Los agentes de AI tienen más acceso a sistemas que sus empleados. Pocos están protegidos

El informe anual de brechas de seguridad más citado en el sector empresarial acaba de identificar a sus agentes de AI como el próximo gran objetivo de ataque. Si usted financió la implementación de agentes pero no financió los controles correspondientes, está asumiendo un riesgo de nivel directivo que probablemente no puede cuantificar aún.

Según el Informe de Investigaciones de Brechas de Datos 2026 de Verizon (DBIR), que cubre incidentes de noviembre de 2024 a octubre de 2025, las cuentas de servicio y las identidades de máquina son los activos con mayor probabilidad de ser aprovechados a medida que los atacantes adoptan enfoques más agénticos. El informe de este año fue desarrollado en colaboración con Anthropic y analizó cientos de actores de amenazas identificados por infracciones de políticas. Esa colaboración envía una señal inequívoca: la industria de la seguridad ya no trata a la AI como una preocupación futura. Es un problema del presente.

El análisis del DBIR es preciso. No dice "la AI será hackeada algún día". Dice que las identidades de máquina y las cuentas de servicio son la superficie de credenciales con mayor probabilidad de ser explotada en lo que denomina nuestro potencial futuro de AI agéntica. Esa es la superficie sobre la que sus agentes operan hoy mismo.

Datos clave

• El 76% de los profesionales de seguridad está preocupado por las implicaciones de seguridad de integrar agentes de AI en su organización (Darktrace State of AI Cybersecurity 2026, encuesta a más de 1.500 líderes de seguridad)
• El 47% de los ejecutivos de seguridad afirma estar muy o extremadamente preocupado por los riesgos de seguridad de los agentes de AI (Darktrace State of AI Cybersecurity 2026)
• El DBIR 2026 de Verizon señala explícitamente las identidades de máquina y las cuentas de servicio como los activos con mayor probabilidad de ser explotados en un futuro de AI agéntica (Verizon, 2026)

Lo que el DBIR encontró en realidad

El DBIR de Verizon ha sido el referente en datos de brechas de seguridad durante más de una década. Cubre incidentes reales, exploits reales, consecuencias financieras reales. Cuando identifica una nueva superficie de ataque, los equipos de seguridad prestan atención. Este año, por primera vez, señala las identidades de máquina y las cuentas de servicio como una categoría bajo presión directa por la adopción de AI agéntica.

El mecanismo es sencillo. Los atacantes no están esperando a que los agentes se generalicen. Ya están cambiando sus tácticas, empleando enfoques más agénticos, para buscar credenciales de alto valor que puedan encadenar. Las identidades de máquina, los tokens y las cuentas de servicio que dan alcance a los agentes de AI, son exactamente el tipo de credencial que se rota con menor frecuencia y se monitorea con menos atención.

El programa de seguridad existente en su organización fue construido para proteger credenciales humanas. Ese programa tiene brechas donde viven las credenciales de los agentes.

El contraste con la incorporación de empleados

Piense en cómo su empresa gestiona a un nuevo empleado senior que necesita acceso amplio a los sistemas. Hay verificación de identidad antes de firmar la carta de oferta. El acceso se concede aplicando el principio de mínimo privilegio: solo lo que el rol requiere específicamente. La actividad queda registrada y frecuentemente revisada. Y cuando esa persona se va, existe un proceso formal de salida: cuentas desactivadas, credenciales revocadas, registro de auditoría cerrado.

Ahora piense en el último agente de AI que su equipo desplegó.

La mayoría de los agentes entran en producción con acceso amplio a la API negociado por quien construyó la integración, corriendo sobre una cuenta de servicio compartida que se creó una vez y nunca se volvió a tocar, sin capa de monitoreo conductual y sin proceso de desvinculación definido. El agente funciona las 24 horas del día, los siete días de la semana. Accede a registros del CRM, datos de clientes, sistemas financieros y registros de comunicaciones. Y lo hace todo como lo que los investigadores de seguridad llaman cada vez más un insider no gestionado: algo con el alcance de un empleado y ninguna de las responsabilidades.

La asimetría de acceso es real y está creciendo. Las empresas están desplegando agentes en flujos de trabajo donde el agente, por diseño, necesita un acceso más amplio a los sistemas que el humano que realizaría un trabajo equivalente. El agente necesita tocar más sistemas, más rápido, para ser útil. Eso es una ventaja. Pero sin los controles que rodearían a un empleado humano de alcance equivalente, también es una vulnerabilidad.

Esta es la brecha entre acceso y responsabilidad. Y el DBIR 2026 acaba de confirmar que los atacantes también la han identificado.

