Cabría hacer algunas analogías con los inicios y primeros desarrollos de la informática ‘de consumo’ y los planes de ExpectedIT. Los primeros ordenadores de sobremesa (principios de los 80) sólo tenían un procesador, para ejecutar código, cuyo rendimiento mejoraba bastante añadiendo un coprocesador matemático externo, puesto por separado pero compartiendo recursos y cooperando en las tareas.

Eso se normalizó al incluir ambos elementos en el mismo chip desde el final de esa década. A comienzos de los 2000, empezaron a venderse procesadores con más de un núcleo para hacer multitarea, también se incluyó en el mismo chip el procesador gráfico, el sonido, las comunicaciones… y así, hasta los SOC actuales, todo incluido, con partes especializadas para cada misión, que lo mismo valen para un PC que para un móvil.

La startup alemana ExpectedIT, fundada hace cinco años en Esslingen am Neckar (Baden-Württemberg), ciudad próxima a Stuttgart, tiene una visión asimilable a todo eso para optimizar las infraestructuras dedicadas a la inteligencia artificial que padecen “un cuello de botella estructural” moviendo datos, por limitaciones de memoria y recursos de input/output en los servidores.

Lo explica el CEO Klass Moreau, un ingeniero sueco cuyo currículum recorre buena parte de esa historia de la informática mencionada, desde mitad de los 90, pasando por Ericsson y la startup sueca Zeropoint Tecnologies, que desarrolló una tecnología de compresión “extremadamente rápida” y fue licenciada a fabricantes de semiconductores estadounidenses y chinos. En abril fue fichado por su actual compañía.

La conversación, durante el IT Press Tour celebrado en Liubliana se desarrolló por videoconferencia, con el CEO de ExpectedIT hablando desde algún lugar de Suecia ya que no pudo desplazarse para la cita en persona. Como introducción, Moreau advierte de que “la historia corta es que los fundadores estaban analizando la tecnología de centros de datos con IA, dándose cuenta de que no ha habido mucha innovación en el lado del servidor en las últimas décadas”. Luego, claro, la historia resulta bastante más larga.

“Cuando construyes superordenadores, conectas muchísimos elementos de procesamiento con una memoria común y los recursos, es decir, almacenamiento, red y otros periféricos. Y la idea era: ¿por qué no hacer algo similar a gran escala en la industria de centros de datos y servidores? Hasta ahora hemos construido los servidores de la misma manera durante décadas”, añade.

Su respuesta a esa pregunta es una nueva arquitectura denominada LPool, para centros de datos que trabajan con inteligencia artificial. Precisa Moreau que “no se puede hablar de centros de datos sin tocar la IA”. Y se refiere especialmente a la IA agéntica y el aprendizaje que conduce a la inferencia, que saturan las capacidades de los datacenters.

Se trata de superar las limitaciones de los servidores tradicionales en los centros de datos y la necesidad de incrementar también la demanda de cómputo en CPU, no solo en GPU. “Lo que antes estaba extremadamente centrado en la GPU se está volviendo ahora más equilibrado hacia la CPU”.

LPool (large pool) propone tratar un rack de servidores como una única unidad de cómputo coherente, compartiendo CPU, memoria, almacenamiento y red de forma más flexible y eficiente. Convertir el conjunto de procesadores y recursos integrados en sendas bandejas de un rack en un único computador virtual. “Nuestro objetivo es eliminar las fronteras entre los servidores y asegurarnos de tratar el rack como si fuera una única unidad de cómputo consolidada”. Así, “cabe imaginar que el rack, con 30 o 40 blades de servidor, se perciba como una única unidad. El rack es la CPU”.

La integración se desarrolla mediante una capa ligera sobre interfaces PCIe, u ópticos si están disponibles, para conectar entre sí las CPUs, ‘orquestadas’ (Moreau acepta utilizar esa palabra, planteada por DISRUPTORES) por un ‘chip LPool’ de diseño propio, que hace de “switch” entre los procesadores. “La primera generación de chips LPool, que llegará al mercado a finales del próximo año, soportará compartición de memoria”, asegura.

