Por Canuto  

La adopción empresarial de inteligencia artificial se expande por aplicaciones, agentes y funciones integradas que no siempre aparecen en los inventarios de seguridad. Un informe de Zscaler registra un fuerte aumento del tráfico de IA y advierte que el desafío no es solo identificar las herramientas, sino entender qué datos pueden consultar y mover.
***

  • Zscaler analizó 989.300 millones de transacciones de IA y aprendizaje automático de cerca de 9.000 organizaciones durante 2025; el tráfico creció 83% interanual.
  • Las transferencias de datos a aplicaciones de IA/ML aumentaron 93%, y la empresa contabilizó 410 millones de infracciones de políticas DLP relacionadas con ChatGPT.
  • La recomendación central es mantener visibilidad continua de aplicaciones, agentes, permisos y flujos de datos, y aplicar controles proporcionales al riesgo.

La IA empresarial crece fuera del radar de seguridad

Las empresas incorporan inteligencia artificial a un ritmo que dificulta seguirle la pista a cada herramienta, agente o función nueva. El problema, según un informe de seguridad de Zscaler, es que parte de esa actividad puede interactuar con información corporativa sin pasar por los procesos habituales de adquisición, revisión y monitoreo.

El reporte de ThreatLabz para 2026 se apoya en el análisis de 989.300 millones de transacciones de inteligencia artificial y aprendizaje automático generadas por cerca de 9.000 organizaciones a través de la plataforma de Zscaler durante 2025. La actividad aumentó 83% frente al año anterior, mientras que el número de aplicaciones que originaron el tráfico casi se cuadruplicó y superó las 3.400.

Una huella que se amplía por múltiples canales

La adopción ya no se limita a las plataformas de IA que una compañía compra y aprueba de manera explícita. También crece cuando los proveedores añaden funciones inteligentes a programas que los empleados ya usan, cuando una API conecta servicios externos con sistemas internos o cuando un agente automatiza tareas dentro de un flujo de trabajo.

Ese crecimiento puede pasar inadvertido porque los equipos no siempre reconocen una función nueva como una herramienta de IA independiente. Si aparece dentro de una aplicación autorizada, los trabajadores pueden tratarla como una actualización natural del producto y no como un servicio que exige una evaluación específica de seguridad y tratamiento de datos.

También existe la adopción informal, a veces llamada IA en la sombra: empleados que agregan herramientas no autorizadas para acelerar sus labores, sin necesariamente comprender qué información procesan o dónde termina. Aunque la intención sea mejorar la productividad, el uso puede crear conexiones y transferencias que no figuran en los registros convencionales de software.

Los agentes autónomos añaden otra dimensión, pues pueden ejecutar tareas en nombre de usuarios y acceder a recursos según los permisos disponibles. El Agentic Enterprise Index de Salesforce indicó que, entre febrero de 2025 y abril de 2026, los clientes con agentes en producción más que duplicaron su fuerza laboral de IA agentiva, una señal de expansión de estas herramientas en procesos que antes dependían de personas.

El riesgo está en los datos y los permisos

El aumento de aplicaciones no es la única medida de la exposición: también importa la información que circula por ellas. Zscaler reportó que las transferencias de datos hacia aplicaciones de IA y aprendizaje automático crecieron 93% durante 2025, un avance que vuelve más urgente determinar qué información se comparte y con qué finalidad.

En el caso de ChatGPT, el informe contabilizó 410 millones de infracciones de políticas de prevención de pérdida de datos, o DLP, relacionadas con la herramienta. La compañía señaló que los intentos incluyeron compartir números de seguridad social, código fuente y registros médicos, categorías de información cuya exposición puede tener consecuencias distintas según el contexto y los controles existentes.

Un inventario que solo enumera nombres de aplicaciones no permite conocer por sí mismo el alcance de una integración. Saber que un producto incorpora IA no revela si puede consultar una base de datos de clientes, modificar archivos compartidos o enviar información a otros servicios conectados, por lo que identificar herramientas es apenas una parte del análisis.

Los agentes hacen más compleja esa revisión porque su acceso puede extenderse a las aplicaciones y permisos situados detrás de ellos. Para evaluar su exposición, los equipos necesitan relacionar cada herramienta con los datos que puede leer, los sistemas a los que se conecta y las acciones que está autorizada a ejecutar, en vez de asumir que todos los usos tienen el mismo nivel de riesgo.

De la detección a controles proporcionales

La falta de visibilidad no significa necesariamente que una herramienta sea clandestina o que haya burlado una aprobación formal. Una extensión de navegador o una función activada automáticamente dentro de un programa ya permitido puede quedar fuera de las categorías que un inventario tradicional fue diseñado para registrar.

Una encuesta de Gartner a 302 líderes de ciberseguridad encontró que 69% de ellos dijo que sus organizaciones sospechan o tienen pruebas de que empleados utilizan IA generativa pública prohibida. El dato apunta a una brecha entre las políticas establecidas y la actividad que los responsables de seguridad creen que ocurre en sus entornos.

Por eso, el descubrimiento debe ser continuo y abarcar quién usa cada herramienta, a qué aplicaciones se conecta y qué datos quedan expuestos durante su operación. La imagen puede cambiar cuando una plataforma incorpora una nueva función o cuando un agente asume tareas adicionales, de modo que una auditoría aislada corre el riesgo de quedar desactualizada.

Con una visión más completa, las organizaciones pueden distinguir entre usos de bajo riesgo y actividades que requieren revisión o controles más estrictos. Un asistente aprobado para redactar materiales públicos, por ejemplo, no plantea el mismo escenario que un agente con acceso a registros financieros; las reglas pueden considerar al usuario, la aplicación, la sensibilidad de los datos, los permisos y el propósito.

La gobernanza depende de conocer el entorno

El informe sostiene que bloquear toda interacción con IA puede empujar algunos usos hacia canales menos visibles, en vez de eliminarlos. Los controles ajustados al riesgo ofrecen una alternativa: permiten casos legítimos bajo supervisión, mientras reservan medidas más estrictas para situaciones con acceso a información sensible o capacidad de actuar sobre sistemas empresariales.

Ese enfoque coincide con principios de Confianza Cero, que recomiendan verificar el acceso de manera continua y tomar decisiones según el contexto, en lugar de confiar por defecto. Aplicado a la IA, esto implica considerar quién realiza una solicitud, qué herramienta la procesa, qué permisos están vigentes y qué información se mueve durante la interacción.

La gobernanza, sin embargo, depende de que las reglas correspondan con el entorno real. Una empresa puede definir qué sistemas están permitidos y qué datos no deben compartirse, pero necesita detectar las aplicaciones y agentes efectivamente utilizados para aplicar esas políticas con consistencia.

La conclusión de Zscaler es que el descubrimiento de IA debe convertirse en una tarea permanente, no en una revisión puntual. Con visibilidad sobre herramientas, usuarios, permisos y flujos de información, los equipos pueden sustituir una gestión basada en suposiciones por decisiones de seguridad más acordes con la actividad que ocurre dentro de la organización.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados