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 encontrar fallos, crear campañas más convincentes o automatizar parte de sus operaciones.
La noticia es relevante porque marca un cambio de enfoque: la seguridad informática ya no puede depender únicamente de revisiones manuales, parches lentos y análisis reactivo. La nueva carrera se centra en detectar antes, priorizar mejor y corregir más rápido.
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 reales. Además, la compañía afirma que esta configuración permite reducir costes frente a combinaciones basadas exclusivamente en modelos más grandes.
La idea no es usar un único modelo para todo, sino combinar modelos especializados y modelos más potentes según la dificultad de cada tarea. En este enfoque, MAI-Cyber-1-Flash se encargaría de buena parte del trabajo habitual, mientras que los modelos más avanzados quedarían reservados para los casos 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: defensa autónoma frente a ataques con IA
Google Cloud también ha movido ficha con Google AI Threat Defense, una plataforma de seguridad autónoma pensada para hacer frente a ataques impulsados por IA. La solución combina la capacidad de razonamiento de Gemini y otros modelos, la priorización contextual de riesgos de Wiz, las capacidades de escaneo y remediación de CodeMender y la experiencia de Mandiant.
El objetivo de Google no es solo detectar vulnerabilidades, sino anticipar rutas de ataque, priorizar los riesgos más críticos y acelerar la corrección antes de que los atacantes puedan aprovecharlos.
Dentro de este enfoque aparecen agentes como Wiz Green Agent, orientado a acelerar la remediación, y Wiz Blue Agent, centrado en la detección y respuesta ante amenazas. La clave está en pasar de una seguridad basada en revisiones manuales a una defensa más continua, automatizada y contextual.
Cisco Antares: modelos pequeños para localizar vulnerabilidades
Cisco también ha presentado Antares, una familia de modelos pequeños de lenguaje 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.
La ventaja de este enfoque es que estos modelos son más compactos y pueden ejecutarse en local en determinados escenarios, lo que ayuda a evitar que bases de código sensibles tengan que enviarse a servicios externos en la nube.
Cisco plantea Antares como una herramienta práctica para conectar información externa sobre vulnerabilidades, avisos de seguridad o categorías CWE con el código interno de una organización. Esto puede ayudar a los analistas a localizar archivos, funciones o patrones sospechosos dentro de repositorios grandes y complejos.
Por qué están llegando ahora estas herramientas
El motivo es claro: la IA está cambiando la velocidad de la ciberseguridad. Los atacantes pueden utilizar modelos para escribir código, analizar documentación técnica, generar correos de phishing más creíbles o buscar debilidades en sistemas mal mantenidos.
Esto no significa que cualquier ciberdelincuente pueda lanzar ataques avanzados de forma automática y sin conocimientos, pero sí reduce barreras, acelera procesos y aumenta la presión sobre los equipos defensivos.
En Hardmaniacos ya vimos un ejemplo de esta preocupación en el incidente entre OpenAI y Hugging Face, donde el debate no estaba solo en la brecha concreta, sino en lo que implica probar modelos con capacidades avanzadas de ciberseguridad.
Comparativa de las nuevas herramientas de ciberseguridad con IA
La siguiente tabla resume el enfoque de Microsoft, Google y Cisco en esta nueva etapa de defensa frente a amenazas impulsadas 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 | Defensa autónoma y continua | Priorización de riesgos, análisis de rutas de ataque y remediación acelerada | Empresas con entornos cloud, híbridos o multicloud |
| Google / Wiz | Wiz Green Agent y Wiz Blue Agent | Remediación, detección y respuesta | Ayuda a corregir riesgos críticos e investigar amenazas con contexto | Equipos de SecOps y cloud security |
| Cisco | Antares | Localización de vulnerabilidades en código | Modelos pequeños open-weight para analizar repositorios sin depender siempre de modelos externos | Investigadores, desarrolladores y equipos de seguridad técnica |
No sustituyen a los analistas, pero cambian su trabajo
Estas herramientas no deberían interpretarse como sustitutos directos de los equipos de seguridad. En la práctica, 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 aplicar.
La ciberseguridad no se basa solo en encontrar fallos. También hay que valorar el impacto real, la exposición del sistema, la compatibilidad de los parches, las ventanas de mantenimiento y los riesgos de aplicar cambios demasiado rápido.
