La advertencia de Akamai sobre la IA en la sombra revela una brecha en el control corporativo

Akamai ha lanzado una advertencia contundente: casi la mitad de los usuarios empresariales acceden a herramientas de IA, mientras gran parte de esa actividad puede escapar de los controles corporativos establecidos.

El hallazgo surgió a través de un titular truncado de Google News que enlazaba a un comunicado de Akamai distribuido por GlobeNewswire. Ese listado omitía el objeto después de “bypasses”, dejando incompleta la afirmación central. Sin embargo, la investigación más amplia de Akamai identifica claramente el conflicto ausente: el uso productivo de la IA ocurre cada vez más fuera de las identidades gestionadas, las cuentas aprobadas y los canales de seguridad visibles.

No se trata simplemente de otra encuesta que muestra que a los empleados les gusta ChatGPT. Describe una colisión entre la demanda de los empleados y el modelo de control que las empresas construyeron para el software convencional. OpenAI, Google, Anthropic, Microsoft y cientos de proveedores más pequeños han puesto herramientas avanzadas a disposición de cualquiera a través de un navegador común.

Por tanto, la cuestión de seguridad ha cambiado. Las empresas ya no solo necesitan decidir qué sistemas de IA aprueban. Deben determinar si información sensible llega a cualquier modelo mediante cuentas personales, texto pegado, cargas de archivos, extensiones o funciones integradas.

El cambio resulta incómodo. Las empresas han pasado años centralizando la identidad, el acceso y la adquisición de software. Ahora, la adopción de IA está descentralizando los tres desde dentro del navegador.

El titular señala un punto ciego del tamaño de un navegador

La advertencia de Akamai se refiere a la vía que utilizan los empleados para acceder a la IA, no simplemente al número de personas que experimentan con ella.

La evidencia disponible procede en parte de LayerX, la empresa de seguridad para navegadores que Akamai adquirió. LayerX recopila telemetría sobre la actividad dentro de aplicaciones web, incluidos inicios de sesión, cargas de archivos, texto pegado y movimientos entre cuentas corporativas y personales.

Su investigación publicada concluyó que el 45 % de los usuarios empresariales accedía a IA generativa desde endpoints corporativos. ChatGPT representó el 92 % del uso de IA observado en ese conjunto de datos.

Estas cifras no significan que el 45 % de todos los empleados del mundo use ChatGPT. Describen la actividad de las organizaciones y endpoints cubiertos por la telemetría del proveedor. Esa distinción importa al interpretar cualquier informe de una empresa de seguridad.

La misma investigación identificó un patrón más relevante. El cuarenta por ciento de los archivos cargados en herramientas de IA contenía información corporativa sensible. El veintidós por ciento del texto pegado también contenía material sensible.

Esos porcentajes miden transferencias inspeccionadas, no filtraciones confirmadas. Una carga sensible puede estar autorizada, adecuadamente protegida y ser necesaria para un trabajo legítimo. También puede pasar por una cuenta personal que el empleador no puede auditar.

LayerX informó que el 32 % de las transferencias de datos entre cuentas corporativas y personales se produjo a través de plataformas de IA. Sus hallazgos más amplios sobre el uso de IA sitúan al navegador en el centro de esa exposición.

Eso ayuda a explicar el lenguaje truncado de “bypasses” en el listado de Google News. Los controles relevantes incluyen la identidad corporativa, el inicio de sesión único, las reglas sobre cuentas aprobadas, las políticas de prevención de pérdida de datos y la revisión habitual de software.

El inicio de sesión único, comúnmente llamado SSO, permite a un empleador gestionar el acceso mediante una identidad corporativa. Las cuentas personales de IA evitan esa capa de identidad incluso cuando los empleados las utilizan en dispositivos de la empresa.

