El costo promedio de las filtraciones de datos en India alcanza los 2,79 millones de dólares a medida que aumentan las amenazas de IA

Un informe de BW Marketing World distribuido a través de Google News ha puesto de relieve el hallazgo de IBM de que el costo promedio de una filtración de datos en India alcanzó los 2,79 millones de dólares en 2026, un 11% más que en 2025. El aumento se produjo mientras la inteligencia artificial acortaba los ciclos de ataque y ampliaba la cantidad de sistemas que las empresas deben defender.

El titular no es simplemente otro récord anual. La IA aparece ahora en ambos lados de la ecuación de las filtraciones. Los atacantes la utilizan para acelerar la suplantación de identidad, el desarrollo de malware y el descubrimiento de vulnerabilidades. Los defensores emplean tecnología similar para detectar amenazas y contener incidentes con mayor rapidez.

Esa tensión somete a presión a las empresas indias. Deben ampliar la adopción de IA sin crear identidades, flujos de datos, modelos y conexiones de aplicaciones sin gestionar. También deben cumplir exigentes obligaciones de notificación y privacidad cuando esos controles fallan.

Los hallazgos globales de IBM ofrecen un punto de referencia útil. Las filtraciones maliciosas habilitadas por IA cuestan a las organizaciones 6 millones de dólares de media, alrededor de 1 millón por encima del promedio global general. Sin embargo, una amplia adopción de IA y automatización de seguridad también se asoció con casi 2 millones de dólares en ahorros.

Por tanto, la verdadera competencia no enfrenta a la IA con la seguridad tradicional. Enfrenta un despliegue rápido de IA con una gobernanza disciplinada de la IA. Las organizaciones que tratan estos proyectos por separado corren el riesgo de pagar dos veces por la adopción: primero durante el despliegue y de nuevo después de una filtración.

Lo que revelan los titulares de Google News sobre los costos de las filtraciones en India

El promedio de 2,79 millones de dólares de India refleja un cambio más amplio en la economía de las filtraciones, no un único incidente excepcionalmente costoso.

IBM publicó su informe Cost of a Data Breach 2026 el 29 de julio. El estudio, elaborado con el Ponemon Institute, examinó 602 organizaciones que habían sufrido filtraciones.

Según el comunicado oficial de IBM en India, el promedio de India alcanzó los 255 millones de INR, o aproximadamente 2,79 millones de dólares, en 2026, frente a unos 2,51 millones de dólares en 2025. Ese aumento equivale aproximadamente al 11%, aunque las conversiones de divisas pueden hacer que las comparaciones basadas en rupias parezcan ligeramente diferentes.

La cifra nacional representa un promedio entre las organizaciones de la muestra de investigación. No significa que cada filtración india haya generado una factura de 2,79 millones de dólares. Los incidentes menores pueden costar mucho menos, mientras que los eventos complejos pueden superar el promedio.

Los costos de una filtración también incluyen más que la recuperación técnica. La metodología de IBM considera detección, escalamiento, notificación, respuesta, pérdida de negocio y consecuencias operativas relacionadas. Por tanto, la interrupción de un sistema de atención al cliente puede aumentar el total sin ampliar la cantidad de registros robados.

La distinción importa porque el titular de Google News comprime varias presiones interrelacionadas en una sola cifra. El aumento de los costos puede reflejar investigaciones más lentas, interrupciones más costosas, trabajo regulatorio, pérdidas de clientes o una infraestructura más complicada.

El informe de filtraciones de 2026 de IBM sitúa el resultado de India dentro de un incremento global. El promedio mundial alcanzó los 4,99 millones de dólares, un 12% por encima del año anterior y el nivel más alto registrado por el estudio.

India sigue por debajo de ese promedio global. Sin embargo, una cifra absoluta menor ofrece un alivio limitado cuando la tendencia local es ascendente. Las organizaciones indias también operan entre sistemas de nube, móviles, pagos e identidad en rápido crecimiento.

Cada conexión puede añadir complejidad operativa durante un incidente. Los investigadores deben determinar a qué accedieron los atacantes, qué clientes resultaron afectados y si los proveedores conectados siguen expuestos.

