Las acciones vinculadas con la inteligencia artificial y los semiconductores cayeron en Asia después de que Dario Amodei, CEO de Anthropic, pidiera reducir deliberadamente el ritmo de desarrollo de los modelos de IA. Sam Altman, CEO de OpenAI, y Elon Musk, responsable de xAI, respaldaron la preocupación. La inteligencia artificial llevaba meses funcionando como una de las grandes historias de crecimiento de los mercados. El lunes, esa narrativa recibió un golpe inesperado: algunos de los mismos ejecutivos que lideran la carrera tecnológica comenzaron a advertir públicamente que quizá la industria está avanzando demasiado rápido. La reacción fue inmediata. Las acciones vinculadas con la inteligencia artificial y los semiconductores cayeron en Asia después de que Dario Amodei, CEO de Anthropic, pidiera reducir deliberadamente el ritmo de desarrollo de los modelos de IA. Sam Altman, CEO de OpenAI, y Elon Musk, responsable de xAI, respaldaron la preocupación. Los futuros del Nasdaq 100 llegaron a caer 1,7%, mientras que durante la sesión asiática los futuros electrónicos del Nasdaq habían retrocedido 1,3%. En Japón, SoftBank, uno de los principales inversionistas de OpenAI, llegó a desplomarse 13,2%. Kioxia perdió inicialmente 9,8%, mientras Tokyo Electron cayó 3,7%. En Taiwán, TSMC retrocedió 1,2%. En Corea del Sur, SK Hynix bajó 5,3% y Samsung Electronics cedió 3,7%. El mensaje que llegó a los mercados fue particularmente incómodo para una industria que ha construido buena parte de su valoración sobre una premisa sencilla: cuanto más rápido avance la IA, mayor será la oportunidad económica. Ahora algunos de sus principales protagonistas están introduciendo una segunda variable en esa ecuación: cuanto más rápido avance, también pueden crecer los riesgos. Amodei planteó que los sistemas de IA podrían adquirir capacidades significativamente mayores en un horizonte de apenas meses. En su escenario más extremo, una nueva generación de agentes autónomos podría llegar a tomar control de grandes partes de internet mediante una red persistente de bots en un plazo de entre seis y 12 meses, con daños potenciales de cientos de miles de millones de dólares. No se trata de una predicción de que ese escenario vaya a ocurrir necesariamente. Es, sobre todo, una advertencia sobre la velocidad con la que las capacidades podrían superar a los mecanismos creados para controlarlas. El CEO de Anthropic ha identificado dos fenómenos que alimentan su preocupación. Uno es el avance de la llamada mejora recursiva, en la que los propios sistemas de IA comienzan a contribuir al desarrollo de nuevas generaciones de modelos. El otro está relacionado con incidentes recientes protagonizados por agentes de IA, incluido un episodio asociado con OpenAI y Hugging Face en el que agentes autónomos realizaron acciones de ciberseguridad que no habían sido solicitadas. Para los inversionistas, la cuestión es menos filosófica de lo que parece. La advertencia llega en un momento en que la infraestructura de IA representa una enorme cadena de valor. Fabricantes de procesadores, empresas de memoria, proveedores de infraestructura, operadores de centros de datos y grandes inversionistas están apostando miles de millones a que la demanda continuará creciendo. Cualquier señal de que los laboratorios podrían moderar el ritmo de desarrollo introduce incertidumbre en ese modelo. OpenAI añadió otro elemento al anunciar que no seguirá adelante con una oferta pública inicial este año, citando preocupaciones relacionadas con la seguridad. La decisión resulta especialmente relevante porque una eventual salida a bolsa de la compañía se había convertido en uno de los grandes acontecimientos financieros que los inversionistas esperaban alrededor de la economía de la IA. Anthropic, por su parte, continúa avanzando hacia una eventual cotización pública. La paradoja es difícil de ignorar: mientras una empresa prepara su entrada a los mercados, su principal ejecutivo está explicando por qué considera necesario desacelerar la tecnología que constituye el núcleo de su valoración. Esa contradicción también explica parte de la discusión que comienza a surgir dentro de Silicon Valley. ¿Las advertencias representan una verdadera alarma de seguridad o también funcionan como una forma de comunicar al mercado que las empresas han construido sistemas mucho más poderosos de lo que el público percibe? La pregunta no es trivial. En la economía de la IA, demostrar que un modelo tiene capacidades extraordinarias puede convertirse en una ventaja competitiva. Incluso hablar públicamente de sus riesgos puede reforzar la percepción de que la compañía se encuentra en la frontera tecnológica. Pero el mercado parece estar empezando a distinguir entre capacidad y control. Las advertencias llegan después de una serie de episodios que han aumentado la preocupación sobre el comportamiento autónomo de los modelos. Anthropic también ha documentado usos maliciosos de sus sistemas relacionados con desarrollo de armas, operaciones cibernéticas, vigilancia y fraude. Al mismo tiempo, el debate está adquiriendo una dimensión geopolítica. Estados Unidos y China se preparan para conversaciones relacionadas con la seguridad de la IA, mientras ambos países mantienen una intensa competencia por dominar la tecnología. El problema para la industria es que desacelerar no es una decisión que pueda tomarse de manera aislada. Si una empresa reduce su ritmo mientras sus competidores continúan avanzando, puede perder posición. Y si todos esperan a que los demás reduzcan primero, la carrera continúa. Por eso el llamado de Amodei no equivale a detener la IA. Su propuesta busca crear tiempo para que los mecanismos de seguridad, evaluación y supervisión avancen a una velocidad comparable con las capacidades de los modelos. Los mercados, sin embargo, reaccionaron como suelen hacerlo ante cualquier amenaza que pueda alterar una historia de crecimiento. La caída de las acciones no significa que los inversionistas hayan abandonado la inteligencia artificial. Más bien revela que la narrativa empieza a incorporar un nuevo riesgo. La pregunta ya no es solamente cuánto puede valer la IA si sus capacidades continúan creciendo. También es cuánto cuesta construirla cuando sus propios creadores admiten que todavía no saben con certeza cómo controlar todo lo que están creando. Y esa es una pregunta mucho más difícil de responder en una hoja de balance. Lea también: Millones en inversión para restructurar el uso de la IA sin comprobación de que funcione

