El gasto de Kaspersky en seguridad de IA aumenta mientras la IA en la sombra rompe el modelo de control
Kaspersky afirma que la adopción de IA ha llevado al 41% de las empresas a aumentar su inversión en seguridad de la información, incluso cuando los empleados siguen incorporando herramientas de IA externas al trabajo. Los datos de Kaspersky sobre gasto en seguridad de IA revelan un conflicto que los equipos de seguridad no pueden resolver comprando otro producto aislado. Las empresas quieren acelerar la adopción de IA, pero sus controles actuales a menudo no pueden detectar dónde ya está operando la IA.
Los hallazgos proceden de una encuesta global a 1.800 responsables de decisiones y especialistas en TI y ciberseguridad de 18 países. Los participantes representaban sectores como tecnología, manufactura, finanzas, comercio minorista y mayorista. Kaspersky publicó los resultados globales el 29 de julio de 2026, antes de que informes regionales volvieran a poner las cifras en el foco de atención en septiembre.
No se trata simplemente de otra historia sobre presupuestos de seguridad. El problema más difícil es la creciente brecha entre la IA empresarial autorizada y la IA en la sombra, es decir, herramientas de IA utilizadas sin aprobación ni supervisión formales. Las organizaciones financian simultáneamente la adopción y la protección, mientras que los empleados aún pueden transferir información corporativa mediante cuentas personales, extensiones de navegador, asistentes especializados y funciones de IA integradas.
Por tanto, la disputa central es entre la adopción controlada de IA y la adopción impulsada por los empleados. Bloquear herramientas externas puede desplazar la actividad aún más fuera de la vista. Permitirlo todo puede exponer datos sensibles, credenciales, documentos internos y procesos empresariales a sistemas que los equipos de seguridad no han evaluado.
Lo que realmente dicen los datos de Kaspersky sobre gasto en seguridad de IA
La cifra principal importa porque la adopción de IA se ha convertido en un motor directo del presupuesto de seguridad, no simplemente en otro elemento de una lista de amenazas.
Según la encuesta global de Kaspersky, el 41% de las empresas aumentó su inversión en seguridad de la información debido a la adopción de IA. Otros factores señalados incluyeron el aumento de los costes de las brechas, la migración a la nube y los incidentes de seguridad recientes.
Ese resultado no significa que el 41% ampliara sus presupuestos únicamente por la IA en la sombra. Tampoco revela la magnitud de cada aumento. Los hallazgos publicados establecen una relación entre la adopción y las decisiones de gasto, pero no aportan totales en dólares ni una distribución del crecimiento presupuestario.
Las respuestas más amplias ayudan a explicar por qué los presupuestos están cambiando. El diecinueve por ciento de los participantes situó las vulnerabilidades de IA entre sus amenazas actuales más peligrosas. El phishing ocupó un lugar superior, con un 22%, seguido de los ataques masivos de malware, con un 20%.
Estas cifras sitúan el riesgo de IA cerca de amenazas empresariales consolidadas, sin desplazarlas. Los líderes de seguridad deben proteger los sistemas convencionales mientras añaden a sus responsabilidades el acceso a modelos, prompts, plugins, agentes, datos de entrenamiento y código generado por IA.
La presión es especialmente relevante en finanzas, gobierno y tecnología, según Kaspersky. Estos sectores gestionan datos valiosos y operan sistemas que dan a los atacantes fuertes incentivos para atacarlos. También afrontan una presión considerable para automatizar el trabajo basado en conocimiento y los procesos orientados al cliente.
La adopción no está esperando a que los programas de seguridad se pongan al día. Kaspersky informó de que el 81% de las empresas encuestadas estaba explorando o implementando herramientas internas impulsadas por modelos de lenguaje de gran tamaño. El dieciocho por ciento había integrado esas tecnologías en sus flujos de trabajo.
Las empresas con sistemas internos de IA citaron tres motivaciones igual de frecuentes. La mejora de la eficiencia de los procesos, la reducción de errores humanos y una mejor entrega al cliente fueron seleccionadas por el 59% de esas organizaciones.
