Kai afirma que las amenazas de IA están forzando un cambio hacia una seguridad liderada por máquinas

Kai ha planteado un conflicto directo ante los líderes de seguridad: los ataques habilitados por IA se están acelerando, mientras que la mayoría de las defensas empresariales siguen moviéndose a velocidad humana. La empresa sostiene que los agentes de seguridad autónomos deben realizar más tareas de detección, investigación y remediación sin esperar a los analistas en cada paso.

El argumento ganó visibilidad en Google News después de que la cobertura vinculara el cambio en las amenazas con el creciente interés de los CISOs en la seguridad liderada por máquinas. Sin embargo, el avance relevante no es un titular concreto ni otro producto de seguridad de IA. Es la demanda emergente de software que pueda decidir qué priorizar, reunir evidencia y emprender acciones defensivas en los sistemas existentes.

Ese modelo desafía al centro de operaciones de seguridad, o SOC, centrado en los analistas, donde las personas revisan alertas y autorizan la mayoría de las respuestas importantes. También plantea una pregunta más difícil. Si un defensor autónomo toma una decisión incorrecta, ¿quién puede explicarla, revertirla y asumir la responsabilidad?

Kai afirma que su plataforma aborda la brecha de velocidad mediante agentes de IA que ejecutan trabajo de seguridad en múltiples flujos de trabajo. Las agencias gubernamentales, las encuestas sectoriales y los proveedores competidores respaldan la conclusión más amplia de que los ataques se están acelerando. No demuestran que una defensa completamente autónoma esté lista para un despliegue sin restricciones.

Por tanto, la presión sobre los CISOs se mueve en dos direcciones. Deben reducir los tiempos de respuesta y, al mismo tiempo, demostrar que las decisiones automatizadas siguen estando controladas, son rastreables y están vinculadas al riesgo empresarial.

Kai vende ejecución, no otro flujo de alertas

La propuesta central de Kai es que el software de seguridad debe completar el trabajo en lugar de limitarse a indicar a los analistas dónde buscar.

La empresa salió del sigilo el 10 de marzo de 2026 con 125 millones de dólares de financiación. Evolution Equity Partners lideró la inversión, con la participación de N47 e inversores estratégicos. Kai describe su producto como una plataforma de ciberseguridad agéntica, lo que significa que los agentes de software pueden razonar sobre tareas y realizar acciones para alcanzar objetivos de seguridad definidos.

El lanzamiento de la plataforma de la empresa afirma que esos agentes pueden operar en distintos casos de uso en vez de permanecer dentro de una categoría de producto limitada. Kai posiciona la plataforma como una alternativa a los flujos de trabajo fragmentados que abarcan inteligencia de amenazas, gestión de exposición, ingeniería de detección y remediación.

La distinción importa porque los equipos de seguridad empresariales rara vez sufren por una ausencia total de señales. Las herramientas de endpoints, los escáneres de nube, los sistemas de identidad, las bases de datos de vulnerabilidades y las plataformas de información de seguridad ya generan una gran cantidad de datos. El problema operativo consiste en convertir esas señales en una secuencia de decisiones defendible antes de que un atacante avance a otro lugar.

Un flujo de trabajo convencional suele comenzar cuando una herramienta detecta comportamiento sospechoso. Un analista revisa varias consolas, recopila contexto sobre los activos, estudia vulnerabilidades relacionadas y determina si el evento importa. Otro equipo puede necesitar aprobar un cambio de configuración o un parche.

La seguridad liderada por máquinas busca comprimir esa secuencia. Un agente recopila la evidencia, evalúa la importancia del activo, recomienda o ejecuta una respuesta y comprueba si la acción redujo la exposición. Los humanos establecen políticas, restricciones y reglas de escalamiento en lugar de completar manualmente cada paso.

Kai ha descrito un incidente de cadena de suministro en el que su sistema pasó de nueva inteligencia de amenazas a una respuesta de remediación en cuestión de minutos. Ese relato es un estudio de caso de la empresa, no una referencia independiente. Ilustra el flujo de trabajo previsto, pero no demuestra cómo funciona la plataforma en diversos entornos de clientes.

