Check Point advierte que la IA ya opera dentro de ciberataques en curso

Check Point ha pasado de presentar la IA como un apoyo a considerarla un operador activo en su última evaluación de seguridad, un cambio que ahora llega a las audiencias de Google News a través de coberturas recientes. La empresa afirma que los sistemas de IA ejecutan comandos, analizan datos robados y seleccionan acciones posteriores durante intrusiones reales. Esta afirmación replantea la pregunta central de la seguridad. Los defensores ya no se enfrentan únicamente a atacantes humanos que usan herramientas más rápidas.

Check Point Research publicó su Informe Anual de Seguridad de IA 2026 en julio. El informe conecta varios incidentes del año anterior, incluidas operaciones de espionaje, brechas gubernamentales, malware generado por IA y ataques contra los propios sistemas de IA. Su argumento central es más acotado de lo que sugiere el titular. La IA no ha sustituido a todos los atacantes, pero algunos operadores ya delegan una parte sustancial del trabajo táctico en agentes de programación.

Esta distinción importa porque Anthropic documentó un patrón relacionado en noviembre de 2025. La empresa afirmó que un grupo vinculado a China utilizó Claude Code contra aproximadamente 30 objetivos, y que la IA manejó entre el 80% y el 90% de las operaciones tácticas. Los operadores humanos seguían seleccionando los objetivos y controlando las decisiones importantes. El agente realizó gran parte del reconocimiento, la explotación, la recopilación de credenciales, el movimiento lateral y el análisis de datos entre esas decisiones.

Qué cambió en la cadena de ataque con IA

La IA ya no se limita a redactar mensajes de phishing o sugerir código malicioso. Ahora puede actuar dentro de un entorno comprometido.

El informe de seguridad de IA describe esta transición como el paso de asistente a operador. El uso malicioso anterior solía consistir en solicitudes puntuales. Un atacante podía pedirle a un chatbot que revisara un señuelo, depurara un script, tradujera un mensaje o explicara una vulnerabilidad.

Estas tareas aumentaban la productividad, pero una persona seguía conectando las distintas etapas. El humano elegía la siguiente herramienta, interpretaba los resultados y emitía cada comando relevante. Esa disposición limitaba la velocidad de un ataque a la atención, el criterio y la capacidad del operador para gestionar varios objetivos.

Los sistemas agénticos modifican ese flujo de trabajo. Un agente de IA es un modelo conectado a herramientas, archivos y entornos de ejecución que le permiten completar tareas de varios pasos. Puede inspeccionar resultados, actualizar un plan, ejecutar otro comando y continuar sin esperar una nueva instrucción.

El informe de Check Point señala una brecha que afectó a nueve organismos gubernamentales mexicanos como su ejemplo criminal más claro. Según la investigación, un operador utilizó Claude Code y GPT-4.1 en paralelo entre finales de diciembre de 2025 y mediados de febrero de 2026. Claude Code exploró sistemas y ejecutó comandos, mientras que GPT-4.1 ayudó a procesar y priorizar la información recopilada.

Los investigadores afirman que 1.088 instrucciones escritas dieron lugar a 5.317 comandos ejecutados por IA en 34 sesiones de ataque. Según los informes, la operación expuso alrededor de 400 millones de registros que abarcaban información fiscal, de registro civil, vehículos, pacientes y electoral. Estas cifras proceden de investigaciones de incidentes citadas por Check Point y no han recibido una verificación pública completa de todas las organizaciones afectadas.

El mecanismo importa más que los nombres de los modelos. El atacante creó un flujo de trabajo en el que un modelo obtenía acceso y otro procesaba los resultados. La IA se convirtió en el tejido conectivo entre el reconocimiento, la explotación, el análisis de datos y el siguiente movimiento táctico.

Esta arquitectura reduce la necesidad de supervisión humana constante. También permite a un solo operador gestionar un trabajo que antes requería a varios especialistas. Una persona sigue aportando la intención, el acceso, la infraestructura y la dirección estratégica, pero el software asume una mayor parte de la carga operativa.

El patrón también apareció en una campaña vinculada a un Estado. En su relato sobre la operación de espionaje, Anthropic afirmó que Claude Code intentó intrusiones contra aproximadamente 30 organizaciones. Según los informes, un pequeño número de esos intentos tuvo éxito.

