top of page

Informe de IA en manufactura de Netskope: la cifra del 83% mide infracciones de políticas

hace 1 hora
13 min de lectura
Illustrative photograph. Photo: Sora Shimazaki / Pexels.

Netskope publicó su informe sobre IA en manufactura el 10 de noviembre y concluyó que las infracciones previas de políticas de datos representaban el 83% de las infracciones relacionadas con IA observadas. Este hallazgo se refiere a la información que entra en los sistemas de IA, no a un recuento verificado de incidentes de seguridad o brechas exitosas. El informe de IA en manufactura de Netskope plantea una pregunta más acotada y útil: ¿aprobar una aplicación de IA controla realmente la información que los empleados le envían?

La distinción cambia la respuesta de gestión. Una alerta de política exige investigar los datos, los permisos y la aplicación de controles. Una brecha confirmada requiere evidencia de divulgación o acceso no autorizados. Tratar estas categorías como intercambiables puede distorsionar tanto la evaluación de amenazas como la aparente eficacia de las defensas existentes.

La tensión central está entre las aplicaciones aprobadas y los flujos de datos aprobados. La guía de seguridad de Microsoft ofrece una referencia útil: proteger un flujo de trabajo de IA exige controles sobre la información y las acciones, más allá de elegir una aplicación de confianza. Para los compradores del sector manufacturero, la cuestión es si un asistente aprobado opera dentro de límites acordes con la tarea.

Qué mide realmente el informe de IA en manufactura de Netskope

El hallazgo del 83% describe la composición de las infracciones observadas, no el porcentaje de fabricantes que sufren brechas de IA.

Los hallazgos sobre IA en manufactura subyacentes proceden de telemetría anonimizada de la plataforma Netskope que cubre a un subconjunto de clientes del sector manufacturero. El período de observación abarcó del 1 de junio de 2025 al 31 de agosto de 2026. La metodología pública no revela un número exacto de clientes.

Esto convierte el conjunto de datos en una observación de un proveedor, no en un censo del sector ni en una encuesta a empleados. Su valor reside en mostrar actividad visible a través de controles desplegados. No puede establecer la prevalencia de todos los riesgos de IA en todos los fabricantes.

Una infracción previa se refiere a datos que entran en un flujo de trabajo de IA. Una infracción posterior se refiere a información que sale de ese flujo mediante material generado o su uso posterior. Ninguna de las dos etiquetas establece por sí sola que alguien haya robado información con éxito.

Pensemos en un empleado hipotético que intenta cargar un documento confidencial de un proveedor. Un control de seguridad detecta el documento y bloquea la transferencia. La alerta resultante demuestra que alguien intentó una acción prohibida e indica, además, que el control intervino.

Compárese con una carga que se completa y recibe una alerta posteriormente. Los investigadores deben determinar qué cruzó el límite, qué cuenta lo recibió y qué conservó el destino. Etiquetas de política similares pueden ocultar resultados materialmente diferentes.

Esta distinción importa cuando los ejecutivos preguntan si el aumento de alertas significa un deterioro de la seguridad. Más alertas pueden reflejar más actividad riesgosa, una supervisión más amplia, reglas más estrictas o una mejor detección. Un total de alertas no puede resolver esas posibilidades sin evidencia operativa complementaria.

La misma cautela se aplica a una cifra descendente. Menos alertas podrían indicar comportamientos más seguros. También podrían deberse a una inspección más débil, reglas desactivadas o un desplazamiento hacia canales que la supervisión no cubre.

Para un responsable de seguridad en manufactura, el seguimiento útil es, por tanto, operativo. ¿Qué transferencias se evitaron, cuáles se permitieron y cuáles siguen sin resolverse? Estas categorías revelan más sobre la protección que un porcentaje llamativo.

La fecha de publicación del informe también difiere de su ventana de medición. Los lectores de noviembre están viendo un análisis de actividad que terminó en agosto. Ese calendario importa al comparar los hallazgos con el despliegue actual de una empresa o con controles introducidos recientemente.

La interpretación adecuada es una señal de exposición. El conjunto de datos dirige la atención al punto de entrada donde la información empresarial se encuentra con el procesamiento de IA. No proporciona un atajo para estimar pérdidas confirmadas, fábricas comprometidas o la probabilidad de interrupciones de producción.

La IA aprobada deja a los equipos de seguridad ante una decisión sobre los datos

La aprobación de una aplicación decide quién proporciona la herramienta; no decide qué registros empresariales pertenecen a cada tarea.

