En los últimos meses, compañías como Microsoft, Google y Cisco han presentado nuevas herramientas orientadas a defenderse en un escenario en el que los atacantes también pueden utilizar modelos de IA para analizar código, generar campañas de ingeniería social más convincentes o automatizar parte de sus operaciones.
La tendencia apunta hacia sistemas capaces de detectar antes, priorizar mejor y reducir el tiempo necesario para corregir determinadas vulnerabilidades, aunque la revisión humana continúa siendo necesaria en tareas críticas.
Microsoft presenta MAI-Cyber-1-Flash y Project Perception
Uno de los movimientos más destacados llega por parte de Microsoft, que ha presentado MAI-Cyber-1-Flash, su primer modelo especializado en tareas de ciberseguridad. Este modelo se integra dentro de MDASH, una plataforma multiagente diseñada para identificar y ayudar a remediar vulnerabilidades en software.
Según Microsoft, la combinación de MAI-Cyber-1-Flash con MDASH alcanza un resultado cercano al 96 % en CyberGym, un benchmark utilizado para evaluar sistemas capaces de razonar sobre grandes bases de código y localizar vulnerabilidades. La compañía también afirma que esta configuración puede reducir costes frente a enfoques que recurran exclusivamente a modelos de mayor tamaño.
El planteamiento consiste en no utilizar un único modelo para todas las tareas. MAI-Cyber-1-Flash puede encargarse de parte del análisis habitual, mientras que modelos con mayor capacidad quedan reservados para problemas más complejos.
Junto a este modelo, Microsoft también ha anunciado Project Perception, un sistema de seguridad basado en agentes que busca detectar riesgos, priorizar acciones y conectar los hallazgos con respuestas concretas dentro del ecosistema de seguridad de la compañía.
Google AI Threat Defense: automatización y contexto para priorizar amenazas
Google Cloud también ha presentado Google AI Threat Defense, una plataforma de seguridad que combina diferentes sistemas de inteligencia artificial y herramientas de seguridad para analizar amenazas y acelerar su respuesta.
La solución integra capacidades de razonamiento de Gemini y otros modelos, la priorización contextual de riesgos de Wiz, herramientas de análisis y remediación como CodeMender y la experiencia de Mandiant.
El objetivo, según Google, es no limitarse a detectar vulnerabilidades, sino también analizar posibles rutas de ataque, priorizar los riesgos más relevantes y acelerar su corrección.
Dentro de este enfoque aparecen agentes como Wiz Green Agent, orientado a la remediación, y Wiz Blue Agent, centrado en detección y respuesta ante amenazas.
La idea es avanzar desde procesos principalmente manuales hacia una seguridad más continua y asistida por agentes, aunque las decisiones y correcciones críticas siguen necesitando validación.
Cisco Antares: modelos pequeños para localizar vulnerabilidades
Cisco también ha presentado Antares, una familia de modelos de lenguaje de pequeño tamaño centrados en la localización de vulnerabilidades. En concreto, la compañía ha lanzado Antares-350M y Antares-1B como modelos open-weight disponibles para la comunidad.
Una de las ventajas de este enfoque es que, por su tamaño, pueden ejecutarse localmente en determinados escenarios. Esto puede resultar útil cuando se trabaja con bases de código sensibles que una organización prefiere no enviar a servicios externos.
Cisco plantea Antares como una herramienta para relacionar información externa sobre vulnerabilidades, avisos de seguridad o categorías CWE con el código interno de una organización. De esta forma puede ayudar a localizar archivos, funciones o patrones que merecen una revisión más detallada dentro de repositorios grandes.
Por qué están llegando ahora estas herramientas
La IA está modificando la velocidad a la que pueden realizarse determinadas tareas de ciberseguridad. Los atacantes también pueden utilizar modelos para escribir código, analizar documentación técnica, generar mensajes de phishing más convincentes o acelerar la búsqueda de posibles debilidades.
