El análisis de imágenes satelitales es un componente crítico de la observación de la Tierra y el análisis de datos satelitales, proporcionando información detallada sobre los efectos de eventos globales como la pandemia de COVID-19. La computación en la nube ofrece una forma flexible de asignar recursos y simplifica la gestión de la infraestructura. En este estudio, proponemos un sistema de nube cruzada para la detección de imágenes satelitales basada en ML, centrándonos en los aspectos financieros y de rendimiento de la utilización de Amazon Web Service (AWS) Lambda y Amazon SageMaker para tareas avanzadas de aprendizaje automático. Nuestro sistema utiliza Google Apps Script (GAS) para crear un panel de control basado en la web, proporcionando a los usuarios acceso a nuestros modelos de detección satelital alojados en AWS. Además, utilizamos AWS para gestionar gastos a través de una combinación estratégica de Google Cloud y AWS, proporcionando no solo ventajas económicas, sino también una mayor resiliencia. Además, nuestro enfoque capitaliza las capacidades sinérgicas de AWS y Google Cloud para fortalecer nuestras defensas contra la pérdida de datos y garantizar la resiliencia operativa. Nuestro objetivo es demostrar la efectividad de un entorno en la nube para abordar desafíos complejos e interdisciplinarios, particularmente en el campo del análisis de objetos utilizando imágenes espaciales.