Por qué esto es un problema de resultados financieros, no de TI

El informe Darktrace State of AI Cybersecurity 2026, basado en una encuesta a más de 1.500 líderes de seguridad, enmarca la AI agéntica explícitamente como una nueva clase de riesgo interno. Casi la mitad de los ejecutivos de seguridad afirma estar muy o extremadamente preocupada. Tres de cada cuatro profesionales de seguridad en general dicen que las implicaciones les preocupan. No son preocupaciones abstractas sobre escenarios futuros. Son profesionales que ya han visto cómo cambia el panorama de acceso cuando los agentes entran en la infraestructura.

El planteamiento que importa para un CEO es este: usted aprobó la implementación de agentes de AI. Esa fue una buena decisión. El argumento de productividad, el argumento de costos, el argumento competitivo, todo se sostiene. Pero el presupuesto para esa implementación casi con certeza incluyó licencias, costos de integración y tiempo de implantación. Probablemente no incluyó una partida equivalente para gestión de credenciales, monitoreo conductual y gobernanza específica de agentes. Usted financió el ataque. Puede que no haya financiado la defensa.

Una brecha rastreada hasta la cuenta de servicio de un agente es un evento financiero de nivel directivo. La exposición regulatoria, los requisitos de notificación a clientes, el daño reputacional y la posible responsabilidad legal no distinguen si la credencial comprometida pertenecía a un humano o a una máquina. "El agente de AI lo hizo" no es una defensa que su asesor jurídico quiera presentar. Y la pregunta sobre el registro de auditoría ("¿Quién aprobó el nivel de acceso de este agente y cuándo?") es la que el directorio hará antes de que termine la revisión del incidente.

Esto se conecta directamente con la brecha de gobernanza de AI ya visible en las operaciones empresariales. El problema de gobernanza y el problema de seguridad son el mismo problema visto desde dos ángulos. Usted financió la capacidad sin financiar la capa de control. Esa es la brecha.

El marco del riesgo interno

El planteamiento de Darktrace, que los agentes de AI representan una nueva clase de riesgo interno, merece reflexión. El riesgo interno tradicional implica a una persona que actúa de forma desleal o comete un error con el acceso que legítimamente posee. Los controles construidos en torno al riesgo interno, el monitoreo conductual, la detección de anomalías, las revisiones de acceso y los protocolos de desvinculación, asumen que se puede rastrear la intención de una persona a lo largo del tiempo.

Un agente no tiene intención en el sentido humano. Ejecuta instrucciones. Pero puede ser manipulado. Un atacante que obtiene el control de una credencial de cuenta de servicio, o que encuentra la manera de alterar las instrucciones que recibe un agente, puede usar el acceso legítimo del agente para moverse lateralmente por los sistemas. El propio agente se convierte en la amenaza interna, no porque tomara una decisión, sino porque estaba operando sin la supervisión que habría detectado el compromiso a tiempo.

El manual de respuesta a incidentes de AI para este escenario es diferente del que su equipo tiene para un ataque de phishing sobre una cuenta humana. La mayoría de las organizaciones aún no lo han redactado.

Lo que un CEO debería preguntar al equipo de seguridad este trimestre

El objetivo no es frenar la implementación de agentes. Es cerrar la brecha entre la implementación que ya aprobó y los controles que deberían haberla acompañado. Hay cuatro preguntas que vale la pena incluir en su próxima agenda con el CISO y el CTO juntos, no por separado.

Primera: ¿puede darme un inventario completo de cada agente desplegado, a qué sistemas accede y con qué credenciales opera? Si la respuesta honesta implica incertidumbre sobre el número total, eso ya es el hallazgo. Los agentes adquiridos por unidades de negocio fuera de TI son comunes y conllevan el mismo riesgo de credenciales.

Segunda: ¿algún agente opera sobre cuentas de servicio compartidas que también utilizan otros sistemas o personas? Las credenciales compartidas son un punto único de compromiso. Cada agente debería tener una identidad de máquina única que pueda rotarse, monitorearse y revocarse de forma independiente.

Tercera: ¿qué monitoreo conductual existe para la actividad de los agentes? Los agentes deben generar registros de auditoría que se revisen activamente, no solo que se almacenen. Los patrones de acceso inusuales (picos de volumen, actividad fuera de horario, nuevos puntos de contacto con sistemas) deberían generar alertas, igual que lo harían para una cuenta humana.

Cuarta: ¿cuál es el proceso de desvinculación cuando un agente se retira o reemplaza? Las cuentas de servicio de agentes deprecados son un riesgo de acceso persistente si no se deshabilitan formalmente.

Estas son preguntas de gobernanza con un marco de seguridad. El registro de riesgos de AI que su equipo mantiene debería incluir las credenciales de agentes como una categoría de activo rastreado. Si no es así, esa es una brecha que cerrar antes de la próxima revisión de seguridad.

Los pasos concretos

Algunas acciones marcan una diferencia real aquí y ninguna requiere pausar su hoja de ruta de AI.