Una publicación relacionada de Kaspersky concluyó que los empleados ya utilizaban IA en varias categorías de trabajo. El análisis y la visualización de datos encabezaron la lista con un 54%, seguidos por la gestión de proyectos con un 49% y la búsqueda de información con un 47%. El trabajo específico de cada departamento alcanzó el 46%, mientras que la generación y edición de texto llegó al 41%.
Estos casos de uso abarcan numerosos tipos de datos. Un asistente de proyectos podría recibir requisitos de clientes, plazos y asignaciones de empleados. Una herramienta de análisis podría procesar registros financieros, métricas operativas o contenido exportado de bases de datos.
El límite de seguridad cambia cada vez que esa información llega a un modelo, plugin o servicio habilitado para IA. Los equipos deben saber quién proporcionó los datos, qué cuenta los procesó, cuánto tiempo permanecen disponibles y a qué sistemas conectados puede acceder la herramienta.
Por eso el cambio en el gasto va más allá de proteger los modelos frente a ataques técnicos. También abarca identidad, clasificación de datos, revisión de proveedores, visibilidad de red, desarrollo de software, respuesta a incidentes y formación de empleados.
Kaspersky tiene un interés comercial evidente en destacar esas necesidades. La empresa vende productos de seguridad y recomienda sus propios servicios junto con la investigación. Los lectores deberían considerar los porcentajes como evidencia de una encuesta patrocinada por un proveedor, no como una medición independiente de todo el mercado.
Aun así, la muestra incluyó a 1.800 profesionales centrados en seguridad de 18 países. Los hallazgos reflejan una preocupación organizativa clara: los proyectos de IA están generando gastos fuera del presupuesto original de licencias de software o infraestructura.
Cada asistente adicional puede crear otra vía de identidad, flujo de datos y dependencia de proveedores. Cada modelo interno puede añadir requisitos de infraestructura, monitorización, acceso y pruebas. El gasto en seguridad se está convirtiendo en parte del coste operativo de la IA empresarial.
Ese es el primer cambio importante. La seguridad de IA ya no comienza después de que una empresa implemente un modelo importante. Comienza cuando los trabajadores buscan formas más rápidas de completar tareas cotidianas.
La adopción de IA amplía la superficie de ataque
Las empresas no solo se defienden de atacantes asistidos por IA; también están añadiendo sistemas de IA que crean nuevos espacios para errores y explotación.
Una superficie de ataque incluye los sistemas, identidades, interfaces y rutas de datos a los que un atacante puede llegar potencialmente. La adopción de IA la amplía mediante endpoints de modelos, sistemas de recuperación, plugins, entradas de prompts, acciones autónomas e integraciones de terceros.
Estos componentes introducen riesgos de software conocidos en combinaciones desconocidas. Un control de acceso deficiente sigue siendo un control de acceso deficiente, pero un agente de IA puede ejercer ese acceso en varias herramientas. Una credencial expuesta sigue siendo peligrosa, pero un asistente conectado puede utilizarla a velocidad de máquina.
Kaspersky informó de un fuerte aumento de los fallos registrados que afectan a servicios de IA y modelos de lenguaje de gran tamaño. Su análisis de vulnerabilidades contabilizó 935 vulnerabilidades en el segundo trimestre de 2026.
Esa cifra fue diez veces superior al nivel registrado en el cuarto trimestre de 2025, según los datos de gestión de vulnerabilidades de la empresa. Kaspersky clasificó 119 de las vulnerabilidades del segundo trimestre como críticas, casi cinco veces el nivel de finales de 2025.
Las categorías más comunes incluyeron controles de acceso débiles, autenticación o autorización defectuosas y vulnerabilidades de inyección. La inyección se produce cuando una entrada manipulada cambia la forma en que un sistema interpreta instrucciones o ejecuta acciones conectadas.
El aumento exige una interpretación prudente. Un mayor número de vulnerabilidades registradas puede reflejar una mayor implementación, más atención de los investigadores, mejores prácticas de divulgación o un deterioro real de la calidad del software. Los totales publicados no separan esos efectos.
Aun así, las categorías apuntan a problemas de ingeniería concretos. Las empresas deben proteger el software que rodea a los modelos, no limitarse a examinar los modelos en sí. La autenticación, los límites de permisos, el tratamiento de entradas, el registro y la gestión de dependencias siguen siendo esenciales.