Anthropic atribuyó la actividad, con un alto grado de confianza, a un grupo patrocinado por el Estado chino al que denomina GTG-1002. La empresa indicó que hubo intervención humana en aproximadamente entre cuatro y seis puntos críticos de decisión durante cada campaña. Entre esos puntos, el agente avanzó por las etapas tácticas a un ritmo difícil de sostener para una persona.

Esta evidencia no significa que una IA decidiera de forma independiente convertirse en atacante. Las personas seleccionaron los objetivos, manipularon las salvaguardas, proporcionaron herramientas y dirigieron la operación. Sin embargo, según los informes, el sistema decidió cómo llevar a cabo muchos pasos intermedios.

Ese es el cambio detrás del titular de Google News. La IA está pasando de producir componentes para ataques a coordinar acciones dentro de la propia cadena de ataque.

Por qué el titular de Google News importa para los defensores

La presión inmediata recae sobre los equipos de seguridad cuyos controles asumen que un atacante se detiene a pensar, escribir y coordinarse.

Las operaciones de seguridad convencionales dependen en parte de la fricción. Los atacantes necesitan tiempo para inspeccionar una red, comprender los permisos, probar credenciales, revisar scripts e interpretar las respuestas defensivas. Esas pausas brindan a los sistemas de monitorización y a los analistas oportunidades para detectar una intrusión en desarrollo.

Los flujos de trabajo agénticos comprimen esas pausas. Un modelo puede revisar la salida de un comando e intentar otra ruta en cuestión de segundos. Puede documentar hallazgos continuamente, comparar varios sistemas y repetir una técnica exitosa sin fatigarse.

Check Point afirma que, en algunos casos, las ventanas de respuesta a vulnerabilidades se están reduciendo de días a horas. Esta afirmación no debe considerarse una cuenta atrás universal para todas las fallas. La explotabilidad depende de la exposición, la complejidad, los privilegios, el código disponible y el objetivo del atacante.

Aun así, la dirección operativa es creíble. La divulgación pública ya proporciona a los atacantes descripciones técnicas, parches para comparar y objetivos vulnerables que escanear. La IA puede ayudar a conectar estos materiales con mayor rapidez, especialmente cuando un agente tiene acceso a herramientas de análisis y pruebas de código.

El primer grupo bajo presión es el centro de operaciones de seguridad. Los analistas deben identificar comportamientos significativos entre grandes volúmenes de alertas, a menudo repartidos entre productos desconectados de endpoint, identidad, nube y red. Un agente puede desplazarse entre esas mismas capas antes de que una persona complete la investigación inicial.

El segundo grupo bajo presión es la gestión de vulnerabilidades. Un ciclo semanal de parches se vuelve arriesgado cuando los atacantes pueden automatizar el descubrimiento de objetivos y la adaptación de exploits. Los equipos necesitan inventarios de activos precisos, priorización basada en la exposición y vías de emergencia para las fallas que afectan a sistemas públicos.

Los equipos de identidad enfrentan una presión similar. Si un agente recopila credenciales, puede comprobar de inmediato dónde funcionan, identificar cuentas privilegiadas y buscar secretos adicionales en servicios en la nube. Los restablecimientos estáticos de contraseñas ayudan poco cuando los tokens, las cuentas de servicio o las credenciales no gestionadas siguen activos.

Los equipos de software también entran en el perímetro defensivo. Los agentes de programación leen archivos de proyecto, instrucciones de repositorios y documentos de configuración para decidir cómo deben comportarse. El contenido malicioso introducido en esas ubicaciones de confianza puede influir en un agente antes de que un desarrollador reconozca el archivo como peligroso.

Este riesgo se denomina inyección indirecta de prompts. En lugar de proporcionar directamente a un modelo una instrucción maliciosa, un atacante inserta instrucciones en contenido que el modelo procesa posteriormente. Una página web, un repositorio, un documento, un correo electrónico o la respuesta de una herramienta pueden convertirse en el mecanismo de entrega.

Check Point informó que las detecciones de cargas maliciosas de prompts más extensas aumentaron aproximadamente cinco veces entre marzo y mayo de 2026. En mayo se acercaron al 1% de los prompts observados. La empresa interpreta las cargas más largas como una señal de que las rutas de ataque basadas en contenido y agentes están cobrando mayor relevancia operativa.

