Si le preguntara a su CISO ahora mismo si la IA ha contribuido a una brecha de seguridad en el último año, ¿qué respondería? Más importante aún: ¿podría responder con confianza?
Según datos de varios informes de amenazas publicados este mes, más de un tercio de las organizaciones realmente no lo saben. No "creemos que no". No "probablemente no". Literalmente: no tienen idea.
Ese dato me detuvo en seco. Porque dice algo importante sobre el estado de la seguridad en IA empresarial: no sobre los ataques en sí, sino sobre la brecha de visibilidad que subyace a todo lo demás.
El problema no es la brecha. Es el punto ciego.
No han faltado estadísticas alarmantes sobre seguridad en IA últimamente. El Índice de Amenazas X-Force 2026 de IBM señaló una escalada medible en ataques impulsados por IA. El informe AI Threat Landscape de HiddenLayer destacó la IA agentiva como una superficie de ataque en rápida expansión. Investigadores encontraron extensiones maliciosas de Chromium disfrazadas de asistentes de IA que exfiltraban silenciosamente prompts internos y código de entornos empresariales.
Todo eso es realmente preocupante. Pero la estadística que más me impacta es más simple y, francamente, más condenatoria: más de una de cada tres organizaciones no puede confirmar si ha sufrido una brecha de seguridad en IA en el último año.
Piense en lo que eso significa operativamente. Si no puede detectarlo, no puede responder. Si no sabe qué herramientas de IA usan sus empleados, no puede saber cuáles transmiten datos sensibles a servidores externos. Si no tiene un registro de auditoría de lo que hacen sus agentes de IA, no puede rastrear un incidente hasta su origen.
La brecha es casi secundaria. El verdadero problema es que la mayoría de las empresas están operando a ciegas.
La IA en la sombra es más grande de lo que nadie pensaba
Tres de cada cuatro organizaciones consideran ahora que la IA en la sombra es un problema definitivo o probable, un aumento de 15 puntos respecto al año pasado. Sin embargo, la mayoría de los equipos de seguridad aún no tienen un método sistemático para detectarla.
Este es el patrón típico: un empleado encuentra una herramienta de IA útil. Puede ser una extensión de Chrome que resume reuniones, un asistente de código basado en navegador o alguna de las decenas de aplicaciones de productividad con IA que han surgido en el mercado. Empieza a usarla. Sus colegas la ven y también la usan. En semanas, datos empresariales sensibles, transcripciones de reuniones, código interno, información de clientes, documentos legales, están siendo procesados por un servicio externo que TI nunca ha conocido ni aprobado.
Nadie actúa con mala intención. Eso hace que la IA en la sombra sea tan persistente. La intención es la productividad, no la negligencia. Pero la exposición es real.
Y ahora las apuestas suben. Investigadores han documentado casos donde esas mismas herramientas no autorizadas fueron el punto de entrada para el robo de credenciales: tokens de sesión robados, claves API exfiltradas, identidades no humanas comprometidas que dan acceso persistente a atacantes mucho después de la brecha inicial. Una extensión maliciosa de IA puede recolectar silenciosamente meses de prompts internos antes de que alguien lo note.
El cambio agentivo lo cambia todo
Hay otra capa que los equipos de seguridad apenas comienzan a abordar: los agentes autónomos de IA.
Un número significativo de empresas ya despliega agentes de IA: herramientas que no solo responden preguntas, sino que actúan. Navegan por la web, consultan bases de datos, envían correos, activan flujos de trabajo. Y según datos recientes, una de cada ocho compañías ya ha vinculado una brecha de IA a un sistema agentivo.
El problema es arquitectónico. La mayoría de las organizaciones tratan a los agentes de IA como extensiones de usuarios humanos, dándoles cuentas de servicio compartidas o permisos demasiado amplios. Cuando algo falla, no hay registro de auditoría. No hay forma de atribuir una acción a un agente específico. Y como muchos de estos agentes fueron creados por equipos individuales sin revisión de TI, ni siquiera están en el radar del equipo de seguridad.
Este es el problema de la capa de ejecución. Los atacantes ya no solo apuntan a modelos de IA, sino a la capa donde los agentes de IA se conectan a la infraestructura de producción. Y la mayoría de las empresas carece prácticamente de gobernanza en esa intersección.
La brecha de confianza es un problema estratégico, no solo tecnológico
Lo que resulta llamativo en la investigación es la brecha significativa entre lo que los ejecutivos creen sobre su postura de seguridad en IA y lo que realmente muestran los datos operativos.
Una gran parte de los ejecutivos expresa confianza en que sus políticas de seguridad actuales pueden manejar acciones no autorizadas de agentes. Mientras tanto, los datos muestran que más de la mitad de todos los agentes de IA operan sin supervisión de seguridad consistente.
Esa brecha es peligrosa. No porque los ejecutivos sean deshonestos, sino porque las herramientas que han usado históricamente para evaluar riesgos (políticas de seguridad, revisiones de proveedores, auditorías de cumplimiento) no fueron diseñadas para este problema. Fueron creadas para un mundo donde la superficie de ataque estaba definida por el perímetro de red y los proveedores de software. Ninguno de esos conceptos se adapta bien a un entorno donde los empleados adoptan libremente herramientas de IA, los agentes de IA actúan de forma autónoma y el límite entre "su infraestructura" y "los servidores de otros" es cada vez más difuso.
Cómo es la visibilidad real
Las organizaciones que lo están haciendo bien no son necesariamente las que tienen las herramientas de seguridad de IA más sofisticadas. Son las que empezaron con una pregunta simple: qué IA se está usando realmente, por quién y para qué.
Parece obvio. Es más difícil de lo que parece. La mayoría de las herramientas de monitoreo de red no fueron diseñadas para distinguir el tráfico de herramientas de IA del tráfico web general. La mayoría de las soluciones DLP no entienden la semántica de lo que se envía a un LLM. Y la mayoría de los equipos de TI ya están saturados, sin capacidad para auditar manualmente cada nueva herramienta de IA que aparece en el mercado.
El enfoque práctico es construir visibilidad en la capa de flujo de trabajo, el lugar donde los empleados realmente interactúan con las herramientas de IA, en lugar de intentar añadirla en el perímetro de la red después del hecho. Eso significa entender no solo que se usa una herramienta, sino cómo se usa: qué datos fluyen a través de ella, si se comparte contenido sensible y si el uso se ajusta a la política.
Desde ahí, puede tener una conversación real sobre qué herramientas aprobar, cuáles bloquear y cuáles caen en una zona gris que requiere otro tipo de orientación. Y, lo más importante, puede empezar a construir el registro de auditoría que le permita responder la pregunta que su CISO no pudo: ¿ha contribuido la IA a una brecha y, de ser así, cómo?
La ventana se está cerrando
Hay una razón por la que esto es más urgente en marzo de 2026. La presión regulatoria aumenta: el Reglamento de IA de la UE está en vigor, el plan regulatorio de IA de Australia toma forma y los reguladores de servicios financieros en varias jurisdicciones hacen preguntas activas sobre gobernanza de IA. Las organizaciones que no puedan demostrar supervisión de sus herramientas de IA encontrarán esa brecha cada vez más costosa, y no solo en costos por brechas.
Las organizaciones que esperen un incidente significativo para actuar pagarán un precio alto: en remediación, en escrutinio regulatorio y en la confianza que han construido con clientes y socios.
Las que actúen ahora podrán moldear su propia historia de gobernanza de IA, en lugar de que se la escriba una notificación de brecha.
Empiece con visibilidad. El resto vendrá después.