“Ser capaz de construir un único tipo de hardware de servidor genérico, con sockets y memorias de tamaño razonable y coste contenido, es una oferta muy atractiva para las hyperescalares”, estima, porque con la tecnología LPool, “dinámicamente puedes usar todo tu ancho de banda hacia una CPU o distribuirlo hacia muchas CPUs al mismo tiempo”. El reto es “interactuar con todo el ecosistema. Necesitamos convencer a los hyperscalares, a los OEM de servidores GPU y a los proveedores de nube de IA de que esta tecnología añadirá valor a sus centros de datos”.

La propuesta pasa también por atinar con el fabricante adecuado para su chip especializado. ExpectedIT sabe que fabricar semiconductores “es muy caro” y no se plantea hacerlo por sí misma. También requerirá que el hardware de las placas base lo asuman. Pero Moreau ve “una oportunidad increíble. Queremos hacer con la CPU del rack lo que Nvidia hizo con la GPU. Y creemos que esta será una forma de escalar [la capacidad de los centros de datos] de manera proporcional y eficiente”.

'Datacore', datos en formato nativo

Otro tropiezo habitual para las expansivas necesidades de la inteligencia artificial es el modo en que se almacenan los datos virtualizados. Especialmente los que tienen más solera. El vicepresidente de producto de DataCore, Said Boukhizou, que empezó a trabajar con la compañía como partner hace 25 años, habla de problemas como guardar datos obsoletos y siguiendo reglas, algunas absurdas, que proliferan en todo el mundo (GDPR, DORA…). “Las regulaciones a veces crean confusión. La gente conserva datos por si ocurre algo o por si alguien los pide… y los clientes tienen miedo de lo que pasará si han de someterse a una auditoría”.

Boukhizou identifica tres grandes desafíos en este momento: la disrupción generada en el mundo del dato por la adquisición de VMware por Broadcom; la escasez y encarecimiento del hardware; y la necesidad creciente de resiliencia frente a amenazas cibernéticas. Considera que muchos proyectos se están retrasando porque los clientes no consiguen hardware a tiempo, o porque los precios han cambiado respecto a los presupuestos previstos. “Tenemos cotizaciones válidas durante dos semanas, pero el sector público normalmente necesita mucho más tiempo para aprobar una compra”, afirma.

Lo que ofrece DataCore, fundada en 1998 y con sede en Fort Lauderdale (Estados Unidos), es separar la capa de almacenamiento de la capa de virtualización, facilitando migraciones con sus propias herramientas hacia distintos hipervisores sin abandonar el stack de gestión de datos. Herramientas que pueden servir para “migrar máquinas virtuales de VMware a Xen y convertirlas de un hipervisor a otro. No podemos convertir una máquina virtual en un contenedor, pero sí transformar VMs entre múltiples hipervisores, incluido KubeVirt”.

La agitación del momento procede de que, en su opinión, “el objetivo de VMware ahora es monetizar [sus precios se han elevado mucho]. Y si un cliente piensa en salir de VMware, con DataCore [como alternativa] puede mantener la pila de gestión de datos y elegir Proxmox, Hyper-V, Xen, KVM u otros”.

Es una propuesta basada en almacenamiento definido por software, con la que asegura que se otorga al cliente la libertad por partida triple: sin constricción por las infraestructuras, sin barreras entre plataformas y sin bloqueos de datos para el propietario. Y, además, indica, con precios razonables: “Sustituir algo caro por algo todavía más caro no es una buena operación”.

De esto último hace bandera Boukhizou: “Lo que proporcionamos al cliente es libertad de elección. No hay dependencia de un proveedor ni bloqueo. El cliente puede elegir el hardware que puede comprar, permitirse y conseguir… Si HP se retrasa o es más caro y Lenovo está disponible, use Lenovo”.

