Durante los últimos años hemos hablado mucho del impacto de la inteligencia artificial en ciberseguridad, pero el debate está entrando en una nueva fase.
Ya no se trata únicamente de utilizar machine learning para detectar anomalías o inteligencia artificial generativa para producir phishing más convincente. Estamos empezando a observar algo más relevante: sistemas capaces de participar de forma cada vez más autónoma en distintas fases del ciclo de ataque y de defensa. Esto cambia sustancialmente las reglas del juego.
Estamos empezando a observar sistemas capaces de participar de forma cada vez más autónoma en distintas fases del ciclo de ataque y de defensa
En una charla que preparé este año resumía el cambio con una frase: la ciberseguridad se ha convertido en una carrera de velocidad. El problema no es solo que tengamos ataques más sofisticados. Es que podemos tener más ataques, ejecutados más rápido y cada vez más difíciles de detectar.
Índice de temas
Cómo la IA determina los ataques
La IA generativa ya permite automatizar determinadas tareas de reconocimiento, analizar información pública, adaptar campañas de ingeniería social y apoyar tareas técnicas como el desarrollo de código malicioso o la búsqueda de vulnerabilidades. Pero los agentes de IA añaden una dimensión diferente: pueden planificar subtareas, utilizar herramientas, interpretar resultados y continuar una secuencia de acciones con menor intervención humana.
No hablamos únicamente de una posibilidad teórica. Anthropic comunicó en noviembre de 2025 la interrupción de una campaña de ciberespionaje contra aproximadamente treinta organizaciones en la que, según su investigación, Claude Code fue manipulado para participar en reconocimiento, descubrimiento de vulnerabilidades, explotación, movimiento lateral, obtención de credenciales y análisis y exfiltración de información.
La compañía estimó que la IA llegó a ejecutar de forma independiente entre el 80% y el 90% de determinadas operaciones tácticas.
Conviene, no obstante, leer el caso con matices: los operadores humanos seguían autorizando el avance entre fases, las alucinaciones del modelo obligaban a verificar sus resultados y solo se confirmaron unas pocas intrusiones. Aun así, el esfuerzo humano necesario por operación se reduce de forma drástica.
La evolución no se ha detenido ahí. En septiembre de 2026, la propia compañía publicó nuevos casos de uso malicioso detectados entre diciembre de 2025 y agosto de 2026, incluyendo operaciones vinculadas a actores patrocinados por Estados, delincuentes con motivación económica y proveedores de spyware comercial.
Este escenario introduce una asimetría importante. Un atacante puede escalar determinadas tareas mientras que los equipos defensivos continúan condicionados por procesos manuales y recursos limitados. Por eso la respuesta no puede seguir siendo exclusivamente reactiva.
Un atacante puede escalar determinadas tareas mientras que los equipos defensivos continúan condicionados por procesos manuales y recursos limitados
La buena noticia es que la misma tecnología también está aumentando las capacidades defensivas.
El SOC está evolucionando desde modelos basados fundamentalmente en reglas hacia entornos en los que el análisis de comportamiento y de anomalías puede ayudar a contextualizar grandes volúmenes de telemetría, correlacionar eventos y priorizar aquello que realmente requiere intervención. La IA también puede asistir a los analistas en investigaciones, enriquecimiento de alertas, análisis de malware y generación o adaptación de procedimientos de respuesta.
Esto no significa entregar sin supervisión las llaves del SOC a un algoritmo. Significa plantear una automatización progresiva en la que la autonomía concedida dependa del riesgo de cada acción.
La protección de los sistemas de IA
Y aquí aparece una segunda frontera que considero incluso más importante: ya no basta con utilizar IA para proteger nuestros sistemas. Tenemos que proteger también los sistemas de IA.
Prompt injection, manipulación de datos de entrenamiento, exposición de información confidencial, abuso de herramientas conectadas al modelo o falta de trazabilidad empiezan a formar parte del nuevo catálogo de riesgos. A lo largo de este año 2026 he resumido esta transformación de una forma deliberadamente sencilla: antes protegíamos sistemas, ahora también tenemos que proteger decisiones.
«Cuanta mayor autonomía tenga un sistema y cuantos más permisos pueda ejercer, mayor importancia adquieren la identidad, la autorización y la trazabilidad«
La llegada de agentes hace esta cuestión todavía más crítica. Cuanta mayor autonomía tenga un sistema y cuantos más permisos pueda ejercer, mayor importancia adquieren la identidad, la autorización y la trazabilidad. Un agente con acceso a correo, repositorios, bases de datos o herramientas corporativas no debería disponer por defecto de más privilegios de los estrictamente necesarios.
En la práctica, aplicar el mínimo privilegio a los agentes implica una identidad propia por agente, permisos acotados a la tarea, credenciales efímeras, entornos aislados y aprobación humana explícita para las acciones de alto impacto, con cada llamada registrada. En la campaña descrita, la IA se utilizó para localizar cuentas con privilegios elevados.
En este sentido, algunos principios clásicos ganan peso. Zero Trust, mínimo privilegio, segregación de funciones, gestión de identidades, registro de actividad y supervisión continua no desaparecen con la IA. Al contrario, se convierten en la base sobre la que desplegarla con seguridad. Hoy considero imprescindible tratar la identidad como el nuevo perímetro y situar Zero Trust en el centro de este cambio.
Hay además una tercera dimensión que a veces dejamos fuera del debate técnico: la capacidad de reconstruir qué ha pasado.
Desde una perspectiva forense, un entorno en el que una IA toma decisiones, invoca herramientas y encadena acciones plantea preguntas nuevas. ¿Qué instrucciones recibió? ¿Qué información utilizó? ¿Qué permisos tenía? ¿Qué acciones ejecutó? ¿Qué resultados obtuvo? ¿Qué decisión correspondió al modelo y cuál a una persona?
Sin logs suficientes, control de versiones y trazabilidad, investigar un incidente protagonizado o asistido por IA puede convertirse en un problema considerable. Es clave poder reconstruir posteriormente decisiones y evidencias: la diligencia no se acredita solo afirmando que existían controles, sino pudiendo demostrar qué ocurrió y por qué.
Por eso creo que durante los próximos años veremos converger tres disciplinas que hasta ahora muchas organizaciones han tratado por separado: AI for Security, Security for AI y AI Governance.
La cuestión no es elegir entre automatización y control, es conseguir las dos cosas
Utilizaremos inteligencia artificial para protegernos. Tendremos que defender la propia inteligencia artificial frente a ataques y manipulaciones. Y necesitaremos gobernarla para saber qué puede hacer, con qué información, bajo qué supervisión y dejando qué evidencias.
La cuestión no es elegir entre automatización y control. Es conseguir las dos cosas.
Porque la próxima ventaja competitiva en ciberseguridad probablemente no la tendrá quien incorpore más IA, sino quien consiga utilizarla con más velocidad sin perder trazabilidad, criterio ni capacidad de control.
Y, en un escenario en el que el atacante también automatiza, esa diferencia puede ser decisiva.