Investigadores y ejecutivos de las principales compañías de inteligencia artificial están llevando al centro del debate la posibilidad de que los sistemas avanzados escapen al control humano. Pero mientras unos abandonan sus puestos por temor a las consecuencias, otros se preguntan si el discurso apocalíptico también se ha convertido en una poderosa herramienta de marketing para empresas que necesitan demostrar que están construyendo la tecnología más avanzada del mundo. La discusión sobre el futuro de la inteligencia artificial acaba de adquirir un tono diferente. Ya no son únicamente investigadores externos, reguladores o críticos de Silicon Valley quienes advierten sobre los riesgos de los modelos avanzados. Las alertas están llegando desde dentro de las propias compañías que lideran la carrera. El debate se aceleró después de que Jacob Coxon, investigador que trabajaba en Anthropic y que anteriormente había trabajado en OpenAI, renunciara públicamente por sus preocupaciones sobre el rumbo de la industria. Su salida fue seguida por una declaración especialmente contundente de un responsable de alineación de Anthropic, quien afirmó que la posibilidad de que la IA provoque la extinción humana debe tomarse seriamente y estimó una probabilidad superior al 10% durante la próxima década. Ese porcentaje abrió otra discusión. ¿De dónde sale un número como 10%? ¿Qué metodología permite calcularlo? ¿Y qué significa realmente decir que existe una probabilidad de ese tamaño cuando todavía no existe consenso científico sobre cuándo, o incluso si, podrían aparecer sistemas capaces de provocar un escenario semejante? El problema de convertir riesgos extraordinariamente complejos en porcentajes aparentemente precisos es que puede producir una sensación de certeza que los datos disponibles no necesariamente justifican. Pero descartar todas las advertencias como exageraciones sería igualmente sencillo y probablemente equivocado. Hay una razón por la que el debate ha adquirido tanta intensidad: los modelos actuales están demostrando capacidades que hace pocos años parecían muy lejanas. La inteligencia artificial ya no se limita a responder preguntas o generar imágenes. Los sistemas más avanzados pueden ejecutar secuencias de acciones, utilizar herramientas, interactuar con otros sistemas y operar con niveles crecientes de autonomía. Ese salto cambia la naturaleza del riesgo. Un modelo que genera una respuesta incorrecta puede producir un problema. Un agente autónomo que tiene acceso a herramientas, sistemas externos y capacidad para tomar decisiones durante largos periodos puede multiplicar ese problema. Ahí aparece una de las preocupaciones centrales de Dario Amodei. El CEO de Anthropic sostiene que el desarrollo de las capacidades está avanzando más rápido que los mecanismos destinados a comprender y controlar esos sistemas. Su advertencia no plantea detener la investigación en IA, sino reducir temporalmente la velocidad para permitir que las herramientas de seguridad alcancen a los modelos. En su visión, incluso ganar uno o dos años podría ser relevante si ese tiempo se utiliza para mejorar la alineación, la interpretabilidad, la seguridad operacional y los mecanismos de evaluación. El argumento adquiere mayor peso porque procede de una compañía que no está observando la IA desde fuera. Anthropic está construyendo algunos de los modelos más avanzados del mercado. Pero precisamente ahí aparece la parte más incómoda de la discusión. Si estas empresas están realmente convencidas de que sus sistemas pueden representar una amenaza extraordinaria, ¿por qué continúan desarrollándolos a toda velocidad? La pregunta apunta a una contradicción fundamental del negocio de la IA. Las mismas compañías que advierten sobre el potencial peligro de sus modelos necesitan seguir demostrando que sus modelos son mejores, más rápidos y más capaces que los de sus competidores. El riesgo puede convertirse, paradójicamente, en una señal de poder tecnológico. Si una empresa afirma que su sistema es capaz de hacer cosas que antes parecían imposibles, está enviando dos mensajes simultáneos. El primero es que existe un peligro. El segundo, más comercial, es que su tecnología se encuentra en la frontera. En un mercado donde la valoración depende en buena medida de la expectativa sobre las capacidades futuras, esa distinción importa. La situación se vuelve todavía más interesante con Anthropic preparándose para una eventual oferta pública inicial. Las advertencias sobre los riesgos de sus propios modelos podrían terminar apareciendo en los documentos que la compañía presente ante los inversionistas. Eso plantea una pregunta empresarial casi surrealista: ¿cómo se explica en un documento de riesgo financiero que la misma tecnología que constituye el principal activo de una compañía podría representar también una amenaza extraordinaria? El asunto no termina en Anthropic. OpenAI también ha enfrentado situaciones en las que agentes internos han interactuado con sistemas externos de formas inesperadas. La industria está descubriendo que aumentar la autonomía de los modelos significa también aumentar la cantidad de comportamientos que deben anticiparse, evaluarse y contenerse. Y esa es una diferencia crucial respecto de la primera generación de IA generativa. La preocupación ya no es únicamente que una máquina se equivoque. Es que una máquina pueda actuar. Para algunos analistas, el discurso apocalíptico desvía la atención de problemas que ya están ocurriendo. TechCrunch señala preocupaciones más inmediatas relacionadas con el empleo, el medioambiente y el impacto climático de la expansión de la infraestructura de IA. Ese punto resulta especialmente relevante para empresas y gobiernos. No hace falta esperar una inteligencia artificial superinteligente para que la tecnología genere consecuencias económicas profundas. La automatización puede modificar empleos, los centros de datos pueden incrementar la demanda energética y las empresas pueden delegar decisiones cada vez más importantes en sistemas cuyo funcionamiento interno sigue siendo difícil de explicar. La obsesión con escenarios extremos puede terminar absorbiendo todo el debate público y dejando en segundo plano esos problemas más cercanos. Sin embargo, ambos niveles de riesgo pueden coexistir. Una industria puede necesitar regulación para enfrentar los daños actuales y, al mismo tiempo, desarrollar mecanismos para reducir riesgos futuros de mayor escala. El desafío es hacerlo sin convertir la seguridad en un freno absoluto a la innovación y sin permitir que la competencia comercial determine por sí sola la velocidad del desarrollo. Ese equilibrio es precisamente lo que está empezando a fracturarse. Por un lado están quienes creen que la IA debe continuar avanzando porque sus beneficios potenciales son demasiado grandes para ralentizarla. Por otro, quienes consideran que la carrera entre compañías está creando incentivos para lanzar sistemas antes de comprender completamente sus capacidades y límites. En medio se encuentra una industria que, por primera vez, parece estar cuestionando públicamente su propia velocidad. La paradoja es que las advertencias más inquietantes también pueden ser las mejores demostraciones del poder de la tecnología. Decir que una IA podría causar daños de cientos de miles de millones de dólares, tomar control de grandes partes de internet o desarrollar capacidades difíciles de contener puede sonar como una advertencia. Pero también comunica algo mucho más simple al mercado: estos modelos son extraordinariamente poderosos. La pregunta que queda abierta es cuál de los dos mensajes terminará imponiéndose. Si la respuesta es el miedo, la industria tendrá que demostrar que puede construir mecanismos de control a la misma velocidad con la que construye nuevas capacidades. Si la respuesta es el marketing, las advertencias podrían convertirse en otra pieza de la competencia por convencer a inversionistas, clientes y gobiernos de quién está realmente en la frontera. Y si ambas cosas son ciertas al mismo tiempo, la industria enfrenta un problema todavía más complejo: vender una tecnología que sus propios creadores consideran demasiado poderosa como para dejarla avanzar sin freno. Otras informaciones: Carrera hacia el peligro: Anthropic y OpenAI advierten que pueden perder el control de la IA y piden "desacelerar"