La distinción entre orquestación y autonomía también requiere atención. La orquestación de seguridad existe desde hace años, utilizando manuales predefinidos para conectar herramientas y automatizar acciones repetitivas. Los sistemas agénticos prometen un razonamiento más flexible cuando un incidente no encaja en una secuencia fija.

Esa flexibilidad es tanto el atractivo como el riesgo. Un manual predefinido tiene limitaciones, pero su comportamiento es relativamente predecible. Un agente de IA puede manejar evidencia desconocida, aunque su razonamiento puede ser más difícil de reproducir durante una auditoría o una revisión de incidentes.

Por tanto, Kai vende más que una automatización más rápida. Está pidiendo a los CISOs que trasladen una parte del juicio operativo de las colas humanas a la ejecución por software. Ese cambio genera la principal tensión del artículo: la misma autonomía que reduce el tiempo de respuesta puede hacer que una respuesta errónea sea más rápida y más amplia.

Por qué las amenazas impulsadas por IA han cambiado el ritmo del CISO

El argumento a favor de la defensa liderada por máquinas comienza con el tiempo, porque la IA reduce el trabajo necesario para encontrar, adaptar y escalar un ataque.

La IA no sustituye a todos los especialistas implicados en una intrusión sofisticada. Aun así, puede acelerar el reconocimiento, la preparación de phishing, el análisis de código, la investigación de vulnerabilidades y las pruebas repetidas. Los atacantes pueden aprovechar esas ganancias para ejecutar más experimentos contra más objetivos.

Una declaración de junio de 2026 de las agencias de ciberseguridad de los países de Five Eyes explicitó de forma inusual esta cuestión de tiempos. Las agencias afirmaron que el desarrollo de IA de frontera implica que las hipótesis sobre el riesgo cibernético pueden quedar obsoletas en “meses, no años”.

La advertencia de Five Eyes señaló que la IA estaba aumentando la escala y la velocidad de las ciberamenazas. Instó a las organizaciones a reducir las superficies de ataque, reforzar los controles de identidad, abordar las vulnerabilidades heredadas y acelerar la aplicación de parches.

Esas recomendaciones siguen basándose en prácticas de seguridad conocidas. La IA no ha vuelto irrelevantes los inventarios de activos, los controles de acceso, las copias de seguridad ni la gestión de parches. Ha aumentado el coste de llevarlos a cabo de forma lenta o inconsistente.

Los líderes de seguridad también se enfrentan a una superficie de ataque más amplia porque sus propias organizaciones están desplegando agentes de IA. Estos sistemas pueden acceder a documentos, repositorios de código, registros de clientes, plataformas de mensajería y servicios en la nube. Cada conexión crea otra identidad y otra vía que los defensores deben supervisar.

El lenguaje natural añade una exposición inusual. Un agente puede recibir instrucciones mediante prompts, documentos recuperados, correo electrónico o contenido web. Las instrucciones maliciosas ocultas en material que parece fiable pueden intentar redirigir el comportamiento del agente, una técnica conocida habitualmente como inyección de prompts.

Esto significa que los CISOs deben defenderse de atacantes asistidos por IA mientras protegen sistemas internos de IA que pueden actuar sobre datos empresariales. Ambos problemas convergen en la identidad, la autorización y la supervisión en tiempo de ejecución.

La evidencia del sector público muestra la rapidez con la que esta responsabilidad se está ampliando. Un estudio de 2026 de NASCIO y Deloitte encuestó a CISOs de los 50 estados de EE. UU. y dos territorios. Encontró que el 94 por ciento participaba en el desarrollo de políticas de seguridad para IA generativa, mientras que el 84 por ciento participaba en la estrategia de IA generativa.

Solo el 26 por ciento afirmó tener una confianza extrema o muy alta en que los activos de información de su estado estuvieran protegidos. Esa cifra descendió desde el 48 por ciento en 2022, según la encuesta estatal de CISOs.

Los recursos no se han expandido al mismo ritmo. Deloitte informó que el 22 por ciento de los CISOs participantes recibió aumentos presupuestarios de al menos el 6 por ciento en 2026. La proporción correspondiente fue del 40 por ciento en 2024.