La gobernanza tradicional del software supone que TI puede descubrir una aplicación, aprobarla, aprovisionar el acceso y posteriormente retirarlo. Las herramientas de IA para consumidores comprimen la adopción en una visita, un inicio de sesión y un prompt.

No es necesaria ninguna solicitud de instalación. Un trabajador puede abrir un chatbot, autenticarse con una dirección de correo personal y pegar un documento de un cliente en cuestión de minutos.

La IA integrada complica aún más el descubrimiento. Las funciones generativas aparecen ahora dentro de suites de productividad, herramientas de diseño, plataformas de reuniones, sistemas de clientes y extensiones de navegador. Es posible que los empleados no consideren cada función como un servicio de IA independiente.

Akamai define la shadow AI como el uso de IA sin el conocimiento, la aprobación o la supervisión de los equipos de TI, seguridad o cumplimiento. Eso incluye más que chatbots no autorizados.

Un desarrollador podría enviar código propietario a un asistente de programación personal. Un profesional de marketing podría cargar una lista de clientes para generar segmentos de campaña. Un directivo podría conectar un agente a documentos en la nube sin revisar sus permisos.

Cada acción puede parecer tráfico normal del navegador. El elemento de riesgo es el contexto, incluida la identidad del usuario, la información transferida y el tratamiento contractual que el proveedor da a esa información.

Un firewall puede detectar una conexión a un dominio permitido. No sabe automáticamente si el empleado utilizó una cuenta empresarial gestionada o una cuenta privada.

Este es el cambio central que subyace al informe. La IA empresarial se ha vuelto lo bastante común como para que gobernar el acceso únicamente por el nombre de la aplicación ya no proporcione visibilidad suficiente.

Por qué los controles de IA empresarial están perdiendo la carrera de adopción

Los empleados eluden las vías aprobadas cuando la IA de consumo ofrece acceso más rápido, funciones más amplias o menos obstáculos procedimentales.

La shadow AI suele empezar con una tarea práctica, no con una intención maliciosa. Un trabajador necesita resumir una reunión, revisar una propuesta, inspeccionar código o comparar varios documentos.

El asistente aprobado puede carecer del modelo preferido, aceptar menos tipos de archivo o seguir sin estar disponible para ese departamento. Las revisiones de compras y seguridad también pueden avanzar más lentamente que el trabajo.

Un chatbot personal ofrece acceso inmediato. El empleado ve una herramienta de productividad, mientras que el equipo de seguridad ve un procesador de datos no evaluado.

Esa brecha de incentivos explica por qué las prohibiciones producen resultados limitados. Bloquear un servicio puede redirigir a los usuarios hacia otro proveedor, un dispositivo móvil, un perfil de navegador personal o una función integrada.

Una política eficaz debe abordar la razón por la que los empleados eligieron la vía no oficial. De lo contrario, la aplicación de controles trata el síntoma visible mientras mantiene la demanda.

La propia orientación de Akamai indica que el uso no autorizado disminuye cuando las empresas proporcionan herramientas aprobadas y capaces, con protecciones contractuales, registros de auditoría e integración con SSO. La vía segura debe seguir resolviendo el problema del usuario.

La comparación histórica es la shadow IT, que creció cuando los departamentos adquirían aplicaciones en la nube sin aprobación central. Con el tiempo, los equipos de seguridad adoptaron intermediarios de acceso a la nube, descubrimiento de aplicaciones y procesos de compra más flexibles.

La IA eleva las consecuencias porque la transacción suele contener datos empresariales. Una aplicación convencional no autorizada podría almacenar un nuevo calendario de proyecto. Una interacción con un chatbot puede transmitir de inmediato código fuente, lenguaje jurídico, registros de clientes o una estrategia aún no publicada.

Los sistemas generativos también crean resultados que los trabajadores pueden reutilizar sin documentar su origen. Esto plantea cuestiones sobre precisión, propiedad intelectual, sesgo y rendición de cuentas, además de la exposición de datos.