Por tanto, la cifra de costos debe interpretarse como un indicador de presión. Mide las consecuencias financieras a las que se enfrentan las organizaciones que sufrieron una filtración, en lugar de la probabilidad de que una empresa determinada sufra una.

Esa limitación no debilita la advertencia. La aclara. Una vez que una intrusión se convierte en una filtración significativa, el costo depende cada vez más de la rapidez con la que los equipos puedan comprender y controlar un entorno extenso.

Google News llamó la atención sobre la cifra principal. El informe subyacente muestra por qué la arquitectura de seguridad, la gobernanza y la preparación de respuesta determinan lo que ocurre después.

Los ataques habilitados por IA están cambiando la curva de costos

La IA está facilitando el lanzamiento de algunos ataques, al tiempo que hace que los incidentes resultantes sean más difíciles y costosos de investigar.

IBM descubrió que una de cada cuatro filtraciones maliciosas implicaba a atacantes que usaban IA. Según los hallazgos de IBM sobre filtraciones relacionadas con IA, esto representó un aumento del 56% respecto al año anterior.

La suplantación mediante deepfakes y el malware habilitado por IA representaron gran parte de esa actividad. La suplantación mediante deepfakes utiliza audio, vídeo o texto generado para imitar a una persona de confianza durante un fraude o una acción de ingeniería social.

El malware habilitado por IA se refiere a software malicioso cuya creación, modificación, selección de objetivos o ejecución recibe asistencia de un sistema de IA. Las técnicas subyacentes suelen ser conocidas, pero la automatización puede reducir la carga de trabajo del atacante.

Esa reducción cambia la economía. Los grupos criminales pueden probar más mensajes, imitar a más ejecutivos y adaptar señuelos para distintos empleados. También pueden analizar sistemas expuestos más rápido de lo que permitiría un proceso manual.

Verizon informó de una aceleración similar en su investigación sobre filtraciones de 2026. Sus conclusiones indicaron que la explotación de vulnerabilidades se convirtió en el principal punto de entrada de las filtraciones, al alcanzar el 31% de los incidentes de su conjunto de datos.

Verizon también descubrió que el uso por parte de empleados de herramientas de IA no aprobadas se había triplicado hasta el 45%. Esta “IA en la sombra” aparece cuando los empleados utilizan modelos o aplicaciones sin aprobación formal, supervisión ni controles sobre el manejo de datos.

Estas herramientas no necesitan ser maliciosas para crear exposición. Un empleado puede introducir información de clientes, código fuente, contratos o estrategia interna en un sistema externo mientras realiza trabajo legítimo.

Es posible que los equipos de seguridad nunca vean esa transferencia. Pueden inventariar los portátiles corporativos y los servicios en la nube aprobados, pero las herramientas de navegador no autorizadas pueden quedar fuera de la supervisión habitual.

Los agentes de IA introducen otra capa. Un agente puede recuperar documentos, llamar a interfaces de software y actuar mediante credenciales asignadas. Los permisos excesivos pueden convertir una identidad comprometida en acceso a varios sistemas.

El problema se parece a fallos anteriores de seguridad en la nube, pero los agentes operan de forma distinta a las aplicaciones ordinarias. Pueden seleccionar herramientas de forma dinámica y realizar varias acciones conectadas durante una misma tarea.

Esa autonomía complica el trabajo forense. Los investigadores deben identificar a qué datos accedió el agente, qué instrucciones recibió y qué servicios posteriores aceptaron sus acciones.

Los atacantes también se dirigen directamente a los sistemas de IA. IBM indicó que más del 20% de las organizaciones estudiadas reportaron una filtración que involucraba un modelo o una aplicación de IA.

La inversión de modelos estuvo entre los tipos de ataque relacionados con IA más costosos. Un ataque de inversión de modelos intenta reconstruir información sensible de entrenamiento mediante el análisis de las salidas de un modelo.