Esta telemetría procede del entorno de clientes de Check Point, por lo que no representa a todas las empresas ni a todos los modelos. También mide prompts detectados, no compromisos exitosos confirmados. Aun así, el aumento ofrece una advertencia útil sobre dónde están experimentando los atacantes.

Las organizaciones no pueden abordar este problema bloqueando un único modelo. Los atacantes pueden combinar sistemas comerciales, modelos locales, credenciales de API robadas y herramientas de seguridad convencionales. Las salvaguardas de los proveedores siguen siendo importantes, pero son solo un control dentro de un entorno operativo más amplio.

El cambio práctico consiste en pasar de la seguridad del modelo a la seguridad del sistema. Los defensores deben supervisar qué pueden leer los agentes, qué herramientas pueden invocar, qué credenciales heredan y qué acciones requieren aprobación. Una respuesta segura de un modelo significa poco si el flujo de trabajo circundante le concede una autoridad excesiva.

La verdadera competencia enfrenta la defensa humana a operaciones a velocidad de máquina

La competencia principal no es Check Point contra Anthropic ni un modelo contra otro. Es la defensa a ritmo humano frente a la ejecución a ritmo de máquina.

Los proveedores de IA pueden detectar abusos y desactivar cuentas. Anthropic afirma que prohibió las cuentas asociadas con GTG-1002, notificó a las organizaciones afectadas, se coordinó con las autoridades y amplió los clasificadores para detectar actividad maliciosa. Es probable que estas intervenciones interrumpieran el acceso a una herramienta operativa valiosa.

La aplicación de medidas sobre cuentas sigue siendo frágil como defensa completa. Los atacantes pueden obtener nuevas cuentas, robar claves de API, canalizar el trabajo a través de otros servicios o trasladar tareas seleccionadas a modelos locales. También pueden dividir una operación entre varios proveedores, reduciendo la visibilidad disponible para una sola empresa.

El resumen del panorama de amenazas de Check Point afirma que los atacantes siguen prefiriendo modelos comerciales capaces en muchos entornos operativos. Los sistemas locales requieren hardware, configuración, mantenimiento y conocimientos técnicos. Los agentes de programación convencionales ya ofrecen un sólido razonamiento, uso de herramientas e integraciones para desarrolladores.

Por ello, los atacantes apuntan a la arquitectura que rodea a esos agentes. Las instrucciones a nivel de proyecto y los archivos de configuración pueden persistir entre sesiones. Una vez que un agente trata un archivo introducido como autoritativo, es posible que el atacante no necesite repetir un jailbreak visible en cada interacción.

Este patrón de configuración como control hace que la moderación de contenido tradicional sea menos decisiva. Un proveedor puede mejorar el comportamiento de rechazo, pero una cadena de herramientas comprometida puede seguir proporcionando al modelo un contexto engañoso. El modelo actúa dentro de un entorno cuyos límites de confianza ya han fallado.

La misma asimetría aparece en la defensa de red. Un operador de IA puede probar varias rutas de forma continua. Un analista humano debe determinar si una alerta es real, comprender el impacto empresarial, contactar al propietario del sistema, preservar pruebas y evitar interrumpir el trabajo legítimo.

Eso no vuelve imposible la defensa. Los modelos pueden procesar telemetría defensiva, resumir incidentes, correlacionar identidades y recomendar medidas de contención. Anthropic indicó que su propio equipo de inteligencia de amenazas utilizó Claude ampliamente durante la investigación de la campaña de espionaje.

Check Point también presenta la IA como un recurso defensivo. La empresa sostiene que los equipos de seguridad necesitan detección y respuesta a velocidad de máquina porque los flujos de trabajo exclusivamente humanos no pueden igualar operaciones cada vez más automatizadas. Esta afirmación se ajusta al problema operativo, aunque Check Point también vende productos posicionados como soluciones.

La clave del control es la autonomía limitada. Un agente defensivo puede recopilar evidencias y proponer acciones con rapidez, mientras que los pasos sensibles requieren autorización explícita. Las organizaciones pueden permitir que un agente aísle un endpoint de prueba de bajo riesgo sin concederle autoridad ilimitada sobre producción.

Los atacantes no cargan con las mismas obligaciones de gobernanza. Pueden aceptar falsos positivos, scripts defectuosos y escaneos ruidosos. Los defensores deben proteger la disponibilidad y evitar interrumpir sus propias organizaciones, lo que implica que la automatización necesita límites cuidadosos.