Netskope informa que el uso de IA gestionado por la organización aumentó del 35% al 70%, mientras que el uso de cuentas personales descendió del 75% al 55%. Estas cifras describen patrones de uso superpuestos, no grupos mutuamente excluyentes. Sugieren una migración hacia la supervisión organizativa sin demostrar que el uso personal haya desaparecido.

Para la gobernanza de IA en manufactura, esto crea un problema práctico de responsabilidad. Compras puede aprobar a un proveedor. Los equipos tecnológicos pueden desplegar una aplicación. Aun así, alguien debe tener autoridad para decidir qué documentos, identificadores y procesos empresariales debe incluir el despliegue.

Un asistente de compras hipotético ilustra la brecha. Resumir un folleto público de un proveedor implica una decisión de información diferente a resumir un historial confidencial de negociaciones. Ambas solicitudes pueden realizarse dentro de la misma interfaz aprobada.

Una lista amplia de aplicaciones permitidas trata estas solicitudes de forma similar, salvo que otro control diferencie sus contenidos. Un despliegue defendible necesita reglas que conecten el destino, la cuenta, la categoría de información y el propósito. La aprobación debe resistir el contacto con el trabajo real.

Esto presiona a varios grupos a la vez. Los equipos de seguridad necesitan límites aplicables. Los responsables de negocio necesitan flujos de trabajo utilizables. Los equipos legales y de privacidad necesitan condiciones de procesamiento que se correspondan con la información que los empleados realmente envían.

El desafío inmediato es la coordinación, más que elegir qué grupo debe poseer cada decisión. El propietario de un documento entiende la sensibilidad empresarial. Un administrador de aplicaciones entiende la configuración. El personal de seguridad entiende la detección y la respuesta. Las decisiones eficaces exigen que estas perspectivas confluyan.

Una cuenta aprobada también necesita un límite de identidad claro. Los empleados deben entender si operan dentro de un espacio de trabajo organizativo o de una sesión personal. Un logotipo de producto reconocible no responde a esa pregunta.

La cuestión operativa va más allá de las cargas deliberadas. Un flujo de trabajo podría recopilar información mediante un documento adjunto, un repositorio conectado o material reunido automáticamente para una solicitud. Cada ruta merece una decisión explícita sobre el acceso y el destino.

Por eso, la formación que dice «use IA aprobada» puede dejar a los empleados con dudas. La instrucción identifica una aplicación, pero deja sin resolver el juicio sobre la información. Los trabajadores aún necesitan orientación concreta vinculada a sus responsabilidades.

Por ejemplo, una empresa podría distinguir entre documentación pública aprobada y correspondencia restringida de clientes. Las categorías exactas dependen de cada negocio. El principio rector es que los empleados no deberían tener que interpretar una política de seguridad abstracta durante cada tarea rutinaria.

Por tanto, el informe de IA en manufactura de Netskope presiona la definición de éxito del despliegue. Asignar cuentas es un hito de adopción. Demostrar que esas cuentas manejan únicamente información apropiada es un hito de seguridad distinto.

Para los compradores empresariales, la implicación comercial se deriva directamente. Una propuesta de despliegue debe explicar quién es responsable de las decisiones sobre datos, cómo funcionan las excepciones y qué evidencia pueden inspeccionar los administradores. Una lista de funcionalidades no puede responder a esas preguntas.

El límite atraviesa documentos, permisos y resultados

El punto de control más trascendental es el límite de información dentro del flujo de trabajo, dondequiera que se produzca.

Los hallazgos de Netskope sobre seguridad de datos de IA invitan a cambiar los criterios de evaluación. En lugar de preguntar únicamente si un asistente está aprobado, los compradores deberían examinar el recorrido completo de una tarea representativa. Ese recorrido comienza antes de que el modelo genere una respuesta.

Un analista de calidad hipotético podría pedir a un asistente que resuma una reclamación de un proveedor. El paquete de origen podría contener nombres de clientes, detalles contractuales, comentarios internos y especificaciones técnicas. Solo parte de esa información podría ser necesaria para el resumen.

La decisión de seguridad se refiere tanto a la necesidad como a la sensibilidad. Si la tarea requiere una descripción del defecto, no necesita automáticamente todo el historial de correspondencia con el cliente. Reducir el contexto innecesario puede disminuir la exposición sin impedir el trabajo subyacente.