La inyección de instrucciones generó otra categoría costosa. Utiliza instrucciones diseñadas para hacer que un sistema de IA ignore los controles previstos, exponga información o active de forma indebida herramientas conectadas.

Estos métodos no sustituyen el phishing, el robo de credenciales, el ransomware ni el software vulnerable. Se combinan con esas técnicas consolidadas y proporcionan a los atacantes rutas adicionales a través del mismo entorno.

Esa combinación explica la presión sobre los costos. Las empresas deben investigar tanto la infraestructura convencional como una nueva capa de IA cuyos permisos, movimientos de datos y comportamiento pueden ser menos visibles.

Los equipos de seguridad de India enfrentan una brecha de velocidad y gobernanza

Las organizaciones sometidas a mayor presión son aquellas que amplían la IA más rápido de lo que sus equipos de seguridad pueden identificar activos, permisos y datos sensibles.

La economía digital de India crea un entorno exigente para ese desequilibrio. Las empresas suelen dar soporte a usuarios móviles, contratistas externos, cargas de trabajo en la nube, servicios de pago y equipos de software distribuidos globalmente.

Una filtración puede atravesar varios de esos límites. La intrusión inicial podría comenzar con una cuenta de empleado y luego llegar al almacenamiento en la nube, una interfaz de aplicación y un servicio de IA.

Esa secuencia obliga a los equipos de seguridad a reconstruir la actividad a través de registros y proveedores separados. Los registros faltantes o las marcas de tiempo inconsistentes pueden ralentizar la investigación durante sus horas más decisivas.

Las organizaciones indias también enfrentan un plazo estricto de notificación. Las directrices de CERT-In de India exigen que los ciberincidentes cubiertos se notifiquen dentro de las seis horas siguientes a su detección.

Un informe inicial puede preceder a una investigación completa. Las preguntas frecuentes oficiales sobre las directrices de CERT-In indican que las organizaciones pueden enviar la información disponible dentro del plazo de seis horas y proporcionar detalles adicionales más adelante dentro de un período razonable. Las organizaciones siguen necesitando procesos fiables para el escalamiento, la preservación de pruebas, la coordinación interna y la comunicación con las autoridades.

El engaño generado por IA aumenta esta presión. Un mensaje de voz convincente podría parecer que autoriza un pago o un restablecimiento de contraseña. Los empleados pueden actuar antes de que un analista de seguridad reconozca la suplantación.

El informe sobre ciberseguridad del Foro Económico Mundial descubrió que el 87% de los encuestados consideraba las vulnerabilidades relacionadas con IA como el riesgo cibernético de crecimiento más rápido durante 2025.

La misma investigación descubrió que el 64% evaluaba las herramientas de IA para la seguridad antes de su despliegue, frente al 37% un año antes. La adopción de revisiones formales está creciendo, pero aún no ha llegado a todas las organizaciones.

Esta brecha separa la experimentación del despliegue responsable. Una empresa podría aprobar un asistente de IA sin documentar sus fuentes de datos, comportamiento de retención, conexiones de servicio o acceso administrativo.

El equipo de seguridad hereda entonces un sistema que no diseñó. Debe proteger credenciales, supervisar instrucciones, investigar resultados y gestionar dependencias de terceros después de que los empleados ya dependan del producto.

Por tanto, los compradores corporativos deberían preguntar algo más que si un modelo funciona bien. Necesitan saber qué información entra en él, a dónde viaja esa información y quién puede recuperarla.

Los desarrolladores enfrentan preguntas similares. Una aplicación puede parecer segura durante las pruebas mientras que su versión de producción recibe permisos más amplios y acceso a datos reales de clientes.

Los trabajadores del conocimiento tienen un papel directo porque muchos flujos de datos de IA comienzan con tareas ordinarias. Resumir una reunión o revisar un contrato puede exponer contexto sensible cuando el servicio equivocado recibe la información.

Las organizaciones que ya utilizan una base de conocimiento personal deberían separar la información privada de los datos empresariales compartidos. También deberían preservar reglas claras de acceso y exportación.

