En la mayoría de los entornos corporativos ya circula al menos un agente de inteligencia artificial sin que nadie lo haya registrado. Estas instancias pueden guardar claves API, contraseñas de bases de datos y acceder a sistemas críticos sin que exista una supervisión humana directa. Cuando un empleado posee tal nivel de acceso sin una rendición de cuentas, hablamos de un riesgo interno, aunque la herramienta se presente como «productividad».
El debate de seguridad suele centrarse en cómo los ciberdelincuentes aprovechan la IA, pero la realidad más alarmante proviene de dentro de la propia organización. La falta de visibilidad genera una brecha que, según el informe de Bitdefender 2026, sólo el 51,8 % de las compañías tiene completa supervisión de las herramientas de IA que utilizan sus empleados. El 48,2 % restante opera en la oscuridad, lo que abre la puerta a incidentes graves.
Datos que revelan la magnitud del problema
Un estudio de IBM muestra que el 20 % de las organizaciones comprometidas lo fueron a través de IA oculta, conocida como «shadow AI». Esta cifra indica que, para cada cinco brechas, una tiene su origen en un agente que nunca pasó por los firewalls tradicionales ni fue detectado por los sistemas de monitoreo convencionales.
Los agentes pueden aparecer en distintas formas: asistentes de codificación, extensiones de navegador, servidores de modelado o incluso pequeños procesos instalados en la nube. Lo curioso es que, al no cruzar la puerta de enlace de red de forma reconocible, los herramientas de detección tradicionales los ignoran, creando una paradoja donde el activo con mayor acceso es el más invisible.
Webinar: AI como amenaza interna – De la sombra a la gestión gobernada
El 22 de octubre de 2026, Bitdefender organizará un seminario web titulado «AI as an Insider Threat: From Shadow AI to Governed AI». El evento contará con la participación de Richard De La Torre, Technical Product Marketing Manager de Bitdefender, quien ofrecerá un «playbook» práctico para que equipos reducidos puedan controlar la IA que aún no han detectado. Los asistentes aprenderán a identificar dónde se oculta la IA en los puntos finales y por qué los sistemas de seguridad existentes no la descubren.
Además, se presentarán hallazgos de Bitdefender Labs basados en análisis de máquinas reales, incluyendo el caso de un agente malicioso capturado en producción. El mensaje central será que bloquear la IA de manera absoluta rara vez funciona; la alternativa viable es una adopción gobernada, con políticas dinámicas que regulen su comportamiento.
Respuesta de Microsoft: Guardian Agents y Project Perception
Paralelamente, Microsoft ha anunciado la incorporación de Guardian Agents dentro de su ecosistema de seguridad. Estos agentes actúan como supervisores de otros agentes IA, asegurando que sus permisos y acciones se ajusten a un marco de control externo, tal como lo describió Nadim Abdo, vicepresidente corporativo de identidad y acceso de red.
El proyecto Project Perception combina sensores que recogen señales de identidad, datos, nube, endpoints, red y tiempo de ejecución. Con esa información se calcula dinámicamente el riesgo asociado a cada agente y se despliegan equipos de guardianes —rojos, azules y verdes— que vigilan y corrigen en tiempo real. La arquitectura permite responder a un incremento de riesgo restringiendo permisos, solicitando aprobación humana o, en casos extremos, aislando al agente.
Microsoft también amplió su descubrimiento a 35 tipos adicionales de agentes locales, entre ellos Claude Code, OpenAI Codex y GitHub Copilot, y añadió identificadores de agente en Microsoft Entra para mejorar la trazabilidad.
Claves para una gestión eficaz de la IA interna
Los expertos coinciden en que la seguridad de la IA requiere una visión multi-capa: identidad, permisos, datos, endpoints, red, nube y runtime. Cada capa debe contar con sensores que detecten la presencia de un agente, asignen una identidad única y apliquen políticas basadas en el contexto de riesgo.
El enfoque «guardian-agent» se sustenta en la idea de que la inteligencia no determinista debe rodearse de controles deterministas y evidencia independiente. De este modo, los equipos de seguridad pueden pasar de preguntar qué está ocurriendo a por qué ocurre, evaluando la alineación del objetivo del modelo con la intención del negocio.
Mientras la IA avanza y se vuelve más omnipresente, la única forma de evitar que se convierta en un «insider» es dotarla de supervisión continua, basada en datos reales y en políticas que se adapten al riesgo en tiempo real.