El mismo servicio de IA puede presentar perfiles de riesgo distintos según la cuenta. Un contrato empresarial puede proporcionar controles de retención, registros administrativos y restricciones sobre el entrenamiento de modelos.

Una cuenta personal puede carecer de esas protecciones. Por ello, los equipos de seguridad necesitan distinguir identidades y sesiones, no solo reconocer el dominio de destino.

Esta diferencia presiona a los directores de información y a los responsables de seguridad desde direcciones opuestas. Se espera que los CIO aumenten la adopción de IA, mientras que los responsables de seguridad deben reducir el movimiento no controlado de datos.

Los líderes empresariales añaden otra exigencia: productividad medible. Si el entorno oficial ralentiza a los empleados sin mejorar los resultados, el uso en la sombra se convierte en una respuesta predecible.

El conflicto aparece más allá de la base de clientes de Akamai. Axios informó que las empresas solían tener 67 herramientas de IA generativa en uso, y que el 90 % carecía de licencia o aprobación adecuadas. Su cobertura sobre shadow AI describió cómo los proveedores de seguridad compiten por cerrar la brecha de visibilidad.

De nuevo, las mediciones de los proveedores varían según la población de clientes, el método de recopilación y la definición. Una empresa puede contar dominios, mientras que otra cuenta aplicaciones, cuentas, usuarios o sesiones individuales.

La tendencia es más fiable que cualquier porcentaje aislado. Los empleados tienen muchas vías hacia la IA, y los inventarios empresariales capturan sistemáticamente solo una parte de esa actividad.

La presión no se limita a los equipos de seguridad. Los departamentos jurídicos deben determinar qué proveedores pueden procesar información regulada o confidencial.

Los equipos de privacidad necesitan entender adónde viajan los prompts y los archivos. Los equipos de compras deben revisar una lista creciente de funciones de IA, incluidas las que se añaden a productos ya contratados.

Los directivos también necesitan reglas para los resultados generados. Una herramienta aprobada no hace que todas las respuestas sean precisas, y un acuerdo empresarial no valida cada decisión tomada con sus resultados.

Por tanto, el problema de control tiene dos capas. Las empresas deben gobernar la información que entra en los sistemas de IA y las decisiones que salen de ellos.

Bloquear cuentas no autorizadas aborda solo la primera capa. No establece cuándo una respuesta generada necesita revisión, qué fuentes utilizó el sistema ni quién sigue siendo responsable.

Esta carga de gobernanza más amplia explica por qué la carrera de adopción parece desigual. Un trabajador puede empezar a usar IA de inmediato, mientras que una estructura completa de control empresarial requiere cooperación entre varios departamentos.

La verdadera competencia es entre IA gestionada e IA útil

El principal rival no es Akamai frente a otro proveedor de seguridad; es la IA gestionada frente a las herramientas que los empleados consideran más útiles.

A veces, las empresas presentan la seguridad y la productividad como objetivos opuestos. Ese enfoque fomenta controles contundentes, incluidos bloqueos completos, listas de permitidos restringidas y largos procedimientos de aprobación.

Entonces, los empleados se enfrentan a una elección sencilla. Pueden esperar un flujo de trabajo aprobado o terminar la tarea con un servicio de consumo conocido.

La mejor competencia gira en torno a la calidad del producto. Un asistente gestionado debe ofrecer suficiente capacidad, contexto, velocidad y fiabilidad para convertirse en la opción predeterminada.

El contexto es especialmente importante. Los trabajadores del conocimiento necesitan que la IA opere sobre documentos, conversaciones, historial de proyectos y material interno especializado.

Ese acceso también crea riesgo. Los permisos amplios pueden exponer información que un trabajador no sabía que podía recuperar mediante una interfaz de IA.

Un entorno de conocimiento gestionado debe preservar los límites de acceso existentes. También debe mostrar qué fuentes respaldaron una respuesta y mantener la recuperación dentro del material autorizado.