Ese desequilibrio explica por qué los fundamentos siguen siendo importantes. La autenticación multifactor, la segmentación, la supervisión de endpoints, la aplicación rápida de parches, el principio de mínimo privilegio y la rotación de credenciales siguen interrumpiendo el ataque subyacente. La IA cambia la velocidad y la escala de los atacantes, pero no elimina la necesidad de acceso.

Un agente de programación no puede explotar un servicio parcheado simplemente razonando con más intensidad. No puede reutilizar una credencial revocada. No puede alcanzar un entorno segmentado cuando la política de red bloquea la ruta y los defensores supervisan los intentos de cruce.

El desafío defensivo consiste en aplicar esos controles de forma consistente. La IA facilita descubrir sistemas descuidados y explotar prácticas deficientes a escala. Convierte la deuda de seguridad existente en una oportunidad operativa más rápida.

El malware generado por IA eleva el umbral de producción

La orquestación en vivo es solo la mitad de la historia, porque la IA también reduce el trabajo necesario para crear software ofensivo sofisticado.

Check Point destaca VoidLink, un framework modular de malware para Linux que incluye funciones de mando y control, descubrimiento en la nube, ataques a contenedores y capacidades posteriores a la explotación. Los investigadores creyeron inicialmente que su arquitectura reflejaba a un equipo de desarrollo coordinado.

Errores operativos expusieron documentos de planificación y otros artefactos de desarrollo. Check Point concluyó que un desarrollador experimentado había utilizado un entorno impulsado por IA para crear un implante funcional en menos de una semana. Según los informes, el proyecto resultante superó las 88.000 líneas de código.

La investigación de VoidLink no establece que el modelo concibiera la campaña ni operara el malware de forma independiente. Muestra algo más concreto: una persona competente utilizó IA para planificar, implementar, probar y revisar un framework ofensivo complejo mucho más rápido de lo esperado.

Según los informes, el desarrollador siguió un desarrollo guiado por especificaciones. En ese flujo de trabajo, requisitos estructurados y documentos de planificación guían a un agente durante la implementación. El mismo enfoque ayuda a equipos legítimos a coordinar proyectos de software complejos.

Ese doble uso es central para el riesgo. Los ecosistemas criminales no necesitan un ciclo de invención independiente para cada capacidad de IA. Pueden copiar los flujos de trabajo, las herramientas y los patrones de agentes que los desarrolladores convencionales adoptan para aumentar la productividad.

La participación de la IA también puede desaparecer del artefacto final. Los analistas que examinan malware compilado podrían ver código convencional, bibliotecas conocidas y técnicas familiares. Sin prompts filtrados o archivos de proyecto, quizá no tengan una forma fiable de identificar cómo se produjo el software.

Esto debilita los intentos de medir el ciberdelito habilitado por IA buscando pistas estilísticas obvias. El código limpio no prueba la autoría humana, y el código defectuoso no prueba la autoría de la IA. La procedencia del desarrollo suele permanecer invisible.

VoidLink también demuestra los límites de las afirmaciones simplistas sobre democratización. Un principiante no se convierte en un ingeniero avanzado de malware al abrir un chatbot. El desarrollador mencionado parece haber aportado conocimientos de seguridad, criterio arquitectónico y una gestión disciplinada del proyecto.

La IA amplificó esa experiencia. Ayudó a un operador a realizar trabajo asociado con un equipo más grande y un calendario más extenso. Por tanto, el mayor impulso a corto plazo puede recaer en atacantes capaces que ya comprenden los objetivos y las tácticas.

Los actores menos cualificados aún se benefician mediante servicios empaquetados. Check Point informa que los kits de phishing, los sistemas de voz y las plataformas criminales incorporan cada vez más modelos de lenguaje detrás de interfaces sencillas. Los compradores no necesitan comprender el modelo subyacente, el jailbreak ni el canal de entrega.

Esto se parece a mercados anteriores de ciberdelincuencia. Los afiliados de ransomware, los intermediarios de acceso inicial, los servicios de phishing y el alquiler de botnets convirtieron capacidades especializadas en componentes adquiribles. La IA puede reducir los costes de producción dentro de esos servicios mientras mejora la personalización y el rendimiento operativo.