DataCore permite mezclar distintas marcas de hardware y guarda los datos “en formato nativo”, sin encapsularlos. También “protege” del riesgo de tenerlos encriptados con una solución propietaria que mantenga al cliente como prisionero. Indica Boukhizou que los datos permanecen accesibles mediante protocolos estándar, como SCSI, POSIX u objetos S3. El cliente puede entrar o salir de la solución sin quedar atrapado en un sistema cerrado. Pero lo que sí puede hacer es bloquear los datos frente a acciones externas para que no puedan ser alterados.

La estrategia de la compañía, originalmente centrada en un producto único, se ha basado, para crecer, en una serie de adquisiciones que le sitúan en un mercado más amplio: Caringo para almacenamiento de objetos; MayaData para Kubernetes y contenedores; Object Matrix y Pixit Media; Nexus/ArcaStream para HPC/IA; y StarWind para edge/ROBO y entornos Linux. “Queríamos soluciones especializadas para necesidades específicas, en vez de crear una única solución elefante que lo haga todo. Primero adquirimos especialistas, después los integramos y ahora vamos hacia la unificación”, dice Boukhizou.

Un producto estrella de la casa es SANSymphony, para trabajar desde Windows, con funciones avanzadas de almacenamiento como snapshots, thin provisioning, inmutabilidad, protección continua de datos, compresión, deduplicación y soporte de varios protocolos. Virtualiza y gestiona infraestructuras de almacenamiento heterogéneas, permitiendo agrupar cabinas y discos de distintos fabricantes bajo una misma capa de gestión.

Y, naturalmente, DataCore también mira hacia el mundo IA para su propio uso: el objetivo es evolucionar hacia una plataforma unificada de gestión, automatización y soporte, con un plano de control común y capacidades de operación asistidas por IA. Boukhizou menciona “agentic operations” o “AIOps agentic”, como un sistema que observa el entorno, correlaciona eventos, razona sobre tendencias y problemas, recomienda acciones y, si el usuario lo aprueba, ejecuta flujos de trabajo. No se plantea que la IA sustituya totalmente al administrador, sino que sea para reducir tareas de monitorización, diagnóstico y resolución.

“La nueva generación no quiere hacer clic, quiere pedirlo por prompt”, justifica. “Un agente eficaz recomienda y, si se aprueba, actúa. Pero siempre debe haber un humano en el circuito. Mi obsesión es reducir el tiempo de resolución de los problemas del cliente”. Aunque sea, por el momento, poniendo límites a los agentes IA: si la latencia está dentro del dominio de almacenamiento o en el servidor, puede diagnosticarla. Si está en switches o elementos de red externos que DataCore no controla, no puede predecir ni diagnosticar con la misma profundidad. “No quiero un sistema totalmente autónomo porque gestionamos datos críticos”.

En cuanto al modelo que cabrá utilizar, cuando el plan se ponga en pie, DataCore será bastante agnóstica y permitirá que el cliente traiga su LLM preferido. Sea Mistral, Anthropic, OpenAI, Gemini… u opciones locales para entornos desconectados o sensibles. “La clave es que el sistema conozca el producto: cómo se comporta y cómo funciona”.

Resiliencia agéntica IA, según Hycu

La IA se cuela, de manera sibilina, en el área en los sistemas de almacenamiento. Y eso es una nueva bandera para Hycu, una compañía creada en 2018, cuyo cuartel general está en Boston, pero en la que tiene mucho peso lo que se cuece en su sede de Liubliana, porque es donde reside su CTO, Goran Garevsky. Que es además cofundador junto con el CEO, Simon Taylor, participante en la reunión en modo remoto.