La guía de OWASP sobre divulgación de información sensible identifica la información empresarial confidencial y las credenciales entre los riesgos relevantes. Hace hincapié en las restricciones de acceso y advierte que las restricciones basadas en prompts pueden eludirse.

Esta guía proporciona una prueba útil para evaluar las afirmaciones de compra. Un proveedor que dice que su asistente sigue instrucciones está describiendo el comportamiento del modelo. Un sistema que impide el acceso a un documento no autorizado está aplicando un límite distinto.

Estos mecanismos deberían complementarse entre sí. Las instrucciones pueden dar forma a una respuesta, mientras que los controles de acceso determinan qué material queda disponible. No debe suponerse que ninguna de las dos funciones sustituye a la otra.

Microsoft ofrece una comparación mediante su análisis de la inyección indirecta de prompts. Este ataque introduce instrucciones maliciosas dentro del contenido que procesa un asistente, como un documento o una página web.

Microsoft describe defensas por capas, entre ellas separar el contenido no confiable de las instrucciones y detectar entradas sospechosas. Su enfoque ilustra un argumento de seguridad más amplio: un asistente capaz aún necesita protección frente al material que lee.

Esto no demuestra que Microsoft, Netskope u otro proveedor hayan resuelto todos los problemas relevantes. Muestra diferentes capas de control que abordan distintos modos de fallo. La inspección de datos y la detección de instrucciones maliciosas responden a preguntas relacionadas, con requisitos de evidencia distintos.

La distinción se concreta cuando un asistente lee un documento externo de un proveedor. La organización debe decidir si el documento contiene información que el asistente puede procesar. También debe impedir que el texto incrustado se convierta en autoridad para realizar acciones no relacionadas.

El resultado crea otro límite. Un resumen podría contener información apropiada para una investigación interna, pero inapropiada para una respuesta a un proveedor externo. El hecho de que el asistente haya leído legítimamente un documento no autoriza toda divulgación posterior.

Por tanto, la gobernanza de IA en manufactura necesita una visión de los permisos a nivel de tarea. Leer, resumir, compartir y actuar representan decisiones diferentes. Un despliegue se vuelve más fácil de evaluar cuando la organización puede explicar cada decisión de manera independiente.

Para los trabajadores del conocimiento, la misma distinción se aplica a una base de conocimiento de IA. Hacer que la información sea consultable y decidir quién puede utilizarla son cuestiones de diseño conectadas. Una mejor recuperación no elimina la necesidad de definir una audiencia.

Las conexiones de agentes hacen que el límite sea más difícil de ver

Un asistente que puede recuperar información e invocar herramientas requiere controles que van más allá de la ventana de conversación.

Netskope informa de un crecimiento del 490% en entidades no humanas que se conectan a servidores MCP remotos, junto con un aumento del 600% en eventos relacionados. Estas son medidas de uso, no cifras de crecimiento de ataques. No demuestran que las conexiones adicionales fueran maliciosas.

Model Context Protocol, o MCP, es un estándar para conectar aplicaciones de IA con herramientas y fuentes de datos. Su relevancia aquí se refiere a la ruta entre una solicitud y los sistemas utilizados para satisfacerla.

En una interacción de chat sencilla, un empleado selecciona material y lo envía. En un flujo de trabajo conectado, un asistente puede recuperar contexto adicional mediante herramientas configuradas. La solicitud visible del empleado puede describir solo una parte del flujo final de información.

Pensemos en un asistente de mantenimiento ilustrativo al que se le pide explicar una falla recurrente de un equipo. Podría recuperar manuales aprobados y registros de servicio anteriores. Una implementación más ampliamente conectada también podría acceder a registros de compras o servicios externos de soporte.

El valor para el negocio depende de esas conexiones. También el problema de los permisos. Un asistente no debería recibir acceso amplio simplemente porque una solicitud futura podría beneficiarse de contexto adicional.

Las prácticas de seguridad de MCP del protocolo abordan riesgos de implementación, incluidos fallos de autorización, secuestro de sesiones y manejo inseguro de tokens de acceso. Los tokens son credenciales que permiten al software acceder a servicios protegidos.

Estas preocupaciones de implementación difieren de la precisión de una respuesta generada. Una respuesta puede ser técnicamente correcta y, aun así, depender de permisos excesivos. Un asistente útil todavía puede exponer a una organización mediante una conexión mal controlada.