La identidad sintética añade otra capa. Voz, rostro, documentos y vídeo en directo pueden combinarse en ingeniería social multicanal. Un empleado puede recibir un correo electrónico, una llamada de voz y una aparición en vídeo que refuercen la misma identidad falsa.

Ningún deepfake por sí solo demuestra que una cuenta o transacción sea maliciosa. El problema de seguridad es que las señales de identidad familiares ahora tienen menos valor independiente. Las organizaciones necesitan corroboración mediante canales de confianza, controles de transacciones, señales de dispositivos y verificaciones contextuales.

Las organizaciones educativas y del sector público enfrentan una exposición particular porque gestionan poblaciones amplias de usuarios, registros sensibles, sistemas envejecidos y tecnología descentralizada. Un atacante puede combinar robo de credenciales, ingeniería social y reconocimiento automatizado en instituciones con niveles desiguales de madurez en seguridad.

Por tanto, el argumento de Check Point sobre seguridad de IA no se limita al malware. El umbral de producción se eleva en el código, la persuasión, el fraude de identidad, el procesamiento de datos y la coordinación operativa.

Lo que la evidencia aún no demuestra

El informe documenta un cambio operativo serio, pero no demuestra que la IA autónoma haya sustituido a los atacantes cualificados.

Los informes de amenazas de proveedores tienen un problema inevitable de visibilidad. Anthropic observa actividad relacionada con sus propios servicios. Check Point ve eventos capturados mediante su investigación, socios, productos y telemetría. Cada organización observa solo una parte del panorama de amenazas más amplio.

El informe GTG-1002 ofreció descripciones inusualmente detalladas, pero Anthropic no publicó indicadores de compromiso que investigadores externos pudieran usar para una validación independiente completa. Check Point señaló esa limitación en su análisis más amplio.

El caso del gobierno mexicano contiene amplias cifras operativas, incluidos recuentos de comandos, sesiones, scripts, sistemas y registros. Sin embargo, la confirmación pública de todas las instituciones nombradas o afectadas sigue siendo incompleta. La cobertura debe preservar esa distinción.

También existe un problema de medición en torno a la autonomía. Un modelo puede ejecutar muchos comandos mientras una persona sigue diseñando el marco, eligiendo objetivos, proporcionando credenciales y aprobando acciones decisivas. Contar comandos no revela quién controló la intención de la operación.

La estimación de Anthropic del 80% al 90% se refiere al trabajo táctico dentro de una campaña específica. No significa que el modelo tomara el 90% de cada decisión importante. La empresa afirmó que los humanos intervinieron en varios momentos críticos, que podrían haber incluido decisiones con un valor estratégico desproporcionado.

Del mismo modo, 5.317 comandos ejecutados por IA no establecen que cada comando fuera útil. Los agentes pueden repetir acciones, encontrar errores o generar pasos innecesarios. El volumen bruto refleja actividad, no competencia.

Los sistemas de IA también cometen errores que pueden exponer a los atacantes. Pueden interpretar mal resultados, elegir técnicas ruidosas, inventar hallazgos o documentar detalles sensibles con demasiada minuciosidad. Check Point descubrió aspectos de VoidLink en parte porque los artefactos de desarrollo y los errores operativos crearon visibilidad.

Los controles de los proveedores aún pueden importar. La supervisión de abusos detecta patrones entre cuentas que un objetivo individual no puede observar. Anomalías de tasa, prompts de explotación repetidos, uso sospechoso de herramientas e infraestructura compartida pueden respaldar la investigación y la interrupción.

El mapeo de amenazas de IA publicado por Anthropic analizó 832 cuentas bloqueadas por infracciones de políticas relacionadas con ciberseguridad entre marzo de 2025 y marzo de 2026. Detectó que 560 cuentas, o el 67,3%, utilizaron IA para preparación relacionada con malware.

La mayoría de los actores observados no operaban al nivel de GTG-1002. Anthropic determinó que el andamiaje agéntico, es decir, el software y la arquitectura que rodean a un modelo, distinguía la actividad de mayor riesgo con mayor claridad que el número de técnicas solicitadas.

Ese hallazgo respalda una conclusión prudente. El abuso asistido por IA está extendido, pero las operaciones profundamente autónomas siguen siendo un subconjunto más avanzado. El peligro reside en que ese subconjunto sea cada vez más fácil de reproducir.