Sam Altman y Dario Amodei, líderes de OpenAI y Anthropic, coinciden en una advertencia que cambia el tono de la carrera por la inteligencia artificial: cuanto más autónomos y capaces son los sistemas, mayor es el riesgo de que las organizaciones no puedan comprender, auditar o controlar lo que están construyendo. Para CIOs, CISOs y líderes empresariales, el debate deja de ser futurista: la gobernanza de la IA comienza a convertirse en una cuestión de riesgo corporativo. Durante años, la pregunta central de la industria tecnológica fue hasta dónde podía llegar la inteligencia artificial. Ahora empieza a aparecer otra pregunta, bastante menos cómoda: ¿qué ocurre cuando quienes desarrollan los sistemas más avanzados reconocen que podrían no ser capaces de controlarlos? La respuesta empieza a emerger desde el interior mismo de la industria. Sam Altman, CEO de OpenAI, y Dario Amodei, CEO de Anthropic, dos de los ejecutivos que están al frente de la carrera por construir los modelos de IA más sofisticados, coincidieron recientemente en señalar riesgos que hasta hace poco podían parecer propios de escenarios de ciencia ficción. Uno de ellos es la posibilidad de perder el control sobre sistemas que adquieren cada vez más autonomía. El otro es, quizás, más inmediato para empresas y gobiernos: que una tecnología con una capacidad extraordinaria termine concentrada en muy pocas manos. Altman planteó ambos problemas de manera directa. A su juicio, existen dos escenarios especialmente peligrosos: que los seres humanos “pierdan el control del futuro” frente a sistemas de inteligencia artificial cada vez más poderosos o que una persona, empresa o país concentre suficiente capacidad como para utilizar esa tecnología para imponer su visión sobre los demás. “Esto es inaceptable; la IA siempre debe servir a las personas”, sostuvo. La frase puede parecer una declaración de principios, pero contiene una cuestión de gobernanza que las organizaciones tendrán que resolver mucho antes de que aparezca una hipotética superinteligencia: quién controla los sistemas de IA, con qué permisos, bajo qué reglas y con qué capacidad para intervenir cuando algo sale mal. El nuevo riesgo no es solo que la IA falle Para un CIO o un CISO, el escenario más preocupante no necesariamente es una IA que decide rebelarse contra sus creadores. Puede ser algo mucho más familiar: un sistema que tiene demasiados permisos, opera con demasiada autonomía y toma decisiones que la organización no puede explicar completamente. La expansión de los agentes de IA está llevando los modelos desde el terreno de la generación de contenido hacia la ejecución de acciones. Pueden consultar información, utilizar herramientas, escribir y ejecutar código, interactuar con aplicaciones y completar tareas con una intervención humana cada vez menor. Eso modifica radicalmente el modelo tradicional de seguridad. Un software convencional ejecuta instrucciones definidas previamente. Un agente de IA puede interpretar un objetivo y decidir qué pasos seguir para alcanzarlo. Cuanto mayor sea su autonomía, mayor será también la superficie de riesgo. El problema, entonces, no es únicamente si el modelo es correcto o incorrecto. Es qué puede hacer cuando se equivoca. Amodei llevó esta preocupación todavía más lejos. El CEO de Anthropic reclamó reducir el ritmo de desarrollo de las capacidades de los modelos porque considera que la industria se acerca a una dinámica de “automejora recursiva”, en la que los propios sistemas de IA comienzan a contribuir al desarrollo de nuevas generaciones de inteligencia artificial. “Si no se controla, podría superar nuestra capacidad de comprender y controlar estos sistemas”, advirtió. Para Amodei, el riesgo ya no pertenece exclusivamente al futuro. El ejecutivo afirmó que la aceleración en el desarrollo de las capacidades de IA está empezando a producirse en toda la industria, incluida Anthropic. Y puso sobre la mesa un escenario particularmente inquietante para los responsables de ciberseguridad: agentes capaces de operar a escala, encontrar vulnerabilidades, utilizar recursos digitales y actuar fuera del objetivo inicialmente asignado. La seguridad ya no puede ser una promesa del proveedor La advertencia tiene una consecuencia directa para las empresas que están incorporando IA a sus operaciones. Durante la primera etapa de la adopción corporativa, buena parte de la discusión estuvo concentrada en elegir el mejor modelo, calcular el retorno de inversión y encontrar casos de uso capaces de generar productividad. Ese enfoque empieza a quedarse corto. Si los sistemas de IA adquieren capacidad para actuar, la pregunta empresarial deja de ser solamente qué modelo utilizar y pasa a ser qué nivel de autonomía estamos dispuestos a concederle. Eso implica revisar cuestiones como identidad, privilegios, acceso a datos, trazabilidad, supervisión humana, registros de actividad, mecanismos de interrupción y capacidad de reconstruir posteriormente qué hizo un agente y por qué lo hizo. En otras palabras, la gobernanza de IA comienza a parecerse cada vez más a una combinación de ciberseguridad, gestión de riesgos y gobierno corporativo. Y existe una diferencia fundamental respecto de las tecnologías anteriores: la velocidad de evolución de los modelos puede superar la velocidad con la que las organizaciones actualizan sus controles. El otro peligro: demasiado poder en muy pocas manos Altman introdujo además una segunda preocupación que tiene implicaciones geopolíticas y empresariales: la concentración de poder. “Si una IA extraordinariamente poderosa es usada por una persona o una empresa para imponer su visión del mundo a todos los demás, los resultados podrían ser extremadamente distópicos”, afirmó. El planteo apunta a un riesgo diferente al de una IA fuera de control. Aquí el sistema funciona exactamente como su propietario quiere. El problema es quién es el propietario. Si unos pocos laboratorios controlan los modelos más avanzados, si unos pocos proveedores concentran la infraestructura necesaria para ejecutarlos y si un número todavía más reducido de compañías controla los datos y canales de distribución, la inteligencia artificial puede convertirse en una nueva capa de concentración tecnológica. Para los líderes empresariales, esto introduce una variable que suele quedar fuera de las evaluaciones tradicionales de proveedores: la dependencia estratégica. Una empresa