Para los compradores, esto cambia el significado de una demostración de integración. Mostrar que un asistente puede recuperar un registro prueba la conectividad. No demuestra que el acceso siga siendo apropiado entre distintos usuarios, tareas y categorías de documentos.

Una demostración más informativa mostraría que una solicitud legítima tiene éxito y una solicitud no autorizada falla. También identificaría la cuenta utilizada, los permisos aplicados y la evidencia disponible para revisión.

La propiedad del servicio importa igual de mucho. Un conector sin un propietario identificado puede seguir activo después de que cambie su propósito comercial original. La organización necesita una forma de entender por qué existe el acceso y quién puede revocarlo.

La revocación es especialmente relevante cuando termina una relación con un proveedor o un empleado cambia de responsabilidades. Un modelo de permisos debe permitir retirar el acceso sin depender de que el asistente recuerde una instrucción escrita.

El problema más amplio de gobernanza de la IA en manufactura es la visibilidad sobre el trabajo delegado. Cuando el software actúa en nombre de una persona, la responsabilidad no puede terminar en la solicitud inicial de esa persona. Debe extenderse a los sistemas que ejecutan la solicitud.

Las cifras de crecimiento justifican prestar atención a esta categoría, aunque dejan incierta su escala absoluta. Respaldan hacer mejores preguntas sobre los flujos de trabajo conectados. No justifican declarar un aumento equivalente de ataques exitosos.

Lo que el conjunto de datos no puede establecer

Una señal de riesgo útil se vuelve engañosa cuando los lectores convierten alertas observadas en afirmaciones sobre daños confirmados.

El informe de Netskope sobre IA en manufactura aporta evidencia sobre actividad dentro de su entorno observado. No establece un vínculo causal entre cada evento de política y una pérdida de seguridad posterior. Esa brecha debe seguir siendo visible en cualquier interpretación.

La ausencia de un recuento divulgado de clientes limita las valoraciones sobre su representatividad. Los lectores no pueden reconstruir la distribución de la muestra por tamaño de organización, geografía o madurez de seguridad solo a partir de las cifras principales.

Un conjunto de datos basado en una plataforma también refleja la visibilidad de la plataforma. La actividad fuera de las rutas monitorizadas puede recibir un tratamiento distinto o permanecer sin observarse. Esta es una limitación del enfoque de medición, no evidencia de que una categoría no observada sea necesariamente mayor.

Las políticas introducen otra fuente de variación. Una empresa con reglas estrictas podría generar alertas por transferencias que otra empresa permite. Comparar sus totales sin comparar sus reglas puede confundir las decisiones de aplicación con la exposición subyacente.

La gravedad de las alertas también importa. Una transferencia prohibida que implique un registro restringido de un cliente exige una investigación distinta de una coincidencia de clasificación con baja confianza. Un porcentaje de categoría no puede sustituir el examen de esos casos.

La prevención exitosa también complica la interpretación. Si un sistema bloquea una carga inapropiada, el evento resultante puede indicar tanto un comportamiento de riesgo como una protección que funciona. Llamar filtración a cada evento de este tipo elimina la distinción.

El error opuesto sería descartar todas las alertas como inocuas porque algunas fueron bloqueadas. Los intentos repetidos pueden revelar una política poco clara, un flujo de trabajo mal diseñado o una presión persistente para utilizar un destino inadecuado. La prevención no elimina el problema empresarial subyacente.

Netskope también vende productos de seguridad relevantes para los riesgos que describe. Ese contexto comercial no invalida sus observaciones. Sí significa que los compradores deben separar la evidencia sobre un problema de las afirmaciones sobre una solución concreta.

La orientación independiente ayuda a mantener esa separación. El perfil de IA generativa de NIST sitúa las consideraciones de riesgo en el diseño, desarrollo, uso y evaluación de los sistemas de IA. Ese marco va más allá de la compra de cualquier producto individual.

La respuesta adecuada es probar los controles frente a las propias tareas e información de una empresa. Una evaluación relevante debe incluir actividad permitida, actividad prohibida, contenido ambiguo y excepciones operativas. De lo contrario, una demostración pulida puede ocultar límites no resueltos.

Ninguna conclusión sobre paradas de fábrica se deriva automáticamente del porcentaje inicial. Establecer consecuencias operativas requeriría evidencia que conecte un evento concreto con sistemas afectados e impacto empresarial. La estadística central del informe no proporciona esa cadena.

