La mayoría de las listas sobre el "futuro de la seguridad de la IA" tratan a la IA como una carga de trabajo más. Otra base de datos. Otra aplicación SaaS a la que aplicar una política. Este enfoque no capta lo que realmente diferencia a la IA.
La IA no solo lee tus datos. Toma decisiones y actúa en tu nombre. A veces es un modelo. Cada vez más, es un agente. En cualquier caso, accede a datos confidenciales más rápido, a mayor escala y con menos supervisión que cualquier empleado de tu organización.
Las tendencias que se describen a continuación no son predicciones. Son lo que ya está sucediendo en empresas que han superado el debate sobre si deberían permitir ChatGPT. Aquí le indicamos dónde buscar y dónde invertir durante los próximos 12 a 18 meses.
1. Los agentes de IA se convierten en la superficie de ataque dominante
En 2024, el debate sobre seguridad de la IA giraba en torno a empleados que copiaban datos de clientes en ChatGPT. En 2025, la conversación se centró en las aplicaciones GenAI, tanto licenciadas como desarrolladas internamente. En 2026, el tema principal son los agentes: sistemas autónomos que recuperan datos, utilizan herramientas, acceden a API y realizan acciones en todo el entorno.
El riesgo no es una versión ampliada del riesgo de los chatbots, sino que se presenta de forma diferente. Un chatbot espera una solicitud. Un agente lee el CRM, consulta el lago de datos, escribe en un sistema de gestión de incidencias y envía un correo electrónico a un cliente en una única cadena. Cinco llamadas a herramientas, sin intervención humana. Los sistemas DLP y DSPM heredados se diseñaron para usuarios que abrían archivos. Casi nada en ese conjunto de herramientas se diseñó para que un agente recuperara información confidencial y actuara en consecuencia.
Qué observar: cómo los proveedores ofrecen visibilidad y trazabilidad en todo el ciclo del agente. Recuperaciones, llamadas a herramientas, transferencias entre agentes y acciones realizadas sobre los datos. Si la respuesta se limita a las indicaciones y respuestas, están analizando el chat y haciéndolo pasar por seguridad.
2. La identidad no humana se convierte en el problema de identidad más importante que tienes.
Cada agente de IA es una identidad no humana. Posee credenciales, permisos, un alcance de acceso efectivo y un radio de acción. La Cloud Security Alliance estima que la proporción de identidades no humanas con respecto a los humanos es de entre 10 y 50 veces mayor en la mayoría de las empresas, y esta proporción aumenta a medida que se incrementa el número de agentes.
La mayoría de las herramientas de IAM e ITDR no fueron diseñadas para esto. No pueden responder a las preguntas que realmente importan:
¿A qué datos puede acceder este agente, dadas sus herramientas y conectores? ¿Qué datos sensibles está manipulando actualmente y es esto coherente con su propósito? Si se ve comprometido o sufre alucinaciones graves, ¿cuál es el verdadero alcance de las consecuencias?
Las empresas que implementen agentes a gran escala con éxito vincularán cada identidad (humana, de máquina o de agente) directamente con los datos confidenciales a los que pueda acceder, y no solo con los sistemas en los que pueda iniciar sesión.
3. AI-SPM y DSPM convergen.
Gestión de la postura de seguridad de la IA Surgió en 2024 como una forma de inventariar los activos de IA: modelos, conjuntos de datos de entrenamiento, almacenes de vectores, agentes, servidores MCP y las herramientas de IA que los empleados utilizaban discretamente. Para finales de 2026, será un requisito básico. De la misma manera que CSPM lo fue para la nube hace cinco años.
El riesgo de la IA es riesgo de datos. Depende de con qué se entrenó el modelo, qué información recupera el agente y qué contexto se filtra en una solicitud. Por eso, la gestión de la seguridad de los datos basada en IA (AI-SPM) se está fusionando con la gestión de la seguridad de los datos (DSPM). Los proveedores que ganan en esta categoría ya cuentan con un mapa de alta fidelidad que indica dónde residen los datos confidenciales. Añadir inventario de IA a un gráfico de datos existente es muy sencillo. Construir el gráfico de datos desde cero es un proyecto que lleva varios años.
Si su proveedor de IA-SPM no puede indicarle, para cada agente, qué conjuntos de datos confidenciales se encuentran dentro de su radio de acción, lo que le está vendiendo es una lista de activos, no una estrategia de seguridad.