puede implementar agentes sobre una plataforma de IA y obtener ganancias significativas de productividad. Pero también puede quedar expuesta a cambios de precios, disponibilidad, políticas de uso, restricciones regulatorias, modificaciones de los modelos o decisiones tomadas por un proveedor que controla una pieza crítica de su operación. La discusión sobre IA, por tanto, empieza a cruzarse con una vieja cuestión de arquitectura empresarial: evitar que una dependencia tecnológica se transforme en una dependencia estructural. Auditoría independiente para una tecnología que nadie puede auditar Amodei propone una respuesta particularmente relevante para el sector empresarial: evaluadores externos independientes con acceso a las instalaciones y sistemas de los laboratorios. La idea es que las propias compañías no sean las únicas responsables de determinar si sus modelos son seguros. El CEO de Anthropic propone que estos evaluadores puedan acceder a los sistemas con permisos comparables a los de los empleados y publicar sus conclusiones. Altman coincidió con la necesidad de avanzar hacia mecanismos de supervisión independiente, aunque cuestionó que haya que esperar una legislación específica para comenzar. “No creemos que haga falta esperar una exención antimonopolio ni una legislación para empezar el trabajo”, afirmó. El mensaje resulta significativo porque plantea una cuestión que las empresas que utilizan IA tendrán que enfrentar tarde o temprano: no alcanza con confiar en las certificaciones o promesas de seguridad de un proveedor. Los sistemas críticos necesitarán controles propios. La IA como nuevo riesgo empresarial Para un CISO, la inteligencia artificial comienza a ocupar un lugar similar al que tuvieron en su momento la nube, el software como servicio y las arquitecturas distribuidas: tecnologías capaces de transformar radicalmente la operación, pero que también obligan a replantear los modelos tradicionales de seguridad. La diferencia es que la IA añade una variable inédita: la capacidad de tomar decisiones y ejecutar acciones en función de instrucciones de alto nivel. Eso obliga a cambiar la pregunta. No se trata simplemente de preguntar si una compañía utiliza IA. Hay que saber dónde la utiliza, qué datos procesa, qué modelos emplea, qué proveedores intervienen, qué permisos tienen los agentes, qué decisiones pueden tomar sin intervención humana y qué sucede cuando un sistema se comporta de una manera inesperada. La advertencia de Altman y Amodei puede interpretarse como una discusión sobre riesgos existenciales. Pero para las organizaciones existe una lectura mucho más inmediata. El futuro de la gobernanza de IA probablemente no se decidirá cuando aparezca una inteligencia artificial superhumana. Se está definiendo ahora, mientras las empresas comienzan a entregar a los sistemas acceso a información, aplicaciones, procesos y decisiones críticas. La carrera tecnológica continúa. OpenAI, Anthropic y sus competidores seguirán intentando construir modelos más capaces. Pero la nueva frontera de la IA empresarial no será solamente conseguir que los sistemas hagan más cosas. Será conseguir que hagan más cosas sin que la organización pierda la capacidad de saber qué están haciendo, por qué lo están haciendo y cómo detenerlos cuando sea necesario. Ese puede terminar siendo el verdadero límite de la inteligencia artificial: no cuánto poder somos capaces de construir, sino cuánto poder estamos preparados para gobernar. Le puede interesar: Startups e IA: gastar más y construir con menos

Marcelo Burman recomendó a los líderes del sector definir un marco de referencia e iniciar con pilotos estratégicos en los primeros 90 días, orientados a lograr victorias rápidas (quick wins) en lapsos de 3 a 6 meses que demuestren ahorros de costos y tiempo. En el marco del Banking Tech Summit El Salvador 2026, la conferencia de cierre titulada "IA generativa aplicada a la banca: estrategias y casos globales" estuvo a cargo de Marcelo Burman, CEO de Connecta B2B. Durante su intervención, Burman resaltó que el 78% de las entidades financieras ya cuenta con proyectos de inteligencia artificial en producción de acuerdo con datos de McKinsey para 2025, estimando un potencial económico de US$340.000 millones de dólares para la industria bancaria global. Burman enfatizó que las instituciones financieras actuales no deben ver la evolución tecnológica como la sustitución de una herramienta por otra, sino como un ecosistema donde conviven tres inteligencias artificiales: IA Predictiva: Utilizada tradicionalmente para la evaluación de riesgo crediticio (credit scoring) y detección de patrones de fraude. IA Generativa: Acelerada a partir del lanzamiento de ChatGPT en noviembre de 2022 y orientada a potenciar la interacción conversacional e interactiva. IA Agéntica: La innovación definitoria de 2026, caracterizada por la capacidad de los modelos para ejecutar acciones, tomar decisiones guiadas y concretar flujos de trabajo autónomos. Durante 2026, la industria ha avanzado de los copilotos internos hacia la IA Agéntica. Como ejemplo, Santander ya opera 180 agentes en producción orientados a codificación, prevención de fraude y onboarding. Además, en marzo de 2026 se completó el primer pago end-to-end entre Santander y Mastercard en Europa realizado de forma autónoma por un agente sin requerir tarjeta física, PIN ni biometría. Experiencias similares han sido puestas en marcha por Visa y BBVA en Sudamérica, mientras que CaixaBank procesa 6.000 conversaciones mensuales mediante plataformas agénticas con supervisión humana. Para mitigar riesgos como las alucinaciones, la filtración de datos y los ataques de prompt injection, Burman resumió los siete patrones clave que guiaron estos casos de éxito: Estrategia Inside-Out: Iniciar con copilotos internos para el personal antes de exponer la tecnología directamente al cliente. Corpus documental con grounding: Estructurar sistemas RAG que garanticen la citabilidad y trazabilidad exacta de las fuentes para evitar errores de respuesta (evitando casos como el reclamo judicial sufrido por Air Canada). Evaluación continua: Medición y auditoría constante de la calidad de las respuestas. Gobernanza desde el primer día: Marcos éticos y directrices claras de seguridad. Capacitación masiva: Formación continua del talento en todos los niveles organizacionales. Arquitectura modular y optimización FinOps: Modelos agnósticos e infraestructura flexible para controlar costos de cómputo y consumo de tokens. Human in the loop y rediseño del trabajo: Mantener supervisores humanos en puntos críticos y redefinir puestos de trabajo en microtareas. Burman citó como ejemplo a empresas como Moderna, que crearon el rol de Chief Digital and Talent Officer para fusionar la gestión tecnológica y de recursos humanos Burman recomendó a los líderes del sector definir un marco de referencia e iniciar con pilotos estratégicos en los primeros 90 días, orientados a lograr victorias rápidas (quick wins) en lapsos de 3 a 6 meses que demuestren ahorros de costos y tiempo. Para concluir, citó las palabras del CEO de JPMorgan Chase: "Solo Dios sabe lo que la inteligencia artificial hará por la humanidad, pero está claro que va a transformar cada aspecto de nuestra industria". Además: Banking Tech Summit El Salvador 2026: el ROI y el papel humano en la IA bancaria

