La próxima factura de la IA: proteger a los agentes que ya pueden actuar

Durante décadas, la ciberseguridad se apoyó en una premisa estable: había que proteger a las empresas de personas que usaban computadoras para atacarlas. El adversario era humano y la máquina apenas su instrumento, de modo que defender un sistema significaba, en el fondo, anticiparse a la astucia de otro individuo.

Esa ecuación empezó a invertirse. Hoy construimos sistemas capaces de encontrar vulnerabilidades por sí mismos, decidir cómo aprovecharlas y ejecutar acciones sin que una mano humana intervenga en cada paso, y esa mudanza -de la herramienta al actor- redefine por completo qué significa estar protegido.

El cambio dejó de ser teórico en las últimas semanas. Varios laboratorios de frontera reportaron que sus modelos más avanzados lograron explotar o comprometer sistemas durante evaluaciones de ciberseguridad: episodios vinculados a OpenAI, Anthropic y Meta en los que la IA demostró capacidad ofensiva dentro de entornos de prueba.

Conviene leerlos con precisión, porque se trata de ensayos controlados de capacidad y no de ataques criminales, y los intentos de phishing dirigidos contra fondos de inversión estadounidenses que circularon en paralelo no han sido atribuidos a ninguna empresa, modelo ni actor concreto. Aun despojados de dramatismo, esos experimentos dejan una señal difícil de ignorar: la máquina ya sabe buscar la grieta.

De esa señal se desprende una consecuencia económica que el mercado apenas empieza a dimensionar. Si la primera fase del boom de la IA concentró el capital en chips, centros de datos, energía y cómputo para entrenar modelos, la siguiente podría traer una factura de naturaleza distinta: la de proteger sistemas y agentes que ya no solo generan texto, sino que utilizan herramientas, acceden a datos y toman decisiones por su cuenta.

Después del gasto en construir la inteligencia artificial, empieza a asomar el gasto en contenerla.

De chatbots a agentes

La diferencia entre el riesgo de ayer y el de mañana cabe en una distinción sencilla, y en ella se juega buena parte de esta historia. Un modelo que se equivoca entrega una respuesta incorrecta, mientras que un agente que se equivoca -o que es manipulado- ejecuta una acción incorrecta.

Cuando la IA se limitaba a conversar, el peor desenlace era un dato falso o un consejo desacertado; cuando esa misma IA puede navegar por la web, invocar herramientas, leer archivos y bases de datos, correr código e iniciar operaciones en nombre de una empresa, el error deja de ser una frase y se convierte en un hecho con efectos en el mundo real.

La superficie de ataque, por lo tanto, no crece de manera lineal: cada permiso que se concede a un agente abre una puerta nueva que alguien tendrá que vigilar.

• Anthropic marca lo que genera Claude con una huella invisible y firma criptográfica

El multiplicador de fuerza

Gene Yu, de la firma de respuesta a incidentes Blackpanda, ofrece la clave conceptual para entender por qué esto importa justamente ahora. Según su lectura, la IA no incrementa necesariamente la cantidad de vulnerabilidades que existen en un sistema, sino que actúa como un multiplicador de fuerza que acelera de forma drástica la velocidad con la que esas vulnerabilidades pueden descubrirse y explotarse.

Ahí reside la dualidad incómoda de esta tecnología, porque la misma capacidad que permite a un modelo identificar una brecha para cerrarla sirve también para localizarla y aprovecharla.

La propia Blackpanda observó que su respuesta a incidentes en Asia-Pacífico se duplicó interanualmente durante el primer semestre de 2026, mientras que el phishing habilitado por IA ha mostrado, según material atribuido a CrowdStrike, alrededor de cinco veces más efectividad que los intentos humanos. La ofensiva no es más numerosa; es más rápida y más certera, que en materia de seguridad suele ser lo que verdaderamente cuenta.

La nueva factura de la IA

Ese salto de eficiencia ofensiva tiene un correlato presupuestario que ya empieza a cuantificarse. Gartner estima que el gasto mundial en seguridad de la información alcanzará los 240.000 millones de dólares en 2026, con un crecimiento anual cercano al 12,5%, y la lógica de los agentes sugiere que esa curva podría empinarse en los ejercicios siguientes.

Lo relevante, sin embargo, no es solo la magnitud sino la dirección del dinero, que apunta hacia categorías como la identidad de los agentes, la gestión de permisos y autenticación, el aislamiento de procesos, la observabilidad de las acciones, la protección frente a la inyección de instrucciones (prompt injection) y la detección de comportamientos anómalos.

Paul Meeks, de Freedom Capital Markets, anticipa además que este desembolso será adicional al que ya exige la construcción de infraestructura de IA, y no una reasignación de fondos desde ella. Se trataría, en otras palabras, de una segunda factura que llega antes de haber terminado de pagar la primera.

La batalla por capturar el gasto

Queda por dilucidar quién absorberá ese gasto, y la discusión enfrenta a dos modelos de negocio con incentivos distintos. Meeks considera que las compañías especializadas en ciberseguridad, como Palo Alto Networks o CrowdStrike, podrían beneficiarse en un primer momento gracias a su experiencia acumulada y a los productos que ya tienen desplegados.

Yu coincide en que los grandes actores del sector están bien posicionados, aunque advierte que los hyperscalers -los gigantes de la nube con infraestructura propia- disfrutan de una ventaja estructural para desarrollar o adquirir esa tecnología con rapidez. No hablamos de una recomendación bursátil, sino de una pugna por definir a quién pertenecerá una categoría de gasto que apenas nace.

Y todo indica que sectores como las finanzas y la salud, donde se combinan información sensible y sistemas en los que una acción equivocada acarrea consecuencias económicas o humanas graves, encabezarán esa demanda.

La paradoja del control

Detrás de la aritmética del gasto late un problema más profundo que ninguna partida presupuestaria resuelve por sí sola. El investigador Gary Marcus sostiene que la industria ha invertido fortunas en aumentar las capacidades de los modelos de lenguaje, pero que todavía falta investigación para construir sistemas verdaderamente controlables.

Esa asimetría define la paradoja del momento, porque hemos gastado sumas enormes en ampliar lo que la IA puede hacer y la próxima carrera podría consistir, precisamente, en controlar lo que le permitimos hacer.

La seguridad misma cambia de pregunta en ese tránsito: deja de indagar únicamente «¿quién es este usuario?» para empezar a plantear «¿qué agente está actuando, quién le concedió permiso y qué está autorizado a hacer?».

La lectura de Nyria

Durante los últimos años, la industria de la IA se organizó en torno a una competencia por la potencia, medida en quién tenía los mejores modelos, más GPUs y más centros de datos.

La era de los agentes introduce una pregunta distinta y menos vistosa, aunque acaso más decisiva: ¿en quién se puede confiar? La próxima ventaja competitiva quizá no consista en poseer el agente más inteligente, sino en disponer del agente al que una empresa se atreva a concederle permisos reales. Y esa confianza, a diferencia del cómputo, no se adquiere por teraflops: se construye, se audita y -como deja ver esta nueva factura- se paga.