Esto no significa que cualquier atacante pueda ejecutar automáticamente operaciones avanzadas sin conocimientos técnicos, pero sí puede reducir el tiempo necesario para algunas tareas y disminuir determinadas barreras de entrada.
Un ejemplo relacionado con este debate puede encontrarse en el incidente entre OpenAI y Hugging Face, donde una de las cuestiones planteadas era cómo evaluar de forma segura modelos con capacidades avanzadas relacionadas con ciberseguridad.
Comparativa de las nuevas herramientas de ciberseguridad con IA
La siguiente tabla resume el enfoque de Microsoft, Google y Cisco en esta nueva generación de herramientas de seguridad asistidas por inteligencia artificial.
| Compañía | Herramienta | Enfoque principal | Qué aporta | Tipo de usuario |
|---|---|---|---|---|
| Microsoft | MAI-Cyber-1-Flash y MDASH | Localización y remediación de vulnerabilidades | Modelo especializado en ciberseguridad integrado en un sistema multiagente | Empresas, desarrolladores y equipos de seguridad |
| Microsoft | Project Perception | Seguridad basada en agentes | Contexto, priorización y acciones conectadas dentro del ecosistema Microsoft Security | Organizaciones con infraestructura Microsoft |
| Google Cloud | Google AI Threat Defense | Análisis y respuesta continua | Priorización de riesgos, análisis de rutas de ataque y aceleración de la remediación | Empresas con entornos cloud, híbridos o multicloud |
| Google / Wiz | Wiz Green Agent y Wiz Blue Agent | Remediación, detección y respuesta | Ayuda a corregir riesgos e investigar amenazas utilizando contexto del entorno | Equipos de SecOps y cloud security |
| Cisco | Antares | Localización de vulnerabilidades en código | Modelos pequeños open-weight para analizar repositorios sin depender necesariamente de servicios externos | Investigadores, desarrolladores y equipos de seguridad técnica |
No sustituyen a los analistas, pero pueden cambiar su trabajo
Estas herramientas no deberían interpretarse como sustitutos directos de los equipos de seguridad. La IA puede ayudar a analizar grandes volúmenes de código, correlacionar señales, priorizar riesgos y proponer correcciones, pero sigue siendo necesario validar resultados, revisar falsos positivos y decidir qué cambios deben aplicarse.
La ciberseguridad no consiste únicamente en encontrar fallos. También hay que valorar la exposición real, el impacto potencial, la compatibilidad de los parches, las ventanas de mantenimiento y el riesgo de introducir problemas nuevos al aplicar una corrección.
Por eso, uno de los enfoques más razonables es utilizar IA supervisada por profesionales: agentes que aceleran tareas repetitivas o ayudan en el análisis, mientras los equipos de seguridad mantienen la capacidad de revisar, aprobar y corregir las decisiones.
Qué significa para usuarios domésticos y pequeñas empresas
Aunque muchas de estas soluciones están pensadas para empresas y grandes organizaciones, el cambio puede terminar afectando también a usuarios domésticos, autónomos y pequeñas empresas. Si las herramientas automatizadas permiten descubrir vulnerabilidades con mayor rapidez, también puede aumentar el ritmo de publicación de avisos y actualizaciones.
En el día a día, siguen siendo válidas varias recomendaciones básicas:
- Actualizar sistemas operativos, navegadores, routers y NAS cuando se publiquen parches importantes.
- Activar la verificación en dos pasos en cuentas críticas.
- Revisar extensiones, plugins y aplicaciones instaladas, especialmente si tienen acceso a información sensible.
- No confiar en correos o mensajes únicamente porque estén bien redactados, ya que la IA facilita la generación de campañas de phishing convincentes.
- Mantener copias de seguridad separadas del equipo principal.
- Evitar dispositivos abandonados y sin soporte cuando contienen información importante o están expuestos a Internet.
También conviene prestar atención a ataques más cotidianos, como el phishing mediante enlaces o códigos QR. Puede consultarse como complemento esta guía sobre códigos QR maliciosos y phishing.