La infraestructura financiera serverless SaaS fue implementada en ocho meses y actualmente soporta cerca de 3.900 clientes y un volumen aproximado de US$100 millones en cuentas y depósitos. La transformación digital continúa modificando la infraestructura sobre la que opera la banca internacional en Panamá. En este contexto, BBVA Colombia habilitó su operación bancaria en el país sobre una arquitectura 100% en la nube (cloud), diseñada para ofrecer escalabilidad, seguridad y flexibilidad ante las necesidades del mercado financiero local. El despliegue tecnológico se completó en ocho meses mediante una arquitectura financiera serverless SaaS, integrada al ecosistema global del grupo financiero y adaptada a las exigencias regulatorias y operativas de Panamá. El modelo permite reducir la dependencia de infraestructura física y facilita la evolución de las capacidades digitales de la operación. Actualmente, la plataforma soporta una operación que atiende a cerca de 3,900 clientes y administra aproximadamente US$100 millones entre cuentas y depósitos en el mercado panameño. La infraestructura también establece una base tecnológica para incorporar progresivamente nuevos productos y servicios financieros. Entre las capacidades previstas se encuentran nuevos productos de captación, cuentas digitales y transacciones multimoneda dirigidas a los segmentos corporativo y comercial. La utilización de servicios cloud busca facilitar estos desarrollos mediante una infraestructura que pueda escalar de acuerdo con la demanda. El proyecto fue desarrollado con Topaz como aliado tecnológico. Jorge Iglesias, CEO de Topaz, destacó que la implementación combina tecnología, experiencia regional y capacidad de ejecución para responder a proyectos de expansión internacional de entidades financieras. Desde BBVA, Alfredo Pertuz, Technical Manager de BBVA, señaló que la operación en Panamá refuerza la estrategia de BBVA Colombia para ampliar sus capacidades regionales mediante una base tecnológica segura y flexible, preparada para incorporar nuevos productos y servicios financieros. La adopción de una infraestructura 100% cloud también refleja la evolución de los modelos tecnológicos utilizados por las instituciones financieras para responder a requerimientos de disponibilidad, seguridad y escalabilidad, al tiempo que buscan acelerar el lanzamiento de nuevas soluciones digitales. Con esta implementación, la operación de BBVA Colombia en Panamá suma una infraestructura tecnológica orientada al crecimiento y posiciona al país como un mercado relevante para la adopción de arquitecturas financieras basadas en la nube y el desarrollo de servicios digitales para clientes corporativos y comerciales. Le puede interesar: Biotecnología toma impulso en Panamá con proyecto de planta regional de vacunas

Los expertos recomiendan visibilizar los presupuestos de experimentación, utilizar telemetría para medir el uso real y construir una arquitectura de enrutamiento que ajuste las herramientas a las necesidades específicas de cada tarea. Las organizaciones siguen invirtiendo mucho en la inteligencia artificial, pero aún no comprueban que esa inversión sea rentable. Por ejemplo, Uber entregó Claude Code a sus ingenieros y creó clasificaciones internas para rastrear el consumo de tokens, en diciembre de 2025. Para abril, todo el presupuesto para el año actual se había agotado y a su causa se popularizó el terminó tokenmaxxing. Es decir, el consumo masico de tokens, pero sin retorno de inversión (ROI) que lo justifique. En este contexto el medio VentureBeat citó que la expectativa de Gartner prevé que el gasto en software de agentes de IA alcance casi US$207 000 millones en 2026. Luego del gastar todo el presupuesto en cuatro meses, Uber ahora limita el gasto a US$1500 mensuales por empleado para herramientas de codificación. Otras empresas también reconsideran su estrategia: Microsoft canceló licencias de Claude Code en una de sus divisiones y Duolingo dio marcha atrás a una propuesta para evaluar el rendimiento de los empleados según su uso de IA. En la industria existe un debate sobre el origen de este gasto desmedido. Por un lado, Noe Ramos, de Agiloft, señala una falta de infraestructura (o plumbing) adecuada, donde la configuración predeterminada de las herramientas deja la selección de los modelos en manos de los usuarios, provocando que modelos de frontera altamente costosos terminen realizando tareas sencillas que un modelo abierto y más económico podría resolver. Por otro lado, Dmytro Palaniichuk, de Promova, explica que se trata de un problema de comportamiento influenciado por los ajustes por defecto, ya que los planes empresariales suelen preseleccionar modelos premium y ventanas de contexto masivas que muy pocos usuarios modifican. Para paliar esto, Promova busca distribuir el uso entre modelos de distinto nivel (Opus, Sonnet y Haiku), aunque reconoce que se requiere un esfuerzo educativo para cambiar los hábitos de los empleados. Optimizar el uso no significa usar menos IA Frente a estas limitaciones, diversos líderes coinciden en que la respuesta no debe ser frenar el consumo, sino alinear el uso con el impacto real. Rick Spencer, de SUSE, sostiene que la compañía clasifica su consumo en trabajo diario, agentes autónomos y esfuerzos estratégicos puntuales, permitiendo aún que los desarrolladores elijan los modelos sin aplicar filtros automáticos. Por su parte, Everlaw utiliza límites de tokens flexibles que los ingenieros pueden ampliar fácilmente. La empresa demostró el retorno financiero de este enfoque con una migración de infraestructura Java que consumió US$3500 en tokens pero redujo el tiempo de desarrollo de un ingeniero de 9,5 a 2,5 meses. No obstante, reconocen que también se han producido fallos, como el descarte de código generado por agentes que no adaptaron correctamente los marcos de trabajo. En una estrategia más drástica, Agiloft eliminó los límites por completo para implementar un enrutamiento inteligente (LLM gateway) a nivel de arquitectura, configurando modelos económicos por defecto y escalando a opciones avanzadas solo cuando la tarea realmente lo requiere. Con el fin de facilitar este control, plataformas como Databricks, AWS Bedrock y Azure AI Foundry ya ofrecen enrutadores automáticos que asignan cada solicitud al modelo más adecuado según la complejidad de la tarea, la longitud del prompt y la profundidad de razonamiento requerida. Un ejemplo es Databricks, que incorporó este sistema en su Unity AI Gateway para garantizar una optimización de costes transparente y con trazabilidad. La publicación de VentureBeat sostiene que, aunque evaluar el retorno exacto sigue siendo un desafío debido a la evolución constante de los modelos, los ejecutivos coinciden en que la disciplina de optimización prevalecerá. Presupuestos de tokens: Max Christoff (Everlaw) prevé que en los próximos años el gasto en tokens se planificará de manera similar a la contratación de personal o a los costes de producción. Estrategia basada en datos: Los expertos recomiendan visibilizar los presupuestos de experimentación, utilizar telemetría para medir el uso real y construir una arquitectura de enrutamiento que ajuste las herramientas a las necesidades específicas de cada tarea. Le puede interesar: Las empresas ya usan más IA, pero todavía no logran convertirla en ganancias