Con 5.000 clientes en 78 países, dice Taylor que la empresa ha crecido “fast and furiously” los últimos nueve años, como uno de los principales y más completos vendedores de protección de datos. Cuenta con “106 integraciones para productos SaaS y cloud”. Pero, como “el viaje nunca acaba”, Taylor proclama solemne que hemos entrado en una “nueva era”, en la que “la raza humana ha pasado de una batalla por la ciberseguridad, con ataques de ransomware, a una batalla contra lo que solía llamarse el apocalipsis SaaS antes de que se convirtiera en un nombre un poco equivocado en el mercado actual”.

“Hoy estamos en el mundo de la recuperación agéntica. Todas las empresas del planeta están luchando contra los agentes. Trabajan incansablemente para tratar de identificar a los miles de agentes que sus empleados están desplegando en todos los servicios registrados de su empresa”, asevera Taylor, que se pregunta por esa entrada masiva de agentes IA en los sistemas corporativos: “¿Qué hay de los agentes y las responsabilidades sobre los datos que eso conlleva? ¿Cómo se sigue y se controla a los agentes que han fallado y se mueven a velocidad de máquina? No se puede resolver con más personas. Porque se mueven demasiado rápido, no se ven y no se sabe lo que hacen”.

“Lo que estamos construyendo”, prosigue, “es el ‘área agente’. Si se piensa en el enorme catálogo de integraciones SaaS y en la nube, ¿qué ocurre cuando se construye un motor de contexto y un grafo de conocimiento encima de eso? ¿Qué ocurre cuando añades lenguaje natural y permites que el cliente, de repente, haga más con su copia de seguridad y recuperación y también vea en tiempo real todos los agentes que están ejecutando esas 106 integraciones SaaS diferentes?... Vamos a ayudar a entrar en el mundo agente y a mantenerse seguro mediante protección de datos y resiliencia ante la IA”.

Toman la palabra Andy Hernández, general manager de IA y Ciberseguridad, y Amarnath Ramaprathapan, Managing Director de I+D en Hycu en India, para explicar al alimón que los sistemas actuales de autenticación, logging, permisos y mecanismos de recuperación fueron diseñados para errores humanos, no para acciones autónomas a velocidad de máquina. “Las cosas ocurren a velocidad de relámpago”, puntualiza Ramaprathapan.

Describen tres tipos de posibles fallos: alucinaciones de agentes internos, que alteran el estado de sistemas de registro; instrucciones humanas mal formuladas, que desencadenan daños irreversibles; y credenciales o tokens persistentes, que permiten acciones destructivas plenamente autorizadas. “Bastan nueve segundos para que un agente borre toda la base de datos y backups de una compañía”. Y no se refieren a agentes invasores externos.

Una respuesta inmediata, aunque parezca insuficiente para esos escalofriantes nueve segundos de destrucción total, es cambiar la frecuencia de los backups. Para muchas empresas, un backup al día ya no es suficiente y se propone hacerlo cada 30 minutos.

Lo más relevante, y a la vez novedoso en la solución propuesta por Hycu, es que el desafío consiste en descubrir qué agentes existen, qué aplicaciones tocan, qué permisos tienen y qué datos pueden leer, modificar o borrar. Para eso presenta AirGraph, cuyo objetivo es mapear el entorno de aplicaciones SaaS y las identidades no humanas, agentes, copilotos, LLMs, permisos OAuth (los que se conceden a los agentes para determinadas acciones), conexiones entre servicios y riesgos asociados. Con ello busca mostrar aplicaciones protegidas, no protegidas, sancionadas, no sancionadas o en sombra. “Si no puedes verlo, no puedes protegerlo”, puntualiza Taylor. “Ahora sabes qué agentes hacen qué en cada momento”, apostilla Ramaprathapan.

Lo siguiente, en el proceso lógico es, según Taylor, que “la herramienta gratuita de visualización AirGraph proporciona conciencia de lo que ocurre en tu entorno, pero es la protección de datos, backup y recuperación, lo que corrige el problema cuando sucede”. Incluso anuncia otra herramienta, Flight Recorder, “que permitirá recuperar justo a punto en el tiempo anterior a que un agente cometiera un error”.