La interpretación más sólida sigue siendo acotada: los datos que entran en flujos de trabajo de IA merecen escrutinio. La interpretación más débil convierte un conjunto de datos de observación de políticas en un recuento de incidentes de toda la industria. Los compradores obtienen más al preservar la afirmación más limitada.

Lo que los compradores deberían vigilar hasta principios de 2027

La próxima evidencia útil mostrará si las organizaciones pueden ampliar el uso de la IA al tiempo que hacen más responsable el acceso a los datos.

La primera señal es una mejor información sobre los resultados de la aplicación de controles. Los compradores deberían buscar distinciones entre transferencias bloqueadas, transferencias permitidas, casos investigados y divulgaciones confirmadas. Estas categorías conectan la actividad de monitorización con decisiones y consecuencias.

La evidencia de transferencias prevenidas junto con una resolución documentada reforzaría el argumento a favor de controles eficaces. Un panel de alertas más grande sin información sobre resultados dejaría ese argumento sin resolver. El avance útil es una contabilidad más clara, no una dirección preferida para el recuento bruto.

Las organizaciones pueden exigir una claridad similar en los informes internos. Un resumen ejecutivo debería identificar qué observó el sistema de monitorización y qué establecieron posteriormente los investigadores. Combinar esas etapas en una única cifra de incidentes dificulta evaluar a la organización.

La segunda señal es si las implementaciones gestionadas reducen el movimiento inapropiado entre tipos de cuenta. Los compradores deberían buscar evidencia de que los flujos de trabajo aprobados satisfacen las necesidades de los empleados mientras mantienen los límites requeridos.

Esto no significa que cada interacción con una cuenta personal represente una infracción. La pregunta importante es si información empresarial restringida llega a un destino inapropiado. El contexto de la cuenta importa porque la misma aplicación puede admitir diferentes acuerdos contractuales y administrativos.

Una implementación que ofrezca una ruta utilizable y autorizada reforzaría el argumento de que la gobernanza puede apoyar la adopción. Las soluciones alternativas persistentes debilitarían las afirmaciones de que asignar cuentas empresariales ha resuelto el problema.

La tercera señal es una mayor responsabilidad para los agentes y herramientas conectados. Los compradores deberían buscar propietarios identificados, permisos limitados, actividad revisable y revocación práctica. Los anuncios de productos adquieren más significado cuando estas capacidades aparecen en implementaciones operativas.

Un inventario de conectores por sí solo ofrecería una respuesta incompleta. La organización también necesita saber qué tareas justifican el acceso y si los permisos siguen siendo apropiados. La evidencia de que el acceso cambia con las responsabilidades reforzaría el argumento de gobernanza.

Por el contrario, unos permisos amplios y permanentes dejarían intacto el problema central. Un asistente podría volverse más útil mientras la organización pierde claridad sobre su alcance. Por tanto, la adopción y el control deberían aparecer como medidas separadas en las revisiones de implementación.

Para los desarrolladores, estas señales convierten la autorización y los registros de eventos en parte de la calidad del producto. Para los líderes empresariales, convierten el diseño del flujo de trabajo en parte de la supervisión de seguridad. Para los empleados, deberían traducirse en decisiones más claras sobre el uso cotidiano de la información.

Las observaciones de Netskope sobre la seguridad de datos de IA son más útiles cuando conducen a esos resultados verificables. Son menos útiles como un titular que agrupa intentos, alertas, prevención y daños confirmados en una sola categoría alarmante.

Antes de ampliar el acceso de un asistente, lleve una tarea empresarial representativa a la revisión de implementación. Identifique la información que necesita, el destino que utiliza y la acción que debe realizar. Pida al propietario del sistema que demuestre la ruta permitida y explique dónde se detiene una solicitud inapropiada. Luego revise los registros que respaldan esa explicación. El informe de Netskope sobre IA en manufactura da a los compradores una razón para exigir esa evidencia, en lugar de tratar la aprobación de una aplicación como el final de la gobernanza. La decisión relevante es si una organización puede explicar y controlar el movimiento de su propia información. Utilice ese criterio al revisar el próximo despliegue de IA.

 
 

Empieza gratis

Un asistente de IA local-first con gestión del conocimiento personal

Para ofrecer una mejor experiencia con la IA,

actualmente remio solo es compatible con Windows 10+ (x64) y M-Chip Macs.

Tu aliado de IA para el trabajo
Haz más con remio

Planifica. Crea. Entrega.
Todo en un solo lugar.

bottom of page