Aldo Coghi, cofundador de Rocket Innovation, planteó que las empresas deben proteger no solo sus sistemas y datos, sino también el conocimiento que sostiene su capacidad de innovar. La ciberseguridad está dejando de ser exclusivamente una batalla contra ataques informáticos, vulnerabilidades y robo de datos. Con la expansión de la inteligencia artificial generativa, las organizaciones enfrentan un nuevo desafío: proteger el conocimiento, las ideas y los activos intangibles que pueden determinar su ventaja competitiva. Ese fue uno de los principales planteamientos de Aldo Coghi, cofundador de Rocket Innovation, durante su conferencia “Redefiniendo la seguridad de las ideas creativas”, presentada en el CyberCloud Summit Costa Rica 2026. Coghi utilizó la historia de Enigma para explicar cómo la información puede convertirse en un activo estratégico. La máquina utilizada por la Alemania nazi para cifrar comunicaciones durante la Segunda Guerra Mundial fue descifrada por equipos de matemáticos y especialistas aliados. “Enigma fue quizás la primera computadora hackeada de la historia”, señaló, antes de trasladar esa reflexión al escenario actual: las empresas necesitan comprender qué información poseen, cómo la utilizan y qué riesgos existen cuando ese conocimiento queda expuesto. Desde esta perspectiva, la propiedad intelectual tiene una dimensión defensiva y otra ofensiva. La primera busca preservar la ventaja competitiva mediante secretos industriales, patentes y marcas; la segunda consiste en convertir esos activos en oportunidades de negocio. El problema, explicó Coghi, aparece cuando información estratégica termina expuesta en herramientas de inteligencia artificial sin los controles adecuados. El uso cotidiano de modelos de lenguaje representa un nuevo punto de exposición. Equipos de marketing, finanzas y operaciones pueden introducir históricos, planes estratégicos, balances o información interna para obtener ideas y acelerar procesos. El riesgo no necesariamente está en un ataque directo a la infraestructura, sino en que los propios colaboradores expongan información sensible al utilizar herramientas de IA sin una estrategia de seguridad. Para demostrar el riesgo de la homogeneización, Coghi relató un ejercicio en el que utilizó diferentes herramientas de inteligencia artificial con el mismo prompt para desarrollar una bebida funcional dirigida a estudiantes en Costa Rica. Según explicó, algunas plataformas generaron propuestas similares e incluso identificó resultados que coincidían con elementos de productos existentes. La pregunta que planteó fue: “¿Qué va a pasar cuando la inteligencia artificial tenga procesada toda la información de mi industria? ¿Dónde va a estar la diferenciación?” Ante este escenario, el especialista destacó el surgimiento de modelos cerrados y ambientes controlados para trabajar con información estratégica. Citó como ejemplos a Disney y Coca-Cola, compañías que han explorado esquemas controlados para integrar inteligencia artificial en procesos creativos y de comunicación. La intención es aprovechar la capacidad de estas tecnologías sin entregar indiscriminadamente el conocimiento que diferencia a una organización. Coghi planteó cuatro ejes para una estrategia de protección de la propiedad intelectual en la era de la IA: proteger el origen y los históricos de información; controlar dónde se expone el conocimiento; establecer trazabilidad y monitoreo sobre los datos; y resguardar aquello que realmente diferencia a la organización. Bajo este enfoque, las áreas de tecnología y ciberseguridad adquieren una responsabilidad que trasciende la protección técnica de sistemas. “El prompt es el nuevo canal de exposición”, advirtió el especialista, al señalar que las políticas de seguridad también deben contemplar la interacción de los colaboradores con herramientas de inteligencia artificial. El reto, añadió, es particularmente complejo porque una organización puede contar con plataformas corporativas controladas mientras sus empleados utilizan otras aplicaciones de IA desde sus dispositivos personales. La conclusión de Coghi apunta a un cambio de paradigma para las organizaciones: la ciberseguridad debe comenzar a proteger también la originalidad. “Podemos delegar muchas cosas a la IA menos nuestra originalidad. La IA nos hace muy creativos, pero nos hace poco originales”, afirmó. Para las empresas, el desafío ya no consiste únicamente en impedir que alguien robe información, sino en determinar qué conocimiento debe permanecer protegido, cómo puede utilizarse de manera segura y qué parte de ese conocimiento constituye la verdadera ventaja competitiva. Vea también: CyberCloud Summit Costa Rica 2026: la evolución hacia ataques autónomos y la nueva era de la prevención

El ecosistema financiero de América Latina atraviesa una acelerada transformación impulsada por el crecimiento de las transacciones no físicas y la digitalización de los servicios. En el marco del Banking Tech Summit El Salvador 2026, especialistas de la industria analizaron cómo las instituciones bancarias deben adaptar sus estrategias de emisión de tarjetas y onboarding de usuarios para responder a un entorno híbrido donde conviven la seguridad digital avanzada y la tangibilidad del soporte físico. Onboarding digital y biometría anti-fraude Durante el bloque de cierre del evento, Regina Florian, LAC Sr. Sales Executive en en Entrust Datacard-Tecnología Transaccional , destacó el rol critico que juega la protección de datos e identidad en los procesos de apertura de cuentas remotas. Con el respaldo de soluciones como Onfido, la especialista demostró cómo la inteligencia artificial se ha convertido en una herramienta indispensable para validar documentos y autenticar usuarios a distancia, evitando fraudes mediante pruebas de vida avanzadas y detección de manipulación de rostros (como uso de máscaras o retoques digitales). A pesar del auge de los entornos 100% digitales, Florian enfatizó que la tarjeta física continuará conviviendo con las soluciones virtuales y billeteras móviles. Esta coexistencia híbrida responde tanto a la necesidad de respaldos de pago interoperables en comercios globales como a la preferencia de los usuarios por disponer de un medio de pago tangencial pero dotado de tecnologías de emisión plana e impresión segura. Innovación en formatos físicos y personalización Por su parte, Arthur Gouin, Business Manager para LATAM y Caribe en SELP / Tecnología Transaccional, expuso las tendencias en innovación de plásticos financieros que buscan enriquecer la experiencia del usuario. En una región con