La seguridad también tendrá que adaptarse a los agentes de IA
Las organizaciones no solo tendrán que defenderse de ataques que utilicen IA, sino también proteger sus propios agentes internos. Cada vez más herramientas pueden conectarse a correo electrónico, repositorios, documentos, CRM, sistemas cloud o entornos de desarrollo.
Esto introduce nuevas cuestiones de seguridad:
- Qué permisos tiene cada agente.
- A qué datos puede acceder.
- Qué acciones está autorizado a ejecutar.
- Cómo se auditan sus decisiones.
- Qué ocurre si recibe instrucciones maliciosas.
Por eso están ganando importancia principios como el aislamiento, los permisos mínimos, la auditoría, la ejecución en entornos controlados y las defensas frente a ataques como la prompt injection.
Qué debemos vigilar a partir de ahora
La tendencia apunta hacia más herramientas defensivas basadas en inteligencia artificial y, al mismo tiempo, hacia un mayor uso de esta tecnología por parte de los atacantes.
Durante los próximos meses será especialmente interesante observar:
- La calidad real de las correcciones generadas o propuestas automáticamente, especialmente en sistemas críticos.
- El número de vulnerabilidades descubiertas mediante IA y cómo afecta al ritmo de publicación de parches.
- La seguridad de los propios agentes, porque una configuración excesivamente permisiva puede crear una nueva superficie de ataque.
La llegada de MAI-Cyber-1-Flash, Project Perception, Google AI Threat Defense y Cisco Antares muestra que las grandes compañías de seguridad están incorporando la IA como complemento de las técnicas tradicionales. La inteligencia artificial no elimina la necesidad de profesionales, procesos de revisión, gestión de vulnerabilidades o controles de seguridad, pero sí puede cambiar la velocidad a la que se descubren, analizan y corrigen determinados riesgos.
Preguntas frecuentes sobre ciberseguridad con IA
¿Qué es la ciberseguridad con IA?
La ciberseguridad con IA consiste en utilizar modelos de inteligencia artificial para analizar amenazas, detectar vulnerabilidades, priorizar riesgos, revisar código, investigar alertas y acelerar determinadas tareas de respuesta.
¿La inteligencia artificial también puede usarse para atacar?
Sí. La IA puede ayudar a automatizar ciertas tareas ofensivas, como generar mensajes de phishing más convincentes, analizar código vulnerable o acelerar la búsqueda de posibles fallos. Esto no elimina la necesidad de conocimientos técnicos, pero puede reducir el tiempo necesario para algunas operaciones.
¿Estas herramientas sustituyen a los analistas de seguridad?
No deberían considerarse un sustituto directo. Pueden ayudar a filtrar alertas, encontrar patrones y proponer correcciones, pero los equipos de seguridad siguen necesitando validar resultados, revisar falsos positivos y decidir qué acciones aplicar.
¿Qué empresas están desarrollando herramientas de ciberseguridad con IA?
Compañías como Microsoft, Google Cloud y Cisco están desarrollando herramientas basadas en IA para detección de vulnerabilidades, priorización de riesgos, análisis de código y respuesta ante amenazas. Cada una aborda el problema desde áreas diferentes.
¿La IA puede detectar vulnerabilidades en el código?
Sí. Algunos modelos están diseñados para analizar repositorios, localizar patrones sospechosos y ayudar a identificar posibles vulnerabilidades. Los resultados deben revisarse, porque una detección automática puede generar falsos positivos o no interpretar correctamente el contexto del proyecto.
¿Qué pueden hacer los usuarios para protegerse frente a ataques que utilicen IA?
Las medidas fundamentales siguen siendo mantener sistemas y aplicaciones actualizados, activar la verificación en dos pasos, desconfiar de enlaces sospechosos, revisar permisos de aplicaciones, mantener copias de seguridad y no considerar fiable un mensaje únicamente porque esté bien redactado.
Fuentes: información oficial de Microsoft, Microsoft AI, Google Cloud, Google Cloud Blog y Cisco.