4. La seguridad de la IA pasa de la postura al tiempo de ejecución.
Analizar las solicitudes y respuestas en busca de datos confidenciales, inyección de mensajes y resultados inseguros se está convirtiendo en algo habitual. Era una novedad en 2024. Ahora es algo que se puede hacer sin más.
Las exigencias son cada vez mayores. Las empresas solicitan protección en tiempo de ejecución que comprenda el ciclo completo del agente, no solo la ventana de chat. Esto implica inspeccionar las llamadas a herramientas, las recuperaciones y las transferencias entre agentes. Significa tomar decisiones de política que tengan en cuenta quién es el agente, qué se le pidió que hiciera y qué datos está a punto de procesar.
Los próximos 12 meses serán cruciales para distinguir a los proveedores que simplemente escanean mensajes de aquellos que realmente comprenden el funcionamiento del agente. La prueba es sencilla: ¿puede el proveedor aplicar políticas entre el modelo y los datos, o solo en la entrada y salida del modelo?
5. La gobernanza de los agentes obtiene un plano de control real.
Todas las empresas con las que hablamos están perdiendo la batalla por mantener un inventario de agentes. El problema radica en la escala, especialmente cuando los empleados sin conocimientos técnicos comienzan a crear sus propios agentes. Sin un inventario, no hay visibilidad. Y sin visibilidad, no hay evaluación de riesgos.
Un verdadero sistema de control de agentes en 2026 necesita responder cuatro preguntas bajo demanda:
- ¿Qué agentes tengo?
- ¿Qué tiene permitido hacer cada uno?
- ¿Qué hace realmente cada uno?
- ¿Qué lo demuestra?
Descubrir, gobernar, proteger, demostrar. Todo aquello que no complete este ciclo termina siendo un producto obsoleto. Las partes problemáticas se desactivan y las incompletas no superan una auditoría.
6. El linaje de modelos y datos se convierte en un requisito a nivel de junta directiva.
Los reguladores de todo el mundo coinciden en una premisa fundamental: si un modelo influyó en una decisión sobre una persona, es necesario explicar con qué datos se entrenó, qué datos se utilizaron para la inferencia y qué medidas de control se implementaron. Esto ya no es un problema de investigación, sino un problema de auditoría.
Se prevé que la lista de materiales para IA (AI-BOM) y las herramientas de procedencia de modelos se trasladen del equipo de aprendizaje automático al conjunto de herramientas de seguridad y GRC. La verdadera cuestión no es si se dispone de una lista de materiales para IA, sino si se puede vincular con los datos y generar un registro de auditoría. Una lista de materiales para IA que no conoce los datos es un artefacto de cumplimiento, no un control de seguridad.
7. El punto final vuelve a ser un punto de control de seguridad de IA.
Agentes de codificación como Claude Code y Cursor, y la próxima generación de agentes de escritorio, han vuelto a poner de relieve la importancia del punto final en la seguridad de la IA. Estos agentes leen código local, navegan por la web, llaman a las API con credenciales de desarrollador y escriben archivos. Todo ello desde un portátil que su sistema DLP apenas detecta.
Las extensiones de navegador y la telemetría ligera de endpoints vuelven a ser tema de conversación en el ámbito de la seguridad de la IA. Cubren las deficiencias de los sistemas DLP tradicionales y, además, detectan los agentes que cada vez se ejecutan más en el equipo del usuario, en lugar de en la nube.
¿Qué significa esto para los líderes de seguridad?
El patrón se repite en todos estos casos. La seguridad de la IA se está fusionando con la seguridad de datos y la seguridad de identidad, con una capa de ejecución intermedia. Los proveedores que triunfen en los próximos dos años controlarán la capa de datos, la extenderán a agentes e identidades no humanas y aplicarán políticas en tiempo de ejecución.
En Cyera, hemos estado trabajando precisamente en esta convergencia. La postura, la gobernanza y los controles de ejecución están vinculados a los datos confidenciales a los que puede acceder cada agente, modelo o identidad. El siguiente paso es la propia interfaz del agente: descubrir cada agente en la nube, SaaS y en los dispositivos finales; gestionar las funcionalidades de cada uno; protegerlos durante la ejecución; y demostrar que los controles funcionan correctamente.
Si estás diseñando una estrategia de seguridad de IA para los próximos 18 meses, la prueba es sencilla. Elige cualquier agente de tu entorno. ¿Puedes responder, en menos de cinco minutos, a qué datos puede acceder, qué ha manipulado en las últimas 24 horas y si esto se ajusta a su propósito? Si no, ahí es donde empieza el trabajo.
Get your AI Security Assessment
.svg)