Por eso, la cifra de India ejerce presión sobre más áreas que los departamentos de seguridad. Los líderes de producto, los equipos de compras, el asesoramiento jurídico y los responsables de negocio influyen cada vez más en los sistemas que determinan la exposición a filtraciones.

Su respuesta obligada no constituye una prohibición general de la IA. Es un modelo de gobernanza que sigue los datos y los permisos desde la selección hasta el despliegue, la supervisión, la respuesta a incidentes y la retirada.

La verdadera disyuntiva es la adopción rápida frente a la adopción controlada

La IA puede reducir los costes de las brechas, pero solo cuando las empresas gobiernan la misma tecnología que crea nuevas vías de ataque.

Los hallazgos de IBM describen un auténtico efecto de doble uso. Las organizaciones con un uso amplio de IA y automatización de seguridad registraron 1,93 millones de dólares menos en costes medios por brecha que las organizaciones que no utilizaban ninguna de estas tecnologías.

La automatización de seguridad puede conectar alertas, clasificar actividad sospechosa e iniciar acciones de respuesta predefinidas. También puede ayudar a los analistas a priorizar incidentes cuando miles de señales de escaso valor compiten por su atención.

Estos beneficios importan porque el tiempo de respuesta afecta a la interrupción del negocio. Una identificación más rápida puede reducir el periodo durante el cual los atacantes acceden a los sistemas, roban datos o interrumpen las operaciones.

Sin embargo, comprar un producto de seguridad con IA no resuelve el problema. La automatización depende de datos precisos, permisos adecuados, flujos de trabajo probados y personas capaces de cuestionar una recomendación incorrecta.

Un sistema mal configurado puede suprimir alertas útiles o automatizar la acción equivocada. También puede aumentar la dependencia de un proveedor cuyo propio servicio pasa a formar parte de la superficie de ataque de la organización.

Esto crea la disyuntiva central del informe. Las empresas necesitan automatización para responder a ataques asistidos por máquinas, pero una automatización descuidada puede multiplicar los errores a la misma velocidad.

La vía más segura comienza con la identidad. Cada persona, cuenta de servicio, modelo y agente debe recibir únicamente el acceso necesario para la tarea asignada.

Las identidades agénticas requieren especial atención. Un agente de IA que puede leer documentos y actualizar sistemas empresariales debe contar con permisos limitados, acciones rastreables y un responsable humano definido.

Los controles de datos forman la segunda capa. Las organizaciones deben identificar la información sensible antes de decidir qué modelos, empleados o agentes pueden utilizarla.

Los registros de prompts y resultados también requieren un tratamiento cuidadoso. Respaldan las investigaciones, pero pueden convertirse en repositorios sensibles que contienen información de clientes, credenciales, instrucciones internas o contenido propietario.

La tercera capa es la gobernanza del despliegue. Los equipos deben documentar el propósito de un sistema de IA, sus fuentes de datos, herramientas conectadas, responsable asignado y procedimiento de suspensión de emergencia.

Ese registro ofrece a quienes responden a incidentes un mapa inicial. Sin él, deben descubrir la huella de IA de la organización mientras un ataque ya está en curso.

La cuarta capa son las pruebas. Los equipos rojos deben examinar la inyección de prompts, los permisos excesivos, las interfaces expuestas, los plug-ins inseguros y las instrucciones indirectas ocultas dentro de documentos recuperados.

Las pruebas tradicionales siguen siendo necesarias. Las aplicaciones de IA todavía dependen de configuraciones en la nube, bibliotecas de software, sistemas de autenticación e interfaces de programación de aplicaciones.

Por tanto, el principal adversario no es el modelo de un atacante contra el modelo de un defensor. Es la velocidad sin control contra la velocidad controlada.

Una organización rápida puede desplegar IA y seguir manteniendo controles de revisión. La diferencia radica en si esos controles examinan el acceso real a los datos y el comportamiento operativo, en lugar de limitarse a acumular documentación.

El enfoque de Google News enfatiza las amenazas porque el crecimiento de los ataques genera el titular inmediato. Los propios datos de IBM muestran que la IA defensiva debe formar parte de la respuesta, siempre que venga acompañada de gobernanza.