Aquí es donde una base de conocimiento personal puede reducir la copia improvisada entre sistemas empresariales y chatbots públicos. La captura local o controlada no elimina las obligaciones de gobernanza, pero puede reducir transferencias innecesarias.

Los controles de seguridad deben operar en el momento de la interacción. Las herramientas de red siguen siendo útiles, pero pueden pasar por alto distinciones ocultas dentro de sesiones cifradas del navegador.

Los controles a nivel de navegador pueden identificar la cuenta activa, inspeccionar una carga de archivo y reconocer texto pegado antes de que la información salga del endpoint. Después pueden advertir, ocultar, bloquear o registrar la acción.

Workforce Protector de Akamai, anteriormente LayerX, refleja ese enfoque. Según Akamai, gobierna el comportamiento de usuarios y agentes dentro de las aplicaciones en lugar de depender únicamente del tráfico perimetral.

La empresa tiene un interés comercial en definir el navegador como el punto crítico de aplicación de controles. Los compradores deberían evaluar esa afirmación junto con las alternativas de seguridad de endpoints, red, identidad y datos.

Ninguna capa ve todas las rutas. Una extensión de navegador no puede controlar un teléfono no gestionado que nunca interactúa con el entorno corporativo.

Los controles de red pueden identificar destinos, pero pueden carecer de un contexto detallado de la sesión. Los agentes de endpoint pueden inspeccionar la actividad del dispositivo, pero quizá no comprendan la semántica interna de todas las aplicaciones.

Los controles de identidad establecen quién inició sesión, pero no determinan automáticamente si cada prompt contiene información restringida. La clasificación de datos puede reconocer contenido sensible, pero depende de etiquetas precisas y de una cobertura adecuada.

La arquitectura práctica combina estas señales. Conecta identidad, postura del dispositivo, destino, tipo de cuenta, sensibilidad del contenido y la acción solicitada.

Pensemos en un empleado que resume un anuncio público de producto. Un chatbot personal presenta un riesgo organizacional limitado porque la información introducida ya es pública.

Ahora pensemos en ese mismo empleado que pega transcripciones de atención al cliente. El destino puede seguir siendo idéntico, pero los requisitos de privacidad, retención y contrato cambian la decisión.

La inspección de archivos por sí sola también pasa por alto el comportamiento de copiar y pegar. Las mediciones de LayerX indican que el texto pegado constituye un canal de exposición relevante, incluso cuando los empleados nunca cargan un documento.

Los agentes añaden otra dimensión. Un agente puede recuperar información, llamar a servicios externos, actualizar registros y repetir acciones sin que cada vez intervenga un gesto humano independiente.

Eso convierte el diseño de permisos en un asunto de seguridad operativa. Un chatbot responde a una solicitud, mientras que un agente puede provocar un cambio.

El estudio de seguridad de API de Akamai de 2026, API security study, encuestó a 1.840 responsables y profesionales de seguridad en diez países. Detectó que el 80% utilizaba firewalls de aplicaciones web, mientras que solo el 35% empleaba herramientas dedicadas de seguridad de API.

Las API son interfaces que permiten a los sistemas de software intercambiar datos y comandos. Forman la capa de conexión entre agentes, modelos, bases de datos y aplicaciones empresariales.

Una sesión de chatbot no autorizada puede filtrar información. Un agente con privilegios excesivos también puede modificar un ticket, emitir un reembolso, enviar un mensaje o consultar un sistema restringido.

Por tanto, la IA gestionada debe competir en algo más que en la calidad del modelo. Necesita integraciones útiles, permisos limitados, registros fiables y aprobación humana para acciones de impacto.

Si esas salvaguardas hacen que cada tarea resulte tediosa, los empleados las evitarán. Si desaparecen por completo, la organización no podrá distinguir la conveniencia de una exposición inaceptable.

