Gobernar, proteger y operar la IA a lo largo de su ciclo de vida

  • Opinión
Gorka Sainz, Fortinet

En menos de cinco años, la inteligencia artificial (IA) ha pasado de ocupar un lugar secundario en las organizaciones a convertirse en una prioridad para sus consejos de administración. Su capacidad para mejorar la eficiencia operativa resulta incuestionable, pero transformar ese potencial en resultados empresariales sostenibles está siendo más complejo de lo previsto.

Por Gorka Sainz, director de Ingeniería de Sistemas de Fortinet Iberia.

 

De hecho, más de la mitad de las organizaciones encuestadas en el Fortinet 2026 AI Cybersecurity Summit reconocía encontrarse todavía en una fase de exploración de casos de uso. Una realidad que pone de manifiesto que, aunque las empresas tienen claro hacia dónde quieren avanzar, todavía deben definir cómo hacerlo con garantías.

El desafío no reside únicamente en incorporar nuevas herramientas a los procesos de negocio, sino en hacerlo sin comprometer la seguridad, la confianza ni el cumplimiento normativo. La IA introduce riesgos que van más allá de las amenazas tradicionales: desde la exposición de información sensible y las respuestas inexactas hasta la ejecución no autorizada de acciones o la manipulación de modelos. Y, aunque el 97 % de los responsables de seguridad y TI reconoce que esta tecnología tendrá un impacto significativo en sus arquitecturas de protección (Gartner. Top Trends in AI for IT Operations, 2025), el 63 % de las empresas todavía carece de un marco formal de gobernanza y de procesos para evaluar la seguridad de las soluciones antes de implantarlas.

Esta situación resulta especialmente preocupante porque los ciberdelincuentes no están sujetos a las mismas exigencias. Mientras las organizaciones deben equilibrar innovación, inversión y cumplimiento, los atacantes aprovechan la IA para acelerar, automatizar y coordinar sus acciones prácticamente sin costes adicionales. La asimetría es evidente: las amenazas evolucionan a una velocidad que difícilmente puede afrontarse mediante herramientas de seguridad aisladas.

Por ello, la respuesta no puede limitarse a incorporar IA a los productos de ciberseguridad existentes. Es necesario superar la fragmentación tecnológica y avanzar hacia plataformas unificadas capaces de correlacionar información, identificar comportamientos anómalos y responder automáticamente a las amenazas en tiempo real. A medida que la plataforma de Fortinet ha ido evolucionando, la visibilidad basada en la inteligencia artificial, las medidas de protección en tiempo de ejecución y los controles basados en agentes se han integrado en la base convergente, en lugar de desarrollarse como sistemas independientes. El principio es sencillo: la innovación debe mejorar la arquitectura, no dividirla.

Ninguna tecnología puede sustituir a una estrategia bien definida. Las organizaciones necesitan abordar la adopción de la IA desde tres principios fundamentales: confianza, resiliencia y responsabilidad. Confianza para garantizar que sus resultados sean comprensibles, trazables y adecuados; resiliencia para asegurar la continuidad de unas operaciones cada vez más dependientes de estos sistemas en las infraestructuras críticas; y responsabilidad para establecer quién debe proteger los datos, supervisar los modelos y responder ante posibles incidentes.

A estas exigencias se suma un entorno regulatorio cada vez más relevante. El marco normativo de la EU AI Act introduce un modelo regulatorio basado en el riesgo y clasifica los sistemas de IA en categorías de riesgo inaceptable, alto, limitado y mínimo. Esta clasificación determina las obligaciones de gobernanza, transparencia y controles. Es importante destacar que su aplicación se introduce gradualmente a lo largo de varios años, comenzando por las prohibiciones de prácticas no permitidas y ampliándose a la gobernanza de la IA de propósito general y a los requisitos para sistemas de alto riesgo. Esta regulación introduce obligaciones proporcionales al nivel de riesgo y contempla sanciones que pueden alcanzar los 35 millones de euros o el 7 % de la facturación anual mundial, lo que convierte los fallos de seguridad de la IA en riesgos financieros y reputacionales reales. Lejos de entenderse exclusivamente como una carga normativa, este escenario debería servir para situar la gestión del riesgo de la IA en el centro de las decisiones estratégicas de la alta dirección.

La estrategia también debe adaptarse al grado de madurez y a las necesidades de cada organización. No todas requieren el mismo nivel de propiedad, control o soberanía tecnológica. Las herramientas públicas, la IA como servicio, la infraestructura externalizada o los entornos privados representan distintas alternativas, cuya elección debe responder a criterios de seguridad, rendimiento, cumplimiento y capacidad operativa.

 

Sacar la IA de la sombra

Uno de los principales desafíos para las organizaciones es el auge de la denominada IA en la sombra (Shadow AI), es decir, el uso de herramientas de inteligencia artificial por parte de empleados sin autorización ni supervisión corporativa. Se estima que entre el 21 % y el 27 % de los trabajadores de oficina recurren a estas soluciones, generalmente con el propósito de mejorar su productividad y eficiencia. Sin embargo, esta práctica introduce riesgos de seguridad, cumplimiento y protección de datos que pueden pasar inadvertidos para los controles tradicionales. Frente a esta realidad, las prohibiciones generalizadas suelen resultar menos eficaces que adoptar un enfoque basado en la visibilidad y el control. Conocer qué aplicaciones se utilizan, con qué finalidad y qué información procesan permite establecer políticas claras, agilizar los procesos de aprobación y adaptar los permisos a las necesidades de cada función, sin frenar la innovación.

Esta visibilidad resulta especialmente importante para garantizar la trazabilidad y la responsabilidad. Cuando las herramientas de IA operan al margen de la supervisión corporativa, las organizaciones pierden la capacidad de verificar qué datos se han utilizado, cómo se han procesado o por qué se ha generado una determinada respuesta. Además, las aplicaciones y las API no supervisadas abren nuevas vías de ataque que pueden eludir los mecanismos de protección convencionales.

Por ello, la seguridad debe integrarse en todo el ciclo de vida de la IA, sobre tres pilares fundamentales: gobernar, proteger y operar. Esto implica establecer políticas y responsabilidades claras, salvaguardar los datos, modelos, aplicaciones e infraestructuras y mantener una supervisión continua que permita identificar y mitigar los riesgos a medida que evolucionan los sistemas. Para hacerlo posible, las organizaciones necesitan capacidades de descubrimiento de herramientas autorizadas y no autorizadas, controles de seguridad durante la ejecución, mecanismos avanzados de prevención de pérdida de datos (DLP) y protección de protocolos como MCP. En los entornos de IA privada, también resulta esencial disponer de redes de gran ancho de banda y latencia ultrabaja que garanticen el rendimiento de las cargas de trabajo. Todo ello debe complementarse con plataformas de ciberseguridad impulsadas por IA, capaces de correlacionar señales, detectar anomalías y automatizar la respuesta ante amenazas en tiempo real, reduciendo los tiempos de detección y contención.

En definitiva, la verdadera oportunidad no consiste simplemente en adoptar más inteligencia artificial, sino en hacerlo de forma segura, responsable y estratégica. Las organizaciones que incorporen la seguridad desde las primeras etapas, apoyándose en una gobernanza sólida y una protección integral, estarán mejor preparadas para aprovechar su potencial sin comprometer la confianza, la resiliencia ni el cumplimiento normativo. Porque el éxito de la IA no dependerá únicamente de lo que esta tecnología sea capaz de hacer, sino de la capacidad de las empresas para utilizarla con garantías.

⇒