altas tasas de adopción de pagos electrónicos, la diferenciación del producto bancario físico adquiere un valor estratégico. Entre las innovaciones presentadas destacaron: Tarjetas biométricas: Integración de lectores de huella dactilar directamente en el plástico para autorizar transacciones de forma segura en puntos de venta. Formatos metálicos y de alta gama: Opciones full metal o con núcleo metálico recubierto de PVC para segmentos de clientes de alto valor. Diseños sostenibles e interactivos: Uso de PVC reciclado y la inclusión de tecnologías como el CVV dinámico para mitigar el riesgo de clonación e interceptación en compras en línea. Ambas conferencias concluyeron reafirmando que el futuro de la banca no implica la erradicación total de los soportes tradicionales, sino una integración armónica entre la agilidad del onboarding digital y la sofisticación de los medios de pago físicos con altos estándares de ciberseguridad. Le puede interesar: Banking Tech Summit El Salvador 2026: “La inversión en tecnología es el motor de la rentabilidad bancaria, no un gasto”

La convocatoria estará abierta hasta el 30 de noviembre y ofrece una formación valorada en US$5.000 por estudiante, sin requerir experiencia previa en ciberseguridad. Estudiantes y profesionales panameños podrán optar por una de las 200 becas que ofrecerá el Information Risk and Security Institute (IRSI) para su programa de formación 2027. La convocatoria está dirigida a postulantes de 13 países de América Latina y estará abierta hasta el 30 de noviembre. La iniciativa forma parte del programa de responsabilidad social empresarial de Sistemas Aplicativos (SISAP) y cuenta con el apoyo de la Asociación Superación a Través de la Educación (SUPEDUC). Cada beca cubre una formación valorada en US$5,000 y busca fortalecer las competencias de universitarios y profesionales del área tecnológica en seguridad de la información. “El programa busca brindar conocimientos sobre fundamentos, tendencias y mejores prácticas de seguridad de la información, con un enfoque orientado a fortalecer las competencias necesarias para incorporarse al mercado laboral”, explicó Adriana Rojas, directora ejecutiva de IRSI. El programa tendrá una duración de nueve meses, distribuidos en tres trimestres, con clases 100% en vivo y en línea. Los contenidos abarcan análisis de ciberseguridad, operaciones de centros de seguridad (SOC), análisis forense digital, auditoría de seguridad de la información y ciberriesgo, además de laboratorios prácticos sobre gestión de riesgos, respuesta a incidentes, redes empresariales y controles de seguridad. La convocatoria está abierta a estudiantes que cursen el cuarto año de Ingeniería en Sistemas o carreras afines, así como a profesionales que trabajen en tecnología de la información. No se requiere experiencia previa en ciberseguridad. La promoción 2027 comenzará el 15 de febrero y los participantes también podrán acceder a encuentros especializados como IRSI Conference y SANS Summits. Al finalizar la formación, los estudiantes recibirán un diploma que acredita los conocimientos adquiridos y preparación para optar por una certificación internacional. Además, según su desempeño, los graduados podrán ser considerados para oportunidades laborales en SISAP y otras organizaciones del sector tecnológico. Hasta 2025, el programa había graduado a 394 profesionales, mientras que 168 estudiantes cursan actualmente la promoción 2026. Con más de ocho años de presencia regional, la iniciativa busca ampliar la disponibilidad de talento especializado frente al crecimiento de los riesgos digitales. En Panamá, esta formación se suma a otras acciones de SISAP para fortalecer las capacidades de respuesta ante incidentes digitales. Actualmente, el país ocupa la tercera posición entre ocho naciones evaluadas en el Ranking Regional de Resiliencia Cibernética de SISAP, con un índice de 49%, indicador que mide capacidades para prevenir, identificar, responder y recuperarse frente a incidentes digitales. Le puede interesar: Innovación juvenil panameña toma fuerza en la edición 2026 de Solve for Tomorrow

En una reunión de equipo, alguien toma notas en una libreta, otro escribe en un documento compartido y un tercero no anota nada: escucha y confía en que va a recordar lo importante, porque así procesa mejor la información. Cada persona captura y organiza las ideas de la forma que le resulta más sencillo. Lo interesante ocurre después. Termina la reunión y alguien tiene que convertir esas notas en tareas con responsable, compromisos con fecha, un caso actualizado, un cliente al que hay que llamar el martes. Casi siempre lo hacen al final del día, cuando el trabajo ya terminó. Ahí ocurren las mayores pérdidas de información: en el tramo que va desde donde se hace el trabajo hasta donde se supone que queda documentado. Conviene preguntarse: ¿cuánto de lo que ocurrió está en el sistema y cuánto en la cabeza de alguien? ¿Cuánto tiempo pasa entre que ocurre una conversación y que queda registrada? Cuando un cliente vuelve, ¿quien lo atiende encuentra la información necesaria para atenderlo bien? Durante años la respuesta fue pedirle más a los equipos: mayor disciplina o llenar formularios. Hoy la inteligencia artificial permite que la tecnología trabaje con la información tal como las personas la generan: una foto de notas escritas a mano se convierte en tareas; una conversación, en acuerdos y próximos pasos. Una nota de voz dictada antes de arrancar el carro deja una oportunidad actualizada. La inteligencia artificial permite convertir la información en acción. El movimiento más visible viene de Slack: el 13 de enero de 2026 Salesforce anunció la disponibilidad general de Slackbot como agente personal de trabajo: registrar una llamada, actualizar una oportunidad o enrutar un caso de servicio, todo dentro de la misma conversación. Parker Harris, cofundador de Salesforce y CTO de Slack, lo describió como "la puerta de entrada a la empresa agéntica". La inteligencia artificial dejó de ser un destino al que hay que ir y pasó a estar donde la conversación ya ocurre. El agente se puede desplegar de forma segura, ya que ve únicamente lo que el usuario ya puede ver, respeta roles y permisos, y cita las fuentes de lo que responde. Nada de esto reemplaza al CRM ni rediseña el proceso establecido. La inteligencia artificial acelera lo que ya está definido. En ADR Technologies hemos acompañado a organizaciones que implementaron un CRM y luego descubrieron que su desafío más grande no fue definir el proceso de negocios, sino que su equipo de trabajo tuviera la disciplina para usar la plataforma correctamente. Cuando los sistemas no se utilizan como fueron diseñados, la empresa pierde la habilidad de interactuar de forma personalizada con sus clientes. Este trato genérico impide que los clientes profundicen su relación con las empresas. Quizás el mayor avance que nos trae la inteligencia artificial no sea que piense por nosotros, sino que finalmente nos ayude a aprovechar toda la información que sabemos de nuestros clientes que antes quedaba fuera de nuestros sistemas.