El diseño ganador facilita las acciones habituales de bajo riesgo. Reserva fricción adicional para datos sensibles, destinos inusuales, cuentas personales y comandos de alto impacto.

Es un desafío de producto tanto como de políticas. Las empresas no pueden resolver mediante formación interfaces que recompensan sistemáticamente los atajos inseguros.

Lo que el titular de Google News no establece

El riesgo subyacente es creíble, pero el titular truncado no demuestra de forma independiente que casi la mitad de toda la actividad de IA empresarial eluda los controles.

La entrada de Google News corta la afirmación inmediatamente después de “bypasses”. No identifica el control, el periodo de medición, la muestra, la geografía ni el denominador.

Esas omisiones impiden una interpretación precisa. “Casi la mitad del uso empresarial de IA” podría referirse a usuarios, cuentas, sesiones, endpoints, organizaciones, cargas de archivos u otra categoría medida.

Los materiales de Akamai y LayerX indexados públicamente respaldan varios hallazgos relacionados. No hacen intercambiables todas las posibles interpretaciones de esa frase.

LayerX informó de que el 45% de los usuarios empresariales accedía a herramientas de IA desde endpoints corporativos. Por separado, informó de contenido sensible en el 40% de los archivos cargados y en el 22% del texto pegado.

También informó de un uso extendido de identidades personales en servicios de software. Su investigación de identidad de 2025 detectó que el 40% de los accesos SaaS utilizaba credenciales personales y el 67% eludía el SSO.

Estas estadísticas describen poblaciones y comportamientos diferentes. Combinarlas en una afirmación generalizada crearía una cifra que la investigación no publicó.

La primera advertencia, por tanto, se refiere a la disciplina del denominador. Los lectores deberían preguntar qué se contó antes de tratar un porcentaje como una tasa de adopción universal.

La segunda advertencia se refiere a la telemetría de los proveedores. Los proveedores de seguridad suelen analizar la actividad de clientes que ya han implementado sus productos.

Estas organizaciones pueden diferir de las empresas sin una supervisión comparable. Sus sectores, tamaños, políticas y perfiles de riesgo pueden moldear los resultados medidos.

La telemetría sigue aportando valor porque observa comportamientos en lugar de depender únicamente de la memoria. Sin embargo, no representa automáticamente a todas las empresas ni a todos los empleados.

Las encuestas tienen una limitación diferente. Los encuestados pueden malinterpretar las definiciones, declarar menos actividad prohibida o representar a organizaciones con programas de IA excepcionalmente maduros.

Por ello, la investigación independiente debería comparar varias formas de evidencia. Entre las fuentes útiles se incluyen la telemetría de endpoints, los registros de red, los registros de identidad, las encuestas a empleados, los informes de incidentes y las divulgaciones regulatorias.

La tercera advertencia se refiere a la palabra “bypass”. Un inicio de sesión personal puede eludir la gestión corporativa de identidades sin eludir todos los controles de seguridad.

El endpoint podría seguir ejecutando software de prevención de pérdida de datos. La red podría seguir bloqueando determinados destinos. El proveedor podría seguir ofreciendo ajustes de privacidad para consumidores.

Por el contrario, una cuenta aprobada puede generar riesgos incluso cuando pasa por SSO. Siguen siendo posibles permisos excesivos, reglas de retención débiles, inyección de prompts y resultados imprecisos.

Esta distinción evita una conclusión simplista. Gestionado no significa seguro, y no gestionado no significa una filtración confirmada.

El estudio encargado por Akamai en 2025 sobre IA empresarial, enterprise AI study, ilustra la preocupación más amplia. Entre 400 encuestados globales de nivel directivo, el 63% identificó las preocupaciones de seguridad como uno de los principales desafíos de las aplicaciones de IA.

El mismo estudio detectó que el 55% citaba brechas tecnológicas o de plataforma, mientras que el 55% citaba preocupaciones de cumplimiento y regulación. El 45% se preocupaba por que las aplicaciones no funcionaran como se esperaba.