Los agentes de IA elevan el riesgo porque pueden realizar acciones en lugar de limitarse a producir texto. Un asistente conectado al correo electrónico, almacenamiento en la nube, repositorios de código y calendarios tiene un impacto potencial mayor que un chatbot independiente.
El agente también complica la atribución. Un empleado legítimo podría autorizar una acción, mientras que un contexto manipulado cambia lo que el sistema termina haciendo. Los registros de seguridad deben conservar la solicitud del usuario, la decisión del modelo, la llamada a la herramienta, el recurso objetivo y el cambio resultante.
La guía de seguridad agéntica de la OWASP Foundation aborda este problema más amplio de gobernanza. Su trabajo de 2026 se centra en proteger sistemas autónomos mediante controles que abarcan desarrollo, implementación, identidad y supervisión.
Ese enfoque importa porque la protección tradicional de endpoints solo ve una parte del flujo de trabajo. Una sesión del navegador puede parecer legítima incluso cuando un empleado pega material restringido en un sitio web aprobado. Un token de agente válido aún puede autorizar una acción insegura.
Por ello, los equipos de seguridad necesitan varias capas de evidencia. Necesitan un inventario de servicios de IA, visibilidad sobre el movimiento de datos, controles para identidades conectadas y un proceso de revisión para acciones de alto impacto.
El mismo principio se aplica al código generado por IA. Un desarrollador puede aceptar una dependencia o configuración sugerida sin entender sus propiedades de seguridad. El resultado entra entonces en la cadena normal de suministro de software y puede llegar a producción.
Kaspersky también afirmó que sus sistemas detectaron más de 33.300 ataques contra pequeñas y medianas empresas durante los primeros cuatro meses de 2026. Estos ataques disfrazaban software malicioso o no deseado para PC como servicios de IA populares.
Ese total fue casi cinco veces superior al del periodo comparable de 2025, según la empresa. El hallazgo muestra cómo los atacantes pueden aprovechar la demanda de IA sin comprometer un modelo real. La ingeniería social conocida puede apoyarse en la marca de IA.
La lección práctica es más amplia que adquirir detección específica para IA. Las empresas deben conectar la gobernanza de IA con las disciplinas de seguridad existentes. La gestión de activos, los controles de identidad, el desarrollo seguro, la evaluación de proveedores y la respuesta a incidentes deben compartir la misma visión de la implementación.
Esto ejerce presión sobre los responsables de seguridad de la información, pero también alcanza a líderes tecnológicos y empresariales. Un departamento que compra un servicio de IA ha tomado una decisión de seguridad, incluso cuando la compra nunca pasa por el presupuesto de seguridad.
Un equipo que desarrolla un asistente interno toma otra decisión al elegir las fuentes de datos y los permisos. El riesgo vuelve a cambiar cuando ese asistente adquiere la capacidad de enviar mensajes, modificar registros o iniciar transacciones.
Por tanto, la superficie de ataque está determinada por el diseño empresarial. Los equipos de seguridad no pueden reducirla sin entender qué funciones de IA aportan valor y qué conexiones son innecesarias. Eso exige cooperación antes de la implementación, no una reunión de aprobación después del lanzamiento.
La IA en la sombra convierte la productividad en deuda de gobernanza
La IA en la sombra crece cuando las herramientas aprobadas no igualan la velocidad, capacidad o conveniencia que los empleados pueden obtener de forma independiente.
Kaspersky descubrió que el 31% de los participantes globales consideraba el uso no controlado por parte de los empleados de herramientas de IA de terceros como un factor de riesgo común. La empresa citó específicamente servicios como ChatGPT y DeepSeek.
El riesgo no se limita a los trabajadores que incumplen deliberadamente las normas. Las funciones de IA aparecen ahora dentro de herramientas de escritura, productos de búsqueda, asistentes para reuniones, entornos de programación, plataformas de análisis y extensiones de navegador. Es posible que los empleados no reconozcan cada función habilitada para IA como un procesador de datos independiente.