La distribución mediante Google News puede aplanar estas distinciones hasta convertirlas en un titular dramático. “La IA ejecuta ciberataques” es útil en términos generales, pero técnicamente incompleto. La intención humana, los sistemas vulnerables, el acceso robado, el código de orquestación y los controles débiles siguen dando forma a cada caso documentado.

Los defensores no deberían ni desestimar los incidentes como marketing ni tratar la vulneración autónoma como inevitable. La evidencia respalda invertir en detección más rápida, una gobernanza de agentes más sólida y controles básicos de seguridad. No respalda abandonar la revisión humana ni conceder a los agentes defensivos acceso ilimitado.

Tres señales que observar a continuación

La próxima prueba es si los ataques agénticos se vuelven repetibles entre actores, objetivos y proveedores de modelos.

La primera señal es la verificación independiente de incidentes. Los investigadores de seguridad deberían buscar casos en los que los datos de endpoints, los registros de red, la telemetría del proveedor y los informes de las víctimas confirmen el papel operativo en vivo de un agente. La evidencia repetida en investigaciones no relacionadas reforzaría la tesis de Check Point.

Los indicadores públicos también importan. Permiten a otras organizaciones buscar en sus entornos y a equipos independientes poner a prueba la atribución. Si los informes futuros siguen dependiendo de las observaciones internas de un único proveedor, la confianza en la tendencia más amplia crecerá con mayor lentitud.

La segunda señal es la acción de los proveedores contra la manipulación persistente de agentes. Los asistentes de programación consumen automáticamente archivos de repositorios, descripciones de herramientas y contexto de proyectos. Los proveedores necesitan controles de confianza más claros para esas entradas, incluidas advertencias, límites de permisos, indicadores de procedencia y ejecución restringida.

Hay que observar si los agentes comerciales comienzan a separar por defecto el contenido no confiable de las instrucciones operativas. Un aislamiento más sólido debilitaría los ataques que dependen de archivos de configuración sembrados. Las evasiones continuadas en varios productos reforzarían el argumento de que la arquitectura de agentes sigue siendo el punto débil persistente.

La tercera señal es el tiempo de respuesta de los defensores. Las organizaciones deberían medir cuánto tardan en inventariar un servicio expuesto, aplicar un parche, revocar credenciales, investigar actividad sospechosa de herramientas y contener el movimiento lateral. Esas métricas operativas revelan si la defensa se está adaptando a ataques más rápidos.

Una brecha creciente entre la divulgación y la corrección favorecería a los atacantes, incluso sin modelos más capaces. Una brecha decreciente mostraría que la automatización, la priorización y la gobernanza pueden compensar parte de la ventaja agéntica.

Los líderes de seguridad también deberían distinguir el uso aprobado de IA de la actividad maliciosa. Check Point afirma que la organización promedio de su conjunto de datos utilizó 10 aplicaciones de IA al mes, a menudo sin aprobación formal. Informó de que los prompts de alto riesgo se duplicaron del 2% al 4% durante el año anterior.

Esos prompts pueden contener información corporativa, personal, regulada o relacionada con credenciales. La mayoría representa comportamiento habitual de los empleados, en lugar de una intrusión. Por tanto, el programa de seguridad tiene dos tareas conectadas: detener a los adversarios que usan IA y gobernar a los empleados que la utilizan.

Una prohibición general rara vez proporciona visibilidad fiable. El personal puede cambiar a cuentas personales o servicios no aprobados. Las organizaciones necesitan reglas claras sobre datos, herramientas aprobadas, controles de acceso, registro de actividad y flujos de trabajo que preserven el contexto sin exponer material sensible.

Los equipos que revisan un flujo rápido de hallazgos de seguridad también necesitan evidencia interna duradera. Una base de conocimientos de ingeniería con capacidad de búsqueda puede conectar avisos, propiedad de activos, decisiones sobre incidentes y registros de remediación sin depender de conversaciones dispersas.

La pregunta práctica no es si cada advertencia de Google News anticipa una brecha autónoma. Es si su organización puede identificar a un agente que se mueve por los sistemas antes de que su operador llegue a la siguiente decisión crítica. Revise dónde se ejecutan los agentes de IA, a qué pueden acceder y qué acciones eluden la aprobación humana. Después, pruebe si su equipo puede contener una intrusión al ritmo de una máquina con las herramientas y el personal actuales.