Otra herramienta es R-Serve, una capa que permite acceder a una réplica o vista utilizable de los datos conservados cuando la aplicación SaaS original o la región cloud subyacente no está disponible. Y, como desarrollos futuros, iManage y Confluence, con la idea de ampliar la relación directa con el backup. Que no sólo sirva para restaurar después de un incidente, sino también para mantener un acceso operativo a la información durante una caída de sistema. “No es solo backup, no es solo recuperación granular; es accesibilidad, continuidad de la información”, incide Hernández. Y Garevsky añade que R-Serve “hereda todos los permisos de la aplicación”, es configurable por ventana temporal y localización, de modo que se pueden seleccionar 30 días, una semana u otros plazos y elegir en qué ubicación deben estar disponibles esos datos.

“Por primera vez en la historia, los datos de backup se convierten en los más importantes de tu organización. No solo porque puedes tirar de la alarma de incendios, sino porque puedes usarlos cada día para automatizar las tareas que necesitas”, sentencia Taylor.

La solución de Stratofoundry: conocimiento analítico

La startup francesa Stratofoundry, con sede en Courbevoie, es de tan reciente creación que apenas tiene un trimestre de existencia, pero se presenta con más de media docena larga de soluciones y un primer conflicto de nombre para su producto. Empezó tentativamente como Chronovault, que, según el fundador y CEO Emmanuel Forgues, ese nombre no se podía usar “para un producto”. Así que para el lanzamiento lo cambió por KARL, siglas que significan Knowledge Analytics Response & Learning.

El CTO, Sami Fredj, detalla la motivación de su enfoque: “Los datos crecen y crecen y crecen. Es un problema real de la sociedad: cómo almacenar estos datos, cómo acceder a ellos, cómo buscar y encontrar información para organizar. Entre el 80 y el 90% de estos datos son no estructurados. Y la realidad es que tenemos que prestar cada vez más atención a estos datos debido a los procesos de IA”.

“Por ahora, hay al menos tres motivaciones principales para que la sociedad se acerque a la IA”, prosigue Fredj. “La primera es optimizar su propio trabajo. La segunda es intentar encontrar nuevos mercados, nuevas formas de entregar algo que se pueda hacer con lo que se tiene, pero no se explota, no fue descubierto, o no son capaces de hacerlo. Y al analizar los datos, puedes hallar otras formas de hacer cosas que puedes acercar a los mercados. Y lo tercero es que los datos son una fuente adicional de ingresos”.

Usa como ejemplo el caso de Rolls-Royce, definiéndolo como un fabricante de motores. “Principalmente motores para compañías aéreas Airbus y Boeing. Al principio, tuvo que estudiar cómo funcionaban sus motores. Tenían sensores para obtener datos de ellos. En el segundo paso, descubrieron que necesitan algunos datos externos para poder entender si funcionan bien o no: si vuelas con el viento favor o de cara, el motor no tendrá el mismo consumo. Y en algunos aspectos puede ser normal, pero en otros puede ser algo que tienes que arreglar”.

“Al final, Rolls-Royce es capaz de entender cuándo funciona bien el motor y cuál es el mejor corredor entre dos aeropuertos según la condición del viento. Eso puede indicar a la compañía cuál es el mejor trayecto para consumir menos combustible. Que es el primer o segundo coste para estas compañías. Y lo que al principio eran datos para optimizar su propio negocio es ahora una fuente adicional de ingresos”, concluye.