La ecuación resultante favorece la automatización. Los equipos de seguridad tienen más sistemas, identidades, vulnerabilidades y responsabilidades relacionadas con la IA, pero no pueden asumir un crecimiento proporcional de personal o presupuestos.

La cobertura de Google News puede hacer que esto parezca una simple competencia entre IA ofensiva e IA defensiva. La realidad operativa es menos simétrica. Los atacantes pueden tolerar experimentos fallidos, mientras que los defensores deben preservar la disponibilidad, la evidencia, el cumplimiento normativo y la confianza de los clientes.

Un agente malicioso puede probar miles de variaciones y beneficiarse de un solo éxito. Un agente defensivo debe evitar deshabilitar un servicio crítico y, al mismo tiempo, actuar con la suficiente rapidez para que importe. Esa diferencia eleva el estándar de la defensa autónoma mucho más allá de la capacidad bruta del modelo.

La seguridad liderada por máquinas choca con la responsabilidad humana

Los CISOs necesitan que las máquinas actúen más rápido, pero no pueden transferir la responsabilidad a la máquina cuando una decisión automatizada provoca daños.

Consideremos un agente que identifica una cuenta administrativa comprometida. Podría revocar el acceso, aislar un dispositivo, rotar credenciales y bloquear la actividad de red relacionada. Esas acciones pueden detener una intrusión, pero también pueden interrumpir un sistema de producción o bloquear a un responsable de respuesta ante incidentes.

Un analista humano se enfrenta al mismo equilibrio. La diferencia está en la escala y la latencia. Una plataforma autónoma puede aplicar una decisión en todos los sistemas antes de que nadie revise las suposiciones subyacentes.

Eso hace que los límites de las políticas sean esenciales. Las organizaciones deben definir qué acciones pueden realizar los agentes automáticamente, cuáles requieren aprobación y cuáles deben seguir sin estar disponibles. Los límites deben reflejar el impacto empresarial en lugar de una puntuación genérica de confianza.

Revocar un token temporal de desarrollo no equivale a apagar un sistema de pagos. Aislar el portátil de un empleado no equivale a deshabilitar una identidad compartida utilizada por cientos de servicios. La seguridad liderada por máquinas requiere contexto sobre esas diferencias.

Kai afirma que su plataforma incorpora el valor empresarial en la priorización. Esa afirmación aborda una debilidad real en la gestión de vulnerabilidades, donde los equipos a menudo reciben listas largas sin suficiente contexto operativo. Sin embargo, los clientes aún necesitan verificar cómo la plataforma representa la importancia de los activos, las dependencias y la interrupción aceptable.

Un agente también necesita evidencia fiable. La telemetría de seguridad puede estar incompleta, retrasada, duplicada o ser contradictoria. Una explicación convincente generada a partir de entradas débiles no se vuelve fiable por ser fluida.

Aquí es donde la seguridad liderada por máquinas se diferencia de un asistente de oficina general. Un resumen documental cuestionable hace perder tiempo. Una acción de remediación cuestionable puede borrar evidencia, interrumpir la atención, detener la fabricación o crear una nueva exposición.

Por lo tanto, el CISO debe conservar un rastro de auditoría que responda a varias preguntas:

• ¿Qué evidencia recibió el agente?

• ¿Qué política autorizó su acción?

• ¿Qué alternativas rechazó?

• ¿Qué sistemas e identidades modificó?

• ¿Funcionó la acción?

• ¿Puede la organización restaurar el estado anterior?

Estos son requisitos de gobernanza, pero también requisitos de ingeniería. El registro, los controles de aprobación, la gestión de identidades, los mecanismos de reversión y la validación independiente deben integrarse en el modelo operativo.

La necesidad de control se ve reforzada por las orientaciones gubernamentales. El borrador del Cyber AI Profile de NIST organiza el problema en torno a tres áreas: proteger los sistemas de IA, usar IA para la ciberdefensa y prevenir ataques habilitados por IA. El marco trata la IA tanto como un activo como una capacidad operativa que las organizaciones deben gobernar.