Lo que no demuestra la media de 2,79 millones de dólares

La cifra de IBM es una referencia importante, pero no establece que la IA por sí sola causara el aumento del 11% en India.

El informe estudia organizaciones que sufrieron brechas de datos. No ofrece una encuesta aleatoria de todas las empresas que operan en India, incluidas aquellas que evitaron incidentes.

Su media también combina distintos sectores, tamaños organizativos y condiciones de brecha. Una institución financiera regulada y un proveedor tecnológico más pequeño pueden afrontar costes de respuesta muy diferentes.

La muestra puede revelar asociaciones entre controles y resultados. Esas asociaciones no demuestran automáticamente que un control haya causado cada ahorro observado.

Las organizaciones con una automatización de seguridad amplia también pueden contar con equipos de seguridad más grandes, mejores inventarios, planes de respuesta más maduros y un respaldo ejecutivo más sólido. Estos factores pueden influir conjuntamente en los costes.

La variación de las divisas introduce otra complicación. La cifra de India se presenta en dólares estadounidenses para facilitar la comparación, mientras que muchos gastos locales se producen en rupias.

Por tanto, un aumento interanual en dólares puede reflejar tanto los costes operativos como los efectos del tipo de cambio. Los lectores deben consultar las cifras locales del informe antes de utilizar el porcentaje para elaborar presupuestos.

La categoría de «brecha habilitada por IA» también depende de identificar el comportamiento del atacante. Los investigadores pueden encontrar un mensaje de phishing generado sin poder demostrar qué modelo lo creó.

Otros atacantes pueden utilizar IA sin dejar pruebas evidentes. Las prácticas de clasificación pueden mejorar con el tiempo, de modo que el crecimiento interanual podría reflejar en parte un mejor reconocimiento.

Ninguna de estas limitaciones vuelve irrelevante la tendencia. Definen lo que la evidencia puede respaldar.

IBM puede informar de forma creíble sobre los costes observados en las organizaciones estudiadas. También puede comparar esas observaciones mediante una metodología desarrollada a lo largo de múltiples ediciones anuales.

El estudio no puede predecir la pérdida exacta a la que se enfrentará una empresa concreta. Esa estimación depende de la sensibilidad de los datos, la dependencia operativa, el alcance del incidente, las obligaciones contractuales y la capacidad de recuperación.

La media de 6 millones de dólares para las brechas habilitadas por IA requiere la misma cautela. Indica que esos incidentes fueron costosos en la muestra, no que añadir IA a un ataque genere un recargo fijo.

Las empresas deben evitar convertir la cifra en un atajo para las compras. Un proveedor de seguridad no puede prometer un ahorro preciso simplemente porque su producto incluya automatización.

La evidencia independiente respalda la dirección general del riesgo. Verizon detectó una explotación de vulnerabilidades más rápida y un uso creciente de shadow AI, mientras que el Foro Económico Mundial documentó una preocupación cada vez mayor por las vulnerabilidades de IA.

Estas fuentes emplean conjuntos de datos y métodos diferentes. Su convergencia refuerza la conclusión de que la IA está modificando la velocidad de los atacantes y la exposición de las organizaciones.

El entorno regulatorio de India añade consecuencias reales independientemente del modelo. El marco DPDP establece obligaciones para las organizaciones que manejan datos personales digitales.

Los plazos de implementación siguen siendo importantes porque diferentes disposiciones entran en vigor en calendarios distintos. Las empresas deben confirmar sus obligaciones actuales en lugar de basarse en un resumen de titulares.

Por tanto, la lectura escéptica es sencilla. El aumento de costes es real dentro de la muestra de IBM, mientras que la contribución exacta de la IA sigue siendo más difícil de aislar.

Esta distinción debe afinar la planificación. Las organizaciones necesitan controles medidos y procesos de respuesta probados, no gasto basado en el miedo construido alrededor de una única media.

Tres señales que vigilar después del ciclo de Google News

La siguiente prueba es si las organizaciones convierten la preocupación por las amenazas de IA en mejoras medibles del control de acceso, la velocidad de respuesta y la preparación regulatoria.

