La inteligencia artificial aplicada a la ciberseguridad está entrando en una fase distinta: ya no se limita a resumir alertas o ayudar a redactar consultas, sino que empieza a coordinar tareas completas de investigación, priorización y respuesta. Un ejemplo reciente es Elevate, la plataforma de IA agéntica que la empresa francesa Sekoia.io ha comenzado a desplegar entre sus clientes para automatizar parte del trabajo que realizan los centros de operaciones de seguridad.
La noticia es relevante porque muestra una tendencia que se repite en sectores muy diferentes: los agentes de IA están pasando de ser asistentes que esperan instrucciones a sistemas capaces de encadenar acciones dentro de un flujo de trabajo. En seguridad informática, sin embargo, esa transición tiene una dificultad especial. Un agente que analiza una amenaza puede necesitar acceso a datos sensibles, herramientas de red y sistemas de respuesta. Cuanto mayor es su autonomía, mayor es también la necesidad de controlar exactamente qué puede hacer, con qué información y bajo qué condiciones.
Qué propone Elevate y por qué importa
Según Reuters, Sekoia.io ha empezado a ofrecer Elevate a sus clientes como una plataforma orientada a operaciones de ciberseguridad mediante agentes de inteligencia artificial. La idea es reducir el trabajo repetitivo que consume buena parte del tiempo de los analistas: recopilar contexto de diferentes fuentes, relacionar indicadores, revisar alertas, priorizar incidentes y preparar una respuesta.
En un centro de operaciones de seguridad tradicional, una alerta rara vez llega con toda la información necesaria para decidir si existe un ataque real. El analista debe comprobar direcciones IP, dominios, registros, actividad de usuarios, comportamiento de dispositivos y otras señales. Después necesita decidir si el caso es benigno, sospechoso o crítico. Automatizar partes de esa cadena puede tener mucho más impacto que añadir simplemente un chatbot a una consola.
Ésa es precisamente la diferencia entre una IA generativa convencional y un sistema agéntico. La primera responde a una petición. El segundo puede recibir un objetivo, consultar herramientas, obtener nuevos datos, modificar su plan y continuar hasta alcanzar un resultado. Es el mismo cambio de paradigma que ya estamos viendo en los agentes de IA siempre activos y conectados a herramientas, pero trasladado a un entorno donde los errores pueden tener consecuencias importantes.
De miles de alertas a investigaciones priorizadas
Uno de los grandes problemas de la ciberseguridad empresarial no es únicamente detectar amenazas, sino gestionar el volumen de señales. Las organizaciones modernas utilizan decenas de servicios, aplicaciones en la nube, dispositivos y sistemas de identidad. Cada uno produce registros y alertas. Muchas son falsos positivos o eventos de poca importancia, pero algunas esconden ataques reales.
Un agente bien diseñado puede funcionar como una primera capa de investigación. En lugar de presentar una alerta aislada, puede reunir el contexto necesario, comparar el comportamiento con patrones conocidos, comprobar si existen otros eventos relacionados y preparar una explicación de por qué el incidente merece —o no— la atención de una persona.
Eso no significa que el analista humano desaparezca. De hecho, en seguridad la supervisión humana continúa siendo especialmente importante. La ventaja potencial está en desplazar el trabajo humano hacia decisiones de mayor valor: investigar ataques complejos, definir políticas, revisar acciones sensibles y responder a situaciones que no encajan en patrones conocidos.
La velocidad empieza a ser una variable decisiva
La IA también está cambiando el lado ofensivo. Los atacantes pueden utilizar modelos para analizar código, encontrar vulnerabilidades, preparar campañas de ingeniería social o automatizar tareas que antes requerían más tiempo y conocimiento. Eso empuja a los defensores a responder con herramientas capaces de operar a una velocidad comparable.
El 30 de septiembre también se conocieron otros ejemplos de esta aceleración. Informaciones publicadas durante la jornada describieron agentes capaces de descubrir vulnerabilidades complejas en software y nuevas plataformas destinadas a automatizar investigaciones de delitos financieros. No todos estos sistemas tienen el mismo grado de autonomía, pero apuntan en una dirección común: cada vez más trabajo técnico puede convertirse en un flujo de acciones coordinado por software inteligente.
La consecuencia práctica es importante. En un ataque real, ahorrar veinte o treinta minutos puede ser mucho más valioso que mejorar ligeramente la calidad de un informe. Si una IA detecta antes una cadena de eventos, identifica las máquinas afectadas y reúne el contexto para que un analista tome una decisión, puede reducir el tiempo durante el cual un atacante permanece dentro de una infraestructura.
El problema: un agente de seguridad también necesita límites
La paradoja es evidente. Para que un agente sea útil necesita permisos; pero esos mismos permisos aumentan el riesgo si el sistema interpreta mal una situación, recibe instrucciones maliciosas o es manipulado mediante datos externos. Un agente con acceso a correo, sistemas internos, terminales o herramientas administrativas no debería disponer de libertad ilimitada.
Por eso la seguridad de los propios agentes se está convirtiendo en otra categoría tecnológica. Hace pocos días Nvidia presentó una plataforma abierta orientada precisamente a establecer límites y supervisar el comportamiento de agentes. En FormateConIA analizamos ese enfoque al explicar OpenShell y Sentry, la propuesta de Nvidia para controlar agentes de IA.