El analista de inteligencia de amenazas del Micitt, Kevin Barrantes, ofreció una radiografía sobre cómo la inteligencia artificial ha dejado de ser un asistente para convertirse en el operador principal de ciberataques, transformando radicalmente la velocidad, eficacia y precisión con la que se vulneran infraestructuras críticas. La percepción tradicional de que ciertos países o instituciones son simplemente "paraísos" o objetivos menores es, según Kevin Barrantes, una de las mayores vulnerabilidades estratégicas actuales. En su conferencia "IA, cloud y ciberseguridad: oportunidades, riesgos y el futuro de la prevención de amenazas", dictada en el CyberCloud Costa Rica 2026, el analista de inteligencia de amenazas del Ministerio de Ciencia, Innovación, Tecnología y Telecomunicaciones (Micitt) de Costa Rica, advirtió que el panorama global de ciberseguridad ha cambiado de forma irreversible. El fin del mito del "asistente"Barrantes fue enfático al desmontar una de las creencias más extendidas en la industria: la idea de que la inteligencia artificial (IA) sirve únicamente como un asistente que agiliza el trabajo de los ciberdelincuentes. La realidad, señaló, es mucho más inquietante: la IA actúa hoy como un operador autónomo. "La IA no viene a cambiar el proceder del ataque, sino la eficacia y la precisión con la que se ejecutan", explicó Barrantes. Al delegar la ejecución a agentes autónomos, los actores de amenazas ya no requieren orquestadores humanos constantes. Estos agentes son capaces de explorar superficies de ataque, identificar debilidades en la cadena de suministros y procesar vulnerabilidades en tiempo real, todo sin intervención humana directa. El precedente de Taiwán: un ataque en tiempo récord Para ilustrar la magnitud de esta amenaza, el analista presentó el reciente caso de Taiwán. Una campaña de ciberataque que, bajo metodologías tradicionales ejecutadas por expertos humanos (APT), habría tomado meses, fue concretada por agentes autónomos en apenas cuatro días. El ataque, caracterizado por 12 oleadas de acciones, no buscó entrar por la puerta principal de las organizaciones, sino que realizó un reconocimiento exhaustivo de la cadena de suministros y APIs expuestas. El resultado fue la intrusión exitosa en activos críticos, desde hospitales hasta centrales nucleares, demostrando que la IA es capaz de tomar decisiones complejas (como identificar qué sistemas explotar para causar mayor impacto y cuáles evitar para no generar "ruido" detectable) de manera instantánea. Del "castillo" al "ciberterreno" Barrantes planteó un cambio de paradigma necesario en la defensa: dejar atrás el modelo de seguridad perimetral, que comparó con la defensa de un "castillo cerrado", para adoptar el concepto de protección del "ciberterreno". "Ya no protegemos infraestructuras estáticas con una entrada y salida; protegemos ciudades interconectadas con miles de puntos de acceso", afirmó. Según el analista, muchas organizaciones fallan al delegar la seguridad en herramientas "parqueadas" sin comprender realmente el comportamiento de sus sistemas. El ciberterreno implica entender cómo se conecta la organización, qué flujos de datos son normales y cómo muta la superficie de ataque constantemente. La conclusión del experto es un llamado de atención urgente para los responsables de tecnología y seguridad: las organizaciones actuales, en su mayoría, no están preparadas para esta nueva generación de ataques. La defensa proactiva, advirtió Barrantes, no se trata de adquirir la herramienta más costosa, sino de tener la capacidad de identificar patrones anómalos y anticiparse a las amenazas antes de que se materialicen. "Es como tener un Ferrari sin chofer", ironizó respecto a las empresas que poseen un stack robusto pero carecen de una estrategia de triaje y entendimiento de su propio entorno. El mercado negro, impulsado por agentes de IA sin restricciones y kits de phishing alimentados en tiempo real, seguirá escalando. Ante este panorama, la recomendación de Barrantes es clara: la ciberseguridad ya no es un concepto técnico aislado, sino una cuestión de seguridad nacional y supervivencia corporativa que requiere un enfoque constante, predictivo y, sobre todo, humano, capaz de supervisar y accionar defensas frente a la precisión de las máquinas. Le puede interesar: El científico jefe de OpenAI advierte que "la humanidad no está preparada" para una IA que ya empieza a desarrollarse a sí misma

Luis Diego Hernández, especialista en Soluciones de Ciberseguridad en Microsoft, expuso los principales retos, riesgos y estrategias para preparar a las organizaciones frente a una fuerza laboral no humana que ya está transformando las operaciones de negocio y la superficie de ataque. El avance de los agentes de IA plantea la urgencia de gobernar sus acciones antes de que tomen decisiones de manera autónoma. Con proyecciones que estiman alcanzar 1.300 millones de agentes para 2028 y una adopción organizacional que crece 18 veces más rápido que en años anteriores, la cantidad de señales de seguridad duplica su volumen cada mes. Este fenómeno sobrepasa la capacidad operativa de un SOC tradicional y exige adaptar las defensas a la misma velocidad en que evolucionan las amenazas. Los ciberdelincuentes han transitado del uso de IA asistida a la ejecución autónoma de ataques de punta a punta. Frente a esta realidad, Hernández destacó la necesidad de construir mapas empresariales estructurados mediante grafos que abarquen múltiples capas: Estructura organizacional y activos: Mapeo de dispositivos, identidades y configuraciones de negocio. Attack Paths: Identificación de las rutas de menor resistencia que utilizaría un atacante. Threat Intelligence: Mapeo de tácticas, técnicas y procedimientos (TTPs) conocidos. Histórico de incidentes: Aprendizajes y vectores previamente observados. La topología corporativa actual no solo incluye personas y datos, sino también agentes autónomos, sistemas RAG y servidores MCP. Defender este entorno requiere pasar de la simple reacción ante alertas al procesamiento de señales en tiempo real para interrumpir ataques, aislar equipos y aplicar controles estrictos de Zero Trust en los activos más críticos. Gestión de vulnerabilidades enfocada en activos críticos El uso de IA por parte de investigadores y atacantes ha provocado un pico sin precedentes en el hallazgo de vulnerabilidades, reduciendo los tiempos de explotación a rangos donde los ataques ocurren antes de la liberación de parches conocidos. Dado que solo cerca del 1% de los activos de una organización se consideran críticos o sensibles, la gestión de parches e higiene digital debe priorizar la protección proactiva de esos componentes esenciales dentro del grafo. Comprender la estructura del negocio resulta fundamental para adaptar la postura defensiva, automatizar la respuesta mediante la misma IA y convertir el contexto actual de la ciberseguridad en una oportunidad de transformación organizacional. Vea también: CyberCloud Costa Rica 2026: la evolución hacia ataques autónomos y la nueva era de la prevención