La solución de Stratofoundry, en palabras de su fundador, es aplicar una capa de “memoria temporal” y de “evidencia técnica” al almacenamiento S3, para conservar la historia completa de los datos, quién los modificó, cuándo, desde qué contexto y con qué finalidad. Esto debe servir para reconstruir estados anteriores, justificar decisiones y ofrecer una base sólida para procesos de IA, auditoría, ciberseguridad y gobierno de la información. “Cuando hablo de evidencia, no lo hago en sentido legal, sino técnico. Es algo que demuestra que una cosa existió o se hizo antes”, aclara Forgues. “Cada vez que tenemos una nueva versión de los datos, de alguna manera pierden su historia. La idea de la tecnología KARL es conservar el vínculo entre los estados para explicar por qué se tomó una decisión”.

Fredj lo pone en relación directa con el modo en que ofrece sus respuestas la inteligencia artificial: “Una de las causas de las alucinaciones es que existen muchas versiones distintas de la documentación y no está claro sobre cuál se trabaja. Aquí se puede bloquear la versión y asegurar que la accesible sea la correcta.”

Manifiesta su fe en el formato de almacenamiento S3 como infraestructura de futuro, “que crecerá en entornos cloud y on-premise”, según Fredj, y no pretende ser un proveedor de almacenamiento ni sustituir infraestructuras existentes, sino actuar como intermediario “agnóstico”, facilitando funcionalidades avanzadas sin enclaustrar al cliente en una caja cerrada.

En cuanto a las aplicaciones, o capas que incorpora la herramienta, la principal es KARL Core (todas incluyen en su denominación el prefijo ‘KARL’). Forgues la describe como una capa que transforma las operaciones sobre archivos en una estructura histórica persistente con deduplicación, compresión, cifrado, inmutabilidad, versionado y reconstrucción temporal, que se aplican de forma transparente cuando el archivo entra en el sistema. El usuario final verá simplemente un recurso CIFS o NFS, mientras que, por debajo, Core conserva versiones, contexto, metadatos y relaciones.

Para la recuperación de datos, Forgues elude considerar que se hace “restauración” y prefiere hablar de “volver atrás en la historia”, porque no se copian datos ni se crean snapshots tradicionales: se cambia el anclaje temporal para exponer la versión deseada.

Otra capa relevante de KARL es Guardian, para replicación S3 asíncrona, programable y paralelizable, capaz de dividir el trabajo entre instancias para procesar grandes volúmenes de archivos. El proxy S3 permite configurar un “bucket virtual” y redirigir escrituras hacia distintos endpoints, incluso escribiendo simultáneamente en más de un destino para asegurar consistencia. Frente a un caso de ransomware permite elegir un punto temporal anterior y volver al estado correcto en cuestión de segundos. Según Fredj, muchas empresas restauran backups infectados porque ignoran cuál es realmente la última versión sana.

Transit es el mecanismo para exportar e importar la capa de memoria, para preservar la información histórica sin perder su estructura temporal. Otras capas relevantes son Agent, que monta el almacenamiento S3 como unidad de trabajo; Media, orientada a búsqueda natural sobre imágenes y vídeos; Forge, para trazabilidad del desarrollo software y reproducibilidad de compilaciones; Compass, como “contexto ejecutivo” interno apoyado en modelos locales; y un módulo de auditoría capaz de organizar controles como NIS2 o RGPD, medir porcentajes de conformidad y localizar rápidamente ficheros sin evidencia o con incumplimientos.

Stratofoundry utiliza la IA Kimi, de la compañía china Moonshot AI, como profesora para sus herramientas, y está pendiente de una ronda de visitas “al banco”, para buscar algo de dinero que permita completar los desarrollos. También está en proceso una definición completa de su modelo de negocio, en el que un factor nuclear es Core, para el que valoran esquemas que no dependan de cada funcionalidad concreta, ni del volumen aislado, porque el uso puede variar mucho entre ciberseguridad, auditoría, IA o desarrollo. Forgues piensa en necesidades básicas de empresas medianas que quieren inspeccionar, clasificar y preparar datos para IA sin exponerse al exterior. Y también en posibles alianzas con partners o grandes empresas que desarrollen soluciones verticales sobre la API.