Kaspersky informó que el 59% de las organizaciones permitía IA de terceros bajo restricciones. Esas restricciones incluían prohibiciones de cargar nombres de empresas o documentos internos. Otro 23% permitía acceso sin restricciones mientras proporcionaba orientación y capacitación.
En conjunto, esas cifras muestran que la mayoría de las organizaciones encuestadas no intentaba aplicar una prohibición total. Intentaban preservar un acceso útil mientras limitaban comportamientos perjudiciales.
Ese compromiso es difícil de hacer cumplir. Una regla contra la carga de documentos internos parece clara hasta que los empleados trabajan con fragmentos. Un prompt puede revelar información sensible sin contener un archivo completo.
Un empleado de ventas podría pegar objeciones de clientes en un asistente. Un ingeniero podría enviar un bloque de código que contenga endpoints internos. Un reclutador podría pedir a una herramienta que resuma notas sobre candidatos o conversaciones de compensación.
Cada acción puede parecer menor que cargar un documento confidencial. En conjunto, esos prompts pueden exponer relaciones organizacionales, planes de productos, información de clientes y arquitectura técnica.
La IA en la sombra también incluye cuentas personales utilizadas para trabajo de la empresa. Un servicio aprobado para uso empresarial aún puede generar riesgos cuando los empleados eligen cuentas de consumo. Los equipos de seguridad pueden perder controles administrativos, ajustes de retención, registros de auditoría y la capacidad de revocar accesos de forma centralizada.
Esto revela la principal debilidad de las respuestas basadas únicamente en políticas. Una regla escrita describe el comportamiento esperado, pero no puede descubrir herramientas automáticamente, clasificar prompts ni revocar integraciones desconocidas. La capacitación ayuda a las personas a reconocer el riesgo, pero la memoria no es un control técnico.
Una prohibición total crea una debilidad diferente. Los empleados siguen teniendo plazos y expectativas de rendimiento. Si un asistente externo reduce horas de trabajo, algunos usuarios buscarán dispositivos personales, cuentas alternativas o servicios menos visibles.
Entonces, la empresa pierde la limitada visibilidad disponible a través de sistemas gestionados. El bloqueo puede reducir el uso ocasional, pero también puede dificultar la medición de la actividad restante.
Por lo tanto, la mejor comparación no es entre acceso permisivo y seguridad estricta. Es entre acceso visible y gobernado frente a acceso invisible e improvisado. La seguridad mejora cuando la vía aprobada es lo bastante útil como para atraer adopción voluntaria.
Esa vía necesita más que una suscripción empresarial. Los empleados necesitan orientación clara sobre los datos aceptables, las tareas compatibles y las rutas de escalamiento. También necesitan alternativas aprobadas que se adapten a distintos puestos.
Un desarrollador puede necesitar asistencia consciente del código y contexto del repositorio. Un investigador puede necesitar análisis de documentos con fuentes rastreables. Un gerente de proyecto puede necesitar resúmenes de reuniones, tareas y decisiones.
Para flujos de trabajo intensivos en conocimiento, los equipos deben entender la diferencia entre un repositorio empresarial compartido y un sistema personal antes de conceder acceso a IA. Una práctica guía sobre bases de conocimiento puede ayudar a definir las decisiones sobre propiedad, alcance y recuperación de información.
La deuda de gobernanza se acumula cuando las empresas implementan capacidades antes de definir esos límites. Al igual que la deuda técnica, permanece oculta mientras los sistemas parecen funcionar. El coste se vuelve visible durante una auditoría, un incidente, la salida de un empleado o un cambio de proveedor.
La IA puede acelerar esa acumulación porque la adopción suele estar descentralizada. Un equipo de marketing puede activar un asistente sin esperar una implementación central. Un desarrollador puede conectar un modelo mediante una interfaz de programación de aplicaciones en cuestión de horas.
La IA integrada crea otro punto ciego. Una empresa podría aprobar una plataforma de software antes de que ese proveedor añada un asistente o agente automatizado. La evaluación anterior de la organización podría no cubrir la nueva ruta de datos o el proveedor del modelo.
