
Cada facultad de ingeniería o computación debería revisar sus planes de estudio. ¿Cuántos cursos realmente tocan IA aplicada a datos orbitales o sistemas que funcionen sin supervisión constante? Los resultados van a variar mucho según la universidad, y eso está bien. Sirve para identificar quién puede liderar en qué.
Mientras, armar alianzas prácticas. No hace falta firmar convenios de veinte páginas. Basta con que empresas como AEXA Aerospac o startups del sector den acceso a datos reales, manden mentores una vez al mes y propongan proyectos cortos. Un alumno que pase un semestre optimizando código para un nanosatélite mexicano aprenderá más que con varias materias teóricas.
Segundo paso: Meterlo en el currículo sin romper todo (2027-2028)
Olvidémonos de crear una carrera nueva que tardaría años en arrancar. Mejor insertar módulos que funcionen en diferentes programas. En ingeniería: que programen un rover virtual que tome decisiones bajo condiciones lunares simuladas. En computación: que trabajen con imágenes multiespectrales reales. En negocios: que armen modelos de cómo vender datos o servicios desde órbita.
Obligatorio: un proyecto interdisciplinario antes de titularse. Cuatro estudiantes de carreras distintas atacan un problema concreto, como usar IA para detectar sequías con datos satelitales y proponer cómo implementarlo en el campo. Al final del año, un evento abierto donde muestren resultados a posibles empleadores o inversionistas.
Tercer paso: Herramientas y ecosistema (2028-2030)
Empezar con poco: clusters compartidos de GPUs, simuladores gratuitos y una o dos estaciones terrenas modestas para bajar datos directos de satélites. Después viene lo bueno: becas para que pasen veranos enteros en empresas y certificaciones cortas y útiles (“Agentes Autónomos para Espacio”, “Procesamiento en Borde Orbital”).
Los retos son obvios: la burocracia universitaria y el dinero que siempre escasea. La clave está en enfocarse en resultados medibles —prototipos que funcionen, patentes, empresas que nazcan— y en que el gobierno ponga incentivos concretos, no solo discursos.
Al final, no estamos hablando de seguir una tendencia. Estamos hablando de preparar a la generación que va a operar bases lunares, manejar cientos de satélites y resolver problemas de agua o agricultura desde arriba. México tiene la oportunidad de hacerlo sin cargar lastre viejo. Si empezamos ahora, en cinco años no estaremos viendo pasar la ola: estaremos surfeándola.
“Los artículos firmados son responsabilidad exclusiva de sus autores y pueden o no reflejar el criterio de A21”