Ese enfoque no presupone que la acción autónoma sea inherentemente segura o insegura. Pide a las organizaciones que identifiquen el riesgo, protejan los sistemas pertinentes, detecten comportamientos anómalos, respondan y se recuperen. Esas funciones siguen aplicándose cuando un agente de IA realiza parte del trabajo.

Los equipos de seguridad pueden comenzar con tareas acotadas. Un agente podría enriquecer alertas, correlacionar identidades, redactar lógica de detección o identificar a los propietarios probables de activos expuestos. Después puede avanzar a acciones reversibles bajo umbrales explícitos.

Los cambios de alto impacto exigen un estándar más elevado. Las organizaciones necesitan simulación, pruebas adversariales, despliegues graduales y un rendimiento de reversión medible antes de conceder privilegios amplios.

Esto establece un límite práctico a la promesa de velocidad de máquina. La aprobación humana puede reintroducir demoras, especialmente si cada acción la requiere. Eliminar la aprobación aumenta el riesgo operativo.

La respuesta no es una configuración universal. Los CISO deben dividir el trabajo según sus consecuencias. Las acciones rutinarias, reversibles y bien observadas son candidatas más sólidas para la autonomía. Los cambios ambiguos o potencialmente disruptivos requieren juicio humano.

Lo que la cobertura de Google News no puede demostrar sobre la defensa autónoma

El cambio hacia una defensa más rápida está bien respaldado, pero la afirmación de que las plataformas autónomas reducen de forma consistente el riesgo empresarial sigue estando insuficientemente demostrada.

Kai tiene un claro interés comercial en presentar las operaciones a escala humana como obsoletas. Otros proveedores de seguridad basada en agentes comparten ese incentivo. Su diagnóstico puede ser correcto en términos generales, mientras que el nivel de autonomía que proponen sigue sin demostrarse.

La evidencia pública debe separarse en tres capas. En primer lugar, la IA está aumentando la velocidad o la accesibilidad de varias tareas ofensivas. Las advertencias gubernamentales y la investigación en seguridad respaldan esa conclusión.

En segundo lugar, la automatización puede reducir el trabajo manual en detección y respuesta. La orquestación de seguridad, el aprendizaje automático y la contención automatizada ya ofrecen ejemplos. No se trata de una propuesta nueva ni controvertida.

En tercer lugar, una plataforma basada en agentes puede razonar de forma independiente a través de flujos de trabajo complejos y generar mejores resultados de riesgo que las herramientas establecidas y los equipos humanos. Esa es la afirmación más contundente y requiere pruebas más sólidas.

Una evaluación creíble debería medir más que las alertas procesadas o las horas de analista ahorradas. Debería incluir calidad de detección, tasas de contención errónea, tiempo de recuperación, dependencias omitidas, infracciones de políticas y el porcentaje de acciones revertidas posteriormente.

Los clientes también necesitan comparaciones con alternativas realistas. Una plataforma liderada por máquinas debería probarse frente a analistas experimentados que utilicen automatización moderna, no frente a un proceso artificialmente manual.

El material disponible sobre Kai contiene afirmaciones del producto y descripciones de clientes, pero las evaluaciones públicas e independientemente reproducibles siguen siendo limitadas. El artículo de Google News que motivó esta discusión no cierra, por sí solo, esa brecha de evidencia.

Los resultados de encuestas requieren un cuidado similar. Una encuesta puede mostrar que los CISO sienten presión o planean adoptar IA. No puede demostrar que una arquitectura autónoma concreta funcione de forma segura en producción. El muestreo, la redacción de las preguntas, la combinación de sectores y la antigüedad de los encuestados pueden afectar materialmente al resultado.

El argumento escéptico más sólido no es que los humanos deban retener todas las tareas. Esa postura ignora los problemas de velocidad y personal a los que ya se enfrentan los equipos de seguridad. El argumento más fuerte es que la autonomía debe ganarse sus privilegios mediante evidencia.