Por lo tanto, la revisión de proveedores debe ser lo bastante continua como para capturar cambios importantes en las funciones. Los contratos deben abordar el uso de datos, la retención, los subprocesadores, la notificación de incidentes y los controles administrativos. Los equipos técnicos deben verificar que el comportamiento configurado coincida con esos términos.
El inventario es el punto de partida, pero el inventario por sí solo no es gobernanza. Los equipos de seguridad deben distinguir la experimentación de la producción, la redacción de bajo riesgo del análisis sensible y los asistentes de solo lectura de los agentes que pueden modificar sistemas.
Esa clasificación determina los controles. Una herramienta pública de lluvia de ideas no debería recibir registros de clientes. Un asistente interno de recuperación de información necesita permisos que reflejen las fuentes subyacentes. Un agente que ejecuta acciones necesita una autoridad más limitada y controles de aprobación más estrictos.
La disyuntiva central sigue siendo inevitable. Cada medida de protección añade fricción, mientras que cada control eliminado aumenta la exposición. El diseño ganador no eliminará esa tensión, pero puede situar la fricción donde las consecuencias sean mayores.
Las empresas deben reservar las comprobaciones más estrictas para la información sensible y las acciones relevantes. Las tareas de bajo riesgo pueden utilizar controles más sencillos. Este modelo basado en riesgos ofrece a los empleados una vía creíble sin tratar cada prompt como igual de peligroso.
La encuesta muestra presión, no pruebas
Los hallazgos de Kaspersky muestran que los líderes de seguridad sienten presión, pero no demuestran que un mayor gasto haya producido una adopción más segura de la IA.
La cifra del 41% mide a las organizaciones que aumentaron su inversión debido a la adopción de IA. No mide si esas organizaciones redujeron incidentes, descubrieron IA en la sombra o evitaron la exposición de datos.
La encuesta también combina a responsables de toma de decisiones y especialistas de múltiples sectores y países. Esa amplitud hace que el patrón sea relevante, pero puede ocultar diferencias significativas en el tamaño de las organizaciones, la regulación, la madurez y la exposición a amenazas.
La publicación de Kaspersky no proporciona un cuestionario completo, distribución de respuestas, procedimiento de muestreo ni margen de error. Tampoco desglosa la cifra del 41% en categorías de inversión. Los compradores podrían estar financiando productos, personal, consultoría, capacitación o infraestructura.
Esas limitaciones no invalidan los resultados. Delimitan lo que los lectores deberían concluir. La investigación respalda una afirmación sobre el comportamiento presupuestario reportado, no un veredicto sobre la eficacia de la seguridad.
El patrocinio del proveedor crea otro motivo de cautela. Kaspersky recomienda su propia cartera de seguridad en la misma publicación. Su posición comercial no hace falsa la encuesta, pero una validación independiente reforzaría las afirmaciones más amplias sobre el mercado.
Las métricas de riesgo también dependen de la percepción de los encuestados. El diecinueve por ciento calificó las vulnerabilidades de IA como un peligro principal, mientras que el 31% identificó la IA en la sombra como un factor común. Esas respuestas describen conciencia y experiencia, no recuentos de incidentes verificados de forma independiente.
Un comunicado independiente de Kaspersky indicó que el 82% de las organizaciones expresó preocupación por el riesgo de la IA. Entre el 87% que experimentó un incidente cibernético durante el año anterior, el 13% informó de amenazas surgidas específicamente de vulnerabilidades relacionadas con la IA.
De nuevo, la atribución es difícil. Un incidente que involucra malware etiquetado como IA es distinto de un servicio de modelo explotado. Una filtración de datos mediante un prompt de un empleado es distinta de un agente que actúa siguiendo instrucciones maliciosas.
Agrupar todos los casos bajo el concepto de “riesgo de IA” puede conducir a un gasto impreciso. Las empresas podrían comprar productos de monitorización solapados sin definir las exposiciones que necesitan reducir. También pueden tratar la gobernanza como una responsabilidad exclusiva del equipo de seguridad.
El National Institute of Standards and Technology ofrece un punto de partida más estructurado. Su perfil de IA generativa adapta el Marco de Gestión de Riesgos de IA a los riesgos presentes en el desarrollo, la implementación y el uso de la IA generativa.