Haga un inventario de cada agente desplegado y sus credenciales. Incluya las implementaciones no supervisadas de las unidades de negocio. El número probablemente le sorprenderá. Use ese recuento para definir el alcance del trabajo de gobernanza.

Exija identidades de máquina únicas. Cada agente debe operar con su propia credencial, no con una cuenta de servicio compartida. Esto permite la rotación y revocación independientes, y hace que el monitoreo conductual sea viable.

Implemente monitoreo conductual con umbrales de alerta. Los agentes deben generar registros auditables. Los equipos de seguridad deben tener umbrales definidos para las alertas de anomalías. Esto es el equivalente del monitoreo de actividad que ya aplica a las cuentas humanas.

Construya un protocolo de desvinculación para agentes. Cuando un agente se retira, sus credenciales se revocan, su acceso se audita y el cierre queda documentado. Esto elimina el riesgo de acceso persistente que crean las cuentas de servicio deprecadas.

Incluya la seguridad de agentes como una partida presupuestaria. El trabajo de clasificación de datos que identifica qué sistemas tienen mayor riesgo, y la infraestructura de registro de auditoría que hace revisables las acciones de los agentes, requieren inversión real. Presupuéstelos junto con la implementación de agentes, no como una ocurrencia tardía.

Integre esto en la gobernanza de AI existente. Si tiene una política de gobernanza de AI a nivel departamental, la gestión de credenciales de agentes debería ser un requisito explícito en ella. Una gobernanza sin un anexo de seguridad para las identidades de agentes es incompleta.

El DBIR 2026 de Verizon no es una advertencia sobre un estado futuro. Es una descripción de lo que los atacantes ya están haciendo y hacia dónde mirarán a continuación. Las identidades de máquina y las cuentas de servicio están en esa lista. La pregunta para un CEO es si los controles en torno a sus agentes están listos para la atención que están a punto de recibir.

Preguntas frecuentes

¿Por qué los agentes de AI son un riesgo de seguridad?

Los agentes de AI necesitan acceso amplio a los sistemas para ser útiles. Acceden a múltiples plataformas, activan procesos de negocio y mueven datos a una velocidad que ningún flujo de trabajo humano iguala. Pero la mayoría se despliegan sin los mismos controles que se aplican a un empleado humano: sin monitoreo conductual, sin auditoría de acceso de mínimo privilegio, sin desvinculación formal. Esa brecha convierte las credenciales de los agentes en un objetivo de alto valor. Un atacante que compromete la cuenta de servicio sobre la que opera un agente obtiene acceso amplio, persistente y disponible las 24 horas a todo lo que ese agente toca.

¿Qué es una identidad de máquina y por qué la señala el DBIR 2026?

Una identidad de máquina es la credencial que un sistema de software usa para autenticarse ante otros sistemas: claves API, tokens, credenciales de cuentas de servicio. A diferencia de las contraseñas humanas, las credenciales de máquina tienden a tener larga vida, raramente se rotan y se comparten entre múltiples servicios. El DBIR 2026 de Verizon las señala específicamente porque la AI agéntica crea muchas más identidades de máquina muy rápidamente, a menudo sin los procesos de gobernanza que normalmente regularían la creación de cuentas humanas. Cada nuevo agente es una nueva identidad de máquina. Si esa identidad no se gestiona como una credencial de alto valor, se convierte en una superficie explotable.

¿Qué debería preguntar un CEO al equipo de seguridad este trimestre?

Cuatro preguntas: ¿Cuántos agentes están en funcionamiento y qué credenciales usan? ¿Alguno opera sobre cuentas de servicio compartidas? ¿Qué monitoreo conductual cubre la actividad de los agentes? ¿Cuál es el proceso de desvinculación cuando un agente se retira? Las respuestas le dirán si la brecha entre acceso y responsabilidad es una exposición actual o un riesgo gestionado. Si el equipo no puede responder las cuatro con precisión, ese es el hallazgo que llevar al directorio.

---

Para saber más

• La brecha de gobernanza de AI agéntica: el panorama de gobernanza más amplio detrás de la supervisión de agentes de AI y la responsabilidad del CEO
• Manual de respuesta a incidentes de AI: cómo construir el proceso de respuesta para eventos de seguridad impulsados por AI
• Registro de riesgos de AI: qué rastrear: las categorías de activos y dimensiones de riesgo que su registro debería cubrir
• Registros de auditoría para acciones ejecutadas por AI: construir la infraestructura de registro que requiere la gobernanza de agentes
• Clasificación de datos para el acceso de AI: conocer qué sistemas tienen mayor exposición antes de que los agentes los toquen
• Snowflake y Natoma: la adquisición de MCP y la gobernanza de agentes: cómo las plataformas empresariales están construyendo capas de control de agentes

---

Fuente: Informe de Investigaciones de Brechas de Datos 2026 de Verizon (Verizon, 2026). Datos complementarios: Darktrace State of AI Cybersecurity 2026 (Darktrace, 2026).