Por eso, el enfoque más razonable es el de IA supervisada por humanos: agentes que aceleran tareas repetitivas y complejas, pero con equipos de seguridad capaces de revisar, aprobar y corregir decisiones.
Qué significa para usuarios domésticos y pequeñas empresas
Aunque muchas de estas soluciones están pensadas para empresas, el cambio también acabará afectando a usuarios domésticos, autónomos y pequeñas empresas. Si la IA permite descubrir más vulnerabilidades en menos tiempo, también veremos más avisos de seguridad, más actualizaciones y más presión para mantener dispositivos al día.
En el día a día, esto refuerza varias recomendaciones básicas:
- Actualizar sistemas operativos, navegadores, routers y NAS en cuanto haya parches importantes.
- Activar la verificación en dos pasos en cuentas críticas.
- Revisar extensiones, plugins y aplicaciones instaladas, especialmente si tienen acceso a datos sensibles.
- No confiar en correos o mensajes solo porque estén bien redactados, ya que la IA facilita campañas de phishing más convincentes.
- Hacer copias de seguridad fuera del equipo principal.
- Evitar dispositivos abandonados sin soporte, porque serán más vulnerables si aparecen fallos nuevos.
También conviene prestar atención a ataques más cotidianos, como el phishing mediante enlaces o códigos QR. En esta línea, podéis revisar nuestra guía sobre códigos QR maliciosos y phishing.
La seguridad también tendrá que adaptarse a los agentes de IA
Otro punto importante es que las empresas no solo tendrán que defenderse de ataques con IA, sino también proteger sus propios agentes internos. Cada vez más herramientas pueden conectarse a correo, repositorios, documentos, CRM, sistemas cloud o entornos de desarrollo.
Esto abre nuevas preguntas de seguridad:
- Qué permisos tiene cada agente.
- A qué datos puede acceder.
- Qué acciones puede ejecutar.
- Cómo se auditan sus decisiones.
- Qué ocurre si recibe instrucciones maliciosas.
Por eso están ganando importancia conceptos como aislamiento, permisos mínimos, auditoría, ejecución en sandbox y protección frente a ataques de prompt injection.
Qué debemos vigilar a partir de ahora
La tendencia parece clara: habrá más herramientas de defensa basadas en IA, pero también más ataques que intenten aprovechar esa misma tecnología. El resultado será una ciberseguridad más rápida, más automatizada y más exigente.
Durante los próximos meses será interesante vigilar tres aspectos:
- La calidad real de las correcciones automáticas, especialmente en entornos críticos.
- El número de vulnerabilidades descubiertas mediante IA y el ritmo de publicación de parches.
- La seguridad de los propios agentes, porque un agente mal configurado puede convertirse en 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 tecnológicas ya asumen que la defensa tradicional no es suficiente. La IA no elimina el problema de la ciberseguridad, pero sí cambia la velocidad a la que se descubren, analizan y corrigen los 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 la respuesta frente a posibles ataques.
¿La inteligencia artificial también puede usarse para atacar?
Sí. La IA puede ayudar a automatizar ciertas tareas ofensivas, como generar mensajes de phishing más creíbles, analizar código vulnerable o acelerar la búsqueda de fallos. Esto no elimina la necesidad de conocimientos técnicos, pero puede reducir barreras y aumentar la velocidad de algunos ataques.
¿Estas herramientas sustituyen a los analistas de seguridad?
No deberían verse como un sustituto directo. Las herramientas de IA pueden ayudar a filtrar alertas, encontrar patrones y proponer correcciones, pero sigue siendo necesario que los equipos de seguridad validen resultados, revisen falsos positivos y decidan 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, defensa autónoma, priorización de riesgos y análisis de código. Cada una está enfocando el problema desde áreas distintas, como cloud, desarrollo seguro o respuesta ante amenazas.
¿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. Aun así, los resultados deben revisarse, porque una detección automática puede generar falsos positivos o no entender correctamente el contexto del proyecto.
¿Qué pueden hacer los usuarios para protegerse frente a ataques con IA?
Lo más importante sigue siendo mantener sistemas y aplicaciones actualizados, activar la verificación en dos pasos, desconfiar de enlaces sospechosos, revisar permisos de aplicaciones, usar copias de seguridad y no confiar en un mensaje solo porque esté bien redactado.
Fuentes consultadas: información oficial de Microsoft, Microsoft AI, Google Cloud, Google Cloud Blog y Cisco.