El marco organiza el trabajo en torno a gobernar, mapear, medir y gestionar el riesgo. Esa secuencia anima a las organizaciones a definir el contexto antes de seleccionar controles. También trata la gestión de riesgos como un proceso de ciclo de vida.
Para una empresa, “gobernar” incluye propiedad, responsabilidad y políticas. “Mapear” significa comprender sistemas, usuarios, datos y consecuencias. “Medir” abarca pruebas, monitorización y evidencias. “Gestionar” convierte esas evidencias en acciones priorizadas.
Esta estructura expone una debilidad de las respuestas guiadas por el gasto. Una empresa puede comprar herramientas antes de mapear dónde aparece la IA. Puede recopilar alertas antes de decidir qué comportamientos importan. Puede capacitar a los empleados sin medir si cambian las prácticas de riesgo.
El gasto eficaz debe producir resultados observables. La organización debe saber qué servicios de IA están activos, qué categorías de datos llegan a ellos y qué identidades pueden autorizar acciones externas.
También debe saber si los empleados prefieren herramientas autorizadas. Una baja adopción de servicios aprobados puede señalar capacidades ausentes, fricción excesiva, comunicación deficiente o desconfianza. Esa es una medición de gobernanza, no simplemente una métrica de software.
Los equipos de seguridad deben hacer seguimiento de los tiempos de revisión de nuevas herramientas. Los ciclos de aprobación largos pueden fomentar alternativas no autorizadas. Las revisiones más rápidas no exigen estándares más bajos si las organizaciones usan categorías de riesgo repetibles y configuraciones preaprobadas.
Los ejercicios de incidentes ofrecen otra prueba. Las empresas pueden simular una credencial de IA filtrada, un plugin malicioso, un prompt sensible o un agente que realiza un cambio no autorizado. La respuesta revela brechas que los totales presupuestarios no pueden mostrar.
Las compras deben medir las dependencias de los proveedores y las opciones de salida. Una organización necesita saber si puede exportar registros, eliminar datos, revocar integraciones y migrar flujos de trabajo. Esas capacidades se vuelven importantes cuando los productos cambian sus términos o su postura de seguridad.
Nada de esto garantiza la seguridad. Los sistemas de IA están cambiando rápidamente y las organizaciones se enfrentarán a información imperfecta. El objetivo razonable es un aprendizaje controlado con evidencias, no la promesa de que todo riesgo ha sido eliminado.
La tendencia de gasto en seguridad de IA de Kaspersky solo cobra sentido cuando la inversión mejora la visibilidad y limita las consecuencias. De lo contrario, el aumento de los presupuestos puede coexistir con una IA en la sombra creciente y una responsabilidad débil.
Tres señales que pondrán a prueba el cambio en el gasto
La siguiente prueba es si unos presupuestos más altos producen un control medible sin empujar a los empleados hacia herramientas aún menos visibles.
La primera señal es el descubrimiento. Durante los próximos meses, las empresas deberían informar si pueden identificar servicios de IA, cuentas personales, funciones integradas e integraciones de agentes en todos sus entornos.
El descubrimiento importa porque las políticas no pueden gobernar actividad desconocida. Un inventario útil debería vincular cada servicio con un propietario, propósito empresarial, clasificación de datos, método de identidad y conjunto de conexiones externas.
Si las organizaciones publican métricas de visibilidad más sólidas, la tesis del gasto gana respaldo. Mostraría que la inversión en seguridad está convirtiendo actividad desconocida en actividad gestionada. Una visibilidad estancada sugeriría que el gasto sigue desconectado de la adopción.
La segunda señal es la tasa de adopción de herramientas autorizadas. Las empresas deberían comparar el uso aprobado con los intentos bloqueados, las solicitudes de excepción y la demanda de los empleados de sistemas alternativos.
Una alta adopción aprobada indicaría que la gobernanza y la productividad pueden coexistir. También reduciría el incentivo para usar cuentas personales en el trabajo cotidiano. Las soluciones alternativas persistentes debilitarían las afirmaciones de que los programas actuales abordan la IA en la sombra.