Las defensas existentes también importan. Las plataformas de endpoints, los proveedores de seguridad en la nube, los proveedores de identidad y los sistemas de información de seguridad están incorporando agentes a productos ya desplegados en las empresas. Kai debe demostrar por qué una nueva capa unificada puede coordinar esos entornos mejor que los actores establecidos al ampliar sus propias plataformas.

Los actores establecidos tienen ventajas en telemetría y distribución. Un proveedor que opera el endpoint ya ve la actividad de los procesos. Un proveedor de nube comprende su plano de control. Una plataforma de identidad posee las señales de autenticación y acceso.

Un agente multiplataforma puede ofrecer un contexto más amplio, pero debe integrarse con cada fuente y respetar los permisos de cada sistema. La calidad de la integración puede determinar si el razonamiento unificado es realmente exhaustivo o simplemente otra abstracción sobre datos incompletos.

La concentración de proveedores plantea otra preocupación. Una plataforma autorizada para inspeccionar y modificar múltiples dominios de seguridad se convierte en un objetivo muy valioso. Comprometer sus credenciales, modelos, canalización de actualizaciones o capa de políticas podría otorgar a un atacante un acceso inusualmente amplio.

Los CISO deberían examinar cómo el sistema separa los datos de los clientes, protege las identidades de los agentes, limita las credenciales, valida las actualizaciones y gestiona los fallos del modelo. También deberían preguntar si los flujos de trabajo esenciales continúan cuando el modelo o el servicio del proveedor deja de estar disponible.

Existe un riesgo humano adicional. Los analistas que dependen en gran medida de conclusiones generadas pueden perder las habilidades necesarias para cuestionarlas. Los equipos pueden aceptar la explicación de un agente porque suena coherente, especialmente durante un incidente de alta presión.

Ese modo de fallo se asemeja al sesgo de automatización en la aviación, la medicina y otros campos de altas consecuencias. El sistema parece competente con suficiente frecuencia como para que las personas dejen de advertir los casos límite en los que se equivoca.

Por tanto, la seguridad liderada por máquinas necesita supervisión humana activa, no una aprobación ceremonial. Los equipos deben probar al agente, revisar decisiones muestreadas, estudiar los cuasi fallos y actualizar las políticas cuando cambian los entornos.

El mensaje que surge de la investigación de seguridad establecida es coherente. La IA puede fortalecer a los defensores, pero no compensa unas bases débiles. Un análisis de SecurityInfoWatch también destacó la detección asistida por IA, la respuesta automatizada, la supervisión continua y la gestión de vulnerabilidades.

Ninguna de esas capacidades elimina la necesidad de inventarios precisos, acceso segmentado, configuraciones seguras o personal de respuesta capacitado. Una organización que no puede identificar sus sistemas críticos tendrá dificultades para indicar a un agente autónomo qué merece protección.

Por tanto, la interpretación más defendible es más limitada que la afirmación de marketing. Los flujos de trabajo liderados por máquinas se están volviendo necesarios porque las colas humanas no pueden procesar cada señal a la velocidad de un ataque. La confianza plena en el juicio de las máquinas no ha seguido automáticamente.

Tres señales mostrarán si la tesis de Kai se sostiene

La próxima etapa estará determinada por una autonomía medible, las respuestas de los actores establecidos y los controles que los reguladores esperan en torno a la acción de las máquinas.

La primera señal es la evidencia en producción. Kai y sus clientes deben publicar resultados que distingan la ejecución autónoma de la automatización ordinaria.

Una evidencia útil mostraría con qué frecuencia los agentes realizan acciones independientes, qué porcentaje tiene éxito y con qué frecuencia los humanos las revierten. Debería separar el enriquecimiento de bajo riesgo de la remediación con consecuencias significativas.

El tiempo medio de detección y el tiempo medio de respuesta siguen siendo relevantes, pero no son suficientes. Un sistema puede mejorar el tiempo de respuesta adoptando medidas excesivamente agresivas. Las mediciones deben incluir interrupciones del servicio, contención errónea e incidentes no detectados.

Las evaluaciones independientes tendrían más peso que las historias seleccionadas de clientes. Las pruebas repetibles en entornos de nube, endpoints, identidad y software revelarían si el razonamiento basado en agentes se generaliza más allá de despliegues cuidadosamente configurados.