La primera señal es la adopción de controles de acceso para IA. IBM informó de que el 92% de las organizaciones que sufrieron brechas contra sistemas de IA carecían de controles de acceso adecuados para IA.

Ese porcentaje debería disminuir en futuras investigaciones si las empresas están abordando la exposición subyacente. Una mejora significativa reforzaría la idea de que la gobernanza está alcanzando a la adopción.

Los compradores pueden seguir esta señal dentro de sus propias organizaciones. Deben contabilizar las aplicaciones de IA, los agentes, las fuentes de datos conectadas y las identidades de máquina con responsables asignados.

También deben medir los permisos excesivos y las herramientas no aprobadas. Un inventario completo importa más que una política que los empleados pueden eludir a través de un navegador.

Si la cobertura de los controles de acceso sigue siendo débil, los costes de las brechas en India probablemente continuarán bajo presión. Más modelos y agentes entrarían en producción sin reducir las vías disponibles para los atacantes.

La segunda señal es el tiempo de identificación y contención de las brechas. Estas mediciones muestran si la automatización defensiva mejora las operaciones en lugar de limitarse a añadir otro panel de control.

Las empresas deben seguir el tiempo de detección, el tiempo de contención y el periodo necesario para determinar qué datos se vieron afectados. Deben separar los incidentes relacionados con IA cuando sea posible.

La reducción de los tiempos de respuesta respaldaría la conclusión de IBM de que una amplia IA y automatización de seguridad puede reducir el daño financiero. Unos resultados estables sugerirían que las herramientas llegaron sin suficientes cambios en los procesos.

Los equipos también necesitan ejercicios que pongan a prueba decisiones reales. Un escenario que involucre a un agente de IA comprometido debe exigir la suspensión de identidad, la recopilación de pruebas, la coordinación con el proveedor y la escalada regulatoria.

La tercera señal es la aplicación de la normativa bajo el cambiante marco de privacidad de India. Las reglas formales adquieren importancia financiera cuando las autoridades aclaran las expectativas y actúan ante los incumplimientos.

Las empresas deben vigilar las orientaciones de MeitY, la Data Protection Board y CERT-In. Las decisiones relativas a salvaguardas de seguridad y notificación de brechas determinarán cómo calculan el riesgo las organizaciones.

Una aplicación clara reforzaría el juicio central del artículo. La adopción controlada de IA se convertiría en un requisito legal y financiero, no meramente en una preferencia interna de seguridad.

Una aplicación retrasada o incoherente no eliminaría la amenaza. Podría debilitar los incentivos a corto plazo de las organizaciones que ya tienen dificultades con sus presupuestos y plantilla.

El ciclo de Google News pasará a otra estadística de brechas. Los responsables de seguridad no pueden permitirse gestionar sus programas de acuerdo con ese ciclo.

Deben formular tres preguntas inmediatas. Qué sistemas de IA pueden acceder a datos sensibles, con qué rapidez puede la organización desactivarlos y quién es responsable de la respuesta cuando algo falla.

Estas respuestas revelan más que una lista de productos. Muestran si la adopción de IA está conectada con la identidad, la gobernanza de datos, la respuesta a incidentes y la responsabilidad ejecutiva.

La media de 2,79 millones de dólares de India no es una predicción para todas las empresas. Es una advertencia sobre el coste de descubrir esas conexiones después de que lo haga un atacante.

Las organizaciones deben usar el informe como referencia y, después, evaluar su propio entorno frente a los mecanismos que lo sustentan. ¿Pueden los analistas rastrear las acciones de los agentes, identificar los registros expuestos y cumplir los plazos de notificación bajo presión?

La próxima edición del informe mostrará si cambiaron los costes medios. El resultado más importante aparecerá dentro de las métricas de respuesta de cada organización.

¿Desplegarán las empresas controles más rápidos junto con modelos más rápidos, o la gobernanza seguirá estando una versión por detrás? Esa decisión determinará si los futuros titulares de Google News describen un punto de inflexión u otro récord.