Estos hallazgos muestran que la presión de gobernanza va más allá de las cuentas ocultas. Las organizaciones se preocupan por el rendimiento, la fiabilidad, el cumplimiento y las consecuencias para la marca incluso dentro de implementaciones formales.

La cuarta advertencia se refiere a la causalidad. La IA en la sombra se describe a menudo como una mala conducta de los empleados, pero la evidencia disponible no respalda un único motivo universal.

Algunos empleados ignoran las reglas intencionadamente. Otros se enfrentan a políticas poco claras, herramientas inexistentes, aprobaciones lentas o funciones de IA integradas en productos que TI ya aprobó.

Los líderes también pueden crear incentivos contradictorios. Exigen una adopción rápida de la IA mientras evalúan a los equipos por su velocidad, y luego imponen restricciones que impiden a los empleados alcanzar esos objetivos.

Un análisis creíble debe mantener ambas partes unidas. Los usuarios siguen siendo responsables de gestionar la información sensible, mientras que las organizaciones siguen siendo responsables de ofrecer vías aprobadas que funcionen.

Las previsiones regulatorias también requieren cautela. Gartner ha predicho que el 40% de las empresas experimentará un incidente de seguridad o cumplimiento relacionado con la IA para 2030 debido al uso no autorizado de IA en la sombra.

Como se resume en la cobertura de la previsión de Gartner, esa cifra se refiere a incidentes proyectados. No es un recuento actual de filtraciones.

Las previsiones pueden identificar exposición, pero no confirman que una organización concreta haya perdido datos. Los compradores deberían resistirse a convertir estimaciones de riesgo en afirmaciones sobre ataques ya completados.

El elemento incompleto del feed crea un último problema editorial. Google News es una capa de agregación, no la evidencia subyacente.

La publicación directa, la metodología y el informe completo deberían determinar la redacción. Hasta que se vean la afirmación completa y el denominador, “casi la mitad” merece atribución en lugar de presentarse como un hecho universal establecido.

Eso no hace que la historia sea poco importante. Hace que la brecha de verificación forme parte de la historia.

Tres señales mostrarán si las empresas recuperan el control

La próxima fase se medirá mediante la visibilidad de las cuentas, el movimiento de datos sensibles y los permisos concedidos a los agentes de IA.

La primera señal es la proporción de actividad de IA vinculada a identidades corporativas gestionadas. Las empresas deberían seguir si los empleados pasan de cuentas personales a servicios aprobados con el tiempo.

Una reducción de la proporción de cuentas personales reforzaría la idea de que las herramientas empresariales útiles pueden reducir la IA en la sombra. Una proporción estable o creciente mostraría que las políticas y las licencias no están cambiando el comportamiento.

Esta métrica debería segmentarse por departamento y tarea. Desarrolladores, especialistas en marketing, analistas, equipos de soporte y ejecutivos utilizan herramientas diferentes y manejan información diferente.

Un promedio de toda la empresa puede ocultar una exposición concentrada. Un pequeño grupo puede generar la mayoría de las transferencias sensibles porque su trabajo implica código, registros de clientes o documentos legales.

La medición de identidad también necesita un denominador claro. Las organizaciones deberían informar por separado sobre usuarios, sesiones, transferencias y aplicaciones.

La segunda señal es la tasa de datos sensibles que se trasladan a servicios de IA. Esto incluye texto pegado, cargas de archivos, entradas de formularios, extensiones de navegador y solicitudes de API.

Una medida útil distingue los intentos bloqueados de las transferencias completadas. También separa las cuentas empresariales aprobadas de las identidades personales y desconocidas.

Si las transferencias sensibles completadas disminuyen mientras crece el uso legítimo de IA, la gobernanza está mejorando. Si solo aumentan los intentos bloqueados, los empleados quizá simplemente estén encontrando más fricción.