La segunda señal es cómo los proveedores de seguridad establecidos rediseñan sus productos. Si los proveedores de endpoints, nube, identidad y SIEM otorgan a los agentes una autoridad más amplia, las operaciones lideradas por máquinas se convertirán en un cambio de alcance de plataforma, en lugar de una afirmación categórica de Kai.

La competencia se centrará entonces en el contexto y el control. Los proveedores tendrán que demostrar qué sistema cuenta con la mejor evidencia, los permisos más seguros, las explicaciones más claras y la reversión más fiable.

Esta respuesta podría reforzar la tesis de Kai a la vez que debilita su posición de mercado. La adopción de ejecución autónoma por parte de los actores establecidos validaría el modelo, pero los clientes podrían preferir agentes integrados en herramientas en las que ya confían.

Como alternativa, las empresas pueden favorecer una capa de coordinación neutral porque los ataques se desplazan a través de las fronteras entre proveedores. Ese resultado respaldaría el argumento de Kai a favor de un razonamiento unificado en toda la pila de seguridad.

La tercera señal es la gobernanza. La orientación de NIST, los requisitos de seguros, las normas de adquisición y los reguladores sectoriales determinarán cuánta autoridad independiente pueden conceder las organizaciones a los agentes de seguridad.

Las reglas decisivas se referirán a la trazabilidad, la supervisión humana, las pruebas y la responsabilidad. Los requisitos de decisiones documentadas y acciones reversibles favorecerían a las plataformas diseñadas en torno a una autonomía restringida.

Las normas que exijan aprobación para la mayoría de los cambios materiales limitarían la ventaja de velocidad. No eliminarían la seguridad basada en agentes, pero desplazarían su valor hacia la investigación, la priorización y la respuesta recomendada.

Los CISO también deberían vigilar los propios datos de amenazas. ISACA informó en junio de 2026 que el 35 por ciento de las organizaciones europeas encuestadas no podía determinar si había sufrido un ciberataque impulsado por IA. También concluyó que el 71 por ciento consideraba más difícil reconocer el phishing y la ingeniería social impulsados por IA.

Esos hallazgos sobre amenazas de IA subrayan un problema de medición. Las organizaciones no pueden justificar un control autónomo amplio únicamente mediante el temor a ataques que no pueden clasificar de forma fiable.

Una mejor atribución será importante. Los equipos de seguridad deben distinguir entre ataques creados por IA, ataques simplemente acelerados por la automatización y ataques convencionales contra sistemas de IA. Cada categoría puede requerir una defensa distinta.

Es probable que el SOC del futuro combine máquinas y personas en lugar de elegir una u otra. Los agentes se encargarán de la correlación de gran volumen, la recopilación de evidencias y la respuesta acotada. Los humanos establecerán políticas, investigarán la ambigüedad, aprobarán acciones graves y gestionarán las consecuencias.

Esta distribución aún puede representar un cambio importante. Los analistas dedicarían menos tiempo a mover datos entre consolas y más a poner a prueba supuestos o gestionar incidentes inusuales.

La idea más sólida de Kai es que añadir otra alerta ya no es suficiente. Los productos de seguridad deben ayudar a cerrar la brecha entre conocer una exposición y reducirla.

Su carga pendiente es demostrar que la ejecución autónoma puede lograrlo sin crear una nueva fuente de riesgo sistémico. La financiación, la visibilidad y la atención de Google News no responden a esa pregunta. La evidencia operativa sí lo hará.

Los líderes de seguridad que evalúen este cambio deberían elegir un flujo de trabajo acotado y exigir líneas de base claras. Midan la demora actual, la calidad de las acciones, la frecuencia de reversión y el impacto empresarial antes de conceder autoridad a un agente.

Después, planteen la pregunta más importante: ¿el sistema reduce el riesgo verificado al tiempo que preserva el control humano cuando la evidencia es incompleta? La seguridad liderada por máquinas será duradera cuando los proveedores puedan responder a eso con datos, no solo con urgencia.