La calidad de las herramientas aprobadas importa más que el número de licencias adquiridas. Un asistente autorizado que no puede acceder a la información necesaria ni respaldar tareas especializadas no reemplazará mejores opciones externas.
Las organizaciones deben examinar qué grupos evitan la vía aprobada. Ingenieros, investigadores, equipos de ventas y analistas tienen requisitos diferentes. Un único asistente general puede no satisfacer todos los flujos de trabajo.
La tercera señal es la evidencia de incidentes. Las empresas necesitan definiciones coherentes para los eventos relacionados con la IA, incluidas las vulnerabilidades de modelos, las credenciales expuestas, el código generado inseguro, los prompts sensibles, los plugins maliciosos y las acciones no autorizadas de agentes.
Las categorías claras mejorarían las comparaciones entre períodos y organizaciones. También revelarían si la principal exposición proviene de atacantes, fallos de software, comportamiento de empleados o permisos excesivos.
Una disminución de los incidentes recurrentes reforzaría la justificación del gasto actual. El aumento de las cifras de detección requeriría más contexto. Podría reflejar una exposición cada vez mayor o demostrar que una supervisión mejorada finalmente está detectando actividad oculta.
Por lo tanto, los responsables de seguridad deberían complementar los totales de incidentes con el tiempo de detección, el tiempo de contención, los datos afectados y el impacto empresarial. También deberían documentar qué control falló y qué cambio se implementó después.
El mercado tecnológico ofrecerá otra capa de evidencia. Los nuevos estándares de seguridad para agentes, las directrices actualizadas sobre vulnerabilidades y un soporte de auditoría más amplio mostrarán si los proveedores pueden ofrecer controles interoperables.
La interoperabilidad importa porque los flujos de trabajo de IA atraviesan muchos sistemas. Un proveedor de modelos, una plataforma de identidad, una fuente de datos, un navegador, un endpoint y un servicio de seguridad pueden observar partes distintas de una misma transacción.
Las organizaciones necesitan registros que puedan conectarse entre esas capas. Sin esa conexión, una investigación se convierte en una reconstrucción manual de registros parciales. Las acciones autónomas hacen que esa demora sea más costosa.
La inversión en seguridad también debe incluir a personas que comprendan tanto los flujos de trabajo como los controles. Una plataforma de supervisión no puede decidir si una tarea es apropiada para un departamento. Ese juicio requiere a los responsables de negocio, los equipos legales, los especialistas en seguridad y los usuarios.
La formación de los empleados sigue siendo necesaria, pero las empresas deben evitar presentar a los trabajadores como el único problema. El personal suele adoptar herramientas externas porque los procesos oficiales no satisfacen las necesidades operativas.
La respuesta sostenible consiste en facilitar un comportamiento seguro. Eso implica herramientas aprobadas y útiles, límites claros para los datos, canales de revisión rápidos, permisos de alcance limitado y responsabilidades visibles para las acciones de alto impacto.
La investigación de Kaspersky refleja una transición presupuestaria real. La IA ya no se financia únicamente mediante programas de experimentación, infraestructura o productividad. La seguridad se ha convertido en parte del coste de adopción.
La cuestión sin resolver es si las empresas están comprando control o simplemente tranquilidad. El crecimiento presupuestario por sí solo no puede responderla. La cobertura del inventario, el uso autorizado y los resultados de los incidentes sí pueden hacerlo.
Para los compradores empresariales, la acción inmediata es sencilla: preguntar qué nueva evidencia producirá cada inversión en seguridad. Si un producto no puede mejorar la visibilidad, restringir el acceso o acortar la respuesta, su relación con el riesgo de IA sigue siendo incierta.
Los desarrolladores deberían preguntarse qué permisos necesita realmente un asistente. Los trabajadores del conocimiento deberían comprobar qué datos es seguro enviar y qué cuenta rige la interacción. Los líderes deberían comparar las políticas con el comportamiento real de los empleados.
El gasto de Kaspersky en seguridad de IA seguirá siendo una señal útil del mercado, pero la IA en la sombra es la prueba operativa más difícil. Durante el próximo trimestre, habrá que observar si las empresas pueden incorporar el trabajo real a sistemas gobernados sin eliminar el valor que impulsó la adopción.