Es una compañía muy joven.

Cybee, 'backups' y ciberresiliencia europea

También es joven y francesa la startup Cybee, fundada en diciembre de 2022 por el CEO Eric Deronzier (fundador previamente de Ysosecure y Nuabee) y el CTO Gabriel Saudin. Tiene vinculación con el grupo familiar ARYME, junto con Nuabee, la empresa anterior de recuperación de desastres de Deronzier, con la que mantiene una relación de asociada, y también es partner del banco público de inversiones BPI France y de Hexatrust. Su trabajo es el backup de datos con soberanía europea, porque, según expresa Jean-Baptiste Perrin, responsable de desarrollo de negocio y evangelización comercial, “no es aceptable la dependencia externa”, para los datos europeos.

El papel de Cybee, en estos tiempos de IA e “imparable crecimiento” del volumen de datos, se orienta a atender a clientes grandes y medianos, facilitándoles una capa de protección adicional que no dependa de un único proveedor, evitando el bloqueo tecnológico y ayudando a restaurar sistemas y datos con rapidez tras incidentes graves.

Aunque joven, la empresa no parte de cero, sino de la experiencia de años de operaciones reales con arquitecturas críticas, contratos de distribución, especialmente con Orange Business, y de tratar con clientes con necesidades crecientes de recuperación, automatización y escalabilidad. Prevé abrirse progresivamente a redes de MSP en 2027, primero en mercados francófonos y después en otros países europeos, apuntando a organizaciones en sectores regulados como sanidad, finanzas y administraciones locales. Sin perder ojo a industria, transporte, servicios y retail.

Utiliza OpenStack, frente a plataformas cerradas, lo que le permite migrar clientes entre proveedores de nube europeos sin grandes fricciones, citando casos de T Systems, OVH, Outscale/Numspot y otros, colocando así las copias de seguridad, “la última línea de defensa”, en entornos no dependientes de grandes nubes estadounidenses. La cuestión sometida a debate es si la nube debe pasar de ser una mera copia secundaria a convertirse en el recurso primario de respaldo y recuperación. Según Perrin, muchos proveedores están reduciendo barreras. Y para sus clientes el valor principal está en estandarizar las políticas de copia, restauración y pruebas de recuperación en arquitecturas híbridas, combinando almacenamiento on premise, cloud, SaaS y PaaS. “La nube puede convertirse en una capa de ciberresiliencia por encima de los otros entornos”, indica Perrin.

El motor que utiliza es Restic, un proyecto open source etiquetado como “muy eficiente para backup de ficheros”, sobre el que Cybee ha construido una solución completa con orquestación, consola, agentes únicos para Windows y Linux, soporte de backup de imagen, gestión de retenciones, cifrado, inmutabilidad y una CMDB integrada para facilitar la recuperación de arquitecturas completas. La plataforma se apoya en microservicios y componentes open source como Zitadel, RabbitMQ, OpenBao y SpiceDB.

La cuestión clave, según Perrin, es que “no se trata sólo de hacer backup, sino ser capaz de restaurar y recuperar realmente cuando ocurre un incidente”, porque “con soluciones tradicionales puedes hacer backup, pero a veces no puedes restaurar: después de tres o cuatro días el proceso se rompe”. También el proceso requiere cautelas como que “si un atacante roba todas las contraseñas del cliente, nuestra solución ayuda porque las claves no están dentro de su infraestructura”.

Las normativas regulatorias, casos de NIS2 y DORA, están impulsando un cambio de enfoque, porque ya no basta con conservar backups, sino que las organizaciones deben poder demostrar pruebas de recuperación, cumplir objetivos de tiempo para la recuperación y evitar depender de un único proveedor. Así que, declara Perrin, la aproximación inicial de Cybee “no es sustituir la solución existente, sino añadir una capa de ciberresiliencia”.