Los equipos de seguridad también deberían examinar adónde van los usuarios después de un bloqueo. Una advertencia que redirige el trabajo hacia un asistente aprobado es más útil que una que pone fin al flujo de trabajo.

El objetivo subyacente no es producir un recuento mayor de infracciones de políticas. Es reducir la exposición innecesaria mientras se preserva el trabajo valioso.

Las organizaciones pueden respaldar ese objetivo ofreciendo a los empleados formas controladas de buscar, resumir y conectar sus propios materiales. Un segundo cerebro local puede limitar la copia repetida entre servicios no relacionados.

La tercera señal es el perfil de permisos asignado a los agentes de IA. Las empresas necesitan un inventario que muestre qué sistemas puede leer, escribir y activar cada agente.

El acceso de solo lectura presenta un nivel de riesgo. El permiso para enviar mensajes, actualizar registros financieros, cambiar código o aprobar transacciones presenta otro.

Las empresas deberían vigilar las reducciones de acceso predeterminado, los periodos de autorización más cortos, los registros a nivel de acción y las puertas de aprobación para comandos de impacto.

Aquí es donde la visibilidad de las API se vuelve decisiva. Un agente suele actuar mediante API incluso cuando un usuario inicia la tarea en un navegador.

Los equipos de seguridad deben conectar la identidad humana, la identidad del agente, la solicitud al modelo, la llamada a la herramienta y la acción empresarial resultante. Un registro desconectado para cada componente no puede reconstruir la decisión completa.

La señal reforzará la tesis de Akamai si las empresas descubren un gran número de agentes desconocidos o permisos excesivos. La debilitará si los inventarios muestran un acceso limitado, supervisado e intencionado.

Los anuncios de productos merecen menos peso que los datos operativos. Los proveedores seguirán lanzando pasarelas de IA, navegadores seguros, firewalls de modelos y sistemas de control de agentes.

La cuestión relevante es si esos productos cambian el comportamiento. Una menor utilización de cuentas desconocidas y menos transferencias de información sensible ofrecerían pruebas más sólidas que las cifras de despliegue.

Los directivos también deberían vigilar la satisfacción de los empleados con las herramientas aprobadas. Un uso reducido puede indicar controles sólidos, pero también puede significar que los empleados han dejado de utilizar por completo una IA valiosa.

Un programa maduro mide tanto la seguridad como la utilidad. Entre los resultados relevantes se incluyen la finalización de tareas, la adopción, las tasas de error, el tiempo de revisión, las excepciones de política y los incidentes confirmados.

La decisión a la que se enfrentan las empresas no es si los empleados usarán IA. Ese comportamiento ya se ha extendido a través de navegadores, suites de software y entornos de desarrollo.

La decisión es si los sistemas oficiales se vuelven lo bastante útiles como para atraer esa actividad de vuelta a canales visibles. Los equipos de seguridad no pueden gobernar aquello que no pueden ver.

Por tanto, la advertencia de Akamai debería impulsar una revisión directa. ¿Qué cuentas de IA están activas, qué información llega a ellas y qué agentes pueden actuar sobre los sistemas de la empresa?

La afirmación recortada de Google News aún necesita su metodología completa antes de que los lectores consideren que «casi la mitad» es una tasa universal. Las pruebas del contexto ya respaldan una conclusión más acotada.

La adopción de IA empresarial ha superado los controles tradicionales de cuentas y aplicaciones. Las organizaciones que cierren esa brecha facilitarán la vía aprobada, instrumentarán el navegador y restringirán los permisos de los agentes.

Empiece este mes con una auditoría práctica. Mida las sesiones de IA gestionadas frente a las personales, identifique las transferencias de información sensible y enumere todos los agentes con acceso de escritura. Esas tres perspectivas revelarán si la gobernanza de la IA existe en las operaciones o solo en las políticas.