La arquitectura más sensata combina autonomía con permisos mínimos, registros detallados, aislamiento y puntos de aprobación humana para acciones de alto impacto. Un agente puede recopilar evidencias automáticamente, por ejemplo, pero bloquear una cuenta crítica o aislar un servidor de producción puede requerir una autorización adicional. El nivel adecuado dependerá del riesgo de cada operación.
Qué cambia para las empresas
Para una empresa, adoptar agentes de ciberseguridad no debería consistir en sustituir de golpe sus herramientas actuales. El valor aparece cuando la IA se integra con procesos existentes y elimina cuellos de botella concretos. Un buen punto de partida puede ser automatizar el enriquecimiento de alertas: consultar reputación de dominios, relacionar eventos, resumir evidencias y preparar una cronología.
Después pueden añadirse tareas más complejas, siempre midiendo resultados. ¿Cuánto tiempo ahorra cada investigación? ¿Cuántos falsos positivos descarta correctamente? ¿Cuándo necesita escalar a una persona? ¿Qué acciones puede ejecutar sin aprobación? Estas métricas son más importantes que una demostración espectacular.
También será necesario formar a los equipos. Trabajar con agentes implica aprender a definir objetivos, diseñar procedimientos, revisar resultados y construir salvaguardas. Esa transición afecta tanto a especialistas técnicos como a responsables de negocio. Para quienes quieran comprender y aplicar estas herramientas desde una perspectiva más amplia, recursos de formación como Domina la IA pueden servir para estructurar el aprendizaje y convertir conceptos de inteligencia artificial en flujos de trabajo concretos.
La oportunidad para pequeñas empresas
Las grandes compañías pueden mantener centros de operaciones de seguridad con equipos especializados, pero las pequeñas empresas suelen tener recursos mucho más limitados. Ahí los agentes podrían producir un efecto especialmente interesante: permitir que proveedores y equipos pequeños automaticen tareas que antes exigían muchas horas de trabajo manual.
No significa que una pyme deba entregar el control de su infraestructura a un agente autónomo. Significa que servicios de seguridad gestionada podrían atender más casos con el mismo equipo humano, ofreciendo vigilancia, clasificación y respuesta inicial de forma más eficiente. La combinación de automatización y supervisión profesional puede hacer accesibles capacidades que antes estaban reservadas a organizaciones mayores.
El mismo principio se aplica fuera de la seguridad. Automatizar tareas repetitivas, conectar herramientas y reservar la intervención humana para decisiones importantes es una de las ideas centrales de la nueva economía de agentes. Quien esté explorando cómo convertir estas capacidades en proyectos o fuentes de ingresos puede encontrar un enfoque complementario en Rentas Inteligentes y la creación de productos y sistemas apoyados por IA.
Qué no sabemos todavía
Conviene separar el potencial de los resultados demostrados. Que una plataforma utilice agentes no garantiza automáticamente que reduzca incidentes, mejore la precisión o sea más barata. La eficacia real dependerá de la calidad de los modelos, las integraciones, los datos disponibles, las políticas de permisos y la capacidad de detectar cuándo el sistema se equivoca.
También falta información pública suficiente para comparar de manera homogénea plataformas agénticas de seguridad. Métricas como tiempo medio de detección, tiempo de respuesta, porcentaje de investigaciones resueltas sin intervención y tasa de falsos positivos serán esenciales. Sin evaluaciones comparables, muchas afirmaciones seguirán dependiendo de pruebas internas y casos seleccionados por los propios proveedores.
Otro límite es el contexto. Los modelos pueden interpretar grandes cantidades de información, pero una empresa tiene reglas, excepciones y sistemas heredados que no siempre están documentados. Un agente puede razonar correctamente con datos incompletos y aun así llegar a una conclusión equivocada. La gobernanza no es un añadido administrativo: forma parte del diseño técnico.
Una señal de hacia dónde va la IA empresarial
Elevate es interesante menos por ser un producto aislado que por lo que representa. La inteligencia artificial empresarial se está desplazando desde interfaces conversacionales hacia sistemas que ejecutan procesos. Ciberseguridad, finanzas, atención al cliente, programación, diseño industrial y operaciones están siguiendo caminos similares.
La ventaja competitiva probablemente no estará sólo en disponer del modelo más potente. También contará quién construya mejores integraciones, permisos, memoria, observabilidad y mecanismos de recuperación cuando algo falle. En otras palabras, el futuro de los agentes será tanto un problema de ingeniería de sistemas como de inteligencia artificial.
Para los usuarios, la pregunta dejará de ser únicamente «¿qué puede responder esta IA?» y pasará a ser «¿qué trabajo puede completar de forma fiable?». En ciberseguridad esa diferencia es especialmente clara: explicar una alerta ayuda; investigar cientos de señales, relacionarlas y entregar al analista un caso priorizado puede cambiar la operación completa.
El despliegue de plataformas como Elevate sugiere que esa transición ya no pertenece sólo a laboratorios y demostraciones. Está empezando a llegar a entornos empresariales reales. El reto de los próximos meses será comprobar si la autonomía prometida se traduce en mejoras medibles sin crear una nueva capa de riesgo. Si lo consigue, la ciberseguridad puede convertirse en uno de los campos donde los agentes